MÉTODO SIMPLEX

Prof. ISMAEL SÁNCHEZ O.

UNIVERSIDAD INTERAMERICANA DE PANAMÁ
CONSIDERACIONES.

La solución óptima de un programa lineal siempre está asociada

con un vértice (punto esquina) del espacio de soluciones (región
factible).

La transición de la solución del punto esquina geométrico hasta

el método símplex implica un procedimiento de cómputo que
determina en forma algebraica los puntos esquina. Esto se logra
primero convirtiendo a todas las restricciones de desigualdad en
ecuaciones.

Una propiedad principal del método símplex es que resuelve la

programación lineal en iteraciones. Cada iteración desplaza la
solución a un nuevo punto esquina que tiene potencial de mejorar
el valor de la función objetivo. El proceso termina cuando ya no
se pueden obtener mejoras.
ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN.

Para estandarizar, la representación algebraica del espacio de

soluciones de programación lineal se forma bajo dos condiciones:

1. Todas las restricciones (excepto las

de no negatividad) son ecuaciones con
lado derecho no negativo.

2. Todas las variables son no negativas

CONVERSIÓN DE DESIGUALDADES A ECUACIONES.

En las restricciones (≤), el lado derecho representa el límite de

disponibilidad de un recurso, y el lado izquierdo representaría el uso de ese
recurso limitado por las variables del modelo.

La diferencia entre el lado derecho y el lado izquierdo de la restricción (≤)

representa la cantidad no utilizada u holgura del recurso.

Para convertir una desigualdad (≤) en ecuación, se agrega una variable de

holgura al lado izquierdo de la restricción. En el caso del modelo de Gepetto, la
restricción asociada con las horas en el taller de acabado está dada por:
2x + y ≤ 100
Si se define s1 como la holgura en el taller de acabado la restricción se puede
convertir en:
2x + y + s1 = 100, s1 ≥ 0
CONVERSIÓN DE DESIGUALDADES A ECUACIONES.

Una restricción (≥) establece un límite inferior para las actividades del
modelo de programación lineal. Como tal, la cantidad por la que el lado
izquierdo es mayor que el límite mínimo (lado derecho) representa un
excedente.

Para convertir una desigualdad (≥) en ecuación, se resta una variable de

excedencia del lado izquierdo de la desigualdad. En el caso del modelo de
Dorian Auto, la restricción asociada con la audiencia esperada de mujeres está
dada por:
6x + 3y ≥ 30
Si se define S1 como una variable de excedencia se puede convertir la
restricción en:
6x + 3y - S1 = 30, S1 ≥ 0
CONVERSIÓN DE DESIGUALDADES A ECUACIONES.

Debe observarse que las variables de holgura y excedencia, s1 y S1,

siempre sean no negativas.

Si el lado derecho de una ecuación resultante es negativo, se debe

multiplicar ambos lados de la ecuación por -1.

Ejemplo:
la restricción -x + y ≤ -3 equivale directamente a la ecuación:
-x + y + s1 = -3, s1 ≥ 0
Ahora se multiplican ambos lados por -1, y se obtiene un lado
derecho no negativo, que es lo que se busca:
x - y - s1 = 3
 TRANSICIÓN DE LA SOLUCIÓN GRÁFICA A ALGEBRAICA.
Grafica todas las restricciones, incluyendo
las de no negatividad.
El espacio de soluciones consiste en una
infinidad de puntos esquina factibles.
Identifica puntos factibles de esquina
del espacio de soluciones.
Los candidatos a la solución óptima
corresponden a una cantidad finita de
puntos de esquina.
Se usa la función objetivo para
determinar el punto de esquina
óptimo entre todos los candidatos.
Representa el espacio de soluciones con
m ecuaciones con n variables, y restringe
a todas las variables a valores no
negativos; m < n.
El sistema tiene infinidad de soluciones
factibles.
Determina las soluciones básicas
factibles de las ecuaciones.
Las candidatas a solución óptima
corresponden a una cantidad finita de
soluciones básicas factibles.
Se usa la función objetivo para
determinar la solución básica factible
óptima entre todas las candidatas.
MÉTODO ALGEBRAICO.

En la representación algebraica, la cantidad m de ecuaciones siempre es

menor o igual a la cantidad de variables n.

Si m = n, y si las ecuaciones son consistentes el sistema solo tiene una

solución; pero si m < n , entonces el sistema de ecuaciones producirá una
infinidad de soluciones.

En un conjunto de m x n ecuaciones (m < n), si se igualan a cero n - m

variables, y a continuación se despejan las m variables restantes de las m
ecuaciones, la solución resultante, si es única, debe corresponder a un punto de
esquina del espacio de soluciones.

Para hacer una transición completa hacia la solución algebraica se necesita

indicar los puntos de equina con sus nombres algebraicos.
Las n – m variables que se igualan a cero se llaman variables no básicas.
Si las m variables restantes tienen una solución única , se llaman variables
básicas y su solución se llama solución básica.
DETALLES DEL CÁLCULO DEL MÉTODO SÍMPLEX.

A continuación se explican los detalles del cálculo de una iteración símplex,

que incluyen reglas para determinar las variables de entrada y de salida, así
como para detener los cálculos cuando se ha llegado a la solución óptima.

Usaremos el modelo de Gepetto, S.L.

Maximizar Z = 3x + 2y
Sujeto a:
2x + y ≤ 100, x + y ≤ 80, x ≤ 40, x, y ≥ 0

El problema debe expresarse en forma de ecuaciones como sigue:

Maximizar Z = 3x + 2y + 0s1 + 0s2 + 0s3
Sujeto a:
2x + y + s1 = 100 (taller de acabado)
x + y + s2 = 80 (taller de carpintería)
x + s3 = 40 (límite de demanda)
x, y, s1, s2, s3 ≥ 0
 DETALLES DEL CÁLCULO DEL MÉTODO SÍMPLEX.

Las variables s1, s2, s3 son las variables de holgura asociadas a las restricciones
respectivas.
Antes de establecer la tabla inicial símplex, la función objetivo debe re-
escribirse así:
Z – 3x – 2y = 0
Básica z x y s1 s2 s3 Solu-
ción
T Renglón
Z 1 -3 -2 0 0 0 0
A Z
B s1 0 2 1 1 0 0 100 Renglón
s1
L
s2 0 1 1 0 1 0 80 Renglón
A s2
#1 Renglón
s3 0 1 0 0 0 1 40
s3

Como n = 5 y m = 3 entonces hay n – m = 2 variables no básicas (x, y) y

m = 3 variables básicas (s1, s2, s3).
PASOS DEL MÉTODO SÍMPLEX.

1. Determinar una solución básica factible de inicio.

2. Seleccionar una variable de entrada aplicando la condición de optimalidad.

Detenerse si no hay variable de entrada; la última solución es la óptima.

3. Seleccionar una variable de salida aplicando la condición de factibilidad.

4. Determinar la nueva solución básica con los cálculos adecuados de Gauss-

Jordan. Ir al paso 2.

CONDICIÓN DE OPTIMALIDAD
La variable de entrada en un problema de
maximización (minimización) es la variable no
básica que tenga el coeficiente más negativo
(positivo) en el renglón de Z. Los empates se
rompen en forma arbitraria. Se llega al óptimo
en la iteración en la que todos los coeficientes
de las variables no básicas en el renglón Z son
no negativos (no positivos).
CONDICIÓN DE FACTIBILIDAD
En los problemas de maximización y
minimización, la variable de salida es la
variable básica asociada con la mínima razón
no negativa (con denominador estrictamente
positivo). Los empates se rompen en forma
arbitraria.
PASOS DEL MÉTODO SÍMPLEX.

Paso 1.
De la tabla #1 se extrae que la solución básica factible de inicio es:
Z=0 s1 = 100 s2 = 80 s3 = 40
Paso 2.
Se selecciona la primera variable de entrada del renglón Z de acuerdo a la
condición de optimalidad (x = -3).
Paso 3.
Se selecciona la variable de salida asociada con la mínima razón no negativa
(condición de factibilidad):
Básica Entra Solución Razón
x
s1 2 100 x = 100/2 = 50
s2 1 80 x = 80/1 = 80
s3 1 40 x = 40/1 = 40 MÍNIMO
Paso 4:
Se realiza la operación de renglón de Gauss-Jordan utilizando el elemento
pivote. Repetimos el paso 2.
PASOS DEL MÉTODO SÍMPLEX. Iteración 1
Básica z x y s1 s2 s3 Solu-
ción
x = entrada
s3 = salida
Z 1 -3 -2 0 0 0 0

s1 0 2 1 1 0 0 100

s2 0 1 1 0 1 0 80

s3 0 1 0 0 0 1 40

Pivote

Básica z x y s1 s2 s3 Solu-
T ción
A
Z 1 0 -2 0 0 3 120
B
L s1 0 0 1 1 0 -2 20
A s2 0 0 1 0 1 -1 40
#2
x 0 1 0 0 0 1 40
PASOS DEL MÉTODO SÍMPLEX. Iteración 2
Básica z x y s1 s2 s3 Solu-
ción
y = entrada
s1 = salida
Z 1 0 -2 0 0 3 120

s1 0 0 1 1 0 -2 20

s2 0 0 1 0 1 -1 40

x 0 1 0 0 0 1 40

Pivote

Básica z x y s1 s2 s3 Solu-
T ción
A
Z 1 0 0 2 0 -1 160
B
L y 0 0 1 1 0 -2 20
A s2 0 0 0 -1 1 1 20
#3
x 0 1 0 0 0 1 40
PASOS DEL MÉTODO SÍMPLEX. Iteración 3
Básica z x y s1 s2 s3 Solu-
ción
s3 = entrada
s2 = salida
Z 1 0 0 2 0 -1 160

y 0 0 1 1 0 -2 20

s2 0 0 0 -1 1 1 20

x 0 1 0 0 0 1 40

Pivote

Básica z x y s1 s2 s3 Solu-
T ción
A
Z 1 0 0 1 1 0 180
B
L y 0 0 1 -1 2 0 60
A s3 0 0 0 -1 1 1 20
#4
x 0 1 0 1 -1 0 20
PASOS DEL MÉTODO SÍMPLEX.

Como ninguno de los coeficientes del renglón Z asociados con las variables
no básicas s1 y s2 son negativos, la tabla #4 es la tabla óptima.

Se puede interpretar la solución óptima de la tabla simplex de la siguiente

forma:
Variable de Valor Recomendación
decisión óptimo
x 20 Deben fabricarse 20 unidades de
muñecos
y 60 Deben fabricarse 60 unidades de
trenes
Z 180 El beneficio o utilidad semanal será de
180 €

La tabla símplex muestra una gran cantidad de información adicional, que

comprende: el estado de los recursos, el valor por unidad (precios duales) de los
recursos y todos los datos necesarios para efectuar un análisis de sensibilidad con la
solución óptima.
ANÁLISIS DEL ESTADO DE LOS RECURSOS.

Un recurso se llama escaso si las actividades (variables) del modelo lo usan

por completo. En caso contrario, es abundante. Esta información se obtiene
de la tabla óptima analizando el valor de la variable de holgura asociada con la
restricción que representa el recurso.

Variable de holgura = 0  el recurso de usa por completo (Recurso escaso)

Variable de holgura > 0  el recurso es abundante

En el modelo de Gepetto S.L. las tres restricciones se clasifican como sigue:

Recurso Var. de holgura Condición

Horas (T. Acabado) s1 = 0 Escasa
Horas (T. Carpintería) s2 = 0 Escasa
Límite de la demanda s3 = 20 Abundante
VALOR POR UNIDAD DE LOS RECURSOS.

El valor por unidad de los recursos o precios duales se obtiene de la tabla

óptima analizando el valor de las variables de holgura en el renglón Z:

s1 = 1  cada hora en el t. de acabado hace variar la utilidad en 1 €

s2 = 1  cada hora en el t. de carpintería hace variar la utilidad en 1 €
s3 = 0  no contribuye en la variación

CONSIDERACIONES FINALES
El método símplex aquí descrito funciona cuando todas las restricciones son
del tipo ≤ con lados derechos no negativos. En otros casos debe utilizarse
métodos como el M o el de las dos fases.

En una minimización, la selección de las variables de salida es igual que en la

maximización. Para la variable de entrada, se escoge la variable no básica con el
coeficiente objetivo más positivo, y se llega a z mínima cuando todos los
coeficientes del renglón z son no positivos.