METODO SIMPLEX

Fundamento Bsico.

Simplex.
En geometra, un simplex o n-simplex es el anlogo en n dimensiones de un
tringulo. Es la envoltura convexa de un conjunto de (n + 1) puntos independientes afines
en un espacio eucldeo de dimensin n o mayor, es decir, el conjunto de puntos tal que
ningn m-plano contiene ms que (m + 1) de ellos. Se dice de estos puntos que estn en
posicin general. Un 0-smplex es un punto; un 1-smplex un segmento de una lnea; un 2smplex un tringulo; un 3-smplex es un tetraedro; y un 4-smplex es un pentcoron (en
cada caso, con su interior).
El mtodo simplex es un mtodo que sirve para resolver problemas de
programacin lineal. Este mtodo fue inventado por George Dantzig en el 1947. La primera
formulacin del mtodo simplex fue en el verano de 1947. El primer problema prctico que
se resolvi con este mtodo fue uno de nutricin.
Mtodo Simplex
Es una tcnica popular para dar soluciones numricas del problema de la
programacin lineal. Es un mtodo numrico para optimizacin de problemas libres
multidimensionales perteneciente a la clase ms general de algoritmos de bsqueda. Segn
Rodrguez (2009) este Mtodo comienza con alguna solucin factible, y sucesivamente
obtiene soluciones en las intersecciones que ofrecen mejores funciones de la funcin
objetivo. Finalmente, este mtodo proporciona un indicador que determina el punto en el
cual se logra la solucin ptima... (p. 1)
Permite encontrar una solucin ptima en un problema de maximizacin o
minimizacin, buscando en los vrtices del polgono. Es un procedimiento iterativo que

permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible

seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un
vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del
poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es
finito, siempre se podr encontrar la solucin.
Se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo
en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.
El mtodo simplex es muy eficiente en la prctica, en general, teniendo 2m a 3m
iteraciones en la mayor parte (donde m es el nmero de restricciones de igualdad), y que
convergen en la hora prevista para el polinomio de ciertas distribuciones de insumos al
azar.
La aplicacin del mtodo del Simplex, se utiliza cuando el problema es de un
tamao suficientemente grande.
Est diseado para problemas de programacin lineal cuya matriz tiene la propiedad
de diseminacin (el nmero de no-cero es pequeo).
Hay implementaciones del mtodo simple para la solucin de problemas de
programacin lineal con las matrices de restriccin escasa.
Se han desarrollado diversas variantes del mtodo simplex que tienen en cuenta las
particularidades de las diversas clases especiales de problemas de programacin lineal
(problemas de bloque, los problemas de transporte y otros).
Formulacin.
La representacin matemtica de un modelo de programacin lineal (llamada
Forma General de representacin) es:

1.

Max ( Min)

2.

sa:

Z = C1 X1 + C2 X2 + . . . + Cj Xj

a11 x1 + a12 x2 + .

. . + a1j xj <= (>= =) b1

a21 x1 + a22 x2 + .

. . + a2j xj <= (>= =) b2

. .

. .

. .

ai1 x1 + ai2 x2 + .
3.

X1 , X2 , , Xj >= 0

. . + aij xj <= (>= =) bi

j = 1, 2, 3, ... n

Fuente: http://mathworld.wolfram.com/SimplexMethod.html (2010)

Como podemos ver, el Modelo consta de las TRES partes fundamentales que son:
1. Funcin Objetivo (FO).
2. Matriz de Restricciones Funcionales Tecnolgicas.
3. Restriccin de Factibilidad o de No-Negatividad.
Para en el que:
Z =

valor de la medida global de efectividad (objetivo por lograr).

Xj =

nivel de la actividad j (para j = 1,2,...,n).

Cj =

incremento (o decremento) en Z que resulta al aumentar (o disminuir)

una unidad en el nivel de la actividad j.

bi =

cantidad de recurso i disponible para asignar a las actividades (para i =

1,2,...,m).
aij =

cantidad del recurso i consumido por cada unidad de la

actividad j

En la representacin de ambos Modelos, Cannico y Estndar, hay que hacer notar

que los coeficientes de la funcin objetivo cambiarn de signo pues dicha funcin se iguala
con cero antes de proceder a su solucin por medio del mtodo Simplex, es decir, de su
representacin clsica en Forma General:
Max ( Min)

Z = C1 X1 + C2 X2 + . . . + Cj Xj

Pasaramos a su representacin en Cannico o Estndar de la siguiente manera:

Max ( Min)

Z C1 X1 C2 X2 . . . Cj Xj = 0

Condiciones

El objetivo es de la forma de maximizacin o de minimizacin.

Todas las restricciones son de igualdad.
Todas las variables son no negativas.
Las constantes a la derecha de las restricciones son no negativas.

Proceso
El sistema es tpicamente no determinado (el nmero de variables excede el nmero
de ecuaciones)
La diferencia entre el nmero de variables y el nmero de ecuaciones nos da los
grados de libertad asociados con el problema. Cualquier solucin, ptima o no, incluir un
nmero de variables de valor arbitrario. El algoritmo simplex usa cero como valor
arbitrario, y el nmero de variables con valor cero es igual a los grados de libertad.
Valores diferentes de cero son llamados variables bsicas, y valores de cero son
llamadas variables no bsicas en el algoritmo simplex.
Esta forma simplifica encontrar la solucin factible bsica inicial, dado que todas las
variables de la forma estndar pueden ser elegidas para ser no bsicas (cero), mientras que
todas las nuevas variables introducidas en la forma aumentada, son bsicas (diferentes de

cero), dado que su valor puede ser calculado trivialmente (para ellas, dado que la matriz
problema aumentada en diagonal es su lado derecho)
En cada una de las desigualdades que se plantean en el modelo matemtico de
programacin lineal, se plantean desigualdades de <, >, , , =
Estas desigualdades se convierten en igualdades completando con variables de
holgura si se trata de <, >; en el caso de que sea , , se completa con variables de
excedente , estas con signo negativo ya que como su nombre lo indica, es una cantidad que
esta de excedente y hay que quitar para convertirla en igualdad, en caso se maneje el =, se
manejan las variables artificiales.
Los

pasos

mtodo

simplex

son:

(Fuente:

http://www.investigacion-

operaciones.com/Metodos_Solucion_PL.htm)
1. Determinar una solucin bsica factible inicial.
2. Prueba de optimidad: determinar si la solucin bsica factible inicial es ptima y
slo si todos los coeficientes de la ecuacin son no negativos ( >= 0 ). Si es as, el
proceso termina; de otra manera se lleva a cabo otra interaccin para obtener la
nueva solucin bsica factible inicial.
3. Condicin de factibilidad.- Para todos los problemas de maximizacin y
minimizacin, variable que sale es la variable bsica que tiene la razn ms pequea
(positiva). Una coincidencia se anula arbitrariamente.
4. Seleccionar las variables de holgura como las variables bsicas de inicio.
5. Selecciona una variable que entra de entre las variables no bsicas actuales que,
cuando se incrementan arriba de cero, pueden mejorar el valor de la funcin
objetivo. Si no existe la solucin bsica es la ptima, si existe pasar al paso
siguiente.

6. Realizar el paso iterativo.

a) Se determina la variable bsica entrante mediante la eleccin de la variable con el
coeficiente negativo que tiene el valor mayor valor absoluto en la ecuacin. Se
enmarca la columna correspondiente a este coeficiente y se le da el nombre de
columna pivote.
b) Se determina la variable bsica que sale; para esta, se toma cada coeficiente
positivo (>0) de la columna enmarcada, se divide el lado derecho de cada rengln
entre estos coeficientes, se identifica la ecuacin con el menor cociente y se
selecciona

la

variable

bsica

para

esta

ecuacin.

c) Se determina la nueva solucin bsica factible construyendo una nueva tabla en

la forma apropiada de eliminacin de Gauss, abajo de la que se tiene. Para cambiar
el coeficiente de la nueva variable bsica en el rengln pivote a 1, se divide todo el
rengln entre el nmero pivote, entonces
rengln pivote nuevo = rengln pivote antiguo/ numero pivote

para completar la primera iteracin es necesario seguir usando la eliminacin de

Gauss para obtener coeficientes de 0 para la nueva variable bsica Xj en los
otros renglones, para realizar este cambio se utiliza la siguiente frmula:
rengln nuevo = rengln antiguo - ( coeficiente de la columna pivote X rengln
pivote nuevo)
cuando el coeficiente es negativo se utiliza la frmula:
rengln nuevo = rengln antiguo + (coeficiente de la columna pivote X rengln
pivote nuevo)

Ejemplo (fuente: http://www.slideshare.net/eileen017/el-metodo-simplex autor: Rodrguez

2009)
Un agricultor tiene una parcela de 640m para dedicarla al cultivo de rboles
frutales: naranjos, perales, manzanos y limoneros. Se pregunta de qu forma debera
repartir la superficie de la parcela entre las variedades para conseguir el mximo beneficio
sabiendo que:
Cada naranjo necesita un mnimo de 16m, cada peral 4m, cada manzano 8m y
cada limonero 12m.
Dispone de 900 horas de trabajo al ao, necesitando cada naranjo 30 horas al ao,
cada peral 5 horas, cada manzano 10 horas, y cada limonero 20 horas.
A causa de la sequa, el agricultor tiene restricciones para el riego: le han asignado
200m de agua anuales. Las necesidades anuales son de 2m por cada naranjo, 1m por cada
peral, 1m por cada manzano, y 2m por cada limonero.
Los beneficios unitarios son de Bs. 50, 25, 20, y 30 por cada naranjo, peral, manzano y
limonero respectivamente.
Se determinan las variables de decisin y se representan algebraicamente. En este caso:
X1: nmero de naranjos
X2: nmero de perales
X3: nmero de manzanos
X4: nmero de limoneros

15.

Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de las

variables de decisin. Dichas restricciones se deducen de las necesidades de cada rbol de

terreno, horas de trabajo anuales, y necesidades de riego:
Necesidades de terreno:
16X1 + 4X2 + 8X3 + 12X4 640
Necesidades de horas anuales:
30X1 + 5X2 + 10X3 + 20X4 900
Necesidades de riego:
2X1 + X2 + X3 + 2X4 200
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan tomar
determinados valores. En este caso las restricciones son que el nmero de rboles no puede
ser negativo y adems debe ser un nmero entero:
Xi 0
Xi son enteros
Se determina la funcin objetivo:
Maximizar Z = 50X1 + 25X2 + 20X3 + 30X4
Software tiles para la solucin del problema del agricultor
Implementacin con el uso de Excel
http://trucosexcel.blogspot.com/search/label/Excel
Implementacin con Java

http://neos.mcs.anl.gov/CaseStudies/simplex/applet/SimplexTool.htm
Implementacin con Mathematica
http://math.fullerton.edu/mathews/n2003/linearprogramming/LinearProgrammingMod/Lin
ks/LinearProgrammingMod_lnk_2.html
Ejemplo de casos reales
http://www.phpsimplex.com/casos_reales.htm
Otro software til en la implementacin del Mtodo Simplex
WinQSB- Creado por el del Dr. Yih-Long Chang. Consta de una serie de mdulos o
aplicaciones individuales que nos ayudarn en temas de investigacin de operaciones,
mtodos de trabajo, planteamiento de la produccin, evaluacin de proyectos, control de
calidad, simulacin, estadstica, etc., y son en total 19 mdulos.
LINDO - Se especializa en software de Optimizacin Lineal, No Lineal, y Entera
ofreciendo una lnea completa de productos, con un total soporte de estos. Los que vienen
de acuerdo al tamao de matriz de sus modelos (nmero de variables y restricciones),y
adems estn disponibles en todas las plataformas conocidas
Creador y Resea Histrica.
George Bernard Dantzig naci el 8 de Noviembre de 1914 en
Portland, Oregon, EEUU. Su padre era profesor de Matemticas,
se retir dejando su puesto de Jefe del Departamento de
Matemticas en la Universidad de Maryland poco despus de la
Segunda

Guerra

Mundial.

Su

especializada en idiomas eslavos.

madre

era

una

lingista

Dantzig estudi su carrera en la Universidad de Maryland, donde se gradu en 1936.

Le disgustaba el hecho de no haber visto ni una sola aplicacin en alguno de los cursos de
Matemticas que haba tomado all. Al ao siguiente hizo estudios de postgrado en la
escuela de Matemticas de la Universidad de Michigan. Sin embargo, exceptuando la
Estadstica, le pareci que los cursos eran demasiado abstractos; tan abstractos, que l slo
deseaba una cosa: abandonar sus estudios de postgrado y conseguir un trabajo.
En 1937 Dantzig dej Michigan para trabajar como empleado en Estadstica en el
Bureau of Labor Statistics. Dos aos despus se inscriba en Berkeley para estudiar un
Doctorado en Estadstica.
La historia de la tesis doctoral de Dantzig es ahora parte del anecdotario de las
Matemticas. Durante su primer ao en Berkeley, se inscribi en un curso de Estadstica
que imparta el famoso profesor Jerzy Neymann. Este profesor tena la costumbre de
escribir en la pizarra un par de ejercicios al comenzar sus clases para que, como tarea para
el hogar, fueran resueltos por sus alumnos y entregados en la clase siguiente. En una
ocasin lleg tarde a una de las clases de Neymann y se encontr con dos problemas
escritos en la pizarra. Supuso que eran problemas de tarea y, consecuentemente, los copi y
los resolvi, aun cuando le parecieron "un poco ms difciles que los problemas
ordinarios". Unos das despus se los entreg a Neymann, disculpndose por haber tardado
tanto. Aproximadamente seis semanas despus, un domingo a las 8:00 de la maana,
Neymann lleg aporreando la puerta de Dantzig, explicndole que haba escrito una
introduccin a uno de los artculos de Dantzig y que quera que la leyera a fin de poder
enviar el artculo para su publicacin. Los dos "problemas de tarea" que Dantzig haba
resuelto eran, en realidad, dos famosos problemas no resueltos de la Estadstica. Las
soluciones de estos problemas se convirtieron en su tesis doctoral, a sugerencia de
Neymann.

No obstante, Dantzig no termin su doctorado hasta 1946. Poco despus del comienzo
de la Segunda Guerra Mundial se uni a la Fuerza Area de Estados Unidos y trabaj con el
Combat Analysis Branch of Statistical Control. Despus de recibir su Doctorado, regres a
la Fuerza Area como el asesor de Matemticas del U. S. Air Force Controller. Fue en ese
trabajo donde encontr los problemas que le llevaron a hacer sus grandes descubrimientos.
La Fuerza Area necesitaba una forma ms rpida de calcular el tiempo de duracin de las
etapas de un programa de despliegue, entrenamiento y suministro logstico.
El profesor Dantzig centr bsicamente sus desarrollos cientficos, cronolgicamente,
en la RAND Corporation y las universidades de Berkeley y Stanford en California, con
asignaciones temporales en otros centros como el IIASA en Viena. (Es gozosa la ancdota
que l cuenta como la razn principal para moverse de Berkeley a Stanford, la "culpa" es de
un aparcamiento de coches para los profesores en la misma puerta de su nuevo Dpto. con
tal mala fortuna que este aparcamiento ya haba desaparecido cuando l se incorpor a
Stanford).
El trabajo de Dantzig generaliz lo hecho por el economista, ganador del Premio
Nobel, Wassily Leontief. Dantzig pronto se dio cuenta de que los problemas de planeacin
con los que se encontraba eran demasiado complejos para las computadoras ms veloces de
1947 (y aun para las de la actualidad).
Habindose ya establecido el problema general de Programacin Lineal, fue necesario
hallar soluciones en un tiempo razonable. Aqu rindi frutos la intuicin geomtrica de
Dantzig: "Comenc observando que la regin factible es un cuerpo convexo, es decir, un
conjunto polidrico. Por tanto, el proceso se podra mejorar si se hacan movimientos a lo
largo de los bordes desde un punto extremo al siguiente. Sin embargo, este procedimiento
pareca ser demasiado ineficiente. En tres dimensiones, la regin se poda visualizar como
un diamante con caras, aristas y vrtices. En los casos de muchos bordes, el proceso llevara

a todo un recorrido a lo largo de ellos antes de que se pudiese alcanzar el punto de esquina
ptimo del diamante".
Esta intuicin llev a la primera formulacin del mtodo simplex en el verano de 1947.
El primer problema prctico que se resolvi con este mtodo fue uno de nutricin.
El 3 de octubre de l947 Dantzig visit el Institute for Advanced Study donde conoci a
John von Neumann, quien por entonces era considerado por muchos como el mejor
Matemtico del mundo. Von Neumann le habl a Dantzig sobre el trabajo conjunto que
estaba realizando con Oscar Morgenstern acerca de la teora de juegos. Fue entonces
cuando Dantzig supo por primera vez del importante teorema de la dualidad.
Otro de sus grandes logros es la teora de la dualidad, ideado conjuntamente con
Fulkerson y Johnson en 1954 para resolver el paradigmtico problema del Agente Viajero
(resolviendo entonces problemas con 49 ciudades cuando, hoy da, mediante modernas
implementaciones del mtodo, se resuelven problemas con varios miles de ciudades y hasta
un milln de nodos) es el precursor de los hoy utilsimos mtodos de Branch-and Cut
(Bifurcacin y corte) tan utilizados en programacin entera para resolver problemas de
grandes dimensiones.
Muchos de los problemas a resolver mediante Programacin Matemtica se enmarcan
en planificacin dinmica a travs de un horizonte temporal. Muchos de los parmetros se
refieren al futuro y no se pueden determinar con exactitud. Surge entonces la programacin
estocstica o programacin bajo incertidumbre. Esta rama, con un gran desarrollo hoy da,
y un tremendo potencial para el futuro, debe su desarrollo a dos trabajos seminales que de
forma independiente son debidos a los profesores E.Martin L Beale y George B. Dantzig en
1955.
As mismo es de gran utilizacin su mtodo denominado Descomposicin de DantzigWolfe (desarrollado conjuntamente con Philip Wolfe en 1959-1960) (cuyo dual es el

mtodo de Descomposicin de Benders, tan utilizado hoy da en Programacin

Estocstica), para resolver problemas de programacin lineal estructurados.
El libro "Linear Programming and Extensions" (1963), ha sido su gran libro de
referencia durante los 42 aos que median desde su publicacin. Ha cerrado el ciclo de su
extensa bibliografa con el libro en dos tomos "Linear Programming" (1997 y 2003), escrito
conjuntamente con N. Thapa.
En 1976 el presidente Gerald Ford otorg a Dantzig la Medalla Nacional de Ciencias,
que es la presea ms alta de los Estados Unidos en Ciencia. En la ceremonia en la Casa
Blanca se cit a George Bernard Dantzig "por haber inventado la Programacin Lineal, por
haber descubierto mtodos que condujeron a aplicaciones cientficas y tcnicas en gran
escala a problemas importantes en logstica, elaboracin de programas, optimizacin de
redes y al uso de las computadoras para hacer un empleo eficiente de la teora matemtica".
El profesor G. B. Dantzig no pudo conseguir el premio Nobel, pero recibi un cmulo
de distinciones, entre otras la mencionada anteriormente, el premio Von Neumann Theory
en 1975, Premio en Matemticas Aplicadas y Anlisis Numrico de la National Academy of
Sciences en 1977, Harvey Prize en Ciencia y Tecnologa de Technion, Israel, en 1985. Fue
miembro de la Academia de Ciencias y de la Academia Nacional de Ingeniera de EEUU.
Las Sociedades de Programacin Matemtica y SIAM instituyeron hace aos un premio
que lleva su nombre, premio que es uno de los ms prestigiosos de nuestra comunidad.
Dantzig se sorprendi de que el mtodo simplex funcionara con tanta eficiencia.
Citando de nuevo sus palabras: "La mayor parte de las ocasiones el mtodo simplex
resolva problemas de m ecuaciones en 2m o en 3m pasos, algo realmente impresionante.
En realidad nunca pens que fuese a resultar tan eficiente. En ese entonces yo an no haba
tenido experiencias con problemas en dimensiones mayores y no confiaba en mi intuicin
geomtrica. Por ejemplo, mi intuicin me deca que el procedimiento requerira demasiados
pasos de un vrtice al siguiente. En la prctica son muy pocos pasos. Dicho con pocas

palabras, la intuicin en espacios de dimensiones mayores no es muy buena gua. Slo

ahora, 52 aos despus de haber propuesto el mtodo simplex por primera vez, la gente est
comenzando a tener una idea de por qu el mtodo funciona tan bien como lo hace".
Una precisin acerca de la terminologa: un simplex es un tipo especial de conjunto
convexo polidrico. Ms concretamente, sean P1, P2, . . . , Pn+1 n+1 puntos (o vectores) en
R. Se dice que los vectores tienen independencia afn si los n vectores P1 P2, P1 P3, . . . ,
P1 Pn, P1 P son linealmente independientes. Si los puntos tienen independencia afn,
entonces el conjunto convexo ms pequeo que contiene los n+1 puntos en se llama nsimplex. En R, tres puntos tienen independencia afn si no son colineales. El conjunto
convexo ms pequeo que contiene tres puntos no colineales es un tringulo con estos
puntos como vrtices. Por tanto, un 2-simplex es un tringulo. En R, cuatro puntos tienen
independencia afn si no son coplanares. El conjunto convexo ms pequeo que contiene
cuatro de tales puntos es un tetraedro. Este es el 3-simplex. Los tringulos y los tetraedros
son conjuntos polidricos convexos, no obstante que los conjuntos convexos polidricos no
son necesariamente simplex. El mtodo simplex fue llamado as por George Dantzig,
aunque no est claro por qu eligi ese nombre. Habra sido ms adecuado llamarlo
"mtodo del conjunto convexo polidrico".
Por ltimo, pero no lo ltimo, es importante resear la aplicacin de programacin
matemtica que el profesor Dantzig fue desarrollando a lo largo de los aos para diversos
sectores industriales y de la Administracin, destacando a ttulo de ejemplo el proyecto
PILOT, para una mejor planificacin del sector energtico y, por tanto, un mayor ahorro
energtico.
El 13 de Mayo de 2004, George Bernard Dantzig, muri a la edad de 90 aos en su
casa de Stanford debido a complicaciones con la diabetes y problemas cardiovasculares.

BIBLIOGRAFIA

http://en.wikipedia.org/wiki/Simplex
http://mathworld.wolfram.com/SimplexMethod.html
http://eom.springer.de/S/s085340.htm
http://wapedia.mobi/en/Simplex_algorithm
http://en.wikipedia.org/wiki/Simplex_algorithm
http://neos.mcs.anl.gov/CaseStudies/simplex/index.html
http://math.fullerton.edu/mathews/n2003/LinearProgrammingMod.html
http://glossary.computing.society.informs.org
http://www.me.utexas.edu/~jensen/ORMM/frontpage/jensen.lib/index.html
http://www.phpsimplex.com/biografia_Dantzig.htm