Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARRERA
MATERIA
CLAVE
UNIDAD I
Ingeniera Industrial
Investigacin de Operaciones I
Mtodo Simplex
1.2.
1.3.
1.4.
1.5.
CONCLUSIONES...................................................................................................................................................................14
RECOMENDACIONES.........................................................................................................................................................15
REFERENCIAS BIBLIOGRFICAS..................................................................................................................................15
APNDICES Y ANEXOS.......................................................................................................................................................15
INTRODUCCIN
Qu es el mtodo simplex?
Snchez Guevara, Irene; Quintas, Isabel (2012. Pg. 122) exponen que el mtodo simplex
es un algoritmo iterativo, esto es, un procedimiento que a partir de un paso inicial realiza un
clculo para encontrar una solucin posible; verifica si esta solucin es mejorable y, si lo es,
vuelve a calcular una nueva solucin mejor que la anterior, esto es, realiza una iteracin;
cuando ya no la pueda mejorar, es que lleg a la solucin ptima.
Como todo, el mtodo simplex tiene su origen derivado de una necesidad: resolver
problemas lineales ms complejos.
En la actualidad existe un acervo muy interesante respecto al origen del mtodo simplex; tal
es el caso de una publicacin del 2014 realizada por INFORMS Copyright 2006. Linear
Equations, Inequalities, Linear Programs, and a New Efficient Algorithm: 1.6. History of the
Simplex Method for LP. Fue en el ao de 1827 cuando Fourier public una versin
geomtrica del principio detrs del algoritmo simplex para programacin lineal en un contexto
de programacin lineal en tres variables (puede verse el artculo completo a travs de la
siguiente liga: http://pubsonline.informs.org/doi/pdf/10.1287/educ.1063.0024
Pasaron los aos y fue hasta el ao de 1947 cuando George Dantzig desarroll el mtodo
conocido como Simplex.
Es muy interesante la conceptualizacin del mtodo simplex, los pasos para su desarrollo y
como ste se apoya en el lgebra matricial y en el mtodo de Gauss.
En el presente recurso de la segunda unidad, se abordarn los siguientes temas:
2.1
2.2
2.3
2.4
2.5
I. MTODO SIMPLEX
1.1. Teora del mtodo Simplex.
Hillier & Lieberman (2006, pg. 103) argumentan la esencia del mtodo simplex como un
procedimiento algebraico donde sus conceptos fundamentales son geomtricos.
El mtodo simplex es un mtodo iterativo que se utiliza para dar solucin a problemas de
programacin lineal, salvo que el modelo es ms complejo como para ser resuelto por el
mtodo grfico; esto quiere decir que en el modelo intervienen tres o ms variables de
decisin y de ah la necesidad de utilizar el mtodo simplex en su forma matricial.
El objetivo del mtodo simplex es optimizar la funcin objetivo; ya sea, maximizndola o
minimizndola (segn sea el problema); para ambos casos se tiene que se ha encontrado la
solucin ptima cuando:
Adems de lo anterior existe la normalizacin de las restricciones; esto quiere decir que una
de las condiciones del modelo estndar es que todas las ecuaciones de las restricciones
sean igualdades; un ejemplo de ello se ver en el punto 1.2.
La normalizacin de las restricciones en el modelo estndar, son de tipo:
a) a la que hay que aadir una variable de holgura (S n).
b) a la que hay que aadir variable de holgura (S n) + una variable de holgura artificial (
S n).
c) = a la que hay que aadir una variable de holgura artificial ( S n).
Cuando en el modelo se tienen variables de holgura artificial se deber trabajar con el
mtodo de las dos fases como se ver en el punto 1.3.
A fin de comprender la analoga del mtodo simplex, se recomienda ver el video: Mtodos de
optimizacin: mtodo simplex, realizado por Marcos Singer, a travs de la siguiente liga:
http://www.revistavirtualpro.com/biblioteca/metodos-de-optimizacion-metodo-simplex
+
+
+
2
6 x2
x2
x2
30
6
1
x2
0
0
Como se puede observar el modelo anterior, se tienen restricciones de la forma ; por lo que,
se despejar cada una de las ecuaciones iniciando por la funcin objetivo y lo mismo se har
para cada una de las restricciones agregando para cada una su variable de holgura (S n). El
procedimiento de iteracin es similar a un paso del mtodo de Gauss con pivote; sin
embargo, el mtodo de Gauss se aplica a sistemas de ecuaciones (igualdades) y no a
desigualdades; este inconveniente es subsanado agregando una variable a cada restriccin
que representa la holgura o sobrante de ese recurso Snchez Guevara, Irene; Quintas,
Isabel (2012. Pg. 122).
Variable de holgura
Obteniendo:
-
7 x1
5 x1
2 x1
x1
+
+
+
+
5 x2
6x2
x2
x2
x2
S1
+
S2
+
S3
+
S4
=
=
=
=
=
0
30
6
1
2
Lo anterior se debe a que el mtodo simplex funciona con igualdades; por lo tanto para la
primera restriccin se le sumo la variable de holgura (S 1) de la cual se desconoce su valor
pero valdr lo suficiente de tal manera que complete el valor para igualar a 30; y as
sucesivamente para cada restriccin.
Ing. Africa Sol Delgado Gallardo
5
x1
x2
S1
S2
S3
S4
Solucin
1
0
0
0
0
-7
5
2
-1
0
-5
6
1
1
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
30
6
1
2
Una vez construida la tabla del mtodo simplex, es necesario identificar la columna pivote;
y, esto se hace identificando el valor ms negativo de la funcin objetivo (Z); por lo tanto,
para el presente ejemplo es:
Variable
bsica
Z
S1
S2
S3
S4
x1
x2
S1
S2
S3
S4
Solucin
1
0
0
0
0
-7
5
2
-1
0
C-5
6
1
1
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
30
6
1
2
Ms negativo
Columna pivote
Una vez identificada la columna pivote, se procede a identificar el rengln pivote; para ello,
se divide la solucin entre la constante de la columna pivote y se escoge el valor ms
pequeo de la razn (no escoger cero o negativo).
Variable
bsica
Z
S1
S2
S3
S4
x1
x2
S1
S2
S3
S4
Solucin
Razn
1
0
0
0
0
-7
5
2
-1
0
-5
6
1
1
1
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
30
6
1
2
30/5= 6
6/2= 3
-1/1= -1
0/2= 0
Valor
ms
pequeo
Nmero pivote
Rengln pivote
Una vez identificado el rengln pivote se identificar el nmero pivote, siendo este el de la
interseccin entre la columna y la fila siendo del nmero dos.
Ing. Africa Sol Delgado Gallardo
Como siguiente paso se debe convertir el nmero pivote en uno, para lo cual se multiplicar
el rengln pivote por o bien se dividir entre dos (observar el recuadro amarillo de la
siguiente tabla).
Variable
bsica
Z
S1
X1
S3
S4
x1
x2
S1
S2
S3
S4
Solucin
1
0
0
0
0
-7
5
2/2=1
-1
0
-5
6
1/2
1
1
0
1
0
0
0
0
0
1/2
0
0
0
0
0
1
0
0
0
0
0
1
0
30
6/2=3
1
2
Con lo anterior se construye la tabla actualizando los valores de la fila dos y las filas 1,3 y 4
quedan igual, observar siguiente tabla:
Variable
bsica
Z
S1
X1
S3
S4
x1
x2
S1
S2
S3
1
0
0
0
0
-7
5
1
-1
0
-5
0
0
0
6
1
0
0
1/2
0
1/2 0
1
0
0
1
1
0
0
0
Elemento pivote
S4
Solucin
0
0
0
0
1
0
30
3
1
2
A continuacin se debern volver cero los elementos que estn arriba y abajo del elemento
pivote (las variables que se igualan a cero se llaman variables no bsicas); para ello, se
realizaran las siguientes operaciones:
1/2
-5
-3/2
0
0
0
1/2 0
0
0
7/2 0
1/2
6
7/2
0
1
1
1/2
0
-5/2
1* ( 1
1/2
-1
1
Nueva
0
3/2
Ing. Africa Sol Delgado Gallardo
0
0
0
1/2
0
1/2
+
Nueva Z
Nueva
fila 2
7* ( 1
-7
0
-5* ( 1
+
5
0
0
0
0
3)
0
21
0
0
0
0
0
0
3)
30
15
0
1
0
0
0
0
3)
1
3
7
fila 4
Con los resultados anteriores se construye la nueva matriz, considerando que la fila 3 no se
altera, observar la siguiente tabla:
Variable
bsica
Z
S1
X1
S3
S4
x1
x2
S1
S2
S3
S4
Solucin
1
0
0
0
0
0
0
1
0
0
-3/2
7/2
1/2
3/2
1
0
1
0
0
0
7/2
-5/2
1/2
1/2
0
0
0
0
0
0
0
0
0
0
1
21
15
3
3
2
Ms negativo
Columna pivote
El mtodo simplex termina cuando las variables de la funcin objetivo son cero o mayor que
cero; por lo tanto, como se aprecia en la tabla anterior todava se identifica que en la funcin
objetivo se tiene una variable que es negativa (-3/2); por lo tanto, se proceder a repetir el
mismo procedimiento.
Variable
bsica
Z
S1
X1
S3
S4
x1
x2
S1
1
0
0
0
0
0
0
1
0
0
-3/2
7/2
1/2
3/2
1
0
1
0
0
0
S2
S3
7/2 0
-5/2 0
1/2 0
1/2 0
0
0
Nmero pivote
S4
Solucin
Razn
0
0
0
0
1
21
15/(7/2)=
3/(1/2)=
3/(3/2)=
2/1=
30/7
6
2
2
Valor
ms
pequeo
Rengln pivote
Una vez identificado el rengln pivote se identificar el nmero pivote, siendo este el de la
interseccin entre la columna y la fila siendo del nmero dos.
Como siguiente paso se debe convertir el nmero pivote en uno, para lo cual se multiplicar
el rengln pivote por 2/3 o bien se dividir entre 3/2 (observar el recuadro amarillo de la
siguiente tabla).
Variable
bsica
Z
S1
X1
X2
S4
x1
1
0
0
0
0
0
0
1
0
0
x2
S1
S2
-3/2 0
7/2
7/2
1
-5/2
1/2
0
1/2
1
0
1/3
1
0
0
Elemento pivote
S3
S4
Solucin
0
0
0
0
0
0
0
0
0
1
21
15
3
2
2
A continuacin se debern volver cero los elementos que estn arriba y abajo del elemento
pivote, para ello se realizar la siguiente operacin:
1
-3/2
0
0
0
0
1/3
7/2
4
-7/2* ( 0
+
0
0
1
7/2
0
0
1
1
1/3
-5/2
-22/6
-1/2* ( 0
+
1
1
1
1/2
0
0
0
0
1/3
1/2
1/3
-1 * (
+
1
1
0
0
0
0
1/3
0
-1/3
+
Nueva Z
Nueva
S1
Nueva
X1
Nueva
S4
3/2* ( 0
0
0
0
0
0
0
0
0
0
0
0
2)
21
24
0 0
0 0
0 0
2)
15
8
0
0
0
0
0
0
2)
3
2
0
0
0
0
1
1
2)
2
0
x1
x2
S1
S2
S3
S4
Solucin
1
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
1
0
0
0
4
-22/6
1/3
1/3
-1/3
0
0
0
0
0
0
0
0
0
1
24
8
2
2
0
10
+
+
+
x2
3 x2
2 x2
x2
=3
6
4
0
0
La estandarizacin queda:
S
3 x1
x2
4 x1
3 x2
S2
x1
2 x2
S4
x 1, x2 , S
1,
S2, S
3,
S4
11
Se calcular una nueva funcin objetivo para proceder a obtener la primera tabla del mtodo.
12
x1
x2
S2
S4
-M
-M
z
Nueva Z
*
*
3
4
-3M-4M
1
3
-M-3M
1
0
-M
0
-1
M
0
1
-M
0
0
0
3
6
-3M-6M
-3
-7M-3
-5
-4M-5
M
0
0
M
M
0
0
0
0
-9M
La tabla se construye con la entrada de las variables bsicas, cuando se identifican variables
de holgura negativas en la estandarizacin, estas ya no entran como bsicas. Tal es el caso
en este ejemplo de S2, ver tabla 2:
Al igual que en el mtodo simplex se identifica la columna pivote (ms negativa), el rengln
pivote (el valor de la razn ms pequeo no negativo) y el nmero pivote.
Bsicas
Z
S
S
1
3
S4
z
1
x1
-7M-3
x2
-4M-5
0
0
0
3
4
1
1
3
2
S
0
S2
M
1
0
0
0
-1
0
Solucin
-9M
Razn
S4
0
0
1
0
0
0
1
3
6
4
3/3=1
6/4=1/2
4/1=4
3/3
-7M-3
0
1/3
-4M-5
-5/3M-4
1/3
0
7/3M+1
0
M
M
0
0
0
0)
0
0
3/3
-9M
-2M+3
-4 * (
+
3/3
4
0
1/3
3
5/3
1/3
0
-4/3
0
-1
-1
0
1
1
0)
0
0
3/3
6
2
Z=
13
-1 * (
+
3/3
1
0
S4
1/3
2
5/3
1/3
0
-1/3
0
0
0
0
0
0
0)
1
1
3/3
4
3
z
1
x1
0
x2
-5/3M-4
S 1
7/3M+1
S2
M
S4
0
Solucin
-2M+3
Razn
x1
S
S4
0
0
0
1
0
0
1/3
5/3
5/3
1/3
-4/3
-1/3
0
-1
0
0
1
0
0
0
1
1
2
3
1
2/(5/3)
3/(5/3)
De la tabla anterior repetimos el mismo procedimiento para identificar la columna pivote (ms
negativa), el rengln pivote (el valor de la razn ms pequeo no negativo) y el nmero
pivote.
De la tabla anterior se identifica a X 2 como la columna ms negativa; por lo tanto,
repetiremos el procedimiento anterior hasta obtener la nueva tabla:
Z=
5/3M+4* ( 0
+
0
0
1
-5/3M-4
0
-12/15
0
M-33/5
-3/5
3/5
M
0
-12/5 12/5
0)
0
0
6/5
-2M+3
39/5
-1/3
+
*(
0
1
1
1
1/3
0
-12/15
1/3
3/5
-3/5
0
1/5
3/5
0
-1/5
0)
0
0
6/5
1
3/5
-1/3
+
*(
0
0
0
1
5/3
0
-12/15
-1/3
1
-3/5
0
1
3/5
0
-1
0)
1
1
6/5
3
1
X1 =
S4 =
z
1
x1
0
x2
0
S 1
M-33/5
S2
-12/5
S 3 S4
12/5 0
Solucin
39/5
x1
X2
S4
0
0
0
1
0
0
0
1
0
3/5
-12/15
1
1/5
-3/5
1
-1/5
3/5
-1
3/5
6/5
1
0
0)
1
14
0
0
0
0
0
0
1
M-33/5
M+1/5
1
-1
-12/5 12/5
0
0
1)
0
12/5
1
39/5
51/5
-1/5* (
+
0
1
1
0
0
0
1
3/5
2/5
1
1/5
0
-1
-1/5
0
1)
0
-1/5
1
3/5
2/5
-1/5* (
+
0
0
0
0
1
1
1
-12/15
-9/5
1
-3/5
0
-1
3/5
0
1)
0)
3/5
1
6/5
9/5
Z=
x1 =
x2 =
z
1
x1
0
x2
0
S 1
M+1/5
S2
0
S
0
S4
12/5
Solucin
51/5
x1
X2
S4
0
0
0
1
0
0
0
1
0
2/5
-9/5
1
0
0
1
0
0
-1
-1/5
3/5
1
2/5
9/5
1
15
De acuerdo a Taha, Hamdy A. (2004. pg. 103) existen cuatro casos especiales que se
presentan al aplicar el mtodo simplex:
1. Degeneracin: se da cuando en la iteracin de inicio empatan variables de salida; esto
significa que una de las restricciones es redundante.
2. ptimos alternativos: significa que existen una cantidad infinita de soluciones.
3. Soluciones no acotadas: la regla para conocer la no acotacin es que si en cualquier
iteracin todos los coeficientes de restriccin toda variable no bsica son cero o
negativos, entonces el espacio de soluciones no est acotado en esa direccin (Taha
(2004); tambin aduce que la no acotacin apunta a la posibilidad de que el modelo
est mal construido.
4. Soluciones inexistentes (o no factibles): cuando el modelo tiene restricciones
inconsistentes; entonces, no hay solucin factible.
CONCLUSIONES
Como se podr visualizar el mtodo simplex es un proceso iterativo y trabaja con
restricciones del problema con inecuaciones y coeficientes independientes a cero.
Es importante no perder de vista la normalizacin de las restricciones en el modelo estndar,
que son de tipo:
a) a la que hay que aadir una variable de holgura (S n).
b) a la que hay que aadir variable de holgura (S n) + una variable de holgura artificial (
S n).
c) = a la que hay que aadir una variable de holgura artificial ( S n).
Para tener xito en la solucin de problemas por el mtodo simplex, la clave est en la
correcta construccin del modelo.
Ing. Africa Sol Delgado Gallardo
16
RECOMENDACIONES
Para una mejor comprensin de los temas desarrollados en la presente unidad, se
recomienda la lectura y comprensin cuidadosa del captulo tres de la referencia
bibliogrfica: Taha, Hamdy A. (2004). Investigacin de operaciones
A fin de utilizar el complemento Solver de Microsoft Excel, se recomienda ver el video:
https://www.youtube.com/watch?v=m1VHXExPzwA
REFERENCIAS BIBLIOGRFICAS
Hillier and Lieberman (2006). Introduccin a la Investigacin de Operaciones. Mxico, DF:
McGraw-Hill/Interamericana Editores, S.A. de C.V.
Taha, Hamdy A. (2004). Investigacin de operaciones. Mxico: Pearson Educacin de
Mxico, S.A. de C.V.
Snchez Guevara, Irene; Quintas, Isabel. (2012). Programacin lineal: el modelado, las
aplicaciones y la interpretacin. Biblioteca Digital-UAM Xochimilco / Universidad Autnoma
Metropolitana-Unidad Xochimilco. Disponible en:
http://www.revistavirtualpro.com/biblioteca/programacion-lineal-el-modelado-las-aplicacionesy-la-interpretacion#sthash.2UPjjW9t.dpuf
APNDICES Y ANEXOS
Revista Virtual Pro . (2015). Fecha de Consulta: Septiembre 2015. Disponible en:
http://www.revistavirtualpro.com/biblioteca/metodos-de-optimizacion-metodo-simplex
INFORMS 2015. INFORMS Tutorials in Operations Research. Models, Methods, and
Applications for Innovative Decision Making. Fecha de consulta: Septiembre 2015. Disponible
en http://pubsonline.informs.org/doi/pdf/10.1287/educ.1063.0024
Copyright
2006-2015
PHPSimplex.
Todos
http://www.phpsimplex.com/simplex/simplex.htm?l=es
los
derechos
reservados.
17