Investigacion de Operaciones Simplex

FISEI I 402-A NOMBRE: Zurita Bayas Mauricio Alejandro FECHA: 22/12/2014
Investigacion #: 03 II TEMA: “Método Simplex” PÁG. #: 1
Objetivo:
Obtener una definición clara sobre el método simplex y sus aplicaciones para aplicarlo a la
resolución de ejercicios de maximización y minimización con más de dos variables mediante la una
investigación bibliográfica.
El método Simplex se basa en la siguiente

propiedad: si la función objetivo Z no toma
su valor máximo en el vértice A, entonces
existe una arista que parte de A y a lo largo
de la cual el valor de Z aumenta.
Únicamente trabaja con restricciones del
problema cuyas inecuaciones sean del tipo
"≤" (menor o igual) y sus coeficientes
independientes sean mayores o iguales a 0.
BIBLIOGRAFÍA:
[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

http://www.phpsimplex.com/teoria_metodo_simplex.htm. [Último acceso: 22 Diciembre 2014].
Investigación #: 03 II TEMA: “Método Simplex” PÁG. #: 2
BIBLIOGRAFÍA:
[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea].

Available: http://www.phpsimplex.com/teoria_metodo_simplex.htm. [Último acceso: 22 Diciembre 2014].
BIBLIOGRAFÍA:

Desarrollando el método Simplex
Una vez estandarizado el modelo puede ocurrir que sea necesario aplicar el método Simplex o el
método de las Dos Fases. Véase en la figura la forma de actuación para llegar a la solución del
problema modelado.
A continuación se explican paso a paso los puntos de cada método, concretando los aspectos a
tener en cuenta.
BIBLIOGRAFÍA:

Resolver mediante el método simplex el siguiente problema:
Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
Se consideran las siguientes fases:
Realizar un cambio de variables y normalizar el signo de los términos independientes.

Se realiza un cambio en la nomenclatura de las variables. Estableciéndose la correspondencia
siguiente:
x pasa a ser X1
y pasa a ser X2
Como los términos independientes de todas las restricciones son positivos no es necesario hacer
nada. En caso contrario habría que multiplicar por "-1" en ambos lados de la inecuación (teniendo
en cuenta que esta operación también afecta al tipo de restricción).
Normalizar las restricciones.
Se convierten las inecuaciones en ecuaciones agregando variables de holgura, exceso y

artificiales según la tabla siguiente:
Tipo de desigualdad Tipo de variable que aparece

≥ - exceso + artificial
= + artificial
≤ + holgura
En este caso se introduce una variable de holgura (X3, X4 y X5) en cada una de las restricciones
del tipo ≤, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2·X1 + X2 + X3 = 18
2·X1 + 3·X2 + X4 = 42
3·X1 + X2 + X5 = 24
Igualar la función objetivo a cero.
Z - 3·X1 - X2 - 0·X3 - 0·X4 - 0·X5 = 0
BIBLIOGRAFÍA:

Escribir la tabla inicial del método Simplex.
La tabla inicial del método Simplex está compuesta por todos los coeficientes de las variables de
decisión del problema original y las de holgura, exceso y artificiales agregadas en el paso 2 (en las
columnas, siendo P0 el término independiente y el resto de variables Pi coinciden con Xi), y las
restricciones (en las filas). La columna Cb contiene los coeficientes de las variables que se
encuentran en la base.
La primera fila está formada por los coeficientes de la función objetivo, mientras que la última fila
contiene el valor la función objetivo y los costes reducidos Zj - Cj.
La última fila se calcula como sigue: Zj = Σ(Cbi·Pj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y

en caso contrario Pj = aij. Aunque al tratarse de la primera tabla del método Simplex y ser todos los
Cb nulos se puede simplificar el cálculo, y por esta vez disponer Zj = -Cj.
Condición de parada.
Si el objetivo es la maximización, cuando en la última fila (fila indicadora) no existe ningún valor
negativo entre los costes reducidos (columnas P1 en adelante) se alcanza la condición de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de mejora. El valor de Z
(columna P0) es la solución óptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base todos los valores son
negativos o nulos. Esto indica que el problema no se encuentra acotado y su solución siempre
resultará mejorable. Ante esta situación no es necesario continuar iterando indefinidamente y
también se puede dar por finalizado el algoritmo.
De no ser así, se ejecutan los siguientes pasos de forma iterativa.
Elección de la variable entrante y saliente de la base.
Se determina en primer lugar la variable que entra en la base. Para ello se escoge la columna cuyo
valor en la fila Z sea el menor de entre todos los negativos. En este caso sería la variable X1 (P1)
de coeficiente -3.
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior (caso de empate),
entonces se optará por aquella variable que sea básica.
La columna de la variable que entra en la base se llama columna pivote (en color verde)..
BIBLIOGRAFÍA:

Una vez obtenida la variable que entra en la base, se procede a determina cual será la variable
que sale de la misma. La decisión se toma en base a un sencillo cálculo: dividir cada término
independiente (columna P0) entre el elemento correspondiente de la columna pivote, siempre que
ambos elementos sean estrictamente positivos (mayores que cero). Se escoge la fila cuyo
resultado haya resultado mínimo.
Si hubiera algún elemento menor o igual a cero no se realiza dicho cociente. En caso de que todos
los elementos de la columna pivote fueran de ésta condición se habría cumplido la condición de
parada y el problema tendría una solución no acotada (ver teoría del método Simplex).
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El término de la columna pivote que en la división anterior dio lugar al menor cociente positivo
indica la fila de la variable de holgura que sale de la base. En este caso resulta ser X5 (P5), de
coeficiente 3. Esta fila se llama fila pivote (en color verde).
Si al calcular los cocientes, dos o más resultados cumplen la condición para elegir el elemento
saliente de la base (caso de empate), se escoge aquella que no sea variable básica (siempre que
sea es posible).
La intersección de la fila pivote y columna pivote marca el elemento pivote, en este caso el 3.
Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote
En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en Columna Pivote * Nuevo
Elemento Fila Pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1, mientras que el resto de
elementos de la columna pivote se anulan (análogo al método de Gauss-Jordan).
Se muestran a continuación los cálculos para la fila P4:
Anterior fila P4 42 2 3 0 1 0
- - - - - -
Anterior Elemento Fila en Columna Pivote 2 2 2 2 2 2
x x x x x x
Nueva fila pivote 8 1 1/3 0 0 1/3
= = = = = =
Nueva fila P4 26 0 7/3 0 1 -2/3
La tabla correspondiente a esta segunda iteración es:
BIBLIOGRAFÍA:

Al comprobar la condición de parada se observa que no se cumple ya que entre los elementos de la última
fila hay uno negativo, -1. Se continúa iterando nuevamente los pasos 6 y 7.
 6.1. La variable que entra en la base es X2 (P2), por ser la variable que corresponde a la
columna donde se encuentra el coeficiente -1.
 6.2. Para calcular la variable que sale, se dividen los términos de la columna P 0 entre los
términos correspondientes de la nueva columna pivote: 2 / 1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3
[=24]. Como el menor cociente positivo es 6, la variable que sale de la base es X 3 (P3).
 6.3. El elemento pivote es 1/3.
 7. Actualizando nuevamente los valores de la tabla se obtiene
Una nueva comprobación de la condición de parada revela que entre los elementos de la fila
indicadora vuelve a haber uno negativo, -1. Significa que aun no se ha llegado a la solución óptima
y hay que seguir iterando (pasos 6 y 7):
 6.1. La variable que entra en la base es X5 (P5), por ser la variable que corresponde
al coeficiente -1.
 6.2. Se escoge la variable que sale calculando el cociente entre los términos de la
columna de términos independientes y los términos correspondientes de la nueva
columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. En esta ocación es X4 (P4).
 6.3. El elemento pivote es 4.
 7. Después de actualizar todas las filas, se obtiene la tabla siguiente:
BIBLIOGRAFÍA:
Fin del algoritmo.
Se observa que en la última fila todos los coeficientes son positivos cumpliéndose, por tanto la
condición de parada.
La solución óptima viene dada por el valor de Z en la columna de los términos independientes
(P0), en este ejemplo: 33. En la misma columna se puede ver el punto donde se alcanza,
observando las filas correspondientes a las variables de decisión que han entrado en la base: X1 =
3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.
Análisis
Las sucesivas tablas construidas durante el método Simplex van proporcionando el valor de la
función objetivo en los distintos vértices de la región factible, ajustándose, a la vez, los coeficientes
de las variables iniciales y de holgura. • En la tabla inicial se ha calculado el valor de la función
objetivo en el vértice O, cuyas coordenadas (0,0) se corresponden con el valor que tienen las
variables básicas, siendo el resultado 0. 43
Solución óptima: cuando se cumple la condición de parada y no hay variables artificiales en la

base con valor positivo (los valores se indican en la columna P0), se ha conseguido la
optimización. El valor Z0 actual es la solución óptima del problema, cumpliéndose para las
variables que se encuentran en la base. Si se trata de un problema de minimización, el valor
óptimo obtenido se multiplicará por "-1".
Infinitas soluciones: cumplida la condición de parada, si alguna variable de decisión no básica

tiene un valor 0 en la fila Z, significa que existe otra solución que aporta el mismo valor óptimo para
la función objetivo. Es este caso el problema admite infinitas soluciones, estando todas ellas
comprendidas dentro del segmento (o porción del plano, región del espacio, etc. dependiendo del
número de variables del problema) definido por A·X1 + B·X2 = Z0. Mediante una nueva iteración y
haciendo que la variable de decisión que tiene el 0 en la fila Z entre en la base se obtendrá otra
solución diferente para el mismo valor óptimo.
BIBLIOGRAFÍA:
Solución ilimitada (no acotada): si toda la columna de la variable que entra a la base tiene todos
sus elementos negativos o nulos se trata de problema no acotado, es decir, que tiene solución
ilimitada. No hay valor óptimo concreto para la función objetivo sino que a medida que se aumenta
el valor de las variables también se incrementa el valor Z sin violar ninguna restricción.
No existe solución: cuando ningún punto satisface todas las restricciones del problema se
produce la infactibilidad no existiendo ninguna solución posible para él. En este caso, una vez
terminadas todas las iteraciones del algoritmo, existen en la base variables artificiales cuyo valor
es superior a cero.
Empate de variable entrante: cuando se produce un empate en la condición de decisión de la

variable entrante se puede optar por cualquiera de ellas sin que esto afecte a la solución final. Por
contra si influye en el número de iteraciones necesarias para obtener dicha solución. Se aconseja
optar a favor de las variables básicas ya que ellas son las que formarán parte de la solución
óptima.
Empate de variable saliente: se puede nuevamente optar por cualquiera de ellas. Sin embargo, a
fin de no alargar el problema y evitar la entrada en un bucle infinito (caso degenerado), se
discrimina a favor de las variables de decisión haciendo que permanezcan en la base. En el caso
de estar en la primera fase del método de las Dos Fases, se optará por sacar de la base las
variables artificiales.
Curiosidad en la Fase 1: al finalizar la fase 1, si el problema original tiene solución, todas las
variables artificiales en la fila indicadora deben tener el valor "1".
¿El elemento pivote puede ser nulo?: No, el elemento pivote siempre será estrictamente positivo
ya que únicamente se realizan los cocientes entre valores no negativos y mayores que cero (ante
un problema de maximización).
Conclusión.
La importancia de este método radica en que gracias a su existencia se pueden resolver problemas
complejos. Este método conforma la base de la programación lineal y es debido a este procedimiento
(simplex) que se facilita la toma de decisiones en casos complejos o de incertidumbre ya que ha resultado
ser muy eficiente en la práctica.
Una gran parte de software para cálculos están estrictamente basados en el método simplex, facilitándonos
la interpretación de datos en poco tiempo es decir que gracias a este método y a los programas que se
basan en elejercicios que se tardarían días en resolverse se llevan a cabo en tan solo horas y hasta
minutos optimizando el trabajo de todo aquel que necesite realizar este tipo de cálculo.
BIBLIOGRAFÍA:

Investigacion de Operaciones Simplex

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Investigacion de Operaciones Simplex

Cargado por

Copyright:

Formatos disponibles

FISEI I 402-A NOMBRE: Zurita Bayas Mauricio Alejandro FECHA: 22/12/2014

Investigacion #: 03 II TEMA: “Método Simplex” PÁG. #: 1

El método Simplex se basa en la siguiente

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

Investigación #: 03 II TEMA: “Método Simplex” PÁG. #: 2

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea].

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

Realizar un cambio de variables y normalizar el signo de los términos independientes.

Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de holgura, exceso y

Tipo de desigualdad Tipo de variable que aparece

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

La última fila se calcula como sigue: Zj = Σ(Cbi·Pj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y

De no ser así, se ejecutan los siguientes pasos de forma iterativa.

Elección de la variable entrante y saliente de la base.

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]

Los nuevos coeficientes de la tabla se calculan de la siguiente manera:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Se muestran a continuación los cálculos para la fila P4:

[1] T. l. d. reservados, «PHPSimplex,» www.phpsimplex.com, 17 Febrero 2013. [En línea]. Available:

 6.3. El elemento pivote es 1/3.

 7. Actualizando nuevamente los valores de la tabla se obtiene

Fin del algoritmo.

Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.

Solución óptima: cuando se cumple la condición de parada y no hay variables artificiales en la

Infinitas soluciones: cumplida la condición de parada, si alguna variable de decisión no básica

Empate de variable entrante: cuando se produce un empate en la condición de decisión de la

También podría gustarte