Trabajo de investigación método simplex

Omar Elías Méndez Allan

(0221810039)

Profesor:
Jose Luis Vivas Frontana

Universidad De Cartagena

Programa de Ingeniería de sistemas

Algebra Lineal

Cartagena De Indias

28/07/20
 Introducción

El método Simplex es un método de diagnóstico para resolver problemas de

programación lineal que es capaz de resolver modelos más complejos que los
resueltos mediante un método gráfico sin limitar el número de variables.

El método Simplex es un método de repetición que le permite mejorar la solución

en cada paso. La razón matemática de esta mejora es que el método consiste en
cambiar del vértice de un polímero al vértice circundante de manera que aumente
o disminuya (dependiendo del contexto de la función objetivo, ya sea maximizar o
minimizar), dada la cantidad de vértices que ofrece una solución multi-salud es la
solución definitiva que siempre se debe encontrar.

Se conoce como programación lineal a la técnica de la matemática que permite la

optimización de una función objetivo a través de la aplicación de diversas
restricciones a sus variables. Se trata de un modelo compuesto, por lo tanto, por
una función objetivo y sus restricciones, constituyéndose todos estos
componentes como funciones lineales en las variables en cuestión.
 Objetivo general

Mostrar el método simplex, comprendiendo su relación con el álgebra lineal, sea

capaz de hacer ejercicios con él y encuentre soluciones a los problemas prácticos
de la programación lineal con un algoritmo simple de manera óptima.

Objetivos específicos

- Aprender los conceptos derivados del álgebra lineal que utiliza el algoritmo
y puede resolver problemas reales mediante la implementación de lo
aprendido.

- Tomar la parte teórica sobre el tema y comprender su funcionamiento y

aplicabilidad.

- Desarrollar habilidades que nos permitan encontrar soluciones a problemas

de programación lineal de manera eficiente
 El método simplex

El método simplex es un método analítico para resolver problemas de

programación lineal, que tiene el potencial de resolver problemas más
complejos que los que se resuelven mediante un método gráfico, porque no
hay límite para el número de variables. Este es un método repetitivo, es
decir, funciona gracias a iteraciones que mejoran aún más la solución. De
esta manera siempre encontrará una solución a continuación, se
mencionarán algunos temas que son fundamentales al momento de estudiar
el método simplex, en primer lugar, es completamente necesario manejar el
concepto de matrices usando lo aprendido en el curso de algebra lineal, ya
que el algoritmo del método simplex basa su funcionamiento en teoría de
matrices para la resolución de sus problemas, más específicamente en el
uso de matrices de identidad para la resolución de problemáticas con el
algoritmo.

El método simplex funciona sobre la base de ecuaciones y restricciones

primarias (todas las cuales limitan la libertad de valores que pueden hacer
cambios de decisión) creados por el programa lineal, utilizando el equivalente
para estas desigualdades. No necesita ser cambiado. La variante se refiere a
la fuente y depende de la adición a la que se refiere el límite y que aparece
en la tabla final, el «Slack or surplus» (variables representadas con la letra
“S”) En referencia a los programas de análisis populares, estas variables
tienen un gran valor en el análisis de sensibilidad y juegan un papel
fundamental en la creación de la tabla de identificación simple original.

También se debe considerar el engaño de la variable artificial en caso de que

sea necesario convertir las ecuaciones en desigualdades o cuando las
ecuaciones aparezcan en el problema original, estas variables no deberían
ser parte de la solución, sino permitir la formación adecuada de la matriz de
identidad. Estas variables están representadas por la letra A, siempre
agregan restricciones, su coeficiente es M y es importante saber que el signo
en la función objetivo es lo opuesto al nombre de la operación a realizar, es
decir, para resolver problemas de maximización el signo es “-” y para
resolver los problemas de minimización usamos el signo “+” para que su
valor en la solución sea cero. Una vez explicada la parte teórica pasaremos a
la práctica a continuación resolveremos un ejercicio aplicando el método
simplex.
 Maximizar

Z=10 x❑1 +20 x2

Restricciones

4 x1 +2 x 2 ≤ 20

8 x 1+ 8 x 2 ≤20

2 x2 ≤10

Aquí analizamos las variables básicas y concluimos que poseen

desigualdades, a continuación, emplearemos variables de holgura para
generar una igualdad.

4 x1 +2 x 2+ S 1=20

8 x 1+ 8 x 2 + S2=20

2 x2 + S3 =10

Z−10 x1−20 x 2=0

Tabla simplex

Max 40 * X1 + 60 * X2

s.a. 2 * X1 + 1 * X2 <= 70

1 * X1 + 1 * X2 <= 40

1 * X1 + 3 * X2 <= 90

X1 >= 0 * X2 >= 0

Para poder aplicar el Método Simplex, es necesario llevar el modelo a su formato

estándar, para lo cual definimos X3, X4, X5 >= 0 como las respectivas variables de
holgura para la restricción 1, 2 y 3. De esta forma queda definida la tabla inicial del
método de la siguiente forma:

En esta situación, las variables de holgura definen una solución básica factible
inicial, condición necesaria para la aplicación del método. Luego, se verifican los
costos reducidos de las variables no básicas (X1 y X2 en la tabla inicial) y se
escoge como variable que entra a la base aquella con el costo reducido "más
negativo". En este caso, X2.

Luego, para escoger que variable básica deja la base debemos buscar el mínimo
cuociente entre el lado derecho y los coeficientes asociados a la variable entrante
en cada fila (para aquellos coeficientes > 0 marcados en rojo en la tabla anterior).
El mínimo se alcanza en Min {70/1, 40/1, 90/3} = 30 asociado a la tercera fila, el
cual corresponde a la variable básica actual X5, en consecuencia, X5 deja la base.
En la posición que se alcanza el mínimo cuociente lo llamaremos "Pivote"
(marcado con rojo) el cual nos servirá para realizar las respectivas operaciones
filas, logrando la siguiente tabla al cabo de una iteración:
El valor de la función objetivo luego de una iteración ha pasado de 0 a 1.800. Se
recomienda al lector hacer una representación gráfica del problema y notar como
las soluciones factibles del método corresponden a vértices del dominio de puntos
factibles.

La actual tabla no corresponde a la solución óptima del problema P) debido a que

existe una variable no básica con costo reducido negativo, por tanto, X1 entra a la
base. Posteriormente, mediante el criterio del mínimo cuociente calculamos la
variable que debe dejar la base: Min {40/(5/3), 10/(2/3), 30/(1/3)} = 15, asociado a
la fila 2 (variable básica actual X4), por tanto X4 deja la base. Obtenido lo anterior
se aplica una iteración del método:

Finalmente se alcanza la solución óptima del problema P) y se verifica que los

costos reducidos asociados a las variables no básicas (X4 y X5 son mayores o
iguales que cero). Nótese que la existencia de un costo reducido igual a cero para
una variable no básica en esta etapa define un problema con "infinitas soluciones".

La solución alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente,

los costos reducidos asociados a las variables no básicas definen el precio sombra
asociado a las restricciones 1, 2 y 3, respectivamente, lo cual es equivalente a la
obtención del precio sombra mediante el método gráfico. Dejaremos para una
posterior presentación, la forma de calcular el intervalo de variación para el lado
derecho que permite la validez del precio sombra, utilizando la tabla final del
Método Simplex.
 Bibliografía
- https://www.ingenieriaindustrialonline.com/investigacion-de-
operaciones/metodo-simplex/

- https://www.programacionlineal.net/simplex.html

-
https://www.omniascience.com/books/index.php/scholar/catalog/download/18/72/9
4-1?inline=1