“AÑO DEL BUEN SERVICIO AL CIUDADANO”

UNIVERSIDAD NACIONAL DE

HUANCAVELICA

(Creada por ley N° 25265)

FACULTAD DE INGENIERIA ELECTRONICA Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS

CURSO: INVESTIGACIÓN DE OPERACIONES

ALUMNO: OCHOA SALINAS EDGAR J.

DOCENTE: ING. JUAN PERCY CARDENAS
CICLO: V

PAMPAS - 2017
MONOGRAFIA SOBRE METODO SIMPLEX
 DEDIDATORIA:

Este trabajo lo dedico a dios que me dio la vida,

se lo dedico también a mis padres

que me ayudan cada día,

a mis hermanos por confiar en mí.

INTRODUCCION

En esta lectura daremos una introducción al método Simplex desarrollado por George Bernard
Dantzig (8 de noviembre de1914 - 13 de mayo de 2005) en 1947. Este método se basa en la
conversión del problema con restricciones con desigualdades en un problema cuyas
restricciones son ecuaciones lineales. Es un método matricial.

OBJETIVOS

Resolver, a través del Método Simplex, problemas de optimización restringida considerando

la importancia de éste para la toma de decisiones y el manejo de recursos en el ámbito
educativo.

CONTENIDO

Es un método algebraico iterativo, que permite ir mejorando la solución a cada paso del
procedimiento comenzando con una solución básica (punto extremo) y modificando ésta a lo
largo del proceso, a través de la inclusión y exclusión de una variable; siempre aumentando
la utilidad (o reduciendo el costo) hasta encontrar una solución óptima.

Un modelo de PL se dice que está en su forma estándar Si cada restricción es una igualdad y las
restricciones de signo para cada variable son del tipo mayor o igual que cero.
Muchos de nuestros modelos reci_en construidos no están en su forma matricial. No está en la
forma estándar:
Max z = 3 x + 2 y
Sujeto a
2 x + y <=100
x + y <= 80
X <= 40
x <= 0
y >= 0

CARACTERISTICAS

Es aplicable a problemas de PL multidimensionales.

Tiene como base el álgebra matricial y el proceso de eliminación de Gauss – Jordan.

Es un proceso de búsqueda que se vuelve sorprendentemente eficiente para solucionar

problemas muy grandes.

Hoy en día puede aplicarse con eficiencia dad la diversidad de paquetes de software
que facilitan el proceso de cálculo.

VARIANTES

A. MÉTODO SIMPLEX PRIMAL: Parte de una Solución Básica FACTIBLE (Punto extremo
del polígono de soluciones) y se continúa iterando a través de soluciones básicas
factibles sucesivas hasta alcanzar el óptimo valor.

Una solución es FACTIBLE si todos los valores de su solución son NO NEGATIVOS

 B. MÉTODO SIMPLEX DUAL: Trata con soluciones básicas INFACTIBLES hasta la última
iteración, donde la solución básica asociada debe ser factible.

Cualquiera sea el Método Simplex utilizado, finalmente se obtendrán soluciones básicas

factibles como lo estipula la condición de No Negatividad

FORMA ESTÁNDAR DEL MODELO PL

Optimizar F.O X0 = C1X1+ C2X2 +…+ CjXj

Sujeto a las sig. restricciones: a11X1+ a12X2+ +…+ a1jXj =

a21X1+ a22X2+ +…+ a2jXj =

: : : :

ai1X1+ ai2X2+ +…+ aijXj =

Xj ≥

CARACTERÍSTICAS DEL MODELO PL

Todas las restricciones son ecuaciones (Con los segundos miembros o vector b i no
negativos para el Método Primal).

Todas las variables son positivas (X j ≥ 0)

La función objetivo puede ser Minimizar o Maximizar.

FASES DEL METODO SIMPLEX

Para explicar el procedimiento del Método Simplex Primal se utilizará el siguiente ejemplo
como referencia

F.O Max X = 3X + 5X + 4X
0 1 2 3
S. A: X + + 10X ≤ 4
S. A: 1 3

3X + 2X + 4X ≤
1 2 3
18

(X , X , X ) ≥ 0
1 2 3
 1) ESTANDARIZAR EL MODELO

A) Conversión de las Desigualdades en Igualdades: Esto se hace agregando al modelo

Variables Ficticias, que representan la capacidad no utilizada de algún recurso.

Tipo de Restricción: Tipo de Variable agregada:

a+H=b
a≤b HOLGURA:

a≥b EXCESO: a- E=b

F.O: Max X = 3X + 5X + 4X + 0H +
0 1 2 3 1
S. A: X + 0X + 10X + H + 0H =
1 2 3 1 2
4
3X + 2X + 4X + 0H + H = 18
1 2 3 1 2
(X , X , X ) ≥ 0
1 2 3

2) IGUALAR LA FUNCIÓN OBJETIVO A CERO

Al hacer esto se estarían “pasando” las variables al lado izquierdo de la igualdad, o sea:

F.O: Max X0 = 3X1 + 5X2 + 4X3 + 0H1 + 0H2

F.O: Max X - 3X - 5X - 4X + 0H + 0H = 0
0 1 2 3 1 2

Además de igualar la F.O X0 = 0, es recomendable transformar dicha función en el

modelo estandarizado, cuando es MIN. a MAX, o sea

Z= MIN (X0) Ξ MAX (- X0 )

3) DETERMINAR LA SOLUCIÓN BÁSICA INICIAL

Al agregar las variables ficticias se observa que el número de Variables (m) es mayor
que el número de Restricciones (n). Y esto hace que el sistema de ecuaciones sea
indefinido (no tiene solución única) por lo que se debe conocer:

¿Cuántas variables sobran en el modelo para hacerlas Cero?

m-n

¿Cuántas soluciones básicas se pueden obtener?

m!

n! (m-n) !
 Posteriormente se identifican aquellas variables con coeficiente unitario que
aparecen una y solo una vez (Variables Básicas VB) en el conjunto de restricciones;
éstas formarán parte de la Solución Básica Inicial (S.B.I); el resto de las variables son las
que le sobran al modelo y que deben hacerse Cero para sustituirlas en el sistema de
ecuaciones (restricciones) y encontrar así los valores de VB 1 , VB2 , …,VBj. En el ejemplo
se tiene que:

H0=0 H1= 4 H2=18 VARIABLES BASICAS

X1=X2=X3 0 VARIABLES QUE SOBRAN

4) CONSTRUIR LA TABLA INICIAL SIMPLEX

BASE X0 X1 X2 X3 H1 H2 Solución L.D

1 -3 -5 -4 0 0 0
H1 0 1 0 10 1 0 4

H2 0 3 2 4 0 1 18

Variables básicas

Coeficientes de la F.O.

Coeficientes en cada una de las restricciones

Valores de la solución básica

5) 5.1) ENCONTRAR LA VARIABLE QUE ENTRA EN LA BASE: Para escoger la variable que
entra (Columna Pivote) se selecciona aquella que tenga el coeficiente negativo mayor
(con el valor absoluto) en la FO.

BASE X0 X1 X2 X3 H1 H2 Solución L.D

1 -3 -5 -4 0 0 0
H1 0 1 0 10 1 0 4

H2 0 3 2 4 0 1 18

Columna pivote: la variable que entra X2

 5.2)ENCONTRAR LA VARIABLE QUE SALE DE LA BASE: Para escoger la variable que
sale (Fila Pivote) se divide cada término de la columna de la tabla (L.D) entre
cada término positivo correspondiente de la Columna Pivote. El menor cociente
indicará la fila donde se encuentra la variable que sale.

BASE X0 X1 X2 X3 H1 H2 Solución L.D

1 -3 -5 -4 0 0 0
H1 0 1 0 10 1 0 4

H2 0 3 2 4 0 1 18

fila pivote: la variable que entra H2

la variable que entra H2

5.3) ENCONTRAR EL ELEMENTO PIVOTE

BASE X0 X1 X2 X3 H1 H2 Solución L.D

1 -3 -5 -4 0 0 0
H1 0 1 0 10 1 0 4

H2 0 3 2 4 0 1 18

2= elemento pivote
6) ENCONTRAR LOS COEFICIENTES DE LA NUEVA ECUACIÓN PIVOTE
La ECUACIÓN PIVOTE está formada por todos los coeficientes de la fila pivote. Al
encontrar una nueva ecuación pivote realmente lo que se busca es convertir al
elemento pivote en un valor unitario. Para esto es necesario aplicar la siguiente
fórmula:

Nueva Cada Elemento de Fila Pivote Actual

=
Ecuación Elemento Pivote
Pivote

7) ENCONTRAR LOS COEFICIENTES DE LAS DEMÁS ECUACIONES

Para obtener los coeficientes las nuevas ecuaciones se debe utilizar, para cada una
la siguiente fórmula:

Nuev
-
coeficiente
de la
columna *
Cada
coeficiente
de la Nva. +
Cada
Elemento
de Fila

a = pivote Ec. Pivote

Actual

Ecuac
 8) CONSTRUIR LA NUEVA TABLA
Determine el resto de las ecuaciones y luego complete una nueva tabla. Verifique
posteriormente si los resultados son los siguientes:

BASE X0 X1 X2 X3 H1 H2 Solución L.D

1 9/2 0 6 0 5/ 45
2
H1 0 1 0 10 1 0 4

x2 0 3/2 1 2 0 1/ 9
2

Nueva variable en la base x2

9) VERIFICAR SI LA TABLA OBTENIDA ES LA TABLA FINAL (ÓPTIMA)

Cuando los coeficientes de la F.O en la tabla nueva son todos positivos entonces, el
Método Simple concluye, y los valores solución obtenida son los que corresponden a
la Solución Óptima

Sol. X*0 4 H*1 4 X*2 9

Óptima:
=* 5* =* =
X1 = H 2 = X3
CONCLUCIONES:
0
El método símplex es un algoritmo eficiente y confiable para resolver problemas de programación
líneal. También proporciona la base para llevar a cabo, en forma muy eficiente, las distintas etapas
del análisis posóptimo.

Aunque tiene una interpretación geométrica útil, el método símplex es un procedimiento

algebraico. En cada iteración se mueve de la solución básica factible actual a una adyacente mejor
eligiendo tanto la variable básica entrante como la que sale y después usando la eliminación de
Gauss para resolver el sistema de ecuaciones lineales. Cuando la solución actual no tiene una
solución básica factible adyacente que sea mejor, la solución actual es óptima y el algoritmo se
detiene.

BIBLIOGRAFIA

En este tarbajo se a utilizado la información de internet:

http://lainvestigaciondeoperaciones.blogspot.pe/2013/11/conclusiones-del-metodo-
simplex.html
https://www.ingenieriaindustrialonline.com/herramientas-para-el.../método-simplex/

www.phpsimplex.com/ejemplo_metodo_simplex.htm

EJERCICIOS RESUELTOS:

MAXIMIZACION

Resolver el siguiente problema mediante el método gráfico y el método simplex primal.

F.O.: Max Z = 100X1 + 200X2
S.A.: 4X1 + 2X2 _ 16 (Ecuación 1)
8X1 + 8X2 _ 16 (Ecuación 2)
2X2 _ 10 (Ecuación 3)
X1, X2 _ 0

SOLUCION:

Primer paso: Convertir las inecuaciones en ecuaciones (agregar las variables de holgura
necesarias)
F.O.: Max Z = 100X1 + 200X2 + 0S1 + 0S2 + 0S3 = 0
S.A.: 4X1 + 2X2 + S1 = 16 (Ecuación 1)
8X1 + 8X2 + S2 = 16 (Ecuación 2)
2X2 + S3 = 10 (Ecuación 3)
X1, X2, 0S1, 0S2, 0S3 _ 0

Segundo paso: Determinar las variables básicas y las no básicas.

BASICAS NO BASICAS
S1 X1
S2 X2
S3

Tercer paso: Elaborar la tabla inicial del Simplex.

VARIABLE VARIABLES SOLUCION
BASICA
X1 X2 S1 S2 S3
S1 8 8 1 0 0 16
S2 4 2 0 1 0 16
S3 0 1 0 0 1 10
Z -100 -200 0 0 0 0

Cuarto paso: Elección de la columna pivote (variable que entra).

El coeficiente de Z más negativo = Columna X2

Quinto paso: Elección de la fila pivote (variable que sale).

Razón = Solución / Coeficiente columna pivote
Razón Menor = Fila perteneciente a S1
VARIABLE VARIABLES SOLUCION RAZON
BASICA
X1 X2 S1 S2 S3
S1 8 8 1 0 0 16 2
S2 4 2 0 1 0 16 8
S3 0 1 0 0 1 10 10
 Z -100 -200 0 0 0 0

Sexto paso: Elaborar la nueva tabla del simplex.

a. Nueva fila pivote = Fila Pivote / Elemento Pivote
8 8 1 0 0 16
8 8 8 8 8 8
1 1 1/8 0 0 2
b. Nueva filas = Fila Anterior – Coeficiente de la Columna Pivote x Fila Pivote
Fila de S2
4 2 0 1 0 16
2 2 2 2 2 2
1 1 1/8 0 0 2
2 0 -1/4 1 0 12

Fila de S3
0 1 0 0 1 10
1 1 1 1 1 1
1 1 1/8 0 0 2
-1 0 1/8 0 0 8

Fila de Z
-100 -200 0 0 0 0
-20 -200 -200 -200 -200 -200
1 1 1/8 0 0 0
100 0 25 0 200 400

Nueva tabla del simplex:

VARIABLE VARIABLES SOLUCION RAZON
BASICA
X1 X2 S1 S2 S3
S1 1 1 1/8 0 0 2
S2 2 0 -1/4 1 0 12
S3 -1 0 -1/8 0 1 8
Z 100 0 25 0 200 400

NOTA: No hay más iteraciones debido a que no existen coeficientes de Z negativos en la

nueva tabla.
R/ El valor máximo se alcanza para un X2 = 2, con un Z = 400.

MINIMAZACION:
Resuelve el siguiente modelo PL por la estrategia 1:
Minimice z = -3 x1 + 8 x2
Sujeto a:
4 x1 + x2 _ 13
2 x1 + 3 x2 _ 6
 x1; x2 _ 0.

Solución
La forma estándar queda:
Maximice w = -z = -(-3 x1 + 8 x2)
Sujeto a
4 x1 + x2 + s1 = 13
2 x1 + 3 x2 + s2 = 6
con x1; x2; s1; s2 _ 0.

La versión matricial de
Maximice w = -z = -(-3 x1 + 8 x2)
sujeto a
4 x1 + x2 + s1 = 13
2 x1 + 3 x2 + s2 = 6

W X1 X2 S1 S2 RHS VR

1 -3 8 0 0 0 w

0 4 1 1 0 13 S1

0 2 3 0 1 6 S2

Con x1; x2; s1; s2 _ 0, queda:

La ventaja de tener los lados derechos mayores o iguales que cero y desigualdades del tipo es que
tenemos una SBF: w = 0, s1 = 13, s2 = 6, x1 = 0 y x2 = 0.
W X1 X2 S1 S2 RHS VR

1 -3 8 0 0 w

0 4 1 1 0 S1 13/4

0 2 3 0 1 S1 3

Siendo x2 variable no básica (x2 = 0), vemos que los renglones 1 y 2 representan:
4 x1 + s1 = 12! s1 = 13 - 4 x1
2 x1 + s2 = 6! s2 = 6 - 2 x1
W X1 X2 S1 S2 RHS VR

1 -3 8 0 0 0 W

0 4 1 1 0 13 S1

0 2 3 0 1 6 S2

Las operaciones:
1.- R3 1 2R3, 2.- R1 R1 - 3 R3, 3.- R2 R2 - 4 R3 para
Obtener:
W X1 X2 S1 S2 RHS VR

1 0 25/2 0 3/2 9 W

0 4 -5 1 -2 1 S1

0 1 3/2 0 1/2 3 X1

La cual representa la SBF w = 9, x1 = 3, x2 = 0, s1 = 1, s2 = 0.

Observamos que las variables no básicas tienen cociente positivo en el renglón cero: es decir, que
aumentando su valor harán que w disminuyera. Por tanto, la
SBF es _optima.
La regla es que: si las variables no básicas tienen cociente positivo en el renglón cero de la tabla Simplex,
entonces la SBF actual es óptima (En problemas de maximización)