El método gráfico indica que la solución óptima de un programa lineal

siempre está asociada con un punto esquina del espacio de soluciones.

Este resultado es la clave del método símplex algebraico y general para
resolver cualquier modelo de programación lineal.

La transición de la solución del punto esquina geométrico hasta el

método símplex implica un procedimiento de cómputo que determina en
forma algebraica los puntos esquina.
Esto se logra convirtiendo primero a todas las restricciones de
desigualdad en ecuaciones, para después manipular esas ecuaciones en
una forma sistemática.
Una propiedad general del método símplex es que resuelve la
programación lineal en iteraciones.
Cada iteración desplaza la solución a un nuevo punto esquina que tiene
potencial de mejorar el valor de la función objetivo. El proceso termina
cuando ya no se pueden obtener mejoras.

El método símplex implica cálculos tediosos y voluminosos, lo que hace

que la computadora sea una herramienta esencial para resolver los
problemas de programación lineal. Por consiguiente, las reglas
computacionales del método símplex se adaptan para facilitar el cálculo
automático.
En lugar de enumerar todas las soluciones básicas (puntos de esquina) del
problema de PL, el Método Simplex incluye solo «algunas» de estas
soluciones.

NATURALEZA ITERATIVA DEL METODO SIMPLEX

Por lo común el Método Simplex se inicia en el origen donde x1=0 , x2=0 y el

valor objetivo también es cero, z=0.
Un incremento de x1 ó x2 (o ambos) mejorará el valor de z. ( El diseño del
Método Simplex no permite el incremento simultáneo de las variables).
La variable que va a aumentar es la que tenga mayor grado de mejora en z.

Ejemplo
 La figura muestra el espacio de soluciones
de la programación lineal del ejemplo
Normalmente, el método símplex comienza
en el origen (punto A), donde x1, x2 0.
En este punto de inicio, el valor de la función
objetivo z es cero, y la pregunta lógica es si
ese valor mejora con un aumento en x1 y/o
x2 no básicas respecto a sus valores
actuales de cero.
Analizamos Maximizar z = 2x1 + 3x2

Elegimos x2 porque 3>2 para que z crezca.

x2 debe incrementarse hasta el punto de esquina B.
En el punto B, el método simplex incrementaría el valor de x1 hasta llegar al punto
de esquina mejorado C, el cual es el óptimo,

La trayectoria del algortimo simplex se define como A D C . Cada punto de

Esquina a lo largo de la trayectoria está asociado a una «Iteración»
 FORMA ESTANDAR DEL MODELO SIMPLEX
Para estandarizar, la representación algebraica del espacio de soluciones de
programación lineal se forma bajo dos condiciones:

1. Todas las restricciones (excepto las de no negatividad) son ecuaciones con

lado derecho no negativo.
2. Todas las variables son no negativas

Conversión de desigualdades a ecuaciones

En las restricciones ( ≤ ), el lado derecho se puede imaginar como

representando el límite de disponibilidad de un recurso, y en ese caso el lado
izquierdo representaría el uso de ese recurso limitado por parte de las
actividades (variables) del modelo.
La diferencia entre el lado derecho y el lado izquierdo de la restricción ( ≤ )
representa, por consiguiente, la cantidad no usada u holgura del recurso.

Para convertir una desigualdad ( ≤ ) en ecuación, se suma una variable de

holgura al lado izquierdo de la restricción.
Una restricción ( ≥ ) establece, normalmente, un límite inferior para las
actividades del modelo de programación lineal.
Como tal, la cantidad por la que el lado izquierdo es mayor que el límite mínimo
(lado derecho) representa un excedente.

Para convertir una desigualdad ( ≥) en ecuación, se resta una variable de

exceso al lado izquierdo de la restricción.

Ejemplos:

x1 + 2x2 ≤ 6 x1 + 2x2 + s1 = 6 ; s1 ≥ 0

3x1 + 2x2 - 3x3 ≥ 5 3x1 + 2x2 – 3x3 - s2 = 5 ; s2 ≥ 0

-2x1 + 7x2 ≤ -1 2x1 - 7x2 ≥ 1 2x1 - 7x2 – s3 = 1 ; s3 ≥ 0

A la Función Objetivo se le agregarán todas las variables de holgura o exceso

que salgan de las restricciones

NOTA: No estudiaremos variables irrestrictas ( o no restringidas)

 Detalles de cálculo del algoritmo símplex

Ahora se explicará los detalles de cálculo de una iteración símplex, que

incluyen las reglas para determinar las variables de entrada y de salida, así
como para detener los cálculos cuando se ha llegado a la solución óptima.

Ejemplo . Se utilizará el ejemplo de Sherwin Williams

Sherwin Williams produce pinturas para interiores y exteriores, M1 y M2. La
tabla siguiente proporciona los datos básicos del problema.

Una encuesta de mercado indica que la demanda diaria de pintura para

interiores no puede ser mayor que 1 tonelada más que la de pintura para
exteriores. También, que la demanda máxima diaria de pintura para interiores
es de 2 toneladas.
S.W. desea determinar la mezcla óptima (la mejor) de productos para
exteriores y para interiores que maximice la utilidad diaria total
Las variables s1, s2, s3 y s4 son las holguras asociadas con las restricciones
respectivas.
A continuación se expresará la función objetivo como sigue:
z - 5x1 - 4x2 + 0s1 + 0s2 + 0s3 + 0s4 = 0
El diseño de la tabla simplex provee automáticamente la solución en la iteración
inicial. La solución se inicia en el origen (x1, x2) = (0,0), por lo que (x1, x2) se
definen como las variables no básicas y (s1, s2, s3, s4) como las variables
básicas.
La variable objetivo z y las variables básicas aparecen en la columna de la
extrema izquierda (Básica). Los lados derechos de las ecuaciones del modelo
dan sus valores, como se muestra en la columna de la extrema derecha
(Solución) de la tabla; es decir, z = 0, s1 = 24, s2 = 6, s3 = 1, s4 = 2.
La función objetivo z = 5x1 + 4x2 muestra que la solución puede mejorarse si
se incrementa el valor de la variable x1 no básica ya que x1 tiene que
incrementarse porque tiene el coeficiente objetivo más positivo.
De forma equivalente, en la tabla simplex donde la función objetivo aparece
como z - 5x1 - 4x2 = 0, la variable seleccionada es la variable no básica con el
coeficiente más negativo en la ecuación objetivo.
Esta regla define la llamada condición de optimalidad simplex.
En la terminología del algoritmo simplex, x1 se conoce como la variable de
entrada porque ingresa la solución básica.

Si x1 es la variable de entrada, una de las variables básicas actuales debe

salir; es decir, se vuelve no básica a un nivel cero.
La mecánica para determinar la variable de salida implica calcular las
relaciones del lado derecho de las ecuaciones (columna Solución) con los
coeficientes de restricción estrictamente positivos (imposibilitando así al cero)
bajo la variable de entrada, x1, como se muestra en la siguiente tabla:
X1 entra y s1 sale
La regla asociada con las relaciones calculadas se conoce como condición de
factibilidad simplex porque garantiza la factibilidad de la nueva solución.
El proceso de intercambio se basa en las operaciones de filas de Gauss-
Jordan.
Identifica la columna de la variable de entrada como columna pivote y la fila
de la variable de salida como fila pivote. La intersección de la columna pivote
y la fila pivote se conoce como elemento pivote.
La siguiente tabla es un replanteamiento de la tabla inicial con sus filas y
columnas pivote resaltadas.

Porque tiene el coeficiente mas negativo

 1/6 f1

Basica x1 x2 s1 s2 s3 s4 sol Relac

z -5 -4 0 0 0 0 0 5f2 + f1
s1 1 2/3 1/6 0 0 0 4 -f2 + f3
f2 + f4
s2 1 2 0 1 0 0 6

s3 -1 1 0 0 1 0 1

s4 0 1 0 0 0 1 2

Entra x2 por ser la mas negativa (condición de optimalidad)

Basica x1 x2 s1 s2 s3 s4 sol Relac

z 0 -2/3 5/6 0 0 0 20

x1 1 2/3 1/6 0 0 0 4 4/(2/3)=6

s2 sale por
s2 0 4/3 -1/6 1 0 0 2 2/(4/3)=1.5 tener menor
relación positiva
s3 0 5/3 1/6 0 1 0 5 5/(5/3)= 3
(condición de
s4 0 1 0 0 0 1 2 2/1 = 2 factibilidad )
Basica x1 x2 s1 s2 s3 s4 sol Relac 3/4 f3

z 0 -2/3 5/6 0 0 0 20

x1 1 2/3 1/6 0 0 0 4 2/3 f3 + f1

-2/3 f3 + f2
x2 0 1 - 1/8 3/4 0 0 1.5
-5/3 f3 + f4
s3 0 5/3 1/6 0 1 0 5 - f3 + f5

s4 0 1 0 0 0 1 2

Basica x1 x2 s1 s2 s3 s4 sol Relac

z 0 0 3/4 1/2 0 0 21

x1 1 0 1/4 - 1/2 0 0 3

x2 0 1 - 1/8 3/4 0 0 3/2

s3 0 0 3/8 - 5/4 1 0 5/2

s4 0 0 1/8 - 3/4 0 1 1/2

Según la condición de optimalidad, ninguno de los coeficientes de la fila z son
negativos. De ahí que la última tabla sea óptima.
La solución óptima puede leerse en la tabla simplex de la siguiente manera.
Los valores óptimos de las variables en la columna Basic aparecen en la
columna Solución del lado derecho y se interpretan como sigue:

La solución también da el estado de los recursos. Un recurso se designa como

escaso si la variable de holgura asociada es cero, es decir, las actividades
(variables) del modelo consumieron el recurso por completo.
De lo contrario, si la holgura es positiva, entonces el recurso es abundante. La
siguiente tabla clasifica las restricciones del modelo:
Hasta ahora nos hemos ocupado del caso de maximización.
En problemas de minimización, la condición de optimalidad requiere seleccionar
la variable de entrada como la variable no básica con el coeficiente objetivo más
positivo en la ecuación objetivo, la regla exacta opuesta del caso de
maximización. Esto obedece a que máx z equivale a mín (- z).
En cuanto a la condición de factibilidad para seleccionar la variable de salida,
la regla no cambia.

Resumen del método simplex

Condición de optimalidad. La variable de entrada en un problema de
maximización (minimización) es la variable no básica con el coeficiente más
negativo (positivo) en la fila z. Los vínculos se rompen arbitrariamente. El
óptimo se alcanza en la iteración en la cual los coeficientes en la fila z son no
negativos (no positivos).

Condición de factibilidad. Tanto en problemas de maximización como de

minimización, la variable de salida es la variable básica asociada con la
relación mínima no negativa con el denominador estrictamente positivo. Los
vínculos se rompen arbitrariamente.
Ejemplo

Forma estándar del Método Simplex

Maximizar z – 2x1 – 3x2 = 0

s.a.
2x1 + x2 + s1 = 4
x1 + 2x2 + s2 = 5
x1, x2, s1, s2 ≥ 0
 X2 entra porque tiene el coeficiente mas negativo (criterio de
optimalidad)
Básica x1 x2 s1 s2 SOL Relac

z -2 -3 0 0 0

s1 2 1 1 0 4 4/1= 4

s2 1 2 0 1 5 5/2= 2.5 S2 sale porque es

Mínimo (condición de
factibilidad)
Básica x1 x2 s1 s2 SOL Relac
1/2 F3
z -2 -3 0 0 0

s1 2 1 1 0 4

x2 1/2 1 0 1/2 5/2 3F3 + F1

-F3 + F2

Básica x1 x2 s1 s2 SOL Relac

z - 1/2 0 0 3/2 15/2 x

s1 3/2 0 1 - 1/2 3/2 (3/2)/(3/2)= 1

x2 1/2 1 0 1/2 5/2 (5/2)/(1/2)= 5

 2/3 F2
Básica x1 x2 s1 s2 SOL Relac

z - 1/2 0 0 3/2 15/2 x 1/2 F2 + F1

- 1/2 F2 + F3
x1 1 0 2/3 - 1/3 1

x2 1/2 1 0 1/2 5/2

Básica x1 x2 s1 s2 SOL Relac

z 0 0 1/3 4/3 8

x1 1 0 2/3 - 1/3 1

x2 0 1 - 1/3 2/3 2

X1 = 1
X2 = 2
Z =8
Dos fábricas de papel producen 3 tipos diferentes de papel: de bajo, medio y
alto grado.
Se tiene contrato de venta para proveer 16 Ton. de bajo grado, 5 Ton de medio
grado y 20 Ton de alto grado.
Los costos de operación son de $ 1000/día para la fábrica 1 y $ 2000/día
para la fábrica 2.
La fábrica 1 produce 8 T de bajo grado, 1 T de medio grado y 2 T de alto grado.
La fábrica 2 produce 2 T de bajo grado, 1 T de medio grado y 7 T de alto grado.
( ambas producciones en 1 día de operación)
Cuántos días debe trabajar cada fábrica a fin de cumplir con el mencionado
contrato en la forma mas económica?

Prod . Prod. Prod. Costos

bajo medio alto
Fab 1 8 Ton 1 Ton 2 Ton $ 1000
Fab 2 2 Ton 1 Ton 7 Ton $ 2000
Contrato 16 Ton 5 Ton 20 Ton

X1: # de días de trabajo de la fábrica 1

X2: # de días de trabajo de la fábrica 2
 Minimizar z = 1000 x1 + 2000 x2
s.a.
8x1 + 2x2 ≥ 16
x1 + x2 ≥ 5
2x1 +7x2 ≥ 20

Minimizar Z -1000x1 – 2000x2 = 0 Z – x1 – 2x2 = 0 ( en miles)

s.a.
8x1 + 2x2 – s1 = 16
x1 + x2 – s2 = 5
2x1 + 7x2 – s3 = 20

X1 entra porque tiene el coeficiente mas positivo (criterio de optimalidad)

Básica x1 x2 s1 s2 s3 sol Relac.
z -1 -2 0 0 0 0 x

s1 8 2 -1 0 0 16 16/8 = 2 S1 sale porque es

mínimo (condición de
s2 1 1 0 -1 0 5 5/1 = 5 factibilidad)

s3 2 7 0 0 -1 20 20/2 = 10

1/8 F2
 F2 + F1
Básica x1 x2 s1 s2 s3 sol Relac. -F2 + F3
0 - 7/4 - 1/8 0 0 2 x -2F2 + F4
z
x1 1 1/4 - 1/8 0 0 2 x

s2 0 3/4 1/8 -1 0 3 24

s3 0 13/2 1/4 0 -1 16 64

Básica x1 x2 s1 s2 s3 sol Relac. 8 F3

z 0 -1 0 1 0 5 x 1/8 F3 + F1
1/8 F3 + F2
x1 1 1 0 1 0 5 5
-1/4F3 + F4
s1 0 6 1 8 0 24 3

s3 0 5 0 -2 -1 10 2

1/5 F4
Básica x1 x2 s1 s2 s3 sol Relac.
z 0 0 0 - 2/5 - 1/5 7
F4 + F1
x1 1 0 0 7/5 3/5 3 - F4 + F2
-6 F4 + F3
s1 0 0 1 52/5 18/5 12

x2 0 1 0 - 2/5 - 1/5 2
Según la condición de optimalidad, ninguno de los coeficientes de la fila z son
positivos. De ahí que la última tabla sea óptima

X1 = 3
X2 = 2
Z=7
s1 = 12

La fábrica 1 debe trabajar 3 días y la fábrica 2 debe trabajar 2 días para

cumplir con el contrato a un costo mínimo de $ 7,000

Qué significa s1 = 12 ?