PROGRAMACION

LINEAL
TEMA: METODO SIMPLEX
ALUMNO: ORESTES MUÑOZ ACUÑA
PROFESOR: HEVER LUIS HINOSTROZA
METODO  Es un método analítico capaz de resolver aquellos

SIMPLEX modelos que se vuelven complejos en el uso del

método gráfico por el número de variables

empleadas.

 Ante este panorama las empresas se vuelve más

complejo por el uso de materia prima, recursos

implicados y productos fabricados, de ahí la

importancia de éste método que facilitará el camino

en el proceso de tomar una decisión.

BASES DEL
METODO
SIMPLEX

 Desarrollado en 1947 por George B. Dantzing, el

método simplex se ha convertido en el método
general para resolver problemas de
programación lineal, a diferencia del método
gráfico puede ser usado cuando las variables del
problema son más de 2 caracterizándose por
buscar soluciones “mejores” que el método
grafico para optimizar la función objetivo del
problema.
FORMULACION
DEL MODELO  Variables: representan las incógnitas del problema

 Usar un modelo matemático  Restricciones: se contemplan las limitaciones a las

para la resolución de
problemas es la base de la que se encuentra sujeta la resolución del problema
programación lineal
considerando la escasez de recursos en tiempo y
recordando que modelo se
refiere a la representación espacio.
simplificada de la realidad;
los modelos matemáticos en  Función objetivo: representa la meta que se
específico hacen uso de
símbolos matemáticos y pretende alcanzar y en la cual se
presentan elementos como: basan las decisiones principales para maximizar los
beneficios o bien para minimizar los costos
FORMA ESTANDAR
DE LA Sujeto a:
PROGRAMACION
LINEAL.

a11X1 + a12 X2 +…+ a1n Xn ≤ b1

La forma estándar o canónica a21X1 + a22 X2 +…+ a2n Xn ≤ b2
del modelo de programación
lineal está compuesta por una
función objetivo y un conjunto
de restricciones. En general, la am1X1 + am 2 X2 +…+ amn Xn ≤ bm
forma estándar del modelo de
programación lineal puede
expresarse como: X1, X2 , Xn ≥ 0

Zmax = C1X1 + C2 X2 +…+ Cn Xn

Su forma matricial
esta expresado de la Donde:
siguiente manera • C : Es la matriz de costos o utilidades, formada
por los coeficientes de la función objetivo

• A : Es la matriz de coeficientes del sistema

Zmax = CX formado por las restricciones.

Sujeto a: • B : Es la matriz columna de términos

independientes del sistema de restricciones.
AX ≤ B
X≥0
• X : Es la matriz columna de las variables X1, X2 ,
X3 ,…, Xn del sistema de restricciones
ALGORITMO Paso 1: Convertir las desigualdades en
igualdades al sumarles una variable de holgura hi .
SIMPLEX Esta variable representa la cantidad que le falta a la
desigualdad para ser la igualdad. Las variables de
holgura siempre son positivas.
Un algoritmo es una secuencia
que se caracteriza por tener
pasos lógicos que siempre se
realizan en el mismo orden. a1X1 + a12 X2 +…+ a1n Xn + h1 = b1
Por esto es necesario que para a21X1 + a22 X2 +…+ a2n Xn + h2 = b2
aplicar el algoritmo simplex,
siempre se realice en el orden
indicado. am1X1 + am 2 X2 +…+ amn Xn + hm = bm
Partiendo de un modelo de
programación lineal en su
forma estándar se realizan los
siguientes pasos:  
Paso2:

Escribir la función objetiva como una igualdad a cero, sumando las variables de holgura
(hi), con coeficiente cero y conservando positivo el coeficiente de la función objetivo
(Zmax ) tenemos:

Zmax − C1X1 − C2 X2 −…− Cn Xn + 0h1 + 0h2 +…+ 0hm = 0

 
Paso 3:
 Se construye una tabla como la que se muestra a
continuación:
(Tabla 1):

Variables X1 X2 … Xn h1 h2 … hm Solución
básicas
Z
Z 1 -C1 -C2 … -Cn 0 0 … 0 0
h1 0 a11 a12 … a1n 1 0 … 0 b1
Formar la tabla simplex h2 0 a21 a22 … a2n 0 1 … 0 b2
o la tabla inicial … … … … … … … … … 0 …
hm 0 am1 am … amn 0 0 …1 bm
 De la siguiente tabla (tabla1)
vemos que es la primera
solución al intersecar las
variables de holgura vemos ahí el
elemento pivote, entonces
 Con la tabla inicial
Tenemos: simplex asociada al
modelo de PL se
Z=0 continúa para encontrar
h1 = b1 la solución óptima (si es
h2 = b2 que existe) o bien se
... determina que el
problema no tiene
hm = bm solución óptima.
 
 Paso 5:
Paso 4:

De los coeficientes del renglón Z se toma el que

 Verificamos si todos los tenga el mayor valor negativo (número menor) y se
coeficientes asociados al selecciona toda la columna. La variable de esta
renglón de Z son mayores o columna es la que entra al sistema (pasa a ser
iguales a cero. Si es así, básica).
entonces la solución en la
tabla es la óptima y el
proceso termina. Si no es así,
se continúa.
 Paso 6: Paso 7:
 Se divide el término de la columna
“Solución” entre el elemento
correspondiente de la columna  La celda que se encuentra en la intersección de
seleccionada en el punto anterior, la columna con el renglón seleccionado contiene
y de los resultados de la división se un elemento al que, por medio de operaciones
selecciona el menor valor positivo elementales entre renglones, se convierte en
y todo el renglón asociado a este elemento pivote y los demás elementos de su
valor. Ésta es la variable que sale (V columna, tienen que ser ceros; con esto se
S) de la base (pasa a ser no básica). obtiene una nueva columna de la matriz
identidad.
 Nota: Las divisiones entre cero o
entre números negativos no se
toman en cuenta. Si todas son
negativas o indeterminadas el
problema no tiene solución y el
proceso termina.
Paso 8:
 Se repite el proceso desde el ( Paso 4) operando sobre matrices hasta
obtener

 todos los coeficientes del renglón Z, con valores mayores o iguales a cero.

 tomaremos un ejemplo para poder entender el algoritmo simplex.

Ejemplo 1: Paso 1:
 Resolver el siguiente modelo
 convertir la desigualdad en una igualdad y
sumarlo la variable de holgura ( hi), y siempre
de programación lineal
son positivos o mayores o iguales a cero, no se
utilizando el método
simplex. incluyen los CNN .
Paso 2:

 Escribir la función objetivo como

una igualdad a cero sumando las
variables de holgura ( hi ) con
coeficiente cero y conservando el
coeficiente de Zmax positivo.
Paso 3:

 Formar la tabla simplex o

tabla inicial

Se construye una tabla como la 
que se muestra a continuación 
para este caso: 
 En estas celdas identificamos las variables de las
restricciones,
Y las variables de holgura
 En esta grafica insertaremos
los coeficientes de la función
objetiva y los coeficientes de
la variable de holgura y la
solución de valor cero se
tiene en el siguiente grafico:

 En el siguiente cuadro observaremos todos los coeficientes

de las restricciones y de las variables de holgura .
 En la primera columna y a partir del tercer renglón se enlistan 
verticalmente  todas las variables de holgura empleadas. También a
partir del tercer renglón y después de la primera celda del mismo 
se colocan los coeficientes de cada  una de las restricciones, en la
columna de la variable correspondiente (esto genera los
componentes de la matriz identidad en las variables de holgura)
Para tener la solución Identificamos un
elemento pivote en la celda en la que se
intersecan el renglón de (h1) con la
columna de (h1). entonces tendremos
nuestra primera solución. Y se muestra
en el siguiente tabla

Esto es la primera solución que se

tiene:
 Con la tabla inicial simplex
asociada al modelo de PL se
continúa para encontrar la
solución óptima (si es que
existe) o bien determinar que
el problema no tiene
solución óptima.

 Paso 4. Verificamos si todos 
los coeficientes asociados al 
renglón de (Z) son mayores 
o iguales a cero, si es así,
entonces la solución en la
tabla es la óptima y el
proceso termina. Si no es así,  En este caso existen tres coeficientes negativos 
se continúa. asociados al renglón de (Z), por lo  que se debe
continuar con el proceso.
Paso 5. 
 De los  coeficientes  del 
renglón Z se toma el que
tenga el mayor valor negativo
(número menor) y se
selecciona toda la columna.
La variable de esta columna
es la que entra al sistema
(pasa a ser básica).
 Seleccionamos (X1) como la
variable que entra
Paso 6. 

 Se  divide  el  coeficiente  de  la 

columna  “Solución”  entre  el 
elemento  correspondiente de la
columna seleccionada en el
punto anterior, y de los
resultados de la división se
selecciona el menor valor
positivo y todo el renglón
asociado con este valor. Ésta es
la variable que sale de la base
(pasa a ser no básica).
 Nota: Las divisiones entre cero
o entre números negativos no se
toman en cuenta. Si todas son
negativas o indeterminadas, el
problema no tiene solución. Y
se termina el proceso.
 De la tabla se selecciona el
renglón de la restricción uno.
Paso 7.
 La celda que se encuentra en
la intersección de la columna
con el renglón seleccionado
contiene un elemento al que,
por medio de operaciones
elementales entre renglones,
se convierte en elemento
pivote y los demás elementos
de su columna, en ceros;
 con esto se obtiene una
 Continuando con el paso 7 tenemos:
nueva columna de la matriz
identidad.

 El elemento pivote es
convertir en ( 1 ) y realizando
con las operaciones
elementales:
 tenemos que multiplicar por
1/2 *R1 entonces tenemos en
el siguiente cuadro.
 Nota
 que la variable que entra se escribe en el lugar de la
variable que sale, (X1 en el lugar de h1) , para esta
tabla, y que lo que se busca es formar una columna con
un 1 en el lugar de las intersecciones, esto es, obtener
un elemento pivote y ceros en los demás sitios de la
misma columna.
en esta tabla veremos las operaciones realizadas al lado
derecho.
 La operación que se realizo se muestra en el
siguiente cuadro.
 continuando para el reglón R2
tenemos la siguiente tabla:
 realizando las operaciones se
tiene.
 Del mismo modo se realiza la
operación para el reglón R3.
 se tiene la siguiente operación
y se muestra e la siguiente
tabla.
Paso (8)

 Se repite el proceso desde el

Paso 4 operando sobre
matrices hasta obtener
todos los coeficientes del 
renglón Z, con valores 
mayores o iguales a cero.
Regresemos  al  Paso  4. En 
este  caso  existe  un 
coeficiente  negativo 
asociado  al  renglón de Z,
por lo que debe continuar el
proceso.
 Paso 5. 

 De los  coeficientes  del 

renglón Z se toma el que
tenga el mayor valor negativo
(número menor) y se
selecciona toda la columna.

 La variable de esta columna

es la que entra al sistema
(pasa a ser básica).

 Seleccionamos( X3 )como la
variable que entra
Paso 6. 
 Se  divide  el  coeficiente  de  la 
columna  “Solución”  entre  el 
elemento  correspondiente de la
columna seleccionada en el punto
anterior, y de los resultados de la
división se selecciona el menor
valor positivo y todo el renglón
asociado a este valor. Ésta es la
variable que sale de la base (pasa a
ser no básica).
 Nota: Las divisiones entre cero o
entre números negativos no se
toman en cuenta. Si todas son
negativas o indeterminadas, el
problema no tiene solución y
termina el proceso.
 De la tabla se selecciona el renglón
de la restricción tres.
Paso 7.
 La celda que se encuentra en la
intersección de la columna con
el renglón seleccionado
contiene un elemento al que,
por medio de operaciones
elementales entre renglones, se
convierte en elemento pivote y
los demás elementos de su
columna, tenemos que convertir
en ceros; con esto se obtiene
una nueva columna de la matriz
identidad.
 La celda con doble marco
contiene al que deberá servir
como elemento pivote para este
ejemplo, y como se tiene un (1)
en la celda no es necesario
convertirlo. Entonces, la nueva
tabla simplex para el renglón
del elemento pivote se escribe
como se muestra en el grafico.
 Nota

 que la variable que entra se

escribe en el lugar de la variable
que sale, X3 en el lugar de h3 ,
para esta tabla

 En la parte derecha, fuera de la

tabla, se indica la operación que
se realizó para obtener como
resultado el nuevo renglón.
Continuamos con el renglón R0
o de la función objetivo:
 Realizando las operaciones elementales
obtenemos el siguiente cuadro.
Paso 8
 Se repite el proceso desde el Paso 4
operando sobre matrices hasta
obtener todos los coeficientes del 
renglón Z, con valores mayores o 
iguales a cero. Como en esta última 
tabla todos los coeficientes de renglón 
Ro o Z son no negativos, es decir,
mayores o iguales a cero, se ha
concluido el proceso
 La última operación por realizar es
transferir los valores de la solución de
la tabla a las variables básicas.
 Éstos son los valores de las variables
básicas del modelo de programación
lineal, y el valor máximo de la función
objetivo. Cabe mencionar que como la
variable X2 no entró a la base de las
variables básicas, se le asigna un valor
de cero, como se realizó en el
resultado de este ejemplo.
• GRACIA
S