El método símplex

Unidad 2. El método símplex

• Método símplex.
• Casos especiales de programación lineal.
• Análisis de sensibilidad e interpretación de resultados.
• Uso de software.
 El método símplex

El método símplex es un procedimiento algebraico. Sin embargo, sus conceptos

fundamentales son geométricos. La comprensión de estos conceptos geométricos
proporciona una fuerte intuición sobre la forma en que opera el método símplex. Por lo
tanto, antes de profundizar en los detalles algebraicos, se necesita conocer el método
desde un punto de vista geométrico.
El método símplex
 El método símplex

Xij = Costos de transportar autos desde una fuente i hacia un destino j

 El método símplex

El Método Simplex es un método analítico capaz de resolver aquellos modelos que se

vuelven complejos en el uso del método gráfico por el número de variables empleadas.
 El método símplex

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.
 Pasos del método símplex

Método símplex

Paso 1. Expresar el Problema lineal (Modelo lineal) en su forma estándar.

Paso 2. Construir la tabla símplex.
Paso 3. Determinar la variable de entrada (Condición de optimalidad).
Paso 4. Determinar la variable de salida (Condición de factilibidad).
Paso 5. Determinar la columna, renglón y elemento pivote.
Paso 6. Aplicar Gauss Jordan.
Paso 6a. Vaciar los resultados en una tabla símplex
Paso 6b. Comprobar la Condición de optimalidad. Si se llega a la solución
óptima pasar al Paso 7 de lo contrario regresar al Paso 3.
Paso 7. Solución del problema e interpretación de la solución
 Condición de optimalidad

Condición de optimalidad. La variable de entrada en un

problema de maximización (minimización) es la variable
no básica que tenga el coeficiente más negativo
(positivo) en el renglón de z. Los empates se rompen en
forma arbitraria. Se llega al óptimo en la iteración en la
que dos coeficientes de las variables no básicas en el
renglón z son no negativos (no positivos).
 Condición de factibilidad

Condición de factibilidad. En los problemas de

maximización y minimización, la variable de salida es la
variable básica asociada con la mínima razón no negativa
(con denominador estrictamente positivo). Los empates
se rompen en forma arbitraria.
 CONJUNTO DE PROBLEMAS 2.2C

4. Se tiene el siguiente modelo de programación lineal:

En programación lineal, se dice que una restricción es redundante si al eliminarla del

modelo no cambia el espacio de soluciones. Use la función gráfica de TORA para identificar
las restricciones redundantes, y a continuación demuestre que su eliminación no afecta al
espacio de soluciones ni a la solución óptima.
 CONJUNTO DE PROBLEMAS 2.2C

5. En el modelo de Reddy Mikks, use TORA para demostrar que la eliminación de las
restricciones de materia prima (restricciones 1 y 2) dan como resultado un espacio de
soluciones no acotado.
¿Qué se puede decir en este caso, acerca de la solución óptima del modelo?
 CONJUNTO DE PROBLEMAS 2.2C

6. En el modelo de Reddy Mikks, suponga que se le añade la siguiente restricción:

Use TORA para demostrar que el modelo resultante tiene restricciones conflictivas que no
se pueden satisfacer al mismo tiempo, y en consecuencia, no tiene solución factible.
 Análisis de sensibilidad

Un modelo de programación lineal es una foto instantánea de una situación real en la que los
parámetros del modelo (coeficientes de la función objetivo y de las restricciones) asumen
valores estáticos. Para aumentar la aplicación de la programación lineal en la práctica, se
necesita agregar una dimensión dinámica que investigue el impacto que tiene hacer cambios
en los parámetros del modelo (coeficientes de la función objetivo y de las restricciones)
sobre la solución óptima. A este proceso se le llama análisis de sensibilidad, porque estudia
la sensibilidad de la solución óptima respecto a los cambios que se hagan en el modelo.

Se investigarán dos casos de análisis de sensibilidad: 1) cambios en los coeficientes de la

función objetivo y 2) cambios en el lado derecho de las restricciones.
 Análisis de sensibilidad

El resultado se divide en dos partes principales: resumen de la solución óptima y análisis de

sensibilidad. El resumen de la solución óptima muestra los valores óptimos de las variables y
de la función objetivo óptima, es decir, que la cantidad de la pintura para exteriores, x1, es 3
toneladas, que la cantidad de pinturas para interiores, x2, es de 1.5 toneladas, y que la
utilidad correspondiente es $21,000. También muestra información sobre la cantidad no
usada (holgura, slack) en una restricción ≤, y el exceso sobre el requisito mínimo (excedente,
surplus) en una restricción ≥.
 Información adicional
La tabla símplex muestra una gran cantidad de información adicional, que comprende:

1. El estado de los recursos.

2. El valor por unidades (precios duales) de los recursos.
3. Todos los datos necesarios para efectuar un análisis de sensibilidad con la solución óptima.

Un recurso se llama escaso si las actividades (variables) del modelo lo usan por completo. En
caso contrario, es abundante. Esta información se obtiene en la tabla óptima revisando el valor
de la variable de holgura asociada con la restricción que representa el recurso. Si la variable de
holgura es cero, el recurso se usa por completo, y el recurso es escaso. En caso contrario, una
holgura positiva indica que el recurso es abundante.
Análisis de sensibilidad
 Análisis de sensibilidad

En este resultado se ve que las holguras de las dos primeras restricciones son cero, lo cual
significa que las materias primas M1 y M2 se consumen por completo. La holgura de la
tercera restricción es igual a 2.5 toneladas, y eso significa que la restricción se sobresatisface
(porque la cantidad de pintura para interiores es menor que la de pintura para exteriores). La
holgura asociada con la cuarta restricción indica que la cantidad de pintura para interiores es
media tonelada menor que el límite máximo especificado por la demanda.
La parte del análisis de sensibilidad de los resultados trata de los cambios individuales en los
coeficientes de la función objetivo y de los lados derechos de las restricciones. Por ejemplo,
la solución óptima del momento permanecerá sin cambio mientras la utilidad por tonelada
de pintura para exteriores esté entre $2 y $6 (miles). También, la factibilidad de la solución
actual no se afecta mientras la disponibilidad diaria de la materia prima M1 se conserve
entre 20 y 36 toneladas.
 Análisis de sensibilidad

Se deben explicar dos columnas adicionales: el costo reducido (reduced cost) y el precio dual
(dual price) de una restricción.

Si es positivo el costo reducido de la actividad por unidad, su costo unitario de recursos

consumidos es mayor que su utilidad unitaria, y se debe desechar la actividad. Eso quiere
decir que el valor de su variable asociada en la solución óptima debe ser cero. También, una
actividad que es económicamente atractiva tendrá un costo reducido igual a cero en la
solución óptima, y eso quiere decir que hay equilibrio entre la salida (utilidad unitaria) y la
entrada (costo unitario de recursos consumidos).
 Análisis de sensibilidad

A continuación pasaremos a la definición del precio dual. Esta medida representa en realidad
el valor por unidad de un recurso, expresa la contribución de un aumento o disminución
unitarios en la disponibilidad de un recurso sobre la función objetivo. Entre otros nombres
menos comunes, están precios sombra y multiplicadores símplex. Aunque el nombre valor
por unidad de un recurso mejor descripción de lo que significa la medida, usaremos el
nombre precio dual, por ser normal en los resultados de todos los programas lineales
comerciales.
 Análisis de sensibilidad

Los precios duales de las materias primas M1 y M2 son 0.75 y 0.5, es decir, $750 y $500 por
tonelada, respectivamente. Como ilustración, si la disponibilidad de M1 baja de su nivel
actual de 24 toneladas a 22 toneladas, el valor óptimo de la función objetivo cambiará en
$750 X (22 – 24) = - $3000.

Por otro lado, si el aumento es de 24 a 40 toneladas (que cae fuera del intervalo de
factibilidad), se debe resolver de nuevo este problema.

Los precios duales para las restricciones tercera y cuarta, del modelo de Reddy Mikks, son
cero para los intervalos (-1.5, ꝏ) y (1.5, ꝏ), respectivamente. Este resultado indica que los
aumentos en los recursos que representan los límites de mercado para la producción de
pinturas para interiores y para exteriores no tienen efecto sobre la solución óptima del
momento, o actual. Por otra parte, si la parte del mercado de la pintura para interiores baja
de 1.5 toneladas diarias, cambiará la solución óptima.
 CONJUNTO DE PROBLEMAS 2.3B

3. En dos productos se requieren tres procesos consecutivos. El tiempo disponible para

cada proceso es 10 horas diarias. La tabla siguiente resume los datos del problema:

a) Determine la combinación óptima de fabricación de los dos productos.

b) Determine un procedimiento para priorizar los tres procesos, para una posible
ampliación.
 CONJUNTO DE PROBLEMAS 2.3B
9. Una línea de ensamble está formada por tres estaciones consecutivas, y produce dos
modelos de radio: Alta Fidelidad 1 y Alta Fidelidad 2. En la siguiente tabla se ven los
tiempos de ensamble en las tres estaciones de trabajo.

El mantenimiento diario de las estaciones 1, 2 y 3 consume 10, 14 y 12%, respectivamente,

de los 480 minutos máximos disponibles en cada estación por día.
a) La empresa desea determinar la combinación óptima de productos con la que se
minimicen los tiempos de paro (o tiempos no usados) en las tres estaciones de trabajo.
b) Determine el valor de bajar el tiempo diario de mantenimiento en un punto porcentual,
para cada estación de trabajo.
 CONJUNTO DE PROBLEMAS 3.1A

1. En el modelo de Reddy Mikks, considere la solución factible x1 = 3 ton y x2 = 1 ton.

Determine el valor de las holguras asociadas a las materias primas M1 y M2.
 CONJUNTO DE PROBLEMAS 3.1A

2. En el modelo de la dieta determine la cantidad excedente cuando el alimento consiste

en 500 lb de maíz y 600 lb de soya.
 CONJUNTO DE PROBLEMAS 3.1A

4. Se pueden fabricar dos productos distintos, P1 y P2, en cualquiera de dos máquinas

diferentes, M1 y M2. El tiempo unitario de procesamiento para cualquier producto en
cualquier máquina es igual. La capacidad diaria de la máquina M1 es de 200 unidades (sea
de P1, de P2, o de una mezcla de ambas) y la capacidad diaria de la máquina M2 es de 250
unidades. El supervisor del taller desea balancear el programa de producción de las dos
máquinas para que la cantidad total de las unidades producidas en una no sea mayor que 5
unidades, respecto a la cantidad producida en la otra. La utilidad por unidad de P1 es de
$10, y la de P2 es de $15. Plantee el problema en forma de programación lineal en forma
de ecuaciones.
Convertir un problema lineal en la forma estándar

Antes de poder utilizar el algoritmo símplex para resolver un problema lineal, éste
se debe convertir en un problema equivalente en el cual todas las restricciones son
ecuaciones y todas las variables son no negativas. Se dice entonces que un
problema lineal está en la forma estándar.

(Wayne, 2005)
 Condiciones del método símplex

Dos condiciones que se deben cumplir:

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 en ecuaciones

Para convertir una desigualdad en ecuación se agrega una variable de holgura al lado izquierdo de
la restricción.

La variable de holgura es una variable añadida en el lado izquierdo de una restricción de

menor o igual que para convertir la restricción en una igualdad. El valor de esta variable por
lo general se interpreta como la cantidad de un recurso sin utilizar.
 Conversión de desigualdades en ecuaciones

Para convertir una desigualdad en ecuación se logra restando una variable de excedencia al
lado izquierdo de la ecuación.

La variable de excedencia es una variable restada en el lado izquierdo de una restricción de

mayor o igual que para convertir la restricción en una igualdad. El valor de esta variable por
lo general se interpreta como la cantidad que rebasa y está por encima de algún nivel
mínimo requerido.
Actividad
 Actividad

a) Encuentre la solución óptima.

b) Suponga que el coeficiente de la función objetivo para A cambia de 3 a 5. ¿Cambia la
solución óptima? Encuentre la nueva solución óptima.
c) Suponga que el coeficiente de la función objetivo para A permanece en 3, pero el
coeficiente de la función objetivo para B cambia de 2 a 4. ¿La solución óptima cambia?
Encuentre la nueva solución óptima.
d) El valor de la solución óptima es 27. Suponga que el lado derecho de la restricción 1 se
incrementa de 10 a 11. ¿Cambia la solución óptima? Encuentre la nueva solución
óptima.
 Actividad

a) Encuentre la solución óptima.

b) Suponga que el coeficiente de la función objetivo para X cambia de 8 a 6. ¿Cambia la
solución óptima? Encuentre la nueva solución óptima.
c) Suponga que el coeficiente de la función objetivo para X sigue siendo 8, pero el
coeficiente de la función objetivo para Y cambia de 12 a 6. ¿La solución óptima cambia?
Encuentre la nueva solución óptima.
d) El valor de la solución óptima es 48. Suponga que el lado derecho de la restricción 1 se
incrementa de 9 a 10. ¿Cambia la solución óptima? Encuentre la nueva solución óptima.
• Examen Método Símplex.

• Actividad análisis de sensibilidad.

• Practica 1. Utilizando el software QM for Windows comprueba la solución de los ejercicios

vistos en clase (actividad 1, 2, 3 y examen).