Sistema Nacional de Educación Superior Tecnológica

Educación a Distancia

TEMA 2:
EL MÉTODO SIMPLEX

Descripción del tema:

 Conocer y aplicar el concepto del método simplex en casos reales.

 Conocer y aplicar el concepto del método de la M Grande y/o doble fase y su aplicación en modelos
con variables artificiales.
 Conocer y aplicar las diferentes formas de relación primal-dual.
 Conocer y aplicar el método dual simplex
 Interpretar el análisis de sensibilidad en la toma de decisiones.

SUBTEMAS
2.1. MÉTODO GRÁFICO.
2.2. MÉTODO SIMPLEX.
2.3. PROCEDIMIENTO PARA RESOLVER PROBLEMAS CON VARIABLES ARTIFICIALES (M GRANDE, DOBLE FASE).
2.4. CASOS ESPECIALES DE PROGRAMACIÓN LINEAL.
2.5. MÉTODO DUAL SIMPLEX.
2.6. RELACIONES PRIMAL DUAL.
2.7. ANÁLISIS DE SENSIBILIDAD E INTERPRETACIÓN DE RESULTADOS.
2.8. USO DE SOFTWARE.
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

2.1 EL MÉTODO GRAFICO

El método grafico se utiliza para la solución de problemas de PL, representando geométricamente a las
restricciones, condiciones técnicas y el objetivo.

El modelo se puede resolver en forma geométrica si solo se tiene 2 variables. Para modelos con 3 o más variables
el método grafico es impráctico o imposible. Cuando los ejes son relacionados con las variables del problema,
el método es llamado método grafico en actividad. Cuando se relacionan las restricciones tecnológicas se
denomina método grafico en recursos.

Maximizar y Minimizar

Podemos maximizar y minimizar por el método grafico nuestros problemas y nos lleva a un resultado exacto al
igual que el simplex solo que este es aún más fácil, pues como al principio mandas en la ecuación a X cero y
después Y así te da el primer punto a graficar y así con las demás ecuaciones, el punto donde se intersectan dos
o más líneas de las ecuaciones es el punto solución, este se sustituye debidamente cada número en su variable
en la función objetivo para dar la comprobación.

Pasos necesarios para realizar el método.

1. Graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las
restricciones en forma simultánea.
2. Las restricciones de no negatividad Xi>= 0 confían todos los valores posibles.

3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer término <=
por (=) para cada restricción, con lo cual se produce la ecuación de una línea recta.
4. Trazar cada línea recta en el plano y la región en cual se encuentra cada restricción cuando se considera
la desigualdad lo indica la dirección de la flecha situada sobre la línea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones
y por consiguiente, representa un punto factible.
6. Aunque hay un número infinito de puntos factibles en el espacio de soluciones, la solución óptima puede
determinarse al observar la dirección en la cual aumenta (maximización) o disminuye (minimización) la
función objetivo.
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

7. Las líneas paralelas que representan la función objetivo se trazan mediante la asignación de valores
arbitrarios a fin de determinar la pendiente y la dirección en la cual crece o decrece el valor de la función
objetivo.

Ejemplo
Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La empresa A le paga $5 por
cada impreso repartido y la empresa B, con folletos más grandes, le paga $7 por impreso. El estudiante lleva dos
bolsas: una para los impresos A, en la que caben 120 y otra para los impresos B, en la que caben 100. Ha
calculado que cada día es capaz de repartir 150 impresos como máximo. Lo que se pregunta el estudiante es:
¿Cuántos impresos habrá que repartir de cada clase para que su beneficio diario sea máximo?

La función objetivo es:

Zmax= 5x+7y

Las restricciones:

La zona de solución factible es:

Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

Vértices:

A (0, 100)

B intersección de s, t:

C intersección de r, t:

D (120, 0)

Siendo los valores de la función objetivo: Zmax= 5x+7y:

Zmax(0,100) = 5(0) + 7(100) = 700

Zmax(50,100) = 5(50) + 7(100) = 950

Zmax(120,30) = 5(120) +7(30) = 810

Zmax(120,0) = 5(120) + 7(0) = 600

Debe repartir 50 impresos tipo A y 100 tipo B, para una ganancia máxima diaria de $950
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

2.2 MÉTODO SÍMPLEX

Anteriormente utilizamos el método gráfico para resolver problemas de dos variables, sin
embargo en la realidad pocos casos tienen sólo dos variables, por lo que es importante contar con herramientas
que nos permitan resolver modelos con más de dos variables. En 1947 el matemático norteamericano Jorge
Dantzig desarrolló un algoritmo para resolver problemas de PL de dos o más variables conocido como Método
Símplex.

El método símplex es otra de las herramientas importantes con que cuenta la investigación de operaciones para
apoyar la toma de decisiones cuantitativas, es decir, este método se utiliza para resolver modelos de
programación lineal, del mismo modo que el método gráfico, con la ventaja de no tener límite en la
cantidad de variables de decisión que se incorporen al modelo. Por lo tanto se pueden manejar n variables
y m restricciones, siempre y cuando cumplan con las características de la programación lineal.

El método símplex tiene un algoritmo para su aplicación, está basado en el método de Gauss-Jordan. Algunas
características importantes del método símplex son que:

• Es un proceso iterativo que puede generar varias aproximaciones a la solución a través de distintas
tablas de solución.

• Se puede identificar cuándo se ha llegado a la solución óptima del modelo.

Una observación importante sobre el método es que puede ser muy sensible a errores de redondeo, dado que
se llevan a cabo gran cantidad de operaciones. Para evitar este tipo de errores, se recomiendan dos acciones:

1. Utilizar el redondeo simétrico con la cantidad de decimales adecuados a la magnitud de las variables de
decisión.

2. Realizar las operaciones con fracciones.

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
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

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.

Será necesario tener en cuenta que el método Simplex únicamente trabaja con restricciones del problema cuyas
inecuaciones sean del tipo "≤" (menor o igual) y sus coeficientes independientes sean mayores o iguales a 0. Por
tanto habrá que estandarizar las restricciones para que cumplan estos requisitos antes de iniciar el algoritmo
del 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.

En las restricciones (≤), el lado derecho se puede imaginar cómo 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, de tal forma que:

6𝑋1 + 4𝑋2 ≤ 24 Se convertirá en: 6𝑋1 + 4𝑋2 + 𝑆1 = 24

También se ha dicho que los términos independientes (lado derecho) de cada ecuación deben ser no negativos
para poder emplear el método Simplex. A tal fin, si alguna de las restricciones presenta un término
independiente menor que 0 habrá que multiplicar por "-1" ambos lados de la inecuación (teniendo en cuenta
que esta operación también afecta al tipo de restricción).

Ventajas: Con ésta simple modificación de signos en las restricciones correspondientes se posibilita la
aplicación del método Simplex al problema modelado.

Inconvenientes: Puede resultar que en las restricciones donde tengamos que modificar los signos de las
constantes, los tipos de desigualdad fueran "≤" (quedando tras la operación del tipo "≥") siendo necesario
desarrollar otro método. Este inconveniente no es controlable, aunque podría ocurrir el caso contrario y resultar
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

beneficioso si los términos independientes negativos se presentan en todas aquellas restricciones con
desigualdad de tipo "≥". Si existe alguna restricción del tipo "=" no supondría ninguna ventaja ni desventaja
puesto que siempre sería de necesaria aplicación del método M y el método de dos fases

En caso de que después de éste proceso aparezcan restricciones del tipo "≥" (mayor o igual) o "=" (igualdad), o
no se puedan cambiar, será necesario emplear otros métodos de resolución y el procedimiento para iniciar
programas lineales “de mal comportamiento” con restricciones (=) y (≥) es permitir que variables artificiales
desempeñen el trabajo de holguras en la primera iteración, para después, en alguna iteración posterior,
desecharlas en forma legítima. Estos son dos métodos muy relacionados: el método M y el método de dos
fases, los cuales veremos más adelante.

Forma estándar de programación lineal

La forma estándar del modelo de programación lineal está compuesta por una función objetivo y un conjunto
de restricciones. En general, la forma estándar del modelo de programación lineal puede expresarse como:

Z =C1x1 +C2x2 +…+Cnxn

Sujeto a (SA):

a11 x1 + a12 x2 +…+ a1n xn ≤ b1

a21 x1 + a22 x2 +…+ a2n xn ≤ b2

.
.
.

am1 x1 + am2 x2 +…+ amnxn ≤ bm x1,x2…xn ≥ 0

Y su forma matricial está dada por la expresión:

Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

Z =CX
Sujeto a:
AX ≤B X≥0

Donde:

C = Es la matriz de costos o utilidades, formada por los coeficientes de la función objetivo.

A= Es la matriz de coeficientes del sistema formado por las restricciones.
B= Es la matriz columna de términos independientes del sistema de restricciones.

X = Es la matriz columna de las variables x1,x2,x3,…,xn del sistema de restricciones.

Algoritmo símplex
Un algoritmo es una secuencia que se caracteriza por tener pasos lógicos que siempre se realizan en el mismo
orden. Por esto es necesario que para aplicar el algoritmo símplex, siempre se realice en el orden indicado.

Considerando el modelo lineal como se conoció en el paso anterior (forma original), el método simplex requiere
que éste se convierta a la forma estándar, es decir, cada restricción se convertirá en una igualdad además de
incorporar variables holgura que permiten expresar la cantidad de recurso no utilizado durante las actividades.

Tipo de optimización.

Como se ha comentado, el objetivo del método consistirá en optimizar el valor de la función objetivo. Sin
embargo se presentan dos opciones: obtener el valor óptimo mayor (maximizar) u obtener el valor óptimo
menor (minimizar).

Además existen diferencias en el algoritmo entre el objetivo de maximización y el de minimización en cuanto al

criterio de condición de parada para finalizar las iteraciones y a las condiciones de entrada y salida de la base.
Así:

Objetivo de maximización

 Condición de parada: cuando en la fila Z no aparece ningún valor negativo.

Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

 Condición de entrada a la base: el menor valor negativo en la fila Z (o el de mayor valor absoluto entre
los negativos) indica la variable entra a la base.

 Condición de salida de la base: una vez obtenida la variable entrante, la variable que sale se determina
mediante el de menor razón (Razón = Solución / Coeficiente columna pivote) de los estrictamente
positivos, omitiendo valor de Z

Objetivo de minimización

 Condición de parada: cuando en la fila Z no aparece ningún valor positivo.

 Condición de entrada a la base: el mayor valor positivo en la fila Z indica la variable que entra a la base.

 Condición de salida de la base: una vez obtenida la variable entrante, la variable que sale se determina
mediante el menor razón (Razón = Solución / Coeficiente columna pivote) de los estrictamente
negativos.

Siguiendo con nuestro tema, tomaremos un ejemplo en particular e iremos describiendo paso a paso la
solución del problema.

Supondremos el siguiente caso:

F.O.:
Max Z = 100X1 + 200X2

S.A.:
8X1 + 8X2 ≤ 16 (Ecuación 1)
4X1 + 2X2 ≤ 16 (Ecuación 2)
2X2 ≤ 10 (Ecuación 3)
X 1, X 2 ≥ 0

Primer paso: Convertir las inecuaciones en ecuaciones (agregar las variables de holgura necesarias)

La F.O. tomara la forma:

Z - 100X1 - 200X2 + 0S1 + 0S2 + 0S3 = 0

S.A.:
8X1 + 8X2 + S1 = 16 (Ecuación 1)
4X1 + 2X2 + S2 = 16 (Ecuación 2)
2X2 + S3 = 10 (Ecuación 3)
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

X1, X2, 0S1, 0S2, 0S3 ≥ 0

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

BASICAS NO BÁSICAS
S1 X1
S2 X2
S3

Tercer paso: Elaborar la tabla inicial del Simplex.

Variable Variables
Solución
Básica X1 X2 S1 S2 S3
S1 8 8 1 0 0 16
S2 4 2 0 1 0 16
S3 0 2 0 0 1 10
Z -100 -200 0 0 0 0

Cuarto paso: Elección de la columna pivote (variable que entra). Como se trata de maximizar se debe seleccionar
el valor más negativo de la fila. El coeficiente de Z más negativo = Columna X2

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

Razón = Solución / Coeficiente columna pivote

Razón Menor = Fila perteneciente a S1

Variable Variables
Básica Solución Razón
X1 X2 S1 S2 S3
S1 8 8 1 0 0 16 16/8=2
S2 4 2 0 1 0 16 16/2=8
S3 0 2 0 0 1 10 10/2=5
Z -100 -200 0 0 0 0

Con esto tendremos, la columna pivote X2, fila pivote S1 y la intersección entre estos será el elemento pivote 8,
porque es la fila con el resultado de menor Razón.
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

Sexto paso: Elaborar la nueva tabla del simplex. Para este procedimiento se usa el método Gauss – Jordan

Se consigue que todos los elementos de la columna de la variable entrante (X2) sean nulos salvo el
de la fila de la variable saliente (S1) cuyo valor será 1.

a. Nueva fila pivote = Fila Pivote / Elemento Pivote

8/8 8/8 1/8 0/8 0/8 16/8

Nueva fila pivote = 1 1 1/8 0 0 2

b. Lo siguiente es transformar toda la columna pivote en cero, a excepción del elemento pivote

Nueva filas = Fila Anterior – Coeficiente de la Columna Pivote * Nueva Fila Pivote

Fila de S2
4 - (2*2) 2 - (2*1) 0 - (2*1/8) 1 - (2*0) 0 - (2*0) 16 - (2*2)
Nueva fila S2 = 2 0 -1/4 1 0 12

Fila de S3

0 - (2*1) 2 - (2*1) 0 - (2*1/8) 0 - (2*0) 1 - (2*0) 10 - (2*2)

Nueva fila S3 = -2 0 -1/4 0 1 6

Fila de Z
-100 -200 0 0 0 0
- (-200*1) - (-200*1) -(-200*1/8) - (-200*0) - (-200*0) - (-200*2)
Nueva fila Z = 100 0 25 0 0 400
Sistema Nacional de Educación Superior Tecnológica
Educación a Distancia

NUEVA TABLA DEL SIMPLEX:

Variable Variables
Solución Razón
Básica X1 X2 S1 S2 S3
X2 1 1 1/8 0 0 2

S2 2 0 -1/4 1 0 12

S3 -2 0 -1/4 0 1 6

Z 100 0 25 0 0 400

Para este sistema ya no es posible encontrar una solución más óptima, esto es debido a que no existen
coeficientes de Z negativos en la nueva tabla, por lo tanto el valor máximo para Z se alcanza cuando:

X1=0 Esto es porque la columna x no puede ser transformada en valores de cero

X2 = 2

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

En otros casos si no se cumple la condición de parada es necesario realizar una iteración más del algoritmo,
esto es, determinar la variable que se vuelve básica y la que deja de serlo, encontrar el elemento pivote,
actualizar los valores de la tabla y comprobar si se cumple nuevamente la condición de parada.

Es también posible determinar que el problema no se encuentra acotado y su solución siempre resultará
mejorable. En tal caso no es necesario continuar iterando indefinidamente y se puede finalizar el algoritmo. Esta
situación ocurre cuando en la columna de la variable entrante a la base todos los valores son negativos o nulos.

Visualizar el siguiente video para comprender mejor el método simplex

https://www.youtube.com/watch?v=hVjBn14xdMQ&t=8s