REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION

UNIVERSITARIA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS
CENTRALES “ROMULO GALLEGOS”
ÁREA DE CIENCIAS ECONÓMICAS Y SOCIALES
CONTADURÍA PÚBLICA

MÉTODO SIMPLEX

Bachilleres:
Fraile, María Claudia C.I 27.406.853
Meza, Diana C.I 28.176.257
Farias, Mariangela C.I 28.408.104
Uriarte, Franceliz C.I 30.612.436
Profesora:
Andrea Terán
Contaduría Pública 3er año, sección “M1”

San Juan de los Morros; Mayo del 2019

 MÉTODO SIMPLEX

El Método Simplex fue creado en 1947 por el estadounidense George Bernard

Dantzig y el ruso Leonid Vitalievich Kantorovich, con el ánimo de crear un algoritmo
capaz de solucionar problemas de m restricciones y n variables. La primera
implementación computacional del método simplex es el año 1952 para un problema
de 71 variables y 48 ecuaciones. Su resolución tarda 18horas. Luego, en 1956, un
código llamado RSLP1, implementado en un IBM con 4KB en RAM, admite la
resolución de modelos con 255 restricciones.

Es un método analítico, que se basa en el álgebra matricial y el proceso de

eliminación de Gauss – Jordan, de solución de problemas de programación lineal
capaz de resolver modelos más complejos que en el uso del método gráfico por el
número de variables empleadas.

Se trata de un método iterativo que permite ir mejorando la solución en cada paso

del procedimiento comenzando con una solución básica (punto extremo) y
modificando ésta a lo largo del proceso, el método consiste en caminar del vértice de
un poliedro a un vértice vecino de manera que aumente o disminuya (según el
contexto de la función objetivo, sea maximizar o minimizar) hasta encontrar una
solución óptima. Lo que puede dar lugar a cuatro posibles resultados:

1. Alcanzar un óptimo único.

2. Alcanzar un óptimo que no es único (soluciones alternativas o múltiples).
3. Concluir que el problema es no factible, esto es, que no existe ninguna
solución que satisfaga simultáneamente todas las restricciones del problema.
4. Concluir que el problema es no acotado, es decir, que el valor de la función
objetivo en el óptimo es tan grande como se desee si el problema es de maximización,
o tan pequeño como se quiera si el problema es de minimización.

El método Simplex alcanza siempre uno de estos resultados en un número finito de

iteraciones. En cada iteración se pasa de una solución básica factible a otra, de
manera que en el proceso, el valor de la función objetivo mejora en cada iteración.
Cuando se determina que no existe ninguna solución básica factible con un mejor
valor de la función objetivo que el actual se detiene el proceso puesto que se ha
llegado al óptimo.

El objetivo del método simplex es lograr sucesivas mejoras para el valor de la

función objetivo asociada a la selección de alguna solución factible; por lo que se
basa en la propiedad de qué: si la función objetivo f, no toma su valor máximo en el
vértice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.

Importancia del método simplex

El método simplex permite localizar de manera eficiente la óptima solución entre

los puntos extremos de un problema de programación lineal. La gran virtud del
método es su sencillez, es un método muy práctico, ya que solo trabaja con los
coeficientes de la función objetivo y de las restricciones.

Es muy importante en el área empresarial ya que lo utilizan para obtener solución

a los problemas de las empresas en cuanto a inventario, ganancias y pérdidas.
Permite visualizar cuánto se debe vender, cuanto se debe producir o cuánto se debe
comprar según sea el caso para que la empresa obtenga las ganancias óptimas y
suficientes para competir en el mercado.

En función a esto el método simplex ha tenido diversas aplicaciones en las

industrias especialmente en el área de transporte, en la parte de inventarios y en lo
empresarial en general.

Ventajas del método simplex

1. Es un Método heurístico. Se basa en consideraciones geométricas y no requiere el

uso de derivadas de la función objetivo.
2. Es de gran eficiencia incluso para ajustar gran número de parámetros.
3. Se puede usar con funciones objetivo muy sinuosas pues en las primeras
iteraciones busca el mínimo más ampliamente y evita caer en mínimos locales
fácilmente.
4. Es fácil de implementar y usar, sin embargo tiene una alta eficacia.

Desventajas del método simplex

1. Converge más lentamente que otros métodos, pues requiere más número de
iteraciones.
2. En el caso de que la función tenga todas sus variables básicas positivas, y además
las restricciones sean de desigualdad "=", al hacer el cambio se quedan negativas y
en la fila del valor de la función objetivo se quedan positivos, por lo que se cumple
la condición de parada, y por defecto el valor óptimo que se obtendría es 0.

Aspectos fundamentales del Método Simplex

 Matriz identidad: Una matriz es una ordenación rectangular de elementos, o

listado finito de elementos, que pueden ser números reales o complejos, dispuestos
en forma de filas y de columnas. La matriz identidad es una matriz cuadrada (que
posee el mismo número tanto de columnas como de filas) de orden n que tiene
todos los elementos diagonales iguales a uno y todos los demás componentes
iguales a cero. Son fundamentalmente importantes porque el método se basa en la
teoría de las matrices para la resolución de sus problemas. Se denota por:

𝟏 𝟎 𝟎 … 𝟎
𝟎 𝟏 𝟎 … 𝟎 𝟏 𝟎 𝟎
… 𝟏 𝟎
𝑰𝒏 𝟎 𝟎 𝟏 𝟎 𝒏𝒙𝒏 𝑰𝟐 = ( ) 𝟐𝒙𝟐 𝑰𝟑 = (𝟎 𝟏 𝟎) 𝟑𝒙𝟑
⋮ ⋮ ⋮ ⋱ ⋮ 𝟎 𝟏
𝟎 𝟎 𝟏
…
(𝟎 𝟎 𝟎 𝟏)

Por ejemplo, las matrices de identidad 2x2 y 3x, son llamadas matrices identidad
porque, cuando las multiplica con una matriz compatible, se obtiene la misma
matriz. Ejemplo:
 1 0 4 7 1(4) + 0(−1) 1(7) + 0(3) 4 7
[ ]∗[ ]=[ ]=[ ]
0 1 −1 3 0(4) + 1(−1) 0(7) + 1(3) −1 3

 Variables de holgura y exceso: El método simplex se basa en ecuaciones, y las

restricciones iniciales que se modelan mediante la programación lineal no lo son,
para ello se convierten estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura y exceso relacionadas con el recurso al cual hace
referencia la restricción. Dichas variables adquieren un gran valor en el análisis de
sensibilidad y juegan un rol fundamental en la creación de la matriz identidad base
del Simplex. Estas variables se suman si la restricción es de signo “≤” y se restan
si la restricción es de signo “≥”. Por ejemplo:

Inecuaciones modeladas mediante programación lineal con signo “≤”

2X1 + 3X2 + 1X3 ≤ 500

3X1+ 1X2 + 1X3 ≤ 700

4X1 + 2X2 + 2X3 ≤ 800

Inecuaciones transformadas en ecuaciones

2X1 + 3X2 + 1X3 + 1h1 + 0h2 + 0h3 = 500

3X1 + 1X2 + 1X3 + 0h1 + 1h2 + 0h3 = 700

4X1 + 2X2 + 2X3 + 0h1 + 0h2 + 1h3 = 800

También esta:

Inecuaciones modeladas mediante programación lineal con signo “≥”

2X1 + 3X2 + 1X3 ≥ 500

3X1+ 1X2 + 1X3 ≥ 700

4X1 + 2X2 + 2X3 ≥ 800

 Inecuaciones transformadas en ecuaciones

2X1 + 3X2 + 1X3 + 1h1 + 0h2 + 0h3 = 500

3X1 + 1X2 + 1X3 + 0h1 + 1h2 + 0h3 = 700

4X1 + 2X2 + 2X3 + 0h1 + 0h2 + 1h3 = 800

Pasos del Método Simplex

Un modelo de programación lineal en forma estándar o canónica está compuesto

por una función objetivo y un conjunto de restricciones. En general puede expresarse
como:

𝑍𝑚𝑎𝑥 = 𝐶1 𝑥1 + 𝐶2 𝑥2 + ⋯ + 𝐶𝑛 𝑥𝑛

Sujeto a:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
…
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚
𝑥, 𝑥2 … 𝑥𝑛 ≥ 0

Y su forma matricial está dada por la expresión: Zmax = 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 del sistema de restricciones.
 Partiendo de un modelo de programación lineal en su forma estándar se realizan
los siguientes pasos para emplear el método simplex:

Paso 1. Convertir las desigualdades en igualdades al sumarles una variable de

holgura hi. Esta variable representa la cantidad que le falta a la desigualdad para ser
igualdad. Y siempre son positivas:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 + ℎ1 = 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 + ℎ2 = 𝑏2

𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 + ℎ𝑚 = 𝑏𝑚

Paso 2. Escribir la función objetivo como una igualdad a cero sumando las
variables de holgura hi con coeficiente cero y conservando positivo el coeficiente de
Zmax, es decir:

𝑍𝑚𝑎𝑥 − 𝐶1 𝑥1 − 𝐶2 𝑥2 − ⋯ − 𝐶𝑛 𝑥𝑛 + 0ℎ1 + 0ℎ2 + ⋯ + 0ℎ𝑚 = 0

Paso 3. Formar la tabla simplex o tabla inicial.

 Se construye la tabla, escribiendo: en la primera celda la etiqueta “Variables

básicas”, en la siguiente la etiqueta “Z”, después los nombres de las variables
originales del modelo, seguidas de las variables de holgura, y en la última celda se
coloca la etiqueta “Solución”.

Variables
Z 𝒙𝟏 𝒙𝟐 … 𝒙𝒏 𝒉𝟏 𝒉𝟐 … 𝒉𝒎 Solución
Básicas
 El segundo renglón contiene los coeficientes, correspondientes a cada variable
original, de la función objetivo escrita como se obtuvo en el paso 2 y con el
coeficiente cero para todas las variables de holgura y la “Solución”.

Variables
Z 𝒙𝟏 𝒙𝟐 … 𝒙𝒏 𝒉𝟏 𝒉𝟐 … 𝒉𝒎 Solución
Básicas

Z 1 −𝐶1 −𝐶2 … −𝐶𝑛 0 0 … 0 0

 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 una matriz identidad en las variables de holgura).

Variables
Z 𝒙𝟏 𝒙𝟐 … 𝒙𝒏 𝒉𝟏 𝒉𝟐 … 𝒉𝒎 Solución
Básicas

Z 1 −𝐶1 −𝐶2 … −𝐶𝑛 0 0 … 0 0

ℎ1 0 𝑎11 𝑎12 … 𝑎1𝑛 1 0 … 0

ℎ2 0 𝑎21 𝑎22 … 𝑎2𝑛 0 1 … 0

… … … … … … … … … 0

ℎ𝑚 0 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 0 0 … 1

 En la columna solución se colocan los términos independientes y además se

identifica un elemento pivote en la celda en la que se interceptan el renglón de
 h1con la columna de h1. Se asocia el valor de la columna solución con la variable
del mismo renglón de la columna de variables básicas, esto es h1= b1

Variables
Z 𝒙𝟏 𝒙𝟐 … 𝒙𝒏 𝒉𝟏 𝒉𝟐 … 𝒉𝒏 Solución
Básicas

Z 1 −𝐶1 −𝐶2 … −𝐶𝑛 0 0 … 0 0

ℎ1 0 𝑎11 𝑎12 … 𝑎1𝑛 1 0 … 0 𝑏1

ℎ2 0 𝑎21 𝑎22 … 𝑎2𝑛 0 1 … 0 𝑏2

… … … … … … … … … 0 …

ℎ𝑚 0 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 0 0 … 1 𝑏𝑚

De manera similar para todas las variables y para Z:

Z=0
𝒉𝟏 = 𝒃𝟏
𝒉𝟐 = 𝒃𝟐
…
𝒉𝒎 = 𝒃𝒎

Con la tabla inicial simplex asociada al modelo de programación lineal se continúa

para encontrar la solución óptima (si es que existe) o bien se determina que el
problema no tiene solución óptima.

Paso 4. Se verifica 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, se continúa.
 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).

Paso 6. Se divide el término 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 el proceso termina.

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 nueva columna de la matriz identidad.

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.