SEMANA 4 Metodo Simplex Io

¡La universidad para todos!
¡La Universidad para todos!
Tema: PL-método simplex

Docente: Mag. Segundo Agustín García Flores
Escuela Profesional Periodo académico: 2019-1B

ADMINISTRACION Y NEGOCIOS Semestre: 6
INTERNACIONALES Unidad: 2
Título del tema
PL Método simplex
Orientaciones
• Lea las previamente las orientaciones generales del

curso.
• Revise los temas afines a este en la Biblioteca Virtual de
la UAP.
• Participe de los foros.
Contenidos temáticos
Forma estándar
Método simplex: paso a paso
Método simplex con M grande
Subtítulos del tema
Forma estándar
Método simplex: paso a paso
Método simplex con M grande
Forma Estándar de un PPL (FE)

Max Z  c1 x1  c2 x2  . . .  c n xn
s.a. a11 x1  a12 x2  . . .  a1n xn  b1
a 21 x1  a 22 x2  . . .  a 2n xn  b 2
 
a m1 x1  a m2 x2  . . . a mn xn  b m
x1 , . . ., x n  0
Forma estándar
Max Z  c1 x1  c2 x2  . . .  c n xn  0 s1  0 s2  . . .  0 s m
s.a. a11 x1  a12 x2  . . .  a1n xn  1 s1  0 s2  . . .  0 sm  b1
a 21 x1  a 22 x2  . . .  a 2n xn  0 s1  1 s2  . . .  0 sm  b 2
      
a m1 x1  a m2 x2  . . .  a mn xn  0 s1  0 s2  . . .  1 sm  b m
x1 , . . ., x n  0; s1 , . . ., s m  0
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román
Departamento de Estadística e I.O. Universidad de Granada

Conversión de desigualdades en igualdades (ecuaciones)
• Restricción menor o igual ( ≤ )
Se debe aumentar en el lado izquierdo una variable de “holgura”. Esta
representa la cantidad disponible del recurso que excede al empleo que le
dan las actividades.
Ejemplo:
6X1 + 4X2 ≤ 24
F.E:
6X1 + 4X2 + S1 = 24 (S1…cantidad no utilizada de recurso)
S1 ≥ 0

• Restricción mayor o igual (≥ )
Se debe incorporar una variable de superávit que representa el
requerimiento mínimo del lado izquierdo, sobre el requerimiento mínimo
del derecho ( cuanto falta para cumplir con lo pedido). Las restricciones
de este tipo comúnmente determinan requerimientos mínimos de
especificaciones.
Ejemplo:
X1 + X2 ≥ 800 → X1 + X2 - r1 = 800
r1 ≥ 0
Sin embargo la F.E pasa por hacer un ajuste más:
X1 + X2 - r1 + t1 = 800
r1, t1 ≥ 0
(t1 = variable artificial (se necesita para generar la solución inicial del simplex)

• Restricción de igualdad (= )
Se debe incorporar una variable artificial.
Ejemplo:
X1 + X2 = 800
X1 + X2 + t1 = 800
t1 ≥ 0 (t1 = variable artificial)
Como las variables artificiales no tienen sentido, es importante que el

simplex las deje fuera al comienzo del procedimiento y esto se logra al
penalizar la inclusión de las variables artificiales en la función objetivo con
un coeficiente ‘M’ muy grande que para el caso de maximizar es ‘- M’ y
para el caso de minimizar es ‘+ M’.
Método Simplex
El algoritmo Simplex, fue creado por el

matemático norteamericano George
Bernard Danzing en 1947.
Se basa en la solución de un sistema

de ecuaciones lineales con el
conocido procedimiento de Gauss-
Jordan
El conjunto de soluciones factibles

para un problema de P.L. es un
conjunto convexo.
EL ALGORITMO DEL SIMPLEX

• El algoritmo del Simplex busca el óptimo de un problema de PL
recorriendo algunos de los vértices del poliedro del conjunto de
soluciones factibles.
• En cada iteración, el algoritmo se desplaza de un vértice a otro de
forma que el valor de la función objetivo mejore con el
desplazamiento. El número de vértices es finito.
• La optimización de un PL puede dar 4 posibles resultados:

1) Óptimo único.
2) Soluciones Alternativas: Existen varias soluciones que dan el mismo
valor en la función objetivo.
3) No factible: No existe ninguna solución que satisfaga
simultáneamente todas las restricciones del problema
4) No acotado: El valor de la función objetivo en el óptimo es tan
grande (pequeño) como se desee en caso de maximización
(minimización).
Método Simplex
Como el algoritmo se mueve de punto en punto extremo requiere que
variables básicas entren y salgan. Las reglas para seleccionar las variables
de entrada y salida se conocen como condiciones de optimalidad y
factibilidad.
Resumiendo:
C. Optimalidad:
La variable de entrada en un problema de maximización es la variable no
básica que tiene el coeficiente más negativo en el reglón de la F.O. los
empates se rompen arbitrariamente. Se llega al óptimo en la iteración
donde todos coeficientes del reglón de la F.O. de las variables básicas son
positivos.
C. Factibilidad:
Tanto para los problemas de maximización como minimización, la variable
de salida es la variable básica asociada con la razón no negativa más
pequeña entre los “lados derecho” y los coeficientes de la columna
entrante.
Método Simplex: pasos
Paso 0: determinar la solución factible inicial.
Paso 1: seleccione la variable de entrada

empleando la condición de optimalidad.
Deténgase si no hay variable de entrada.
Paso 2: seleccione una variable de salida

utilizando la condición de factibilidad.
Paso 3: determine las nuevas soluciones básicas

empleando los cálculos apropiados de Gauss –
Jordan, luego vuelva al paso 1.
Método Simplex: paso a paso

1. Estableciendo el modelo estandar:
Máx:
Forma estándar:
Z = 3x1 + 2x2
2x1 + x2 + s1 = 18
s.a: 2x1 + 3x2 + s2 = 42
2x1 + x2 ≤ 18
3x1 + x2 + s3 = 24
2x1 + 3x2 ≤ 42
S1, S2, S3 son las variables de holgura del
Sistema.
3x1 + x2 ≤ 24
2. F.O igualar a 0 y agregar variable holgura:
x1 ≥ 0 , x2 ≥ 0
Z - 3x1 - 2x2 = 0
Z - 3x1 - 2x2 +0s1 +0s2 +0s3 = 0
Cuando minimizamos se toma el valor (+) positivo de FO
para convertirlo en negativo y cuando maximizamos
tomamos el valor (-) negativo de FO para convertirlo en
positivo.

Max Z  c1 x1  c2 x2  . . .  c n xn  0 s1  0 s2  . . .  0 s m
s.a. a11 x1  a12 x2  . . .  a1n xn  1 s1  0 s2  . . .  0 sm  b1
a 21 x1  a 22 x2  . . .  a 2n xn  0 s1  1 s2  . . .  0 sm  b 2
      
a m1 x1  a m2 x2  . . .  a mn xn  0 s1  0 s2  . . .  1 sm  b m
x1 , . . ., x n  0; s1 , . . ., s m  0
Tablero inicial simplex:
costos c1 c2 ... cn 0 0 ... 0

v. básicas x1 x2 ... xn s1 s2 ... sm x Bk
s1 a11 a12 ... a1n 1 0 ... 0 b1
s2 a 21 a 22 ... a 2n 0 1 ... 0 b2
         
sm a m1 a m2 ... a mn 0 0 ... 1 bm
AUTORAS: M.J. García-Ligero Ramírez y P. Román Román

Departamento de Estadística e I.O. Universidad de Granada

3. Escribir el tablero inicial simplex:
En las columnas van todas las variables del PL y, en las filas, los
coeficientes del sistema FE, una fila para cada restricción y la última fila
con los coeficientes de la FO:
Tablero Inicial
Variable de Solución
Base Variable de holgura
decisión (T.I)
Z X1 X2 S1 S2 S3
S1 2 1 1 0 0 18
S2 2 3 0 1 0 42
S3 3 1 0 0 1 24
1 -3 -2 0 0 0 0 F.O

3. Encontrar la variable que entra en la base y la holgura que sale de la base:
a) Para escoger la variable de decisión que entra en la base, observamos la
última fila, la cual muestra los coeficientes de la FO y escogemos la
variable con el coeficiente más negativo (en valor absoluto). En este
caso, la variable x1 de coeficiente (- 3). (columna pivote)
 Si existiesen dos o más coeficientes iguales que cumplan la

condición anterior, se elige cualquiera de ellos.
 Si en la última fila no existiese ningún coeficiente negativo, significa

que se ha alcanzado la solución óptima.
Por tanto, el final del proceso de aplicación del método del simplex, es que
en la última fila no haya elementos negativos.

b) Para encontrar la variable de holgura que tiene que salir de la
base, se divide cada término de la última columna (TI) por el
término correspondiente de la columna pivote, siempre que
estos últimos sean positivos.
 Si hubiese algún elemento menor o igual que cero no se hace

dicho cociente.
 En el caso de que todos los elementos fuesen menores o

iguales a cero, entonces tendríamos una solución no
acotada y no se puede seguir.
Recordar: Para escoger la columna observe el negativo con mayor valor absoluto en FO. Para la
fila se divide los T.I entre los coeficientes de la columna seleccionada, sin considerar negativos ni
ceros. La fila seleccionada corresponde al menor valor de la operación.
Iteración No. 1
Variable de
Base Variable de holgura Solución Operación
decisión
X1 X2 S1 S2 S3
2 1 1 0 0 18 18/2 = 9
S1
S2 2 3 0 1 0 42 42/2 = 21
S3 3 1 0 0 1 24 24/3 = 8
No se toma por
Z -3 -2 0 0 0 0 ser negativo el
coef.

Si al calcular los cocientes, dos o más son iguales, indica que
cualquiera de las variables correspondientes pueden salir de la base.
c) En la intersección de la fila pivote y columna pivote tenemos el

elemento pivote operacional, 3, este indica que la variable de
decisión X1 entra y la variable de holgura S3 sale.
5. Encontrar los coeficientes para el nuevo tablero simplex:
Los nuevos coeficientes de la fila pivote se obtienen dividiendo
todos los coeficientes de la fila por el pivote operacional “3”, ya que
este se debe convertir en 1.
A continuación mediante la reducción gaussiana hacemos ceros

los restantes términos de la columna pivote, con lo que obtenemos
los nuevos coeficientes de las otras filas incluyendo los de la función
objetivo Z.
Iteración No. 1
Variable de
decisión
X1 X2 S1 S2 S3
S1 2-2*1 1-2*1/3 1 0 0-2*1/3 18-2*8 F1  2 * F3
S2 2-2*1 3-2*1/3 0 1 0-2*1/3 42-2*8 F2  2 * F3

S3 3/3=1 1/3 0 0 1/3 24/3=8
Z -3+3*1 -2+3*1/3 0 0 0+3*1/3 0+3*8 F4  3 * F3


Resultado de Iteración No. 1
Base Variable de Variable de holgura Solución Operación

decisión
X1 X2 S1 S2 S3
S1 0 1/3 1 0 -2/3 2
S2 0 7/3 0 1 -2/3 26
X1 1 1/3 0 0 -1/3 8
Z 0 -1 0 0 1 24 FO
Como en los elementos de la última fila hay un número negativo, -1,

significa que no hemos llegado todavía a la solución óptima.

Repetir el proceso simplex:
A. La variable que entra en la base es x2, por ser la columna pivote

que corresponde al coeficiente -1
B. Para calcular la variable que sale o la fila pivote, dividimos los

términos de la columna solución entre los términos de la nueva
columna pivote:
y como el menor cociente positivo es 6, tenemos que la fila pivote
y la variable de holgura que sale es S1.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.

Y se opera de forma análoga a la anterior iteración

Iteración No. 2
Variable de
decisión
X1 X2 S1 S2 S3
S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6
S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7
X1 1 1/3 0 0 -1/3 8 8/(1/3) = 24
Z 0 -1 0 0 1 24

Variable de
decisión
X1 X2 S1 S2 S3
X2 0 1 3 0 -2 6
S2 0 0 -7 0 4 12
X1 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
Como en los elementos de la última fila hay uno negativo, -1,

significa que no hemos llegado todavía a la solución óptima.

Repetir el proceso simplex:
A. La variable que entra en la base es S3, por ser la variable que
corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los términos de la última

columna entre los términos correspondientes de la nueva columna
pivote:
6/(-2) = - 3, 12/4 = 3, 6/1 = 6
y como el menor cociente positivo es 3, tenemos que la variable de
holgura que sale es S2.
C. El elemento pivote, que ahora hay que hacer 1, es 4.

Iteración No. 3
Variable de
decisión
X1 X2 S1 S2 S3
X2 0 1 3 0 -2 6
S2 0 0 -7 0 4 12 12/4 = 3
X1 1 0 -1 0 1 6 6/1 = 6
Z 0 0 3 0 -1 30

Variable de
decisión
X1 X2 S1 S2 S3
X2 0 1 -1/2 0 0 12
S3 0 0 -7/4 0 1 3
X1 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Todos los coeficientes de la fila de la función objetivo son

positivos, hemos llegado a la solución óptima.

Tablero Final
Variable de
Base Variable de holgura Solución
decisión
X1 X2 S1 S2 S3
X2 0 1 -1/2 0 0 12
S3 0 0 -7/4 0 1 3
X1 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Solución óptima: Z = 33; X1 = 3; X2 = 12.

Método Simplex: ejemplo
Máx: Z = 3X1 + 5X2

s.a:
X1 ≤ 4
2X2 ≤ 12
3X1 + 2X2 ≤ 18 FORMA ESTANDAR
X1,X2 ≥ 0 Z = 3X1 + 5X2 + 0X3+ 0X4 + 0X5
S.a
1) X1 + X3 =4
2) 2X2 + X4 = 12
3) 3X1 + 2X2 + X5 = 18
Z - 3X1 - 5X2 = 0
• Paso inicial: Se introducen las variables de holgura, se

seleccionan las variables de decisión como no básicas
iníciales
Variable Coeficientes de: T. I

básica
Z X1 X2 X3 X4 X5
Z 1 -3 -5 0 0 0 0
X3 0 1 0 1 0 0 4
X4 0 0 2 0 1 0 12
X5 0 3 2 0 0 1 18

• Se determina la variable básica, con la selección de la variable con
el coeficiente negativo que tiene el mayor valor absoluto de la
ecuación 0.
• Paso 2: Determinar la variable básica que sale con la prueba del
cociente mínimo.
básica Z X1 X2 X3 X4 X5
Z 1 -3 -5 0 0 0 0
X3 0 1 0 1 0 0 4
12
X4 0 0 2 0 1 0
12/2=6 Mín
18
X5 0 3 2 0 0 1
18/2=9

Z 1 -3 -5 0 0 0 0
X3 0 1 0 1 0 0 4
X4 0 0 2 0 1 0 12
X5 0 3 2 0 0 1 18
Z 1
X3 0
x2 0 0 1 0 ½ 0 6
X5 0

Z 1 -3 -5 0 0 0 0
S3 0 1 0 1 0 0 4
S4 0 0 2 0 1 0 12
S5 0 3 2 0 0 1 18
Z 1 -3 0 0 5/2 0 30
X3 0 1 0 1 0 0 4
X2 0 0 1 0 ½ 0 6
X5 0 3 0 0 -1 1 6

Variable Coeficientes de: T.I.
Z 1 -3 0 0 5/2 0 30
S3 0 1 0 1 0 0 4 (4/1=4)
x2 0 0 1 0 ½ 0 6
S5 0 3 0 0 -1 1 6 (6/3 =2)
Z 1 0 0 0 3/2 1 36
X3 0 0 0 1 1/3 -1/3 2
x2 0 0 1 0 ½ 0 6
x1 0 1 0 0 -1/3 1/3 2
Al hacer la prueba de optimalidad, se encuentra que la solución es óptima porque no hay

coeficientes negativos en el renglón 0, de manera que el algoritmo termina.
Solución: Z=36; X1 = 2; X2 = 6; X3 = 2; X4 = 0; X5 = 0.
METODO SIMPLEX: M GRANDE
• En el contexto de la aplicación del Método Simplex no siempre es

inmediata la obtención de una solución básica factible inicial, en las
variables originales del modelo. Para conseguir esto existen varios
procedimientos como son el Método Simplex de 2 Fases y el Método
de la M Grande (o Gran M) el cual abordaremos en esta presentacion.
• Por ejemplo:
Min: Z = 0,4X1 + 0,5X2
s.a:
0,3X1 + 0,1X1 ≤ 2,7
0,5X1 + 0,5X2 = 6
0,6X1 + 0,4X2 ≥ 6
X1,X2 ≥ 0

A continuación agregamos las variables no negativas X3 (holgura), r1
(auxiliar), X4 (exceso) y r2 (auxiliar).
El modelo en la forma de ecuaciones:

Min: Z = 0,4X1 + 0,5X2 +Mr1 + Mr2
s.a: 0,3X1 + 0,1X2 + X3 = 2,7
0,5X1 + 0,5X2 + r1 = 6
0,6X1 + 0,4X2 - X4 + r2 = 6
X1, X2,X2 ≥ 0 r1, r2 ≥ 0
Donde el parámetro M es una constante positiva
suficientemente grande para representar una penalización
adecuada en la función objetivo.
• La tabla inicial del método esta dada por:
Variable Coeficientes de:

T.I.
básica X1 X2 X3 X4 r1 r2
X3 3/10 1/10 1 0 0 0 27/10
r1 ½ 1/2 0 0 1 0 6
r2 3/5 2/5 0 -1 0 1 6
F.O 2/5 1/2 0 0 M M 0

• Antes de continuar con las iteraciones se debe procurar que el
costo reducido de las variables r1 y r2 sean ceros. Para ello
multiplicamos por -M la fila 2 y la fila 3 y luego sumamos a la fila 4,
obteniendo lo siguiente:
Coeficientes de:
T.I.
X1 X2 X3 X4 r1 r2
X3 3/10 1/10 1 0 0 0 27/10
r1 ½ 1/2 0 0 1 0 6
r2 3/5 2/5 0 -1 0 1 6
-1/2M + 2/5 -3/5M -1/2M+1/2-2/5M 0+1M 0-6M-6M

0 M-1M = 0 M-1M =0
= -1,1M+0,4 = -0,9M+0,5 =M = -12M
Coeficientes de: T.I.

X1 X2 X3 X4 r1 r2
3/10 1/10 1 0 0 0 27/10
½ 1/2 0 0 1 0 6
3/5 2/5 0 -1 0 1 6
-1,1M+0,4 -0,9M+0,5 0 M 0 0 -12M

• Seleccionar que variable no básica ingresa a la base. El menor costo
reducido corresponde a la variable X1 por tanto dicha variable
ingresa a la base. Luego calculamos el mínimo cociente en dicha
columna:  27/10 6 6 
min  , , 9
 3/10 1/2 3/5 
el cual se alcanza en la fila 1, por tanto la variable X3 deja la base.
X1 X2 X3 X4 r1 r2
1 1/3 10/3 0 0 0 9
½-1/2=0 ½-1/6 0-5/3 0 1 0 6-9/2
3/5-3/5=0 2/5-1/5 0-2 -1 0 1 6-27/5
-1,1M+0,4+ - 0+10(1,1M-0,4 M 0 0 -12M+9(1,1M-0,4)
1,1M-0,4 0,9M+0,5+(1,1M- )/3= (11M-4)/3 = -2,1M-3,6
=0 0,4)/3
=(-16M+11)/30

X1 X2 X3 X4 r1 r2
1 1/3 10/3 0 0 0 9
0 1/3 -5/3 0 1 0 3/2
0 1/5 -2 -1 0 1 3/5
0 (-16M+11)/30 (11M-4)/3 M 0 0 -2,1M-3,6

Siguiendo con las iteraciones ahora la variable X2 entra a la base. El criterio
de factibilidad indica que:

9 3/2 3/5 
min  , , 3
1/3 1/3 1/5 
la variable r2 abandona la base (el pivote se encuentra en la fila 3).

X1 X2 X3 X4 r1 r2
1 1/3-1/3=0 10/3+10/3=20/3 0+5/3=5/3 0 0-5/3=-5/3 9-1=8
0 1/3-1/3=0 -5/3+10/3=5/3 0+5/3=5/3 1 0-5/3=-5/3 3/2 -1=1/2
0 1 -10 -5 0 5 3
0 (- (11M-4)/3 - M- 5(16M- 0 0+5(16M- -2,1M-
16M+11)/30+ 10(16M-11)/30 11)/30 11)/30 3,6+3(16M-
(16M-11)/30 = (-5M+7)/3 = (-10M+11)/6 =(16M-11)/6 11)/30
=0 = -0,5M - 4,7

X1 X2 X3 X4 r1 r2
1 0 20/3 5/3 0 -5/3 8
0 0 5/3 5/3 1 -5/3 1/2
0 1 -10 -5 0 5 3
0 0 (-5M+7)/3 (-10M+11)/6 0 (16M-11)/6 -0,5M - 4,7

Una nueva iteración indica que X4 ingresa a la base. El mínimo cociente en la
respectiva columna es:
 8 1/2 
min  ,   3 / 10
 20/3 5/3 
Ahora el pivote se encuentra en la fila 2 y en consecuencia r1 deja la base.

X1 X2 X3 X4 r1 r2
1 0 20/3-5/3=0 5/3-5/3=0 0-1=-1 -5/3+5/3=0 8-1/2=15/2
0 0 1 1 3/5 -1 3/10
0 1 -10+5=-5 -5+5=0 0+3=3 5-5=0 3+3/2=9/2
0 0 (-5M+7)/3+ (- 0+3(10M- (16M-11)/6- -0,5M -
(10M-11)/6 10M+11)/6+(10M- 11)/30 (10M-11)/6 4,7+3(10M-
= 1/2 11)/6 = (10M-11)/10 =M 11)/60
=0 = -5,25

X1 X2 X3 X4 r1 r2
1 0 0 0 -1 0 15/2
0 0 1 1 3/5 -1 3/10
0 1 -5 0 3 0 9/2
0 0 0,5 0 M - 1,1 M - 5,25
Solución
Z = 5,25; X1 = 7,5; X2 = 4,5; X3 = 0; X4 = 0,3;
r1 = 0; r2 = 0;
Resolución gráfica. El dominio de

soluciones factibles corresponde a la recta
que une los vértices A y B. Adicionalmente
se muestra la curva de nivel que pasa por
la solución óptima (vértice B).
• Teóricamente se espera que en la aplicación del Método de la M

Grande las variables auxiliares sean no básicas en el óptimo. Si el
modelo de Programación Lineal es infactible (es decir, si las
restricciones no son consistentes), la iteración del Método Simplex
final incluirá al menos una variable artificial como básica.
• Adicionalmente la aplicación de la técnica de la M Grande implica

teóricamente que M tiende a infinito. Sin embargo al usar la
computadora M debe ser finito, pero suficientemente grande. En
específico M debe ser lo bastante grande como para funcionar
como penalización, al mismo tiempo no debe ser tan grande como
para perjudicar la exactitud de los cálculos del Método Simplex, al
manipular una mezcla de números muy grandes y muy pequeños.
Conclusiones y/o actividades de investigación

sugeridas
Se ha logrado comprender que la idealización de

un sistema ayuda a plantear problemas reales a
través de un modelo matemático.
Una comparación del método gráfico y simplex
http://www.phpsimplex.com/ejemplo_metodo_grafico.
htm
Problema de minimización con método simplex

https://youtu.be/dCUibIBOb20
¡Gracias!

SEMANA 4 Metodo Simplex Io

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

SEMANA 4 Metodo Simplex Io

Загружено:

Авторское право:

Доступные форматы

¡La universidad para todos!

¡La Universidad para todos!

Tema: PL-método simplex

Escuela Profesional Periodo académico: 2019-1B

Título del tema

• Lea las previamente las orientaciones generales del

Subtítulos del tema

Forma Estándar de un PPL (FE)

Forma Estándar de un PPL (FE)

Forma Estándar de un PPL (FE)

Forma Estándar de un PPL (FE)

Como las variables artificiales no tienen sentido, es importante que el

El algoritmo Simplex, fue creado por el

Se basa en la solución de un sistema

El conjunto de soluciones factibles

EL ALGORITMO DEL SIMPLEX

• La optimización de un PL puede dar 4 posibles resultados:

Método Simplex: pasos

Paso 0: determinar la solución factible inicial.

Paso 1: seleccione la variable de entrada

Paso 2: seleccione una variable de salida

Paso 3: determine las nuevas soluciones básicas

Método Simplex: paso a paso

Método Simplex: paso a paso

Tablero inicial simplex:

costos c1 c2 ... cn 0 0 ... 0

AUTORAS: M.J. García-Ligero Ramírez y P. Román Román

Método Simplex: paso a paso

Método Simplex: paso a paso

 Si existiesen dos o más coeficientes iguales que cumplan la

 Si en la última fila no existiese ningún coeficiente negativo, significa

Método Simplex: paso a paso

 Si hubiese algún elemento menor o igual que cero no se hace

 En el caso de que todos los elementos fuesen menores o

Método Simplex: paso a paso

Método Simplex: paso a paso

c) En la intersección de la fila pivote y columna pivote tenemos el

A continuación mediante la reducción gaussiana hacemos ceros

Método Simplex: paso a paso

S1 2-2*1 1-2*1/3 1 0 0-2*1/3 18-2*8 F1  2 * F3

S2 2-2*1 3-2*1/3 0 1 0-2*1/3 42-2*8 F2  2 * F3

Z -3+3*1 -2+3*1/3 0 0 0+3*1/3 0+3*8 F4  3 * F3

Método Simplex: paso a paso

Base Variable de Variable de holgura Solución Operación

Como en los elementos de la última fila hay un número negativo, -1,

Método Simplex: paso a paso

A. La variable que entra en la base es x2, por ser la columna pivote

B. Para calcular la variable que sale o la fila pivote, dividimos los

C. El elemento pivote, que ahora hay que hacer 1, es 1/3.

Método Simplex: paso a paso

S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6

S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7

X1 1 1/3 0 0 -1/3 8 8/(1/3) = 24

Método Simplex: paso a paso

Como en los elementos de la última fila hay uno negativo, -1,

Método Simplex: paso a paso

B. Para calcular la variable que sale, dividimos los términos de la última

C. El elemento pivote, que ahora hay que hacer 1, es 4.

Método Simplex: paso a paso

Método Simplex: paso a paso

Todos los coeficientes de la fila de la función objetivo son

Método Simplex: paso a paso

S1 2-21 1-21/3 1 0 0-21/3 18-28 F1  2 * F3

S2 2-21 3-21/3 0 1 0-21/3 42-28 F2  2 * F3

Z -3+31 -2+31/3 0 0 0+31/3 0+38 F4  3 * F3