El Método Simplex

Es un procedimiento algebraico creado por George

Método Simplex Dantzig en 1947 para hallar la solución óptima a un
problema de Programación Lineal.

Investigación Operativa I Con este método, en vez de probar con cada punto
extremo de la región de factibilidad, se inicia con
Mg. Giovana Valverde Ayala cualquier punto extremo de la región de factibilidad y
mediante transformaciones elementales se llega a
puntos extremos más eficientes.

Mg. Giovana Valverde A. 2

Estandarización Estandarización (Cont.)

Es el proceso por el cual se eliminan las inecuaciones del
sistema añadiendo variables de holgura o de excedencia Ejm:
obteniendo así un sistema de ecuaciones . Max z = 2x1 + 5x2 – x3
s.a: x1 + x2 <= 3
Modelo General: n x2 + 2x3 >= 1
Max o (Min) Z = ∑ Ci X i Forma Estándar: x1 + x3 <= 4
n n
∀ X i ≥ 0 , i = 1 ,..., n
Max o (Min) Z − ∑ Ci X i ± 0∑ S j = 0
i =1
s.a: Estandarizando:
i =1 i =1
n ≤ s.a: Max z - 2x1 - 5x2 + x3 - 0S1 + 0S2 - 0S3 = 0
∑ a ij X i
≥
b j n
i=1
∑ a ij X i ± S j =b j x1 + x2 + S1 =3
∀ X ≥ 0 i=1
i
∀ X ,S ≥ 0 x2 + 2x3 - S2 =1
i j ∀ X ≥ 0 , i = 1 ,..., n
i = 1 , 2 ,..., n
i = 1 , 2 ,...,
x1 + x3 + + S3 = 4 i

j = 1 , 2 ,..., m
j = 1 , 2 ,...,
n
m
∀ S j ≥ 0 , j = 1 ,..., m
Mg. Giovana Valverde A. 3 Mg. Giovana Valverde A. 4

1
 Variables de Holgura Variables de Holgura - Ejemplo

En las restricciones (≤) el lado derecho representa el límite Max z= 3x1 + 4x2 Si x1:cantidad de producto1 que se debe producir
x2:cantidad de producto2 que se debe producir
sobre la disponibilidad de un recurso y el lado izquierdo el S.a: Según el tiempo de producción del dpto:
6x1+ x2 <= 16
uso de ese recurso limitado. 6x1+ x2 <= 16 Uso del recurso tiempo Limite del recurso Tiempo

Una holgura representa la cantidad del recurso que no se 2x1+3x2 <= 9

∀ xi≥0, i=1,2
utiliza.
El problema adopta la forma estándar con n+m= 4 incognitas.
Las variables positivas Sj introducidas para convertir las
desigualdades <= en igualdades, y se llaman variables de
holgura. 6x1+ x2 + S1 = 16
∀ xi≥0, i=1,2
2x1+3x2 +S2 = 9
∀ Sj ≥0, j=1,2
Mg. Giovana Valverde A. 5 Mg. Giovana Valverde A. 6

Variable de Superávit o Excedencia

Variables Excedentes - Ejemplo
Las restricciones (≥) determinan requerimientos mínimos Min z= 5x1 + x2
de especificaciones. S.a:
Un superávit representa el exceso del lado izquierdo sobre
2x1 + 4x2 >= 17
el requerimiento mínimo. ∀ xi≥0, i=1,2
x1 - 6x2 >= 10
Las variables positivas Sj introducidas para convertir las
desigualdades >= en igualdades, se llaman variables
El problema adopta la forma estándar con n+m= 4 incógnitas.
excedentes.
2x1+ 4x2 - S1 = 17 ∀ xi≥0, i=1,2
x1+6x2 - S2 = 10 ∀ Sj ≥0, j=1,2

Mg. Giovana Valverde A. 7 Mg. Giovana Valverde A. 8

2
Definiciones previas Definiciones previas
Solución básica: Resulta de resolver el EJEMPLO:
sistema para las m variables básicas y hacer Sea:
las n-m restantes iguales a cero. Max Z = 2x1+x2
Solución básica
Solución factible: Aquella sol. donde se S.a: factible óptima
Z*=6

cumplen todas las restricciones. L1: x1 + 2x2 ≤ 4

X1=2
X2=1

Solución factible básica: Aquella sol. básica L2: x1 ≤ 2

donde se cumplen todas las restricciones, que L3: -x1 + x2 ≤ 1
vienen a ser los puntos extremos. 0 ≤ x1, x2
(0,0)

Mg. Giovana Valverde A. 9 Mg. Giovana Valverde A. 10

Definiciones previas Soluciones Básicas Factibles

Solución básica:
Resulta de resolver el sistema
En el sistema Ax=b, x>=0 para las m variables básicas y
hacer las n-m restantes iguales
Tenemos: A =[ B N]mxn , b es un vector, a cero.
B es una matriz invertible mxm
Soluciones básicas: (0,2), (0,1), (-1,0), (4,0), (2,1), (2,0), y N es una matriz mx(n-m)
(2/3,5/3), (2,3), (0,0) Definición: El punto x=[xB,xN] se llama solución básica del sistema,
con:
Soluciones factibles: Toda la región sombreada, es decir;
generada por las inecuaciones. xB= B-1b variables básicas
xN= 0 variables NO básicas
Soluciones factibles básicas: (0,1), (2,1), (2,0), (2/3,5/3),
(0,0) Si xB>=0, entonces se llama solución básica factible del sistema.
B es la matriz básica (Base) y N es la matriz No básica.
Solución factible básica óptima: (2,1)
Si xB>0, x se llama solución básica factible No degenerada.
Si al menos una componente de xB es cero, entonces x se llama
solución básica factible degenerada.
Mg. Giovana Valverde A. 11 Mg. Giovana Valverde A. 12

3
 Ejemplo ...Ejemplo
Sea un conjunto poliédrico definido por las sgtes desigualdades: Standarizamos agregando variables de holgura:
2 x1 + 4 x2 <= 8 ..........L1 2 x1 + 4 x2 + S1 =8
3 x1 + 2 x2 <= 6 ..........L2 3 x1 + 2 x2 + S2 = 6
x2 x1,x2 >=0 x1, x2, S1, S2 >=0 ⎡2 4 1 0⎤
La matriz de Restricciones A=[a1,a2,a3,a4]= ⎢⎣3 2 0 1⎥⎦
Hallaremos la solución básica factible encontrando un Bmxm=B2x2
Tal que xB= B-1b >=0
( 0, 2 ) ( 1 , 3/2 ) Posibles formas en las que B se puede extraer de A:
⎡2 4⎤
1) B = [a 1 , a 2 ] = ⎢ ⎥
⎣3 2⎦
x1
⎡ x1 ⎤ ⎡− 1 4 1 2 ⎤ ⎡8 ⎤ ⎡ 1 ⎤ ⎡ x ⎤ ⎡0 ⎤
(0,0) : Puntos Extremos X B = ⎢ ⎥ = B −1b = ⎢ =
− 1 4 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ 3 2 ⎥⎦ = ⎢ 3⎥ = ⎢ ⎥
(2,0)
X
L2 L1 Soluciones Básicas Factibles ⎣ x2 ⎦ ⎣ 3 8 N
⎣ x4 ⎦ ⎣0 ⎦
Mg. Giovana Valverde A. 13 Mg. Giovana Valverde A. 14

...Ejemplo ...Ejemplo
⎡2 0⎤ ⎡4 0⎤
2 ) B = [a 1 , a 4 ] = ⎢ 5 ) B = [a 2 , a 4 ] = ⎢
⎣3 1 ⎥⎦ ⎣2 1 ⎥⎦

⎡x ⎤ ⎡ 1 4 0 ⎤ ⎡8 ⎤ ⎡2 ⎤ ⎡ x ⎤ ⎡0⎤
⎡x ⎤ ⎡ 1 2 0 ⎤ ⎡8 ⎤ ⎡ 4 ⎤ ⎡ x ⎤ ⎡0 ⎤ = ⎢ 2 ⎥ = B −1b = ⎢ = XN = ⎢ 1⎥ = ⎢ ⎥
= ⎢ 1 ⎥ = B − 1b = ⎢ 1 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ 2 ⎥⎦
= XN = ⎢ 2⎥ = ⎢ ⎥ X
1 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ − 6 ⎥⎦
X
⎣− 1 2 ⎣ x3 ⎦ ⎣0⎦
B
B
⎣ x4 ⎦ ⎣− 3 2 ⎣ x4 ⎦
⎣ x3 ⎦ ⎣0⎦
⎡1 0⎤
⎡2 1⎤ 6 ) B = [a 3 , a 4 ] = ⎢
3 ) B = [a 1 , a 3 ] = ⎢ 1 ⎥⎦
⎣3 0 ⎥⎦ ⎣0

⎡ x1 ⎤ ⎡0 1 3 ⎤ ⎡8 ⎤ ⎡2 ⎤ ⎡x ⎤ ⎡1 0 ⎤ ⎡8 ⎤ ⎡8 ⎤ ⎡ x ⎤ ⎡0⎤
⎡ x ⎤ ⎡0⎤ = ⎢ 3 ⎥ = B −1b = ⎢ = XN = ⎢ 1⎥ = ⎢ ⎥
X B = ⎢ ⎥ = B −1b 1 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ 6 ⎥⎦
= ⎢ = X
− 2 3 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ 4 ⎥⎦ XN = ⎢ 2⎥ = ⎢ ⎥
B
⎣ x3 ⎦ ⎣1 ⎣ x4 ⎦ ⎣0 ⎣ x2 ⎦ ⎣ 0 ⎦
⎣ x4 ⎦ ⎣ 0 ⎦
⎡4 1⎤
„ Los casos 1,3,5 y 6 son soluciones básicas factibles.
4 ) B = [a 2 , a 3 ] = ⎢ ⎥
⎣2 0⎦ „ Los casos 2 y 4 son soluciones básicas pero no factibles
⎡ ⎤
x ⎡0 1 2 ⎤ ⎡8 ⎤ ⎡ 3 ⎤
⎡ x ⎤ ⎡0⎤ porque una de las componentes del XB es menor que cero, por lo
X B = ⎢ 2 ⎥ = B −1b = ⎢1 =
⎣ x3 ⎦ ⎣ − 2 ⎥⎦ ⎢⎣ 6 ⎥⎦ ⎢⎣ − 4 ⎥⎦ XN = ⎢ 1⎥ = ⎢ ⎥ tanto viola las condiciones de no negatividad.
⎣ x4 ⎦ ⎣ 0 ⎦
Mg. Giovana Valverde A. 15 Mg. Giovana Valverde A. 16

4
 Número de Soluciones Básicas
...Ejemplo Factibles
Nuestras soluciones básicas factibles en E4 son:
⎡ 1 ⎤ ⎡ 2 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤ En general el número de Soluciones Básicas Factibles es menor
⎢ 3 o igual que:
⎢ 2 ⎥⎥ ⎢ 0 ⎥ ⎢ ⎥ ⎢ ⎥
⎥ , ⎢ 2 ⎥ , ⎢ 0 ⎥
, ⎢
⎢ 0 ⎥ ⎢ 4 ⎥ ⎢ 0 ⎥ ⎢ 8 ⎥ Número de variables→ ⎛ n ⎞ n!
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎜⎜ ⎟⎟ =
⎣ 0 ⎦ ⎣ 0 ⎦ ⎣ 2 ⎦ ⎣ 6 ⎦ Número de restricciones →
⎝ m ⎠ m ! ( n − m )!
Estos puntos pertenecen a E4 porque al introducir las variables Del ejemplo anterior:
de holgura se tienen n+m=2+2 = 4 variables.
Puntos proyectados en E2: se tienen las sgtes soluciones ⎛ 4 ⎞ 4!
⎜⎜ ⎟⎟ = = 6
básicas factibles: ⎝ 2 ⎠ 2 ! ( 4 − 2 )!
⎡ 1 ⎤ ⎡ 2 ⎤ ⎡ 0 ⎤ ⎡ 0 ⎤
⎢1 3 ⎥ , ⎢ 0 ⎥ , ⎢ 2 ⎥ , ⎢ 0 ⎥ El numero de Soluciones Básicas Factibles fue:
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
NSBF= 4 <= 6
Estos son los puntos extremos de la región factible. Los puntos del caso 2 y 4 violaron la No Negatividad.
Mg. Giovana Valverde A. 17 Mg. Giovana Valverde A. 18

Función Objetivo Definición de las Variables

La función representativa de la medida de eficiencia Z = Medida de eficiencia del sistema.

(FUNCION OBJETIVO Z) debe ser igual a la suma
algebraica del producto de cada nivel de actividad
(VARIABLE DE CONTROL Xi) por la contribución positiva o
negativa de dicha actividad (Ci) a la medida de eficiencia
del sistema.
Z = c1x1 + c2x2 + c3x3+…+cnxn
Ci = Contribución de una unidad de actividad al valor de la
medida de eficiencia.
Xi = Nivel de la actividad i o variable de control o variable
de decisión.
aij = cantidad de actividad i necesario para cada unidad de
recurso j.
bj = Cantidad de recurso j disponible.

Mg. Giovana Valverde A. 19 Mg. Giovana Valverde A. 20

5
Condición de Optimalidad
Se verifica en la Función Objetivo
El objetivo es encontrar la variable NO
básica que entrará a la base.
Mg. Giovana Valverde A.
Condición de Factibilidad
Se verifica en las Restricciones
El objetivo es encontrar la variable
Básica que saldrá de la base.
Mg. Giovana Valverde A.
Condición de Optimalidad
Problema de Maximización:
La variable entrante es seleccionada como la variable NO básica
que tiene el coeficiente más negativo en la ecuación de la
función objetivo.
El Proceso termina cuando todos los coeficientes de las variables
NO básicas son cero o positivos.
Problema de Minimización:
La variable NO básica que entra a la base es la que tiene el
coeficiente más positivo en la ecuación de la función objetivo.
El proceso termina cuando todos los coeficientes son negativos
o cero.
21 Mg. Giovana Valverde A. 22
Condición de Factibilidad
La variable que sale de la base es la
variable básica correspondiente al más
pequeño cociente obtenido de dividir
los valores de la solución y los
coeficientes positivos de la restricción
de la variable entrante.
23 Mg. Giovana Valverde A. 24
6
 Método Simplex - Forma de Tabla
El Método Simplex Forma
n m

Estándar
Z − ∑i = 1
c i x i + 0 ∑j = 1
S j = 0

Var. NO Básicas Var. Básicas

PROCEDIMIENTO Valor Var. De Decisión Disponib.
Objetivo bj
x1 x2 ... xn S1 S2 ... Sm
1. Se estandarizan la función objetivo y el sistema de
inecuaciones que determina al problema. Z 1 c1 c2 ... cn 0 0 ... 0 0
Coef.
F.O.
2. Se expresa el problema en forma de tabla.
S1 0 a11 a12 ... a1n 1 0 ... 0 b1
3. Se escoge la solución básica inicial y empieza la iteración.
S2 0 a21 a22 ... a2n 0 1 ... 0 b2
4. Generar una nueva solución factible usando las condiciones
de optimalidad y factibilidad hasta que dicha solución ... ... ... ... ... ... ... ... ... ... ...

óptima sea obtenida, siempre que exista y sea finito. Sm 0 am1 am2 ... amn 0 0 ... 1 bm

Matriz Tecnológica Matriz Básica

Mg. Giovana Valverde A. 25 Mg. Giovana Valverde A. 26

Ejemplo: Solución

Un carpintero fabrica sillas y mesas, su producción está Variables de decisión:

limitada por lo siguiente: „ X1: cantidad de sillas a producir
Él dispone por semana 36 listones. „ X2: cantidad de mesas a producir
„ Para cada silla requiere 4 listones de madera. F.O.: Maximizar ganancias (beneficios)
„ Para cada mesa requiere 4 listones de madera. Max z= 200 x1 + 300 x2
Él dispone por semana 48 horas de mano de obra. s.a:
„ Para cada silla dispone 3 horas de mano de obra. Š Según limitación de madera:
„ Para cada mesa dispone 6 horas de mano de obra. 4 x1 + 4 x2 <= 36
Š Según mano de obra:
Determine el plan de producción óptima, si:
3 x1 + 6 x2 <= 48
„ La utilidad por silla es s/200 Š Restricción de No negatividad
„ La utilidad por mesa es s/300 x1, x2 >= 0

Mg. Giovana Valverde A. 27 Mg. Giovana Valverde A. 28

7
 Interpretación de las Variables según el
ejemplo 1. Estandarizando:
Z = Medida de eficiencia del sistema.
„ Z=utilidad

Ci = Contribución de una unidad de actividad al valor de la medida de eficiencia. „ Convertir las desigualdades en igualdades
„ C1: s/200 de utilidad por silla Se introduce una variable de holgura por cada una de las
„ C2:s/300 de utilidad por mesa restricciones, para convertirlas en igualdades, resultando el
Xi = Nivel de la actividad i o variable de control o variable de decisión. sistema de ecuaciones lineales:
„ X1:cantidad de sillas a producir Max z= 200 x1 + 300 x2 + 0 s1 + 0 S2
„ X2:cantidad de mesas a producir s.a:
aij = cantidad de actividad i necesario para cada unidad de recurso j. Solución
4 x1 + 4 x2 + S1 = 36
a11: cantidad de recurso madera necesario para producir cada unidad de producto silla básica
3 x1 + 6 x2 + S2 = 48
„

„ a22: cantidad de recurso mano de obra necesario para producir cada unidad de producto mesa
inicial

bj = Cantidad de recurso j disponible. x1, x2, S1, S2 >= 0

„ b1: cantidad de recurso madera
„ b2:cantidad de recurso mano de obra Max z - 200 x1 - 300 x2 - 0 s1 - 0 S2 = 0
Mg. Giovana Valverde A. 29 Mg. Giovana Valverde A. 30

2. Escribir el problema en forma de tabla 4. Encontrar la variable No básica que entra en la base y la
variable básica que sale de la base

ITERACION 1 Por la condición de optimalidad:

Término Para escoger la variable No básica que entra en la base, nos
Var. no básicas Var. básicas independiente
fijamos en los coeficientes de las variables No básicas en la
Z X1 X2 S1 S2 bj función objetivo y escogemos la variable con el coeficiente más
negativo.
Z 1 -200 -300 0 0 0
Lo que va a determinar el final del proceso de aplicación del
S1 0 4 4 1 0 36 36/4=9
método del simplex es que los coeficientes de las variables No
S2 0 3 6 0 1 48 48/6=8
básicas en la función objetivo sean ceros o positivos.

(3) Solución
Elemento pivote Basica inicial
Mg. Giovana Valverde A. 31 Mg. Giovana Valverde A. 32

8
Por la Condición de factibilidad:
„ Para encontrar la variable básica que tiene que salir de la base,
se divide cada término de la última columna (valores solución)
por el término correspondiente de la columna pivote, siempre
que estos últimos sean mayores que cero. ITERACION 2
„ 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. Z X1 X2 S1 S2 bj
„ El término de la columna pivote que en la división dé lugar al
menor cociente positivo, indica la fila de la variable básica que Z 1 -50 0 0 50 2400
sale de la base. S1 0 2 0 1 -2/3 4 4/2=2

„ Si al calcular los cocientes, dos o más son iguales, indica que X2 0 1/2 1 0 1/6 8 8/1/1/2=16
cualquiera de las variables correspondientes pueden salir de la
base, es arbitrario.
Mg. Giovana Valverde A. 33 Mg. Giovana Valverde A. 34

Cond. de Optimalidad para el

problema de maximización:
El Proceso termina cuando
todos los coeficientes de las
variables NO básicas son cero
Los solución óptima es: 2500. En la misma columna se puede
o positivos. observar el vértice donde se alcanza, observando las filas
ITERACION 3 correspondientes a las variables de decisión que han entrado a la
base: (x1, x2) = (2,7)
Z* = 2500
Z X1 X2 S1 S2 bj
X1=2
Solución Comprobando la factibilidad:
Z 1 0 0 25 -50/3 2500 óptima Solución
X2=7 Z= 200x1+ 300x2 = 200(2)+300(7) = 2500
básica S.a.: 4(2) + 4(7) <=36
X1 0 1 0 ½ -1/3 2 factible S1=0
36 <=36
óptima
X2 0 0 1 -1/4 1/3 7 S2=0 3 (2) + 6 (7) <= 48
48 <=48

x1 >= 0 , x2 >= 0
Mg. Giovana Valverde A. 35 Mg. Giovana Valverde A. 36

9
 INTERPRETACIÓN INTERPRETACIÓN GEOMÉTRICA
GEOMÉTRICA F.O: Max Z= 200x1+ 300x2

S.a.: 4x1 + 4x2 <=36 .... L1 En la primera iteración se ha calculado el valor de la función
objetivo en el vértice A(0,0), siendo este 0.
x2
3x1 + 6x2 <= 48 .... L2
( 0, 9 ) A continuación se desplaza a B. En esta segunda iteración se ha
calculado el valor que corresponde al vértice B(0,8): Z=f(0,8) =
B ( 0, 8 ) C (2,7)
x1 >= 0 , x2 >= 0 2400
Sigue hasta llegar a C. En esta tercera iteración se ha calculado
el valor que corresponde al vértice C(2,7) : Z=f(2,7)=2500. (z
óptimo)

El valor máximo de la función objetivo es 2500, y corresponde a x1 = 2

(0,0) x1 y x2 = 7 (vértice C).
A
(9,0) ( 16 , 0 ) Si se calcula el valor de la función objetivo en el vértice D(9,0), su valor
D L2 sería 1800 y no supera el valor de 2500.
L1
Mg. Giovana Valverde A. 37 Mg. Giovana Valverde A. 38

Interpretación del problema

Z* = 2500
X1=2

Solución X2=7
básica
factible S1=0
óptima
S2=0
El carpintero debe producir 2 sillas y 7 mesas por
semana para tener un beneficio máximo de s/ 2500.

Mg. Giovana Valverde A. 39

10