MTODO GRFICO

Interpretacin grfica del Mtodo Simplex

La resolucin de problemas lineales con slo dos o tres
variables de decisin se puede ilustrar grficamente,
mostrndose como una ayuda visual para comprender
muchos de los conceptos y trminos que se utilizan y
formalizan con mtodos de solucin ms sofisticados, como
por ejemplo el Mtodo Simplex, necesarios para la resolucin
de problemas con varias variables. Para ello se puede usar el
mtodo Grfico.
Aunque en la realidad rara vez surgen problemas con slo
dos o tres variables de decisin, es sin embargo muy til
esta metodologa de solucin e interpretacin, en la que se
vern las situaciones tpicas que se pueden dar, como son la
existencia de una solucin ptima nica, de soluciones
ptimas alternativas, la no existencia de solucin y la no
acotacin.
1

EJEMPLO: Mtodo Grfico

Resolver mediante el mtodo Grfico el
siguiente problema:

PASOS METODO GRAFICO

1. Inicialmente se dibuja el sistema de coordenadas
asociando a un eje la variable 'x' y al otro la 'y'
(generalmente se asocia 'x' al eje horizontal e 'y' al
vertical), como se puede ver en la figura.
2. Se marca en dichos ejes una escala numrica
apropiada a los valores que pueden tomar las
variables de acuerdo a las restricciones del
problema. Para ello en cada restriccin se hacen
nulas
todas
las
variables
excepto
la
correspondiente a un eje concreto, determinndose
as el valor adecuado para dicho eje. Este proceso
se repite para cada uno de los ejes.

A continuacin se representan las

restricciones

Aparece
PRIMERA RESTRICCION COMO
IGUALDAD
representada
como
el
segmento que
une A con B y
la regin que
delimita
sta
restriccin
viene indicada
por el color
AMARILLO
4

Se repite el proceso con las dems

restricciones, quedando delimitadas la
regin de color AZUL y ROJO para la
segunda y tercera restriccin
respectivamente
PRIMERA RESTRICCION COMO
PRIMERA RESTRICCION COMO
IGUALDAD

IGUALDAD

REGION FACTIBLE

La regin factible es
la interseccin de las
regiones delimitadas
tanto por el conjunto
de restricciones, como
por las condiciones de
no negatividad de las
variables, es decir, por
ambos
ejes
de
coordenadas.
Dicha
regin factible est
representada por el
polgono O-F-H-G-C, de
color VIOLETA
6

Regin Factible y
Solucin
Optima
Como existe una regin factible, se procede

a
determinar sus puntos extremos, o vrtices del
polgono que representa. Estos vrtices son los
puntos candidatos a soluciones ptimas. En este
ejemplo son los puntos O-F-H-G-C de la figura.
Finalmente, se evala la funcin objetivo (3x +
2y) en cada uno de esos puntos (resultado que
se recoge en la tabla siguiente). Como el punto
G proporciona el mayor valor a la funcin Z y el
objetivo es maximizar, tal punto constituye la
solucin ptima:
Z = 33, con x = 3 e y = 12
7

Funcin Objetivo
PUNTO
EXTREMO
O

COORDENADA
S (X,Y)
(0,0)

VALOR
OBJETIVO (Z)
0

(0,14)

28

(3,12)

33

(6,6)

30

(8,0)

24

Mtodo Simplex
Resolver mediante el mtodo
simplex el siguiente problema:

Se consideran las siguientes

fases:
1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura por cada
una de las restricciones del tipo , para
convertirlas en igualdades, resultando el sistema
de ecuaciones lineales:
2x + y + S1 = 18
2x + 3y + S2 = 42
3x +y + S3 = 24
2. Se iguala la funcin objetivo a cero :
Z - 3x - 2y = 0
10

CUADRO GENERAL SIMPLEX

Maximizacin

11

3. Escribir la tabla inicial

simplex
En las columnas aparecern todas las
variables bsicas del problema y las
variables de holgura/exceso. En las filas se
observan, para cada restriccin las variables
de holgura con sus coeficientes de las
igualdades obtenidas, y la ltima fila con los
valores resultantes de sustituir el valor de
cada variable en la funcin objetivo, y de
operar tal como se explic en la teora para
obtener el resto de valores de la fila:
12

13

CUADRO INICIAL
Punto Inicial: X1=0 y X2=0

Solucin Bsica Factible - Punto

Inicial

15

Mtodos Grafico
y Simplex:
Punto Inicial
PO

16

4. Condicin de parada
Cuando en la fila Z no existe
ningn valor negativo, se ha
alcanzado la solucin ptima
del problema. En tal caso, se
ha llegado al final del
algoritmo. De no ser as, se
ejecutan los siguientes pasos.
17

5. Condicin de entrada y
salida de la base
A. Primero debemos saber la variable que entra en la base. Para
ello escogemos la columna de aquel valor que en la fila Z sea el
menor de los negativos. En este caso sera la variable X 1 de
coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la
condicin anterior (caso de empate), entonces se optar por
aquella variable que sea bsica.
La columna de la variable que entra en la base se llama columna
pivote (En color verde).
B. Una vez obtenida la variable que entra en la base, estamos en
condiciones de deducir cual ser la variable que sale. Para ello se
divide cada trmino independiente (X 1) entre el elemento
correspondiente de la columna pivote, siempre que el resultado
sea mayor que cero, y se escoge el mnimo de ellos.
18

Paso B
En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiera algn elemento menor o
igual a cero no se realiza dicho
cociente, y caso de que todos los
elementos de la columna pivote
fueran de sta condicin tendramos
una
solucin
no
acotada
y
terminaramos el problema.
19

Paso B
El trmino de la columna pivote que en la
divisin anterior d lugar al menor cociente
positivo, el 3, ya que 8 es el menor
cociente, indica la fila de la variable de
holgura que sale de la base, S3. Esta fila se
llama fila pivote (En color verde).
Si al calcular los cocientes, dos o ms son
iguales (caso de empate), se escoge aquella
que no sea variable bsica (si es posible).

20

Paso C
En la interseccin de la fila
pivote y columna pivote
tenemos
el
elemento
pivote, 3.

21

RESUMEN DEL PROCEDIMIENTO PARA LA PRIMERA

ITERACION

1.Se elige el coeficiente de Costos que tengan el

valor mas negativo y entra a la Base la
Variable correspondiente en este caso X 1.
2.Se calcula el coeficiente (bi/Yij) y se escoge el
coeficiente menor positivo y sale de la Base la
Variable correspondiente en este Caso S 3.
3.Del primer punto y aplicando la metodologa
Gauss-Jordan se convierte la columna en un
vector unitario (0 0 1 0 ).
4.Punto Inicial: X1=0 y X2=0,
5.Con la funcin objetivo, Z=0

RESUMEN DEL PROCEDIMIENTO PARA LA PRIMERA

ITERACION

6. Encontrar los coeficientes de

la nueva tabla.
Los nuevos coeficientes de la fila pivote, S 3, se
obtienen dividiendo todos los coeficientes de
dicha fila entre el elemento pivote, 3, que es
el que hay que convertir en 1.
A
continuacin
mediante
la
reduccin
gaussiana hacemos ceros los restantes
trminos de su columna, con lo que
obtenemos los nuevos coeficientes de las
otras filas incluyendo los de la funcin
objetivo Z.
24

Tambin se puede hacer de la

siguiente manera:
Fila del pivote:
Nueva fila del pivote = (Vieja fila del
pivote) / (Pivote)
Resto de las filas:
Nueva fila = (Vieja fila)-(Coeficiente
de la vieja fila en la columna de la
variable entrante) x (Nueva fila del
pivote)
25

RESULTADO PRIMERA ITERACION y

PROCEDIMIENTO PARA LA SEGUNDA
ITERACION
1. Se elige el coeficiente de Costos que tengan el valor mas negativo y
entra a la Base la Variable correspondiente en este caso X 2.
2. Se calcula el coeficiente (bi/Yij) y se escoge el coeficiente menor
positivo y sale de la Base la Variable correspondiente en este Caso S 1.
3. Del primer punto y aplicando la metodologa Gauss-Jordan se
convierte la columna en un vector unitario (0 0 1 0 ).
4. Punto: X1=8 y X2=0

Primer Desplazamiento
La variable que entra a la base en el mtodo
Simplex determina hacia qu nuevo vrtice se
realiza el desplazamiento. En este ejemplo,
como entra X1 (correspondiente a 'x'), el
desplazamiento se lleva a cabo por la arista OF
hasta llegar al vrtice F, donde se calcula el
valor que toma la funcin Z. Este paso se
produce en la segunda iteracin del mtodo
Simplex, mostrado en el cuadro de la Iteracin
1. En ella se ha calculado el valor que
corresponde al vrtice F obtenindose un valor:
Z = 24 para la funcin.
27

Solucin Bsica Factible

Segundo Punto

28

Mtodos
Grafico y
Simplex:
Punto Dos PF

29

Anlisis Segunda Tabla

Simplex
Se puede observar que no hemos alcanzado la condicin
de parada ya que en los elementos de la ltima fila, Z,
hay uno negativo, -1. Hay que repetir el proceso:
a. La variable que entra en la base es y X 2, por ser la
variable que corresponde a la columna donde se
encuentra el coeficiente -1.
b. Para calcular la variable que sale, dividimos los
trminos de la ltima columna entre los trminos
correspondientes de la nueva columna pivote: 2 / 1/3
[=6] , 26 / 7/3 [=78/7] y 8 / 1/3 [=24] y como el menor
cociente positivo es 6, tenemos que la variable que sale
es (S1).
c. El elemento pivote, que ahora hay que hacer 1, es 1/3.
30

PROCEDIMIENTO PARA LA TERCERA

ITERACION
1. Se elige el coeficiente de Costos que tengan el valor mas negativo
y entra a la Base la Variable correspondiente en este caso S 3.
2. Se calcula el coeficiente (bi/Yij) y se escoge el coeficiente menor
positivo y sale de la Base la Variable correspondiente en este Caso
S 2.
3. Del primer punto y aplicando la metodologa Gauss-Jordan se
convierte la columna en un vector unitario (0 0 1 0 ).
4. Punto: X1=6 y X2=6

Segundo Desplazamiento
Se
realiza
un
nuevo
desplazamiento por la arista
FH, hasta llegar a H (datos en
el cuadro Iteracin 2). En sta
tercera iteracin se calcula el
valor de la funcin en el vrtice
H, obtenindose, Z = 30.
32

Solucin Bsica Factible

Tercer Punto

33

Mtodos
Grafico y
Simplex:
Punto Dos PH

34

Anlisis Tercera Tabla Simplex

Como en los elementos de la fila Z hay uno negativo,
-1, significa que no hemos llegado todava a la
solucin ptima. Hay que repetir el proceso:
a. La variable que entra en la base es S 3, por ser la
variable que corresponde al coeficiente -1.
b. Para calcular la variable que sale, dividimos los
trminos de la ltima columna entre los trminos
correspondientes de la nueva columna pivote: 6/(-2)
[=-3] , 12/4 [=3], y 6/1 [=6] y como el menor
cociente positivo es 3, tenemos que la variable que
sale es S2.
c. El elemento pivote, que ahora hay que hacer 1, es 4.
35

RESULTADO TERCERA
ITERACION y CUADRO
OPTIMO
1.No se tiene coeficientes negativos.
2.Cuadro Optimo.
3.Punto Optimo: X1=3 y X2=12

Tercer Desplazamiento
Se contina el proceso a travs de la
arista HG, hasta llegar al vrtice G.
Los datos obtenidos se reflejan en el
cuadro Iteracin 3. En este punto
acaba
el
proceso,
pudindose
comprobar que la solucin no mejora
al desplazarse por la arista GC hasta
el vrtice G (no supera el valor actual
de la funcin).
37

Solucin Bsica Factible

Cuarto Punto - Optimo

38

Mtodos
Grafico y
Simplex:
Punto Dos PG

39

Funcin
Objetivo:
VECTOR

(14,0)

Z = 3X + 2Y
Z = aX + bY

(3,12)

Vector: V = (b, a)
V = (-2, 3)
Se desplaza el
vector,
guardando su
orientacin y
ubicar
el
ltimo vrtice
que
toque
antes de salir
de la Regin
Factible.

(6,6)

(2,3)

X
(0,0)

(0,8)
40

Anlisis Final
El valor mximo de la funcin objetivo es
Z=33, y corresponde a los valores x = 3
e y = 12 (coordenadas del vrtice G).
Con el mtodo Grfico es necesario
calcular el valor de la funcin objetivo en
todos los vrtices de le regin factible,
mientras que el mtodo Simplex acaba
en cuanto halla el valor ptimo.

41

Anlisis Cuarta Tabla Simplex

Se observa que en la ltima fila todos los
coeficientes son positivos, por lo tanto se
cumple la condicin de parada, obteniendo la
solucin ptima.
La solucin ptima viene dada por el valor de
Z en la columna de los valores solucin, en
nuestro caso: 33. En la misma columna se
puede observar el punto donde se alcanza,
observando las filas correspondientes a las
variables de decisin que han entrado en la
base: (x,y) = (3,12)
42

COMPARACION DEL MTODO

GRFICO CON EL MTODO SIMPLEX
Las sucesivas tablas construidas durante el
mtodo Simplex van proporcionando el valor
de la funcin objetivo en los distintos vrtices
de la regin factible, ajustndose, a la vez, los
coeficientes de las variables iniciales y de
holgura.
En la tabla inicial se ha calculado el valor de la
funcin objetivo en el vrtice O, cuyas
coordenadas (0,0) se corresponden con el
valor que tienen las variables bsicas, siendo
el resultado 0.
43

 Cabe mencionar que como Z representa

la produccin, sus valores no pueden ser
negativos. El Mtodo Simplex nos
permite rectificar los valores de Z y
encontrar la solucin optima para la
Maximizacin en produccin. Adems de
que el Mtodo Simplex nos permite
comprobar de manera matemtica algn
caso ya antes resuelto con el mtodo
grafico.

EXPLICACION DEL
METODO SIMPLEX

45

METODO SIMPLEX
El mtodo Simplex es un procedimiento
iterativo que permite ir mejorando la solucin a
cada paso. El proceso concluye cuando no es
posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un
vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs
de los lados del polgono (o de las aristas del
poliedro, si el nmero de variables es mayor).
Cmo el nmero de vrtices (y de aristas) es
finito, siempre se podr encontrar la solucin.
(Vase mtodo Grfico)
46

METODO SIMPLEX
El mtodo Simplex se basa en la siguiente
propiedad: si la funcin objetivo, f, no toma su valor
mximo en el vrtice A, entonces hay una arista que
parte de A, a lo largo de la cual f aumenta.
Deber tenerse en cuenta que este mtodo slo
trabaja para restricciones que tengan un tipo de
desigualdad "" y coeficientes independientes
mayores o iguales a 0, y habr que estandarizar las
mismas para el algoritmo. En caso de que despus
de ste proceso, aparezcan (o no varen)
restricciones del tipo "" o "=" habr que emplear
otros mtodos, siendo el ms comn el mtodo de
las Dos Fases.
47

PREPARANDO EL MODELO PARA

ADAPTARLO AL MTODO SIMPLEX
Esta es la forma estndar del modelo:
Funcin objetivo:
c1x1 + c2x2 + ... + cnxn
Sujeto a:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...
am1x1 + am2x2 + ... + amnxn =
bm
x1,..., xn 0
48

Para ello se deben cumplir las

siguientes condiciones:
1. El objetivo es de la forma de
maximizacin o de minimizacin.
2. Todas las restricciones son de
igualdad.
3. Todas las variables son no negativas.
4. Las constantes a la derecha de las
restricciones son no negativas.
49

Cambio del tipo de optimizacin

Si en nuestro modelo, deseamos minimizar, podemos
dejarlo tal y como est, pero deberemos tener en
cuenta nuevos criterios para la condicin de parada
(deberemos parar de realizar iteraciones cuando en
la fila del valor de la funcin objetivo sean todos
menores o iguales a 0), as como para la condicin
de salida de la fila. Con objeto de no cambiar
criterios, se puede convertir el objetivo de minimizar
la funcin F por el de maximizar F(-1).
Ventajas: No deberemos preocuparnos por los
criterios de parada, o condicin de salida de filas, ya
que se mantienen.
50

Cambio del tipo de

optimizacin
Inconvenientes: En el caso de que la funcin
tenga todas sus variables bsicas positivas, y
adems las restricciones sean de desigualdad "",
al hacer el cambio se quedan negativas y en la fila
del valor de la funcin objetivo se quedan positivos,
por lo que se cumple la condicin de parada, y por
defecto el valor ptimo que se obtendra es 0.
Solucin: En la realidad no existen este tipo de
problemas, ya que para que la solucin quedara
por encima de 0, alguna restriccin debera tener la
condicin "", y entonces entraramos en un
modelo para el mtodo de las Dos Fases.
51

Conversin de signo de los trminos

independientes
(Las constantes a la derecha de las restricciones)

Deberemos preparar nuestro modelo de

forma que los trminos independientes de las
restricciones sean mayores o iguales a 0, sino
no se puede emplear el mtodo Simplex. Lo
nico que habra que hacer es multiplicar por
"-1" las restricciones donde los trminos
independientes sean menores que 0.
Ventaja: Con sta simple modificacin de los
signos en la restriccin podemos aplicar el
mtodo Simplex a nuestro modelo.
52

Conversin de signo de los trminos

independientes
(Las constantes a la derecha de las
restricciones)

Inconvenientes: Puede resultar que en las

restricciones donde tengamos que modificar
los signos de las constantes, los signos de las
desigualdades fueran ("=", ""), quedando
("=","") por lo que en cualquier caso
deberemos desarrollar el mtodo de las Dos
Fases. Este inconveniente no es controlable,
aunque nos podra beneficiar si slo existen
trminos de desigualdad ("",""), y los ""
coincidieran con restricciones donde el
trmino independiente es negativo.
53

Todas las restricciones son

de igualdad
Si en nuestro modelo aparece una inecuacin
con una desigualdad del tipo "", deberemos
aadir una nueva variable, llamada variable de
exceso si, con la restriccin si 0. La nueva
variable aparece con coeficiente cero en la
funcin objetivo, y restando en las inecuaciones.
Surge ahora un problema, veamos cmo queda
una de nuestras inecuaciones que contenga una
desigualdad "":
a11x1 + a12x2 b1
Tenemos, a11x1 + a12x2 - 1xs = b1
54

Todas las restricciones son de

igualdad
Como todo nuestro modelo, est basado en que
todas sus variables sean mayores o iguales que
cero, cuando hagamos la primera iteracin con el
mtodo Simplex, las variables bsicas no estarn
en la base y tomarn valor cero, y el resto el valor
que tengan. En este caso nuestra variable xs, tras
hacer cero a x1 y x2, tomar el valor -b1. No
cumplira la condicin de no negatividad, por lo
que habr que aadir una nueva variable, xr, que
aparecer con coeficiente cero en la funcin
objetivo, y sumando en la inecuacin de la
restriccin correspondiente.
55

Todas las restricciones son de

igualdad
Quedara entonces de la siguiente manera:
a11x1 + a12x2 b1
Tenemos, a11x1 + a12x2 - 1xs + 1 xr = b1

Este tipo de variables se les llama variables

artificiales, y aparecern cuando haya
inecuaciones con desigualdad ("=","").
Esto nos llevar obligadamente a realizar el
mtodo de las Dos Fases, que se explicar
ms adelante.
56

Todas las restricciones son de

igualdad
Del mismo modo, si la inecuacin
tiene una desigualdad del tipo "",
deberemos aadir una nueva variable,
llamada variable de holgura si, con la
restriccin si "" 0 . La nueva variable
aparece con coeficiente cero en la
funcin objetivo, y sumando en las
inecuaciones.
57

A modo resumen podemos

dejar esta tabla resumen:
TIPO DE
DESIGUALDAD

TIPO DE
VARIABLE QUE
APARECE
- Exceso +
Artificial
+ Artificial
+ Holgura
58

DESARROLLANDO EL
MTODO SIMPLEX

Una
vez
que
hemos
estandarizado
nuestro
modelo,
puede ocurrir que
necesitemos
aplicar el mtodo
Simplex
o
el
mtodo de las Dos
Fases
. Vase en la
figura
como
debemos
actuar
para llegar a la
solucin
de
nuestro problema.

59

Mtodo Simplex:
Construccin de la primera
tabla
1. En la primera columna de la tabla
aparecer lo que llamaremos base.
2. En la segunda el coeficiente que tiene
en la funcin objetivo cada variable que
aparece en la base (llamaremos a esta
columna Cb).
3. En la tercera el trmino independiente
de cada restriccin (P0), y a partir de
sta columna aparecern cada una de
las variables de la funcin objetivo (Pi).
60

Mtodo Simplex:
Construccin de la primera
tabla
4. Para tener una visin
ms clara de la tabla,
incluiremos una fila en la que pondremos
cada uno de los nombres de las columnas.
5. Sobre sta tabla que tenemos incluiremos
dos nuevas filas: una que ser la que
liderar la tabla donde aparecern las
constantes de los coeficientes de la funcin
objetivo, y otra que ser la ltima fila,
donde tomar valor la funcin objetivo.
Nuestra tabla final tendr tantas filas como
restricciones.
61

Primera Tabla

62

Tabla Inicial
Los valores de la fila Z se obtienen de la
siguiente forma: El valor Z0 ser el de
sustituir Cim en la funcin objetivo (y
cero si no aparece en la base). El resto
de columnas se obtiene restando a este
valor el del coeficiente que aparece en
la primera fila de la tabla.
Se observar al realizar el mtodo
Simplex, que en esta primera tabla, en
la base estarn las variables de holgura.
63

Condicin de parada:
Comprobaremos si debemos de
dar una nueva iteracin o no,
que lo sabremos si en la fila Z
aparece algn valor negativo.
Si no aparece ninguno, es que
hemos llegado a la solucin
ptima del problema.
64

Eleccin de la variable
que entra:
Si no se ha dado la condicin de
parada, debemos seleccionar
una variable para que entre en la
base en la siguiente tabla. Para
ello nos fijamos en los valores
estrictamente negativos de la fila
Z, y el menor de ellos ser el que
nos de la variable entrante.
65

Eleccin de la variable
que sale:
Una vez obtenida la variable entrante,
obtendremos la variable que sale, sin
ms que seleccionar aquella fila cuyo
cociente P0/Pj sea el menor de los
estrictamente positivos (teniendo en
cuenta que slo se har cuando Pj sea
mayor de 0). La interseccin entre la
columna entrante y la fila saliente nos
determinar el elemento pivote.
66

Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los
ttulos permanecern inalterados en la nueva tabla. El
resto deber calcularse de dos formas diferentes:
1. Si es la fila pivote cada nuevo elemento se calcular:
Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual /
Pivote.

2. Para el resto de elementos de filas se calcular:

Nuevo Elemento Fila = Elemento Fila Pivote actual (Elemento Columna Pivote en la fila actual * Nuevo
Elemento Fila).

67

Sitio Web

http://www.phpsimplex.com/teor
ia_metodo_simplex.htm#preparac
ion

68