MTODO DE

GAUSS
RESOLUCIN DE SISTEMAS DE ECUACIONES

Fuente: http://www.matesymas.es
 MTODO DE GAUSS

http://www.matesymas.es
El mtodo de Gauss para resolver
sistemas de ecuaciones es una
generalizacin del mtodo de
reduccin y consiste en transformar el
sistema dado en otro equivalente.
 MTODO DE GAUSS

http://www.matesymas.es
Para ello tomamos la matriz ampliada
del sistema y mediante las operaciones
elementales por filas la transformamos
en una matriz escalonada en ceros.
De esta forma obtenemos un sistema
equivalente al inicial.
MTODO DE GAUSS
Ejemplo: Resuelve por el mtodo de Gauss el
siguiente sistema.

3x 2 y 3z 2

4 x 3 y z 1
x 5 y 6z 5

http://www.matesymas.es
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2

4 x 3 y z 1
x 5 y 6 z 5
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2

4 x 3 y z 1
x 5 y 6 z 5

3 2 3 2

4 3 1 1
1 5 6 5

Para facilitar los clculos escribimos slo los coeficientes.

MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3 x 2 y 3 z 2

4 x 3 y z 1
x 5 y 6 z 5

3 2 3 2 3 2 3 2

4 3 1 1
1 5 6 5

Hacemos 0 debajo del primer elemento de la primera fila.
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11
x 5 y 6 z 5

3 2 3 2 3 2 3 2

4 3 1 1 0 1 9 11
1 5 6 5

Hacemos 0 debajo del primer elemento de la primera fila.
1) 4F1 - 3 F2
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11
x 5 y 6 z 5 17 y 21z 13

3 2 3 2 3 2 3 2

4 3 1 1 0 1 9 11
1 5 6 5 0 17 21 13

Hacemos 0 debajo del primer elemento de la primera fila.
1) 4F1 - 3 F2; 2) F1 - 3F3
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11

x 5 y 6 z 5 17 y 21z 13

3 2 3 2 3 2 3 2 3 2 3 2

4 3 1 1 0 1 9 11 0 1 9 11
1 5 6 5 0 17 21 13

Hacemos 0 debajo del segundo elemento de la segunda fila.
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11
x 5 y 6 z 5 17 y 21z 13 174 z 174

3 2 3 2 3 2 3 2 3 2 3 2

4 3 1 1 0 1 9 11 0 1 9 11
1 5 6 5 0 17 21 13 0 0 174 174

Hacemos 0 debajo del segundo elemento de la segunda fila.
3) F3 + 17 F2
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11
x 5 y 6 z 5 17 y 21z 13 174 z 174

3x 2 y 3z 2
y 9 z 11
z 1
Resolvemos el sistema escalonado que resulta sustituyendo de abajo
hacia arriba.
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11
x 5 y 6 z 5 17 y 21z 13 174 z 174

3x 2 y 3z 2 3x 2 y 3z 2
y 9 z 11 y 91 11
z 1 z 1

Resolvemos el sistema escalonado que resulta, sustituyendo de

abajo hacia arriba.
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11
x 5 y 6 z 5 17 y 21z 13 174 z 174

3x 2 y 3z 2 3x 2 y 3z 2 3 x 22 31 2
y 9 z 11 y 91 11 y2
z 1 z 1 z 1
Resolvemos el sistema escalonado que resulta sustituyendo de abajo
hacia arriba.
MTODO DE GAUSS

http://www.matesymas.es
3x 2 y 3z 2 3x 2 y 3z 2 3x 2 y 3z 2

4 x 3 y z 1 y 9 z 11 y 9 z 11
x 5 y 6 z 5 17 y 21z 13 174 z 174

3x 2 y 3z 2 3x 2 y 3z 2 3x 22 31 2 x 1
y 9 z 11 y 91 11 y2 y2
z 1 z 1 z 1 z 1
SOLUCIN: (1,2,1)
MTODO DE GAUSS

Comprobamos la solucin.

31 22 31 2

41 32 1 1
1 52 61 5

http://www.matesymas.es
El mtodo Simplex es un procedimiento iterativo que permite mejorar la solucin de
la funcin objetivo en cada paso. El proceso concluye cuando no es posible
continuar mejorando dicho valor, es decir, se ha alcanzado la solucin ptima (el
mayor o menor valor posible, segn el caso, para el que se satisfacen todas las
restricciones).
Partiendo del valor de la funcin objetivo en un punto cualquiera, el procedimiento
consiste en buscar otro punto que mejore el valor anterior. Como se ver en el
mtodo Grfico, dichos puntos son los vrtices del polgono (o poliedro o polgono,
si el nmero de variables es mayor de 2) que constituye la regin determinada por
las restricciones a las que se encuentra sujeto el problema (llamada regin
factible). La bsqueda se realiza mediante desplazamientos por las aristas del
polgono, desde el vrtice actual hasta uno adyacente que mejore el valor de la
funcin objetivo. Siempre que exista regin factible, como su nmero de vrtices y
de aristas es finito, ser posible encontrar la solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z no
toma su valor mximo en el vrtice A, entonces existe una arista que parte de A y
a lo largo de la cual el valor de Z aumenta.
Ser necesario tener en cuenta que el mtodo Simplex nicamente 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 habr que
estandarizar las restricciones para que cumplan estos requisitos antes de iniciar
el algoritmo del Simplex. En caso de que despus de ste proceso aparezcan
restricciones del tipo "" (mayor o igual) o "=" (igualdad), o no se puedan cambiar,
ser necesario emplear otros mtodos de resolucin, siendo el ms comn el
mtodo de las Dos Fases.

Tipo de optimizacin.
Como se ha comentado, el objetivo del mtodo consistir en optimizar el
valor de la funcin objetivo. Sin embargo se presentan dos opciones:
obtener el valor ptimo mayor (maximizar) u obtener el valor ptimo menor
(minimizar).
Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el
de minimizacin en cuanto al criterio de condicin de parada para finalizar las
iteraciones y a las condiciones de entrada y salida de la base. As:
Objetivo de maximizacin Condicin de parada: cuando en la fila Z no aparece
ningn valor negativo.
Condicin 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 Pj que entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la variable
que sale se determina mediante el menor cociente P0/Pj de los estrictamente
positivos.
Objetivo de minimizacin Condicin de parada: cuando en la fila Z no aparece
ningn valor positivo.
Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la
variable Pj que entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la variable
que sale se determina mediante el menor cociente P0/Pj de los estrictamente
negativos.
No obstante, es posible normalizar el objetivo del problema con el fin de aplicar siempre
los mismos criterios en lo referente a la condicin de parada del algoritmo y a las
condiciones de entrada y salida de las variables de la base. De esta forma, si el objetivo
es minimizar la solucin, se puede cambiar el problema a otro equivalente de
maximizacin simplemente multiplicando la funcin objetivo por "-1". Es decir, el
problema de minimizar Z es equivalente al problema de maximizar (-1)Z. Una vez
obtenida la solucin ser necesario multiplicarla tambin por (-1).
Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de entrada
y salida de la base ya que se mantienen.
Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de sus
variables bsicas positivos, y adems las restricciones sean del tipo de desigualdad "",
al hacer el cambio dichos coeficientes quedan negativos cumplindose la condicin de
parada en la primera iteracin (en la fila del valor de la funcin objetivo todos los valores
son positivos o cero). Obtenindose en este caso por defecto un valor ptimo para la
funcin igual a 0.
Solucin: Realmente no existe este problema dado que para que la solucin sea
superior a 0 es necesario que alguna restriccin tenga impuesta la condicin "" (y se
tratara de un modelo para el mtodo de las Dos Fases). En el caso planteado, la
solucin real debe ser cero.
 Cambio de signo de los trminos independientes
Tambin se ha dicho que los trminos independientes (bi) de cada ecuacin
deben ser no negativos para poder emplear el mtodo Simplex. A tal fin, si
alguna de las restricciones presenta un trmino independiente menor que 0
habr que multiplicar por "-1" ambos lados de la inecuacin (teniendo en cuenta
que esta operacin tambin afecta al tipo de restriccin).
Ventajas: Con sta simple modificacin de signos en las restricciones
correspondientes se posibilita la aplicacin del mtodo 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 operacin del tipo "") siendo necesario desarrollar el mtodo
de las Dos Fases. Este inconveniente no es controlable, aunque podra ocurrir el
caso contrario y resultar beneficioso si los trminos independientes negativos se
presentan en todas aquellas restricciones con desigualdad de tipo "". Si existe
alguna restriccin del tipo "=" no supondra ninguna ventaja ni desventaja puesto
que siempre sera de necesaria aplicacin el mtodo de las Dos Fases.
 Normalizacin de las restricciones.
Otra de las condiciones del modelo estndar del problema es que todas las
restricciones sean ecuaciones de igualdad (tambin llamadas restricciones de
igualdad), por lo que hay que convertir las restricciones de desigualdad o
inecuaciones en dichas identidades matemticas.
La condicin de no negatividad de las variables (x1,..., xn 0) es la nica
excepcin y se mantiene tal cual.
Restriccin de tipo ""
Para normalizar una restriccin con una desigualdad del tipo "", hay que
aadir una nueva variable, llamada variable de holgura xs (con la condicin de no
negatividad: xs 0). Esta nueva variable aparece con coeficiente cero en la
funcin objetivo, y sumando en la ecuacin correspondiente (que ahora s ser
una identidad matemtica o ecuacin de igualdad).
a11x1 + a12x2 b1 a11x1 + a12x2 + 1xs = b1
 Restriccin de tipo ""
En caso de una desigualdad del tipo "", tambin hay que aadir una nueva
variable llamada variable de exceso xs (con la condicin de no negatividad: xs
0). Esta nueva variable aparece con coeficiente cero en la funcin objetivo, y
restando en la ecuacin correspondiente.
Surge ahora un problema con la condicin de no negatividad con esta nueva
variable del problema. Las inecuaciones que contengan una desigualdad de tipo
"" quedaran:
a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs = b1
Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no
estarn en la base y tomarn valor cero. En este caso la nueva variable xs, tras
hacer cero a x1 y x2, tomar el valor -b1 y no cumplira la condicin de no
negatividad. Es necesario aadir otra nueva variable xr, llamada variable artificial,
que tambin aparecer con coeficiente cero en la funcin objetivo y sumando en
la restriccin correspondiente. Quedando entonces de la siguiente manera:
a11x1 + a12x2 b1 a11x1 + a12x2 - 1xs + 1xr = b1
 Restriccin de tipo "="
Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque
ya son identidades) tambin es necesario agregar variables artificiales xr. Como
en el caso anterior, su coeficiente ser cero en la funcin objetivo y aparecer
sumando en la restriccin correspondiente.
a11x1 + a12x2 = b1 a11x1 + a12x2 + 1xr = b1
En el ltimo caso se hace patente que las variables artificiales suponen una
violacin de las leyes del lgebra, por lo que ser necesario asegurar que dichas
variables artificiales tengan un valor 0 en la solucin final. De esto se encarga el
mtodo de las Dos Fases y por ello siempre que aparezcan este tipo de variables
habr que realizarlo.
 Mtodo Simplex
Construccin de la primera tabla: Las columnas de la tabla estn dispuestas de
la siguiente forma: la primera columna de la tabla contiene las variables que se
encuentran en la base (o variables bsicas), esto es, aquellas que toman valor
para proporcionar una solucin; la segunda columna recoge los coeficientes que
dichas variables bsicas tienen en la funcin objetivo (esta columna es llamada
Cb); la tercera muestra el trmino independiente de cada restriccin (P0); a partir
de sta aparece una columna por cada una de las variables de decisin y holgura
presentes en la funcin objetivo (Pj). Para tener una visin ms clara de la tabla,
se incluye una fila que contiene los ttulos de cada una de las columnas.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla,
donde aparecen los coeficientes de las variables de la funcin objetivo, y una
ltima fila que recoge el valor la funcin objetivo y los costes reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solucin Z0. Por
este motivo tambin son llamados valores indicadores.
Se muestra a continuacin el aspecto general de la tabla del mtodo simplex:

Tabla

C1 C2 ... Cn

Base Cb P0 P1 P2 ... Pn

P1 Cb1 b1 a11 a12 ... a1n

P2 Cb2 b2 a21 a22 ... a2n

... ... ... ... ... ... ...

Pm Cbm bm am1 am2 ... amn

Z Z0 Z1-C1 Z2-C2 ... Zn-Cn

Todos los valores incluidos en la tabla vendrn dados por el modelo del
problema salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de
la siguiente forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0,
y en caso contrario Pj = aij.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla ocupan la
base todas las variables de holgura y por ello (todos los coeficientes de las
variables de holgura son 0 en la funcin objetivo) el valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los
costes reducidos en la primera tabla, pudindose determinar directamente
como el cambio de signo de los coeficientes de cada variable en la funcin
objetivo, esto es, -Cj.
Condicin de parada: Se cumple la condicin de parada cuando la fila indicadora
no contiene ningn valor negativo entre los costes reducidos (cuando el objetivo es
la maximizacin), esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin ms del
algoritmo, esto es, determinar la variable que se vuelve bsica y la que deja de
serlo, encontrar el elemento pivote, actualizar los valores de la tabla y comprobar si
se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y su
solucin siempre resultar mejorable. En tal caso no es necesario continuar
iterando indefinidamente y se puede finalizar el algoritmo. Esta situacin ocurre
cuando en la columna de la variable entrante a la base todos los valores son
negativos o nulos.
Eleccin de la variable que entra a la base: Cuando una variable se vuelve
bsica, es decir, entra en la base, comienza a formar parte de la solucin.
Observando los costes reducidos en la fila Z, se decide que entra a la base la
variable de la columna en la que ste sea el de menor valor (o de mayor valor
absoluto) entre los negativos.
Eleccin de la variable que sale de la base: Una vez obtenida la variable
entrante, se determina que sale de la base la variable que se encuentre en aquella
fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en
cuenta que esta operacin se har nicamente cuando Pj sea superior a 0).
Elemento pivote: El elemento pivote de la tabla queda marcado por la interseccin
entre la columna de la variable entrante y la fila de la variable saliente.
Actualizacin de la tabla: Las filas correspondientes a la funcin objetivo y a los
ttulos permanecern inalteradas en la nueva tabla. El resto de valores debern
calcularse como se explica a continuacin:
En la fila del elemento pivote cada nuevo elemento se calcula como: Nuevo
Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.
En el resto de las filas cada elemento se calcula: Nuevo Elemento Fila =
Anterior Elemento Fila - (Anterior Elemento Fila en Columna Pivote * Nuevo
Elemento Fila Pivote).
De esta forma se consigue que todos los elementos de la columna de la variable
entrante sean nulos salvo el de la fila de la variable saliente cuyo valor ser 1. (Es
anlogo a utilizar el mtodo de Gauss-Jordan para resolver sistemas de ecuaciones
lineales).
 PROGRAMACIN LINEAL.
La forma estndar del modelo de problema consta de una funcin objetivo sujeta a determinadas
restricciones:

Funcin objetivo: c1x1 + c2x2 + ... + cnxn

Sujeto a:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...
am1x1 + am2x2 + ... + amnxn = bm
x1,..., xn 0

El modelo debe cumplir las siguientes condiciones:

1.El objetivo consistir en maximizar o minimizar el valor de la funcin objetivo (por ejemplo,
incrementar ganancias o reducir prdidas, respectivamente).
2.Todas las restricciones deben ser ecuaciones de igualdad (identidades matemticas).
3.Todas las variables (xi) deben tener valor positivo o nulo (condicin de no negatividad).
4.Los trminos independientes (bi) de cada ecuacin deben ser no negativos.
Hay que adaptar el problema modelado a la forma estndar para poder aplicar el algoritmo del
Simplex.
 Resolver mediante el mtodo simplex el siguiente problema:
Se consideran las siguientes fases:
1. Realizar un cambio de variables y normalizar el signo de los trminos independientes.
Se realiza un cambio en la nomenclatura de las variables. Establecindose la correspondencia
siguiente:
x pasa a ser X1
y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos no es necesario hacer
nada. En caso contrario habra que multiplicar por "-1" en ambos lados de la inecuacin (teniendo en
cuenta que esta operacin tambin afecta al tipo de restriccin).

Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x0,y0
2. Normalizar las restricciones.
Se convierten las inecuaciones en Tipo de Tipo de variable
ecuaciones agregando variables de desigualdad que aparece
holgura, exceso y artificiales segn la tabla - exceso + artificial
siguiente: = + artificial
+ holgura
En este caso se introduce una variable de
holgura (X3, X4 y X5) en cada una de las
restricciones del tipo , para convertirlas en
igualdades, resultando el sistema de
ecuaciones lineales: 2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24

3. Igualar la funcin objetivo a cero.

Z - 3X1- X2- 0X3- 0X4- 0X5= 0
4. Escribir la tabla inicial del mtodo Simplex. La tabla inicial del mtodo Simplex est compuesta
por todos los coeficientes de las variables de decisin del problema original y las de holgura, exceso y
artificiales agregadas en el paso 2 (en las columnas, siendo P0 el trmino independiente y el resto de
variables Pi coinciden con Xi), y las restricciones (en las filas). La columna Cb contiene los
coeficientes de las variables que se encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo, mientras que la ltima fila
contiene el valor de la funcin objetivo y los costes reducidos Zj - Cj.
La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en
caso contrario Pj = aij. Aunque al tratarse de la primera tabla del mtodo Simplex y ser todos los
Cb nulos se puede simplificar el clculo, y por esta vez disponer Zj = -Cj.

Tabla I . Iteracin n 1
3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P3 0 18 2 1 1 0 0 2X1 + X2 + X3 = 18
P4 0 42 2 3 0 1 0 2X1 + 3X2 + X4 = 42
P5 0 24 3 1 0 0 1 3X1 + X2 + X5 = 24
Z 0 -3 -2 0 0 0
Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0
5. Condicin de parada. Si el objetivo es la maximizacin, cuando en
la ltima fila (fila indicadora) no existe ningn valor negativo entre los
costes reducidos (columnas P1 en adelante) se alcanza la condicin
de parada.
1. En tal caso se llega al final del algoritmo ya que no existe posibilidad
de mejora. El valor de Z (columna P0) es la solucin ptima del
problema.
2. Otro caso posible es que en la columna de la variable entrante a la
base todos los valores son negativos o nulos. Esto indica que el
problema no se encuentra acotado y su solucin siempre resultar
mejorable. Ante esta situacin no es necesario continuar iterando
indefinidamente y tambin se puede dar por finalizado el algoritmo.
3. De no ser as, se ejecutan los siguientes pasos de forma iterativa.
6. Eleccin de la variable entrante y saliente de la base. Se determina en
primer lugar la variable que entra en la base. Para ello se escoge la columna
cuyo valor en la fila Z sea el menor de entre todos los negativos. En este caso
sera la variable X1 (P1) 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).
Una vez obtenida la variable que entra en la base, se procede a determinar cual
ser la variable que sale de la misma. La decisin se toma en base a un sencillo
clculo: dividir cada trmino independiente (columna P0) entre el elemento
correspondiente de la columna pivote, siempre que ambos elementos sean
estrictamente positivos (mayores que cero). Se escoge la fila cuyo resultado
haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente. En
caso de que todos los elementos de la columna pivote fueran de sta condicin
se habra cumplido la condicin de parada y el problema tendra una solucin no
acotada (ver teora del mtodo Simplex).
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El trmino de la columna pivote que en la divisin anterior dio lugar al menor
cociente positivo indica la fila de la variable de holgura que sale de la base. En
este caso resulta ser X5 (P5), de coeficiente 3. Esta fila se llama fila pivote (en
color verde).
Si al calcular los cocientes, dos o ms resultados cumplen la condicin para elegir
el elemento saliente de la base (caso de empate), se escoge aquella que no sea
variable bsica (siempre que sea es posible).
La interseccin de la fila pivote y columna pivote marca el elemento pivote, en
este caso el 3.
 7. Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:
En la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote
En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en Columna Pivote *
Nuevo Elemento Fila Pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1, mientras que el resto de
elementos de la columna pivote se anulan (anlogo al mtodo de Gauss-Jordan).
Se muestran a continuacin los clculos para la fila P4:
Tabla I . Iteracin n 1 Anterior fila P4 42 2 3 0 1 0
3 2 0 0 0 - - - - - -

Ba Anterior Elemento Fila en

2 2 2 2 2 2
Cb P0 P1 P2 P3 P4 P5 Columna Pivote
se
x x x x x x
P3 0 18 2 1 1 0 0 Nueva fila pivote 8 1 1/3 0 0 1/3
P4 0 42 2 3 0 1 0 = = = = = =
P5 0 24 3 1 0 0 1 Nueva fila P4 26 0 7/3 0 1 -2/3
Z 0 -3 -2 0 0 0
 La tabla correspondiente a esta segunda iteracin es:

Tabla II . Iteracin n 2
3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P3 0 2 0 1/3 1 0 -2/3
P4 0 26 0 7/3 0 1 -2/3
P1 3 8 1 1/3 0 0 1/3
Z 24 0 -1 0 0 1
8. Al comprobar la condicin de parada se observa que no se cumple ya que entre los elementos de
la ltima fila hay uno negativo, -1. Se contina iterando nuevamente los pasos 6 y 7.
6.1. La variable que entra en la base es X2 (P2), por ser la variable que corresponde a la columna
donde se encuentra el coeficiente -1.
6.2. Para calcular la variable que sale, se dividen los trminos de la columna P0 entre los trminos
correspondientes de la nueva columna pivote: 2 / 1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3 [=24]. Como el
menor cociente positivo es 6, la variable que sale de la base es X3 (P3).
6.3. El elemento pivote es 1/3.
 7. Actualizando nuevamente los valores de la tabla se obtiene:
Tabla III . Iteracin n 3
3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P2 2 6 0 1 3 0 -2
P4 0 12 0 0 -7 1 4
P1 3 6 1 0 -1 0 1
Z 30 0 0 3 0 -1

9. Una nueva comprobacin de la condicin de parada revela que entre los elementos de la fila
indicadora vuelve a haber uno negativo, -1. Significa que aun no se ha llegado a la solucin ptima y
hay que seguir iterando (pasos 6 y 7):
6.1. La variable que entra en la base es X5 (P5), por ser la variable que corresponde al coeficiente -1.
6.2. Se escoge la variable que sale calculando el cociente entre los trminos de la columna de
trminos independientes y los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3] ,
12/4 [=3], y 6/1 [=6]. En esta ocasin es X4 (P4).
6.3. El elemento pivote es 4.
 7. Despus de actualizar todas las filas, se obtiene la tabla siguiente :
Tabla IV . Iteracin n 4
3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P2 2 12 0 1 -1/2 1/2 0
P5 0 3 0 0 -7/4 1/4 1
P1 3 3 1 0 3/4 -1/4 0
Z 33 0 0 5/4 1/4 0

10. Fin del algoritmo. Se observa que en la ltima fila todos los coeficientes son
positivos cumplindose, por tanto la condicin de parada.
La solucin ptima viene dada por el valor de Z en la columna de los trminos
independientes (P0), en este ejemplo: 33. En la misma columna se puede ver el
punto donde se alcanza, observando las filas correspondientes a las variables de
decisin que han entrado en la base: X1 = 3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.
 Mtodo Grfico
MAXIMIZAR: 3 X1 + 2 X2
2 X1 + 1 X2 18
2 X1 + 3 X2 42
3 X1 + 1 X2 24

X1, X2 0
 Valor de la funcin
Punto Coordenada X (X1) Coordenada Y (X2)
objetivo (Z)
O 0 0 0
A 0 18 36
B 9 0 27
C 3 12 33
D 6 6 30
E 0 14 28
F 21 0 63
G 4.2857142857143 11.142857142857 35.142857142857
H 0 24 48
I 8 0 24

NOTA:
En color verde los puntos en los que se encuentra la solucin.
En color rojo los puntos que no pertenecen a la regin factible.
Video: Mtodo simplex
FUENTES DE REFERENCIAS: http://www.phpsimplex.com/teoria_metodo_simplex.htm#dos_fases
http://www.phpsimplex.com/teoria_metodo_grafico.htm
http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
http://www.phpsimplex.com/simplex/page2.php?
l=es&o=max&x1=3&x2=2&rt=3&v=2&r1_1=2&r1_2=1&d1=-1&y1=18&r2_1=2&r2_2=3&d2=-
1&y2=42&r3_1=3&r3_2=1&d3=-1&y3=24&Submit=Continue
https://www.youtube.com/watch?v=HdWnCBmasYI