INTRODUCCION

En esta investigacin daremos una introduccin al mtodo Simplex desarrollado

por George Bernard Dantzig en 1947. Este mtodo se basa en la conversin del
problema con restricciones con desigualdades en un problema cuyas restricciones
son ecuaciones lineales.
Una propiedad general del mtodo smplex es que resuelve la programacin lineal
en iteraciones. Cada iteracin desplaza la solucin a un nuevo punto esquina que
tiene potencial de mejorar el valor de la funcin objetivo. El proceso termina
cuando ya no se pueden obtener mejoras.
Otro punto que encontrara en esta investigacin es la matriz de identidad con la
cual se podrn resolver problemas relacionaos con el mtodo de gauss-jordan, el
mtodo consiste en el resolver de una serie de algoritmos del algebra lineal para
determinar los resultados de un sistema de ecuaciones lineales y as hallar
matrices e inversas.
Tambin para finalizar el tema se hablara del mtodo de la M el cual consiste en
modificar el problema original para dar lugar a un nuevo problema agregando una
variables llamadas artificial y que se penalizaran mediante un costo M de valores
grandes y positivos, y esto permite que la funcin objetivo tome valores muy
grandes.

OBJETIVO
En este trabajo de investigacin se presentara diversos temas para la resolucin
de problemas del mtodo simplex
Tambin se utilizaran algunas herramientas que nos permitir tomar una decisin
para resolver un problema como los modelos de I.O que en algunos casos se
deseara optimizar o dependiendo lo que se desea.

JUSTIFICACION
Este trabajo est diseado ms que nada para que el estudiante adquiera algunos
conocimientos para elegir los diferentes mtodos, procesos y sistemas de
produccin de bienes y servicios con el fin de optimizar el uso de recursos de
materiales

TEORIA DEL METODO SIMPLEX

El Mtodo

Simplex es

un

mtodo

analtico

de

solucin

de

problemas

de programacin lineal capaz de resolver modelos ms complejos que los

resueltos mediante el mtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en
cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste
en caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente
o disminuya (segn el contexto de la funcin objetivo, sea maximizar o minimizar),
dado que el nmero de vrtices que presenta un poliedro solucin es finito
siempre se hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense
George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo de
crear un algoritmo capaz de solucionar problemas de m restricciones y n variables
Para poder aplicar el mtodo simplex a un modelo de programacin lineal es
necesario que este se encuentre en su forma estndar.
La forma estndar.
Las caractersticas de la forma estndar son:
1.-Todas las restricciones son ecuaciones excepto para las restricciones de no
negatividad que permanecen como desigualdades.
2.-Los elementos del lado derecho de cada ecuacin son no negativos.
3.-Todas las variables son no negativas.
4.-la funcin objetivo es del tipo de Maximizacin o minimizacin.
Transformaciones elementales.
1.-Las

restricciones

de

desigualdad

pueden

cambiarse

por

ecuaciones

introduciendo en el lado izquierdo de cada una de tales restricciones una variable

4

no negativa.(estas nuevas variables se conocen como variables de holgura o

superavit las cuales se sumaran si la desigualdad es (Holgura) y se restaran si la
desigualdad es (Supervit o exceso).
2.-El signo del lado derecho (-) puede eliminarse multiplicando la ecuacin por (1) en caso de que sea necesario.
3.-Una restriccin de desigualdad con su lado izquierdo en forma de valor absoluto
puede cambiarse a dos desigualdades, la desigualdad contraria a la original se le
antepone el signo negativo a su lado derecho.
4.-Una variable que es irrestricta en signo ( esto es positiva, negativa o cero) es
equivalente a la diferencia entre dos variables no negativas por consiguiente si X
es irrestricta en signo puede remplazarse por (X+-X-) donde X+ y X- son 0.
5.-Una desigualdad en una direccin ( o ) puede cambiarse a una desigualdad
opuesta ( o ) multiplicando ambos lados por (-1).
6.-Una ecuacin puede ser remplazada por dos desigualdades en direcciones
opuestas.
7.-La minimizacin de una funcin f(x), es matemticamente equivalente a la
maximizacin de la expresin negativa de esta funcin f(x), y viceversa.

MATRIZ DE IDENTIDAD
En lgebra lineal, la matriz identidad es una matriz que cumple la propiedad de ser
el elemento neutro del producto de matrices. Esto quiere decir que el producto de
cualquier matriz por la matriz identidad (donde dicho producto est definido) no
tiene ningn efecto. La columna i-sima de una matriz identidad es el vector
unitario

de una base vectorial inmersa en un espacio Eucldeo de dimensin n.

Toda matriz representa una aplicacin lineal entre dos espacios vectoriales de
dimensin finita. La matriz identidad se llama as porque representa a la aplicacin
identidad que va de un espacio vectorial de dimensin finita a s mismo.
Como el producto de matrices slo tiene sentido si sus dimensiones son
compatibles,

existen

dimensiones.

infinitas

matrices

identidad

dependiendo

de

las

, la matriz identidad de tamao , se define como la matriz

diagonal que tiene valor 1 en cada una de las entradas de la diagonal principal, y 0
en el resto. As,

MTODO DE GAUSS-JORDAN
Este mtodo debe su nombre a Carl Friedrich Gauss y a Wilhelm jordan. Se trata
de una serie de algoritmos del algebra lineal para determinar los resultados de un
sistema de ecuaciones lineales y as hallar matrices e inversas. El sistema de
Gauss se utiliza para resolver un sistema de ecuaciones y obtener las soluciones
por medio de la reduccin del sistema dado a otro que sea equivalente en el cual
cada una de las ecuaciones tendr una incgnita menos que la anterior. La matriz
que resulta de este proceso lleva el nombre que se conoce como forma
escalonada.
Este mtodo, permite resolver hasta 20 ecuaciones simultneas. Lo que lo
diferencia del mtodo Gaussiano es que cuando es eliminada una incgnita, se
eliminar de todas las ecuaciones restantes, o sea, las que anteceden a la
ecuacin principal as como de las que la siguen a continuacin. De esta manera
el paso de eliminacin forma una matriz identidad en vez de una matriz triangular.
No es necesario entonces utilizar la sustitucin hacia atrs para conseguir la
solucin.

Para resolver sistemas de ecuaciones lineales con el mtodo Gauss Jordan,

debemos en primer lugar anotar los coeficientes de las variables del sistema de
ecuaciones lineales con la notacin matricial, por ejemplo:

Tambin se le llama matriz aumentada.

Luego de realizado lo anterior procederemos a transformar dicha matriz en una
matriz identidad, o sea una matriz equivalente a la inicial, de la forma:

Logramos esto aplicando a las distintas columnas y filas de las matrices, restas,
sumas, multiplicaciones y divisiones. Debemos tener en cuenta que las
operaciones utilizadas se aplicarn en todos los elementos de la fila.
En dicha matriz identidad no vemos los trminos independientes. Esto sucede ya
que cuando la matriz original alcance la matriz identidad, los trminos sern la
solucin del sistema y verificarn la igualdad para cada variable que se
correspondern de la forma siguiente:

d1

d2

d3

Ahora teniendo clara esta base, analicemos detalladamente este mtodo con un
ejemplo concreto.
Sea el siguiente sistema de ecuaciones:

Aplicaremos luego el primer paso, o sea que lo anotaremos en forma matricial:

Realizado lo anterior, podemos operar con las distintas columnas y filas de la

matriz para as convertirla en la matriz identidad, sin olvidar la forma del sistema:

Ahora debemos transformar el 2 de la primera fila de la matriz original en el 1 de la

primera fila de matriz identidad. Para realizar este paso multiplicamos toda la fila 1
por el inverso de 2, o sea . Veamos cmo nos queda:

A continuacin debemos obtener los dos ceros de la primera columna de la matriz

identidad. Para lograrlo buscaremos el opuesto de los nmeros que se encuentren
por debajo del 1 de la primera columna. El opuesto de 3 ser -3 y el de 5 -5.
Hecho esto multiplicaremos los opuestos de estos nmeros por cada uno de los
elementos de la fila primera y estos se adicionarn a los nmeros de sus
respectivas columnas Por ejemplo en el caso de la segunda fila, se multiplicar a
-3 que es el opuesto de 3, por cada uno de los elementos de la primera fila y se
aadir el resultado con el nmero correspondiente de la columna de la segunda
fila.

Veamos el ejemplo:

A medida que realicemos este procedimiento operando con las distintas filas y
columnas de la matriz, observaremos como esta se transforma en el modelo de la
matriz identidad. Finalizado el proceso, encontraremos finalmente en la cuarta
columna los valores de las variables. Veamos entonces como nos quedara:

10

x=1
y=-1
z= 2
Resuelto el sistema de ecuaciones, podemos verificar como ltimo paso:

METODO DE LA M
En el contexto de la aplicacin del Mtodo Simplex no siempre es inmediata la
obtencin de una solucin bsica factible inicial, en las variables originales del
modelo. Para conseguir esto existen varios procedimientos como son el Mtodo
Simplex de 2 Fases y el Mtodo de la M Grande (o Gran M) el cual abordaremos
en este artculo. Para ello consideremos el siguiente modelo de Programacin
Lineal en 2 variables:

11

A continuacin agregamos las variables no negativas

(auxiliar restriccin 2),

(exceso restriccin 3) y

(holgura restriccin 1),

(auxiliar restriccin 3). El

modelo ahora es:

Donde el parmetro M es una constante positiva suficientemente grande para

representar una penalizacin adecuada en la funcin objetivo. La tabla inicial del
mtodo est dada por:

Antes de continuar con las iteraciones se debe procurar que el costo reducido de
las variables

sean ceros. Para ello multiplicamos por -M la fila 2 y la fila 3 y

luego sumamos a la fila 4, obteniendo lo siguiente:

Ahora debemos seleccionar que variable no bsica ingresa a la base. El menor

costo reducido corresponde a la variable

en consecuencia dicha variable

12

ingresa

la

base.

Luego

columna:
variable

calculamos

el

mnimo

cuociente

en

dicha

, el cual se alcanza en la fila 1, por tanto la

deja la base. Se actualiza la tabla:

Siguiendo con las iteraciones ahora la variable

factibilidad indica que:

entra a la base. El criterio de

la variable

abandona la base (el

pivote se encuentra en la fila 3). Actualizamos la tabla:

Una nueva iteracin indica que

respectiva

columna

ingresa a la base. El mnimo cuociente en la

es:

(recordar

que

se

omiten

denominadores menores a cero). Ahora el pivote se encuentra en la fila 2 y en

consecuencia

deja la base. Se actualiza la tabla:

Se ha alcanzado la solucin ptima con

. Notar que las

variables auxiliares (r1 y r2) son no bsicas en el ptimo. El valor ptimo

es 21/4(notar que el signo esta cambiado).

13

CONCLUSION
El mtodo simplex es unos de los mtodos ms prcticos, sirve para solucionar
problemas en donde debemos de optimizar nuestros recursos de la manera ms
eficiente, pero para problemas de un gran nmero de variables y restricciones,
fcilmente se vuelve tedioso por el nmero de iteraciones y por supuesto
demorado para obtener la solucin ptima, es aqu donde el uso de otros mtodos
se hace indispensable y til en trminos de eficiencia.
14

Tambin en este tema se mencionaron los otros mtodos para la solucin de los
problemas de la programacin lineal como le es el mtodo de la M o la aplicacin
del mtodo de Gauss-Jordn con los cuales podremos dar resultado igualmente,
pero ms sencillo.
Ya para finalizar podemos decir, que los mtodos que anteriormente se
mencionaron nos ayudaron para la solucin de problemas dependiendo como se
hayan plateado, ya sea para la maximizacin o minimizacin de los recursos.

REFERENCIAS
Ingeniera Industrial ITSU. (2013). Teora del mtodo simplex. Abril 25, 2015, de
https://www.blogger.com/

Sitio

web:

http://itsuiiideo1.blogspot.mx/2012/02/21-

teoria-del-metodo-simplex.html
Bryan Salazar Lpez. (2012). METODO SIMPLEX. Abril 27, 2015, de
http://www.ingenieriaindustrialonline.com/

Sitio

web:

15

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/
Victoria

Prez.

(2010).

Mtodo

http://matematica.laguia2000.com/

de

Gauss-Jordan.

Abril

27,

Sitio

2015,

de
web:

http://matematica.laguia2000.com/general/metodo-de-gauss-jordan
GEO TUTORIALES. (2015). Mtodo de la M Grande (o Gran M) en Programacin
Lineal. Abril 27, 2015, de http://www.gestiondeoperaciones.net/ Sitio web:
http://www.gestiondeoperaciones.net/programacion_lineal/metodo-de-la-m-grandeo-gran-m-en-programacion-lineal/
Israel P. (2010). PROGRAMACION LINEAL: METODO SIMPLEX. Mayo 03, 2015,
de https://www.blogger.com/ Sitio web: http://isra-io.blogspot.mx/

GLOSARIO
CUOCIENTE: El resultado de una divisin corresponde a lo que denominamos
cuociente.
Iteracin: significa el acto de repetir un proceso con el objetivo de alcanzar una
meta deseada

16

Iterativo: Que se repite o se ha repetido muchas veces

17