Método Simplex

Forma Tabular
 • Entender la aplicación del Algoritmo
OBJETIVO DEL SIMPLEX en problemas del mundo real
METODO SIMPLEX aplicados en Programación lineal
cuando la función objetivo es
maximizar o Minimizar con
restricciones (menor o igual que,
mayor o igual y igual).
 Método Simplex
Es un método analítico de solución de problemas de programación
lineal para resolver modelos más complejos que los del método
gráfico sin restricción en el número de variables.
Es un método iterativo que permite ir mejorando la solución en
cada paso.
La razón matemática de esta mejora radica en que el método
consiste en caminar del vértice de un poliedro a un vértice vecino
de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número
de vértices que presenta un poliedro solución es finito siempre se
hallará solución.

Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.).

Método Símplex
¿Para Qué Sirve El Método Simplex?
El método Simplex nos sirve para solucionar problemas en donde
debemos de optimizar nuestros recursos de la manera más eficiente. Se
utiliza para resolver problemas de programación lineal en los que
intervienen dos, tres o más variables.

El álgebra matricial y el proceso de eliminación de Gauss-Jordan para resolver un

sistema de ecuaciones lineales constituyen la base del método simplex
Método Simplex
Recordar: ¿Qué Es Una Matriz Identidad?

Una matriz puede definirse como una ordenación rectangular de

elementos, (o listado finito de elementos), los cuales pueden ser números
reales o complejos, dispuestos en forma de filas y de columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el
mismo número tanto de columnas como de filas) de orden n que tiene
todos los elementos diagonales iguales a uno (1) y todos los demás
componentes iguales a cero (0), se denomina matriz idéntica o identidad
de orden n, y se denota por:
Método Simplex
Ejemplos de Matríz Identidad

1 0 0 … 0
0 1 0 … 0
𝐼𝑛 = 0 0 1 … 0
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 1 𝑛𝑥𝑛

1 0 0
𝐼3 = 0 1 0
0 0 1 3𝑥3

1 0
𝐼2 =
0 1 2𝑥2
 VARIABLES DE HOLGURA

• El método trabaja basándose en ecuaciones

y como las restricciones iniciales que se
modelan no lo son, entonces se convierte de
inecuaciones a ecuaciones utilizando unas
variables denominadas de holgura
relacionadas con el recurso al cual hace
Método referencia la restricción. Estas variables
adquieren un gran valor en el análisis de
sensibilidad y juegan un rol fundamental en
Simplex la creación de la matriz identidad base del
Simplex.
• Estas variables suelen estar representadas
por la letra "S", se suman si la restricción es
de signo "≤ “.
 Variables de Holgura
• Las Variables de Holgura:
representa el valor que le hace
falta al lado izquierdo para ser
igual al lado derecho.

Método Es decir :

Simplex • la cantidad no utilizada son las sobras,

desechos y desperdicios de la
disponibilidad son demandas
insatisfechas, recursos no utilizados.
• Las variables de holguras siempre son
positivas.
• La cantidad excedente del lado
derecho L.D, respecto de izquierdo da
entonces la cantidad no utilizada del
recurso.
Método Simplex

Variables de Holgura: se suma al lado izquierdo de la restricción del tipo ≤.

24X1 + 8X2 ≤ 60,000 24𝑋1 + 8𝑋2 + 𝑆1 = 60,000

Variables de Excedente: se resta al lado izquierdo de la restricción del tipo ≥

5𝑋1 +10𝑋2 ≥90 5𝑋1 + 10𝑋2−𝑆1 = 90

Restricciones originales del modelo Restricciones originales del modelo

2𝑋1 + 3𝑋2 + 𝑋3 ≤ 500 2𝑋1 + 3𝑋2 + 𝑋3 ≥ 500

3𝑋1 + 𝑋2 + 𝑋3 ≤ 700
4𝑋1 + 2𝑋2 + 2𝑋3 ≤ 800
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Restricciones Transformadas en ecuaciones
2𝑋1 + 3𝑋2 + 𝑋3 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 500
3𝑋1 + 𝑋2 + 𝑋3 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 700
4𝑋1 + 2𝑋2 + 2𝑋3 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 800
Matríz Identidad
3𝑋1 + 𝑋2 + 𝑋3 ≥ 700
4𝑋1 + 2𝑋2 + 2𝑋3 ≥ 800
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Restricciones Transformadas en ecuaciones
2𝑋1 + 3𝑋2 + 𝑋3 − 1𝑆1 + 0𝑆2 + 0𝑆3 = 500
3𝑋1 + 𝑋2 + 𝑋3 + 0𝑆1 − 1𝑆2 + 0𝑆3 = 700
4𝑋1 + 2𝑋2 + 2𝑋3 + 0𝑆1 + 0𝑆2 − 1𝑆3 = 800
Matríz Identidad

Método Simplex
Pasos del Método Simplex
Pasos del Método Simplex
1. Convertir las desigualdades en igualdades
2. Igualar la función objetivo a cero
3. Escribir la tabla inicial simplex
4. Encontrar la variable de decisión que entra en la
base
5. Encontrar la variable de holgura que sale de la
base
6. Encontrar los coeficientes de la nueva tabla.
 Pasos del
Tipo De Agregar a la Agregar a la función objetivo
Método Restricción restricción (las variables de holgura y
Simplex excedente tienen coeficiente 0
en la función objetivo)
≤ +𝑆 +0𝑆

1. Convertir las ≥ −𝑆 + 𝑅 𝑀𝑎𝑥 + 0𝑆 – 𝑀R

desigualdades en 𝑀𝑖𝑛 + 0𝑆 + 𝑀R
igualdades
= +𝑅 𝑀𝑎𝑥 − 𝑀R
Para este paso lo que se hace
𝑀𝑖𝑛 + 𝑀R
es que se convierten las
inecuaciones en ecuaciones,
aplicando los siguientes
criterios de aumento:
 Por Ejemplo :
Pasos del
Forma Original
Método 𝑍𝑚𝑎𝑥 = 40𝑋1 + 60𝑋2
Simplex 𝑆/𝑎
2𝑋1 + 2𝑋1 ≤ 70
1𝑋1 + 1𝑋1 ≤ 40
1𝑋1 + 3𝑋1 ≤ 90
1. Convertir a la forma 𝑋1 , 𝑋2 ≥ 0
estandar el modelo
matemático de Desigualdades en igualdades
Programación lineal.
2𝑋1 + 2𝑋1 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 70
1𝑋1 + 1𝑋1 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 40
Para este paso lo que se hace 1𝑋1 + 3𝑋1 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 90
es que se convierten las
𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0
inecuaciones en ecuaciones,
aplicando los siguientes
criterios de aumento:
 Pasos del
Método Función Objetivo
Simplex 𝑍𝑚𝑎𝑥 = 40𝑋1 + 60𝑋2

Se trata a Z como si fuera una de las

restricciones originales, como se encuentra en
2. Igualar la función forma de igualdad no necesita variables de
objetivo a cero holgura, pero se agrega Z con la finalidad de
obtener su valor.
Pasos del Método Simplex

3. Escribir la tabla inicial simplex

𝑍𝑚𝑎𝑥 = 40𝑋1 + 60𝑋2 =0
2𝑋1 + 2𝑋2 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 70
1𝑋1 + 1𝑋2 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 40
1𝑋1 + 3𝑋2 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 90

Variable Variables de Variables de holgura Solución Operación

Básica Decision LD
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 40 60 0 0 0 0
𝑆1 2 2 1 0 0 70
𝑆2 1 1 0 1 0 40
𝑆3 1 3 0 0 1 90
Pasos del Método Simplex

4. Encontrar la variable de decisión que entra en la base

a) Para escoger la variable de decisión que entra en la base, (Columna

Verde), observamos la primera fila, la cual muestra los coeficientes de
la función objetivo y escogemos la variable con el coeficiente positivo
mayor, en este caso, la variable 𝑋2 de coeficiente 60.
b) Si existen dos o más coeficientes iguales que cumplan la condición
anterior, entonces se elige cualquiera de ellos.
 Pasos del Método Simplex

4. Encontrar la variable de decisión que entra en la base

Columna
Pivote:
Variable que
entra a la
base

Variable Variables de Variables de holgura Solución Operación

Básica Decision LD
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 40 60 0 0 0 0
𝑆1 2 2 1 0 0 70
𝑆2 1 1 0 1 0 40
𝑆3 1 3 0 0 1 90
Pasos del Método Simplex

5. Encontrar la variable de holgura que sale de la base.

a) Para encontrar la variable de holgura que tiene que salir de la base,

(Fila Verde) 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.
b) Si hubiese algún elemento menor o igual que cero no se hace la
división. 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.
c) El término de la columna pivote que en la división anterior da lugar al
menor cociente positivo, indica la fila de la variable de holgura que
sale de la base . En este caso es la variable S3. Esta fila se llama fila
pivote
Pasos del Método Simplex

5. Encontrar la variable de holgura que sale de la base.

d) Si al calcular los cocientes, dos o más son iguales, indica que

cualquiera de las variables correspondientes pueden salir de la base.
e) En la intersección de la fila pivote y columna pivote tenemos el
elemento pivote operacional, en es ejemplo es 3, este indica que la
variable de decisión 𝑋2 entra a la base y la variable de holgura 𝑆3 sale
de la base.
 Pasos del Método Simplex

5. Encontrar la variable de holgura que sale de la base.

Variable Variables de Decision Variables de holgura Solución LD Operación

Básica

𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 40 60 0 0 0 0
𝑆1 2 2 1 0 0 70 70/2=35
Fila
𝑆2 1 1 0 1 0 40 40/1=40 Pivote:
𝑆3 1 3 0 0 1 90 90/3=30 Variable
que sale
de la base
Elemento Pivote
Operacional

𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑺𝟑 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
Pasos del Método Simplex

6. Encontrar los coeficientes para el nuevo tablero de 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.
Para hacer lo anteriormente descrito lo que hacemos es hacer 1 el elemento
operacional pivote, y se hace 1 multiplicando la fila pivote por 1/3:
𝟏 1 3 0 0 1 90
𝟑

El resultado es el siguiente :

𝑿𝟐 1/3 1 0 0 1/3 30

Una vez que encontrado los nuevos valores de los coeficientes de la fila pivote, se
procede a hacer ceros los demás elementos de la columna pivote , para esto se
hace lo siguiente:
Pasos del Método Simplex

6. Encontrar los coeficientes para el nuevo tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación
Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z
𝑆1
𝑆2
X2 1/3 1 0 0 1/3 30

𝑿𝟐 -60 1/3 1 0 0 1/3 30

= -20 -60 0 0 -20 -1800

+Z 40 60 0 0 0 0

Nueva Z = 20 0 0 0 -20 -1800

Pasos del Método Simplex

6. Encontrar los coeficientes para el nuevo tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación
Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 20 0 0 0 -20 1800
𝑆1
𝑆2
X2 1/3 1 0 0 1/3 30

𝑿𝟐 -2 1/3 1 0 0 1/3 30

= -2/3 -2 0 0 -2/3 -60

+𝑆1 2 2 1 0 0 70

Nueva 𝑆1 = 4/3 0 1 0 -2/3 10

Pasos del Método Simplex

6. Encontrar los coeficientes para el nuevo tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación
Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 20 0 0 0 20 1800
𝑆1 4/3 0 1 0 -2/3 10
𝑆2
X2 1/3 1 0 0 1/3 30

𝑿𝟐 -1 1/3 1 0 0 1/3 30

= -1/3 -1 0 0 -1/3 -30

+𝑆2 1 1 0 1 0 40

Nueva 𝑆2 = 2/3 0 0 1 -1/3 10

Pasos del Método Simplex

Nuevos valores en el tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación

Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 20 0 0 0 -20 1800
𝑆1 4/3 0 1 0 -2/3 10
𝑆2 2/3 0 0 1 -1/3 10
X2 1/3 1 0 0 1/3 30
Pasos del Método Simplex

Nuevos valores en el tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación
Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 20 0 0 0 -20 1800
𝑆1 4/3 0 1 0 -2/3 10 15/2=7.5
𝑆2 2/3 0 0 1 -1/3 10 15
X2 1/3 1 0 0 1/3 30 90

Como en los elementos de la primera fila Z hay un numero Negativo(-20), significa

que no hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
La variable que entra en la base es x1, que es el único elemento negativo que
queda en el renglón Z y se repite el proceso anterior.
El menor cociente positivo es 15/2, tenemos que la fila pivote y la variable de
holgura que sale es S1.
El elemento pivote, que ahora hay que hacer 1, es 4/3. Y se opera de forma
análoga a la anterior iteración.
 Pasos del Método Simplex

Columna Pivote:
Variable que
entra a la base

Variable Variables de Variables de holgura Solución LD Operación

Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3

Fila Pivote:
Z 20 0 0 0 -20 1800
Variable que 𝑆1 4/3 0 1 0 -2/3 10 15/2=7.5
sale de base
𝑆2 2/3 0 0 1 -1/3 10 15
X2 1/3 1 0 0 1/3 30 90

𝑿𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔

𝑺𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒃𝒂𝒔𝒆
Pasos del Método Simplex

Convertir el elemento pivote operacional en 1, para este caso la fila pivote lo

multiplicamos ¾
(3/4) 4/3 0 1 0 -2/3 10

El resultado es el siguiente:

𝑿𝟏 1 0 3/4 0 -1/2 15/2

Variable Variables de Variables de holgura Solución LD Operación

Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2
X2
Pasos del Método Simplex
Convertir los demás elementos de la columna pivote en cero:
Variable Variables de Variables de holgura Solución LD Operación
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 -15 0 -10 -1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2
X2

(−𝟐𝟎) (1 0 3/4 0 -1/2 15/2)

= (-20 0 -15 0 -10 -150)
+Z 20 0 0 0 20 -1800

Nueva Z= 0 0 -15 0 -10 -1950

Pasos del Método Simplex
Convertir los demás elementos de la columna pivote en cero:
Variable Variables de Variables de holgura Solución LD Operación
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 -15 0 -10 -1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2

(−𝟐/𝟑) (1 0 3/4 0 -1/2 15/2)

= (-2/3 0 -1/2 0 1/3 -5)

+𝑆2 2/3 0 0 1 -1/3 10

Nueva 𝑆2 = 0 0 -1/2 1 0 5
Pasos del Método Simplex
Convertir los demás elementos de la columna pivote en cero:
Variable Variables de Variables de holgura Solución LD Operación
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 -15 0 -10 -1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2 0 1 -1/4 0 1/2 55/2

(−𝟏/𝟑) (1 0 3/4 0 -1/2 15/2)

= (-1/3 0 -1/4 0 1/6 -5/2)

+𝐗 2 1/3 1 0 0 1/3 30

Nueva 𝑿2 = 0 1 -1/4 0 1/2 55/2

Pasos del Método Simplex

Variable Variables de Variables de holgura Solución Operaci

Básica Decision LD ón
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 -15 0 -10 -1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2 0 1 -1/4 0 1/2 55/2

Como todos los coeficientes de la fila de la función objetivo son ceros y

negativos , hemos llegado a la solución optima.
Los solución óptima viene dada por el valor de Z en la columna de los
valores solución, en nuestro caso:1950.
El valor de las variables de decisión para X1 es 15/2 y para X2 es 55/2.
 MÉTODO SIMPLEX
METODO DE LA GRAN M
 Existen problemas de programación lineal
que no proporcionan una solución básica
TÉCNICAS inicial. Esta situación se presenta cuando
DE LAS al menos una de las restricciones es del
tipo (>=) o (=). Para este propósito se
VARIABLES desarrollan 2 métodos basados en el uso
de variables artificiales: El método M o de
ARTIFICIALES penalización y la técnica de 2 fases.
 Variables De Superfluas-exceso-
superávit.
• Las variables de exceso: son
requerimientos mínimos, superávit es el
Método exceso mínimo del lado izquierdo sobre
el requerimiento mínimo, son los
Simplex excedentes de un producto
• El valor de esta variable se interpreta
como la cantidad por encima de algún
nivel mínimo requerido. Es decir los
excedentes de un producto.
Método Simplex
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"

Una variable artificial es un truco matemático para

convertir inecuaciones "≥" en ecuaciones, o cuando
aparecen igualdades en el problema original, la
característica principal de estas variables es que no
deben formar parte de la solución, dado que no
representan recursos. El objetivo fundamental de
estas variables es la formación de la matriz identidad.
Método Simplex
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"

Estas variables se representa por la letra “R", y siempre se

suman a las restricciones, su coeficiente es M (por esto se
define Método de la M grande, donde M significa un
número demasiado grande muy poco atractivo para la
función objetivo), y el signo en la función objetivo va en
contra del sentido de la misma, es decir, en problemas de
Maximización su signo es menos (-) y en problemas de
Minimización su signo es (+), repetimos con el objetivo de
que su valor en la solución sea cero (0)
• EJERCICIO MINIMIZAR VER DOCUMENTO WORD