METODO SIMPLEX

Origen
Este popular metod fue creado en el año de 1947 por el estadounidense George Bernard
Dantzing y el ruso Leonid Vitalevich Kantorovich, con el animo de crear un algoritmo
capaz de solucionar problemas de m restricciones y n variables.

Desarrollo
 Resolver mediante el método simplex el siguiente problema:

Maximiza Z = f(x,y) = 3x +
r 2y
sujeto a: 2x + y ≤ 18
  2x + 3y ≤ 42
  3x + y ≤ 24
  x≥0,y≥0

Se consideran las siguientes fases:

1. Realizar un cambio de variables y normalizar el signo de los términos

independientes.

Se realiza un cambio en la nomenclatura de las variables. Estableciéndose la

correspondencia siguiente:

o x pasa a ser X1

o y pasa a ser X2

Como los términos independientes de todas las restricciones son positivos

no es necesario hacer nada. En caso contrario habría que multiplicar por "-1" en
ambos lados de la inecuación (teniendo en cuenta que esta operación también
afecta al tipo de restricción).

 Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de

holgura, exceso y artificiales según la tabla siguiente:

Tipo de Tipo de variable que

desigualdad aparece
≥ - exceso + artificial
= + 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:

2·X1 + X2 + X3 =

18
2·X1 + 3·X2 + X4 =
42
3·X1 + X2 + X5 =
24
  Igualar la función objetivo a cero.

Z - 3·X1 - 2·X2 - 0·X3 - 0·X4 - 0·X5 = 0

 Escribir la tabla inicial del método Simplex.

La tabla inicial del método Simplex está compuesta por todos los coeficientes de
las variables de decisión del problema original y las de holgura, exceso y
artificiales agregadas en el paso 2 (en las columnas, siendo P0 el término
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 está formada por los coeficientes de la función objetivo,

mientras que la última fila contiene el valor la función objetivo y los costes
reducidos Zj - Cj.

La última fila se calcula como sigue: Zj = Σ(Cbi·Pj) 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 método Simplex y ser todos los Cb nulos se puede simplificar
el cálculo, y por esta vez disponer Zj = -Cj.

Tabla I . Iteración nº 1
      3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P3 0 18 2 1 1 0 0
P4 0 42 2 3 0 1 0
P5 0 24 3 1 0 0 1
Z   0 -3 -2 0 0 0

 Condición de parada.

Si el objetivo es la maximización, cuando en la última fila (fila indicadora) no

existe ningún valor negativo entre los costes reducidos (columnas P1 en
adelante) se alcanza la condición de parada.

En tal caso se llega al final del algoritmo ya que no existe posibilidad de

mejora. El valor de Z (columna P0) es la solución óptima del problema.

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 solución siempre resultará mejorable. Ante esta situación
no es necesario continuar iterando indefinidamente y también se puede dar por
finalizado el algoritmo.

De no ser así, se ejecutan los siguientes pasos de forma iterativa.

  Elección 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 sería la variable X1 (P1) de coeficiente -3.

Si existiesen dos o más coeficientes iguales que cumplan la condición

anterior (caso de empate), entonces se optará por aquella variable que sea básica.

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 determina

cual será la variable que sale de la misma. La decisión se toma en base a un
sencillo cálculo: dividir cada término 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 mínimo.

Si hubiera algún elemento menor o igual a cero no se realiza dicho cociente.

En caso de que todos los elementos de la columna pivote fueran de ésta
condición se habría cumplido la condición de parada y el problema tendría una
solución no acotada (ver teoría del método Simplex).

En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]

El término de la columna pivote que en la división 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 más resultados cumplen la condición para

elegir el elemento saliente de la base (caso de empate), se escoge aquella que no
sea variable básica (siempre que sea es posible).

La intersección de la fila pivote y columna pivote marca el elemento pivote,

en este caso el 3.

 Actualizar la tabla.

Los nuevos coeficientes de la tabla se calculan de la siguiente manera:

o En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote

o 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 (análogo al método de
Gauss-Jordan).

Se muestran a continuación los cálculos para la fila P4:

Anterior fila P4 42 2 3 0 1 0
  - - - - - -
Anterior Elemento Fila en Columna Pivote 2 2 2 2 2 2
  x x x x x x
Nueva fila pivote 8 1 1/3 0 0 1/3
  = = = = = =
Nueva fila P4 26 0 7/3 0 1 -2/3

La tabla correspondiente a esta segunda iteración es:

Tabla II . Iteración nº 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

 Al comprobar la condición de parada se observa que no se cumple ya que

entre los elementos de la última fila hay uno negativo, -1. Se continúa
iterando nuevamente los pasos 6 y 7.

o 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.

o 6.2. Para calcular la variable que sale, se dividen los términos de la

columna P0 entre los términos 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).

o 6.3. El elemento pivote es 1/3.

o 7. Actualizando nuevamente los valores de la tabla se obtiene:

Tabla III . Iteración nº 3

      3 2 0 0 0
Base Cb P0 P1 P2 P3 P4 P5
P2 2 6 0 1 3 0 -2
 Tabla III . Iteración nº 3
P4 0 12 0 0 -7 1 4
P1 3 6 1 0 -1 0 1
Z   30 0 0 3 0 -1

 Una nueva comprobación de la condición 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 solución óptima y hay que seguir iterando
(pasos 6 y 7):

o 6.1. La variable que entra en la base es X5 (P5), por ser la variable que
corresponde al coeficiente -1.

o 6.2. Se escoge la variable que sale calculando el cociente entre los

términos de la columna de términos independientes y los términos
correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y
6/1 [=6]. En esta ocasión es X4 (P4).

o 6.3. El elemento pivote es 4.

o 7. Después de actualizar todas las filas, se obtiene la tabla siguiente:

Tabla IV . Iteración nº 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

 Fin del algoritmo.

Se observa que en la última fila todos los coeficientes son positivos

cumpliéndose, por tanto la condición de parada.

La solución óptima viene dada por el valor de Z en la columna de los

términos 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 decisión que han entrado en la base: X1 = 3 y X2 = 12.

Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.

Importancia
El METODO SIMPLEX facilita la localización eficiente y eficaz de una solución,
ubicado entre los extremos de un problema de la programación lineal. De modo que, la
gran ventaja de este método es práctica y sencilla, pues solo trabaja con los coeficientes
de acuerdo a las restricciones y su función objetivo.

El método SIMPLEX es sumamente importante en el sector empresarial, porque actúa

como una herramienta para ofrecer soluciones a los problemas relacionados con
pérdidas, inventario y ganancias. Con esta metodología, es posible visualizar cuánto se
debe comprar, producir y vender, según sea el caso. Esto con la finalidad de que la
compañía obtenga las ganancias suficientes para posicionarse y competir en el mercado.

En base a ello, es conveniente afirmar que el método SIMPLEX presenta una excelente
opción para las industrias y empresas especializadas en el sector del transporte,
específicamente en el área de inventarios.

Alcance

Una de las herramientas más importantes de la optimización es la programación lineal.

Un problema de programación lineal está dado por una función lineal de varias
variables que debe ser optimizada (maximizada o minimizada) cumpliendo con cierto
número de restricciones también lineales. El matemático G.B. Dantzig desarrolló un
algoritmo llamado el método simplexpara resolver problemas de este tipo. El método
simplex original ha sido modificado a fin de obtener un algoritmo eficiente para
resolver grandes problemas.