NOMBRE: ISRAEL PRIETO

CARRERA: 7mo PETROQUIMICA

FECHA: 08-12-2015
TEMA: METODO SIMPLEX

En qu consiste el mtodo simplex.

El mtodo simplex se basa en el lgebra y se lo emplea para resolver
problemas de programacin lineal tanto de mximos como de
mnimos.
Es un proceso repetitivo numrico que permite llegar a una solucin
ptima partiendo de un punto extremo conocido; es decir, partiendo
de una solucin bsica, si esta solucin bsica factible tomada como
punto de partida no satisface es necesario tomar otra solucin que
nos d para Z>0< y as sucesivamente hasta llegar a la solucin final.
Es un mtodo iterativo (aproximaciones sucesivas, fue creado por
George Detring quien realizo investigacin basado en relaciones
matemticas de carcter lineal.
Existen 3 requisitos en la solucin en un problema de programacin
lineal por el mtodo simplex:
1. Todas las imitaciones o restricciones deben estar establecidas
como ecuaciones.
2. El segundo de un limitante o restriccin, no puede ser negativo.
3. Todas las variables estn restringidas a valores no negativos.

Aplicaciones del mtodo simplex.

La aplicacin del mtodo del Simplex, se utiliza cuando el

problema es de un tamao suficientemente grande. Est

diseado para problemas de programacin lineal cuya matriz

tiene la propiedad de diseminacin (el nmero de no-cero es
pequeo).
Hay implementaciones del mtodo simple para la solucin de
problemas de programacin lineal con las matrices de
restriccin escasa.
Se han desarrollado diversas variantes del mtodo simplex que
tienen en cuenta las particularidades de las diversas clases
especiales de problemas de programacin lineal (problemas de
bloque, los problemas de transporte y otros).
Este modelo sirve para la correcta interpretacin de modelos de
decisin basados en descripciones matemticas con la finalidad
de ayudar en la toma de decisiones en situaciones de
incertidumbre.

Restricciones.
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.

Variables de holgura y exceso

El Mtodo Simplex trabaja basndose en ecuaciones y las
restricciones inciales que se modelan mediante programacin lineal
no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y
exceso relacionadas con el recurso al cual hace referencia la
restriccin y que en el tabulado final representa el "Slackor surplus" al
que hacen referencia los famosos programas de resolucin de
investigacin de operaciones, estas variables adquieren un gran valor
en el anlisis de sensibilidad y juegan un rol fundamental en la
creacin de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman
si la restriccin es de signo "<= " y se restan si la restriccin es de
signo ">=".
Variable artificial / mtodo de la "m"
Una variable artificial es un truco matemtico para convertir
inecuaciones ">=" en ecuaciones, o cuando aparecen igualdades en
el problema original, la caracterstica principal de estas variables es
que no deben formar parte de la solucin, dado que no representan
recursos. El objetivo fundamental de estas variables es la formacin
de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las
restricciones, su coeficiente es M (por esto se le denomina Mtodo de
la M grande, donde M significa un nmero demasiado grande muy
poco atractivo para la funcin objetivo), y el signo en la funcin
objetivo va en contra del sentido de la misma, es decir, en problemas
de Maximizacin su signo es menos (-) y en problemas de
Minimizacin su signo es (+), repetimos con el objetivo de que su
valor en la solucin sea cero (0).

EJERCICIO
Aplicar del mtodo simplex para el siguiente programa lineal
Max (z)=
x 1+ x 2 80

100x 1 +200 x2

0.8 x1 +2 x2 124
x1 , x2 0
Para convertir las inecuaciones en ecuaciones se aade una variable
de holgura por cada ecuacin, con lo que queda:
Max (z)=

100x 1 +200 x2 + s1 + s2

x 1+ x 2 +s 1=80
0.8 x1 +2 x2 + s2=124
x 1 , x 2 , s 1 , s2 0
x 1=0, x 2=0 , el sistema de ecuaciones es anterior es

Hacemos

equivalente a resolver:

s 1 +0 s 2=80
0 s 1+ s 2=124
Cj
xB
s1
s2

cB
0
0
Zj
CjZj

80
124

100
x1
1
0.8
0
100

200
x2
1
2
0
200

0
s1
1
0
0
0

0
s2
0
1
0
0

RATIOS
80
62

En trminos numricos el valor de los costes reducidos se calcula de la

siguiente forma:
z1= 0*1 + 0*0,8 = 0

c1 z1 = 100 0 = 100

z2= 0*1 + 0*2 = 0

c2 z2 = 200 0 = 200

z3=0*1 + 0*0 = 0

c3 z3 = 0 0 = 0

z4 = 0*0 + 0*1 = 0

c4 z4 = 0 0 = 0

En la solucin inicial estos ratios son (80/ 1=80; 124/2=62).

El mnimo es 62 y, por tanto, sale de la base la variable s2. La prxima Base

est formada, por lo tanto, por las variables (s1, x2). En la tabla la iteracin
0 se ha marcado el pivote (y=2 ) en la celda sombreada.
Fila s2:
=124/2
x1 = 0,8/2
x2 = 2/2
s1 = 0/2
s2 = 1/2
Fila s1:
=80-(62*1) = 18
x1 = 1-(0,4*1) = 0,6
x2 = 1-(1*1) = 0
s1 = 1-(0*1) = 1
s2 = 0-(1/2*1) = -1/2

xB
s1
s2

cB
0
200
Zj
Cj-Zj

Cj

18
62

100
x1
0.6
0.4
80
20

200
x2
0
1
200
0

0
s1
1
0
0
0

0
s2
-0,5
0,5
100
-100

RATIOS
30
155

El coste reducido de la variable (no bsica) (x1=20) es positivo. Luego no

estamos en el ptimo y debe aplicarse la regla de entrada en la base.

Bibliografa:

http://www.ingenieriaindustrialonline.com/herramientas-para-elingeniero-industrial/investigaci%C3%B3n-de-operaciones/m
%C3%A9todo-simplex/
http://msimplexuniguajira.blogspot.com/2013/11/ventajas-ydesventajas-del-metodo.html

https://unijeancarlosioind.files.wordpress.com/2012/08/informemetodo-simplex.pdf
http://www.phpsimplex.com/teoria_metodo_simplex.htm#norma
lizacion_restricciones