METODO DE LA M.

El mtodo simplex puede aplicarse a un problema de minimizacin si se modifican

los pasos del algoritmo.

Consideraciones Generales:

1. En general se recurre a las variables artificiales cuando al menos una de las restricciones en el modelo matemtico
original es del tipo mayor o igual (), esto con el fin de obtener la solucin bsica factible inicial.
2. Las variables artificiales proporcionan un artificio matemtico para obtener un primera solucin bsica. Estas
variables son ficticias y no tienen una interpretacin fsica directa en trminos del problema original (costos).
3. Se debe expresar el modelo original en la forma estndar (llevar las desigualdades a igualdades).
4. Sumar del lado izquierdo de cada ecuacin, correspondiente a las restricciones del tipo mayor o igual () una
variable (artificial) no negativa. Dicha adicin no causa una alteracin en las restricciones.
5. Los indicadores de las variables artificiales son todos negativos o iguales a cero (0) en la tabla final. Esto siempre
debe ser vlido para una solucin ptima (factible).
6. Una vez, conocidas las consideraciones generales procedemos con los pasos normales del mtodo simplex.

Algoritmo del Mtodo de la Tcnica de la M.

1. Pasar a la forma estndar el modelo matemtico, restando las variables de excedente ( holgura o flojas) por cada
restriccin.
2. Agregar variables artificiales en cada restriccin.
3. En la fila de los indicadores (funcin objetivo), tiene coeficiente nulos para las variables de holgura y M para las
variables artificiales, en donde M es un numero imposiblemente elevado para asegurar que las variables
artificiales se excluirn de la solucin ptima.
4. En la funcin objetivo no deben aparecer variables bsicas, por lo que se hace necesario eliminar las variables
artificiales de la F.O.( quitas las M de las columnas artificiales). Para retirar las M de las columnas de variables
artificiales se suman M veces (coeficientes de la fila1 + fila 2 + fila 3+ fila n) a la fila de la funcin objetivo. Esto
da como resultado la tabla inicial.
5. Cuando una solucin contiene variables artificiales bsicas menor o igual a cero (0), estamos ante una solucin
factible con respecto al modelo matemtico original.
6. Si el problema no tiene solucin factible, cuando menos una variable artificial ser positiva en la solucin ptima.

Ejemplo.

Pasos para resolver el Mtodo Simplex (Tcnica de la Gran M):

1. Se deben llevar a igualdades las desigualdades cada una de las restricciones y la funcin objetivo (Igualando a
O). Agregamos restamos las variables de holgura de acuerdo al nmero de restricciones que tengamos y
Sumamos variables artificiales por cada condicin mayor o igual que tengamos en el modelo matemtico
original.

Ejemplo:

Forma Estndar: Igualando a O:

Min Z = 20X1 + 30X2 +16X3 - 20X1 30X2 16X3 - Z = 0

Sujeto a: Sujeto a:
2,5X1 + 3X2 + X3 3 2,5X1 + 3X2 + X3 S1 +A1= 3
X1 + 3X2 +2X3 4 X1 + 3X2 +2X3 S2 +A2 = 4
Con X1, X2 y X3 0 Con X1, X2 y X3 0

2. Construir la tabla inicial simplex (0), donde se vacan cada uno de los coeficientes de las variables.

3. Se deben
eliminar las emes
(M) de la tabla
previa que se
encuentran como
coeficientes de las
variables artificiales, con el fin de encontrar nuestra tabla O, y nuestra primera solucin bsica factible.

4. Para eliminar las emes, se suman todos los coeficientes de las restricciones, columna por columna (variable por
variable) con emes, y el resultado se coloca delante de cada indicador de la fila Z, con el fin de que todos los
indicadores de Z queden positivos, y las emes (M) desaparezcan de las Columnas de la variable artificial con el
fin de encontrar nuestra primera solucin bsica factible.

Ya construida la tabla
inicial, encontramos la
1 Solucin Bsica
Factible, donde:
X1, X2, X3, S1 y S2 = 0,
A1=3, A2=4 y Z=7M.

Procedimiento-Mtodo Smplex

El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig. Este mtodo es utilizado, sobre todo, para
resolver problemas de programacin lineal en los que intervienen tres o ms variables.

El mtodo del simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso
concluye cuando no es posible seguir mejorando ms dicha solucin.

El mtodo est diseado de manera que la funcin objetivo no disminuya (o aumente) en un modelo de maximizacin (o
minimizacin) y generalmente aumentar (o disminuir) en cada iteracin.

Pasos para el desarrollo del mtodo simplex:

1. Hallar una solucin bsica factible inicial.

a. Convertir las desigualdades en igualdades.
b. Igualar la Funcin Objetivo a cero.
c. Escribir la tabla inicial simplex. (en las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la primera fila con los coeficientes de la
funcin objetivo.
2. Prueba de optimidad: determinar si la solucin bsica factible inicial es ptima, esto ocurre si todos los coeficientes
de la ecuacin son no negativos (= 0), para el caso de maximizacin. Si es as, el proceso termina; de otra manera se
lleva a cabo otra iteracin para obtener la nueva solucin bsica factible inicial.
3. Para escoger la variable de decisin que entra en la base, nos fijamos en la primera fila, la de los coeficientes de la
funcin objetivo y escogemos la variable con el coeficiente negativo mayor
a. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige uno cualquiera
de ellos.
b. Si en la primera fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima.
Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la primera
fila no haya elementos negativos (para el caso de maximizacin).
c. La columna de la variable que entra en la base se llama columna pivote
4. Para todos los problemas de maximizacin y minimizacin, la variable que sale es la variable bsica que tiene la
razn ms pequea (positiva). Una coincidencia se anula arbitrariamente.
a. Para determinar la razn de cada rengln, se divide cada trmino de la ltima columna (valores solucin) por el
trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero.
b. Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los
elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir.
c. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, indica la fila de la
variable de holgura que sale de la base. Esta fila se llama fila pivote
5. En la interseccin de la fila pivote y columna pivote se encuentra el elemento pivote.
6. Se determina la nueva solucin bsica factible construyendo una nueva tabla en la forma apropiada de eliminacin
de Gauss, abajo de la que se tiene. Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a 1,
se divide todo el rengln entre el nmero pivote, entonces

Nueva fila del pivote = rengln o fila pivote antigua / nmero pivote

7. Para el resto de las filas:

Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable entrante) X (Nueva fila del pivote)

rengln nuevo = rengln antiguo - ( coeficiente de la columna pivote X rengln pivote nuevo)

8. Si en los elementos de la primera fila hay un coeficiente negativo, significa que no hemos llegado todava a la
solucin ptima. Entonces se repite el proceso.
9. Si todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. La
solucin ptima viene dada por el valor de Z en la columna de los valores solucin. En la misma columna se puede
observar el vrtice donde se alcanza, observando las filas correspondientes a las variables de decisin que han
entrado en la base.

Problema de programacin lineal (PL)

Un problema de programacin lineal es un problema en cual debemos hallar el valor mximo o mnimo de una
expresin lineal

ax + by + cz + . . .
(llamada la funcin ojectiva), sujeta a unas restricciones lineales de la forma
Ax + By + Cz + . . . N
o
Ax + By + Cz + . . . N.
El valor ms grande o ms pequeo de la funcin objetiva se llama el valor ptimo, y un conjunto de valores de x, y,
z, . . . que se resultan en el valor ptimo es la solucin ptima. Las variables x, y, z, . . . se llaman las variables
decisin.

Mtodo simplex para problemas de maximizacin estndar

Para solucionar un problema de maximizacin estndar por el mtodo simplex, seguimos los siguientes pasos:

Paso 1. Convierta las desigualdades en igualdades por introducir variables de holgura por cada una de las
restricciones, para convertirlas en igualdades, y escriba las restricciones en forma estndar como muestra enfrente
en el ejemplo.

Paso 2. Escriba la tabla inicial simplex.

Paso 3. Escoja la columna pivote: Encuentre el nmero negativo mayor (en valor absoluto) en el ltimo rengln
(excluyendo la entrada ms hacia la derecha). Su columna es la columna pivote. (Si hay ms que una candidata,
escoja alguna.) Si no hay nmeros negativo en ltimo rengln son cero (excluyendo la entrada ms hacia la derecha),
entonces est terminado: la corriente solucin bsica maximiza la funcin ojectiva (la solucin bsica est descrito
ms abajo).

Paso 4. Escoja el pivote en la columna pivote: El pivote debe ser una entrada positiva. Para cada entrada positiva b
en la columna pivote, calcule la razn a/b, donde a es la entrada de la ltima columna (valores solucin) del rengln.
Entre estas razones de prueba, escoja la ms pequea. La entrada correspondiente b es el pivote.

Paso 5. Use el pivote para despejar la columna en la manera normal descrito en el tutorial del mtodo Gauss Jordan,
y sustituya la etiqueta de la columna pivote por la etiqueta del regln pivote. La etiqueta original es la variable
saliendo y la nueva etiqueta es la variable entrando.

Paso 6. Vaya a Paso 3.

Solucin bsica
Para obtener la solucin bsica que corresponde a alguna tabla del mtodo simplex, iguale a cero a todas las
variables que no aparecen como etiquetas de renglones (estas son las variables inactivas).

El valor de una variable que no aparece como una etiqueta de rengln (es decir, una variable activa) es la razn a/b,
en la que a es la entrada de la ltima columna del rengln y a es la entrada de aquel rengln cuya columna tiene la
misma etiqueta.

Restricciones no estndar
Para solucionar un problema PL con restricciones de la forma Ax + By + . . . N con N positiva, sustraiga una variable
de excedente del lado izquierdo en vez de aadir una variable de holgura. La solucin bsica que corresponde a la
primera tabla no estar factible porque algunas de las variables activas sern negativas, entonces las reglas para
pivotar son diferentes a las mostradas ms arriba.

Estrellar cada rengln que da un valor negativo a la variable asociada activa (salvo la variable ojectiva, que puede ser
negativa). Si hay algunos renglonges estrellados, tiene que empezar con Fase I:

Fase I: Llevndose a la regin factible (Deshacindose de las estrellas)

En el primero rengln estrellado, encuentre la entrada positiva ms grande. Use razones de prueba como ms arriba
para encontrar el pivote en su columna (excluyendo el ltimo rengln como de costumbre), y pivote. Nota: Si la
razn ms pequea ocurre en un rengln estrellado y tambin en un rengln no estrellado, escoja el pivote en un
rengln estrellado. Despus de pivotar, comprueba otra vez para ver cual renglones necesitan estrellas. Repita hasta
que permanece no renglones estrellados, y despus avance a Fase II.

Fase II: Use el mtodo para problemas PL estndar.

Si permanece algunas entradas a la izquierda del ltimo rengln despus de Fase I, use el mtodo descrito ms
arriba para solucionar problemas estndar de maximizacin.

Para algunos ejemplos interactivos, visita el tutorial para problemas general de programacin lineal.

Mtodo Simplex para problemas de minimizacin

Para solucionar un problema de minimizacin por el mtodo simplex, se convierte el problema en un problema de
maximizacin por negar la funcin objetiva: En vez de minimizar c, se maximiza p = -c.

Inicio de pgina
Ejemplo
El problema PL de minimizacin:

Minimizar C = 3x + 4y - 8z sujeta a
3x - 4y 12,
x + 2y + z 4
4x - 2y + 5z 20
x 0, y 0, z 0
puede ser reemplazar por el siguiente problema de maximizacin:
Maximizar P = -3x - 4y + 8z sujeta a
3x - 4y 12,
x + 2y + z 4
4x - 2y + 5z 20
x 0, y 0, z 0.
Inicio de pgina
Solucionar un juego matriz por el mtodo simplex
Para solucionar un juego por el mtodo simplex:

Antes de empezar, busque a puntos de silla. Si encuentra uno, ha ya solucionado al juego; las estrategias ptimas
son las estrategias puras que pasan por un punto de silla. Si no, siga los siguientes pasos:
 Reduzca a la matriz del pagos por predominio.
Aada un nmero fijado k a cada pago para que todos se vuelven no negativos.
Configura y solucione al asociado problema de programacin lineal pos el mtodo simplex.
Obtenga las estrategias ptimas y el valor esperado como sigue:

Estrategia columna
Escriba la solucin del problema PL como un vector columna.
Normalice por dividir cada entrada del vector solucin por la suma de las

Mtodo Simplex de 2 Fases

Esta estrategia algoritmica se aplica cuando luego de llevar un modelo de programacin lineal a su forma estndar no se
dispone de una solucin bsica factible inicial.

Fase 1: Consideramos un problema auxiliar que resulta de agregar tantas variables auxiliares a las restricciones del
problema, de modo de obtener una solucin bsica factible. Luego se debe resolver utilizando el Mtodo Simplex un
nuevo problema que considera como funcin objetivo la suma de las variables auxiliares. Si el valor ptimo alcanzado al
finalizar la Fase 1 es cero ir a la Fase 2. En caso contrario, no existe solucin factible.

Fase 2: Resolver a travs del Mtodo Simplex el problema original a partir de la solucin bsica factible inicial hallada en
la Fase1.

Ejemplo Simplex de 2 Fases

Considere el siguiente modelo de Programacin Lineal:

FASE 1: Al agregar S1 como variable de exceso en la restriccin 1 resulta evidente que no se dispone de una solucin
bsica factible inicial, por tanto utilizaremos una variable auxiliar "y" que incluiremos en el lado izquierdo de la
restriccin y que servir como variable bsica inicial. Esto define el problema inicial de la Fase 1 junto a su tabla.

Luego la variable X2 entra a la base (costo reducido negativo) y claramente "y" deja la base. Se actualiza la tabla
utilizando el mtodo simplex:
Con esta tabla finaliza la Fase 1. Notar que el valor de la funcin objetivo al finalizar la Fase 1 es cero, por tanto podemos
continuar la Fase 2.

FASE 2: Se elimina la columna asociada a la variable artificial "y" y se actualiza el vector de costos reducidos
considerando la funcin objetivo original. De esta forma se obtiene la tabla inicial de la Fase 2.

Dado que X2 es variable bsica al finalizar la Fase 1 buscamos dejar esta misma variable como bsica al iniciar la Fase 2.
Para ello multiplicamos por -3 la fila 1 y luego la sumamos a la fila 2.

En este sencillo ejemplo se llega inmediatamente a la tabla final de la Fase 2, con solucin ptima X1=0 y X2=10. El valor
ptimo V(P)=-30.

Mtodo Simplex de Dos Fases

El Mtodo Simplex de Dos Fases permite abordar la resolucin de aquellos modelos de Programacin Lineal que luego de
ser llevados a su forma estndar no permite obtener una solucin bsica factible inicial en las variables del modelo. Para
enfrentar esta situacin existen distintas estrategias algortmicas entre las que destacan el Mtodo Simplex de Dos
Fases y el Mtodo de la M Grande, las cuales suelen ser discutidas en cursos de Investigacin Operativa (Investigacin de
Operaciones). En el siguiente artculo nos concentraremos en el anlisis de la primera alternativa a travs de un enfoque
terico prctico.
Ejemplo Mtodo Simplex de Dos Fases

Considere el siguiente modelo de Programacin Lineal usando el Mtodo Simplex de Dos Fases.

Fase I (Mtodo Simplex de Dos Fases)

En este caso resulta conveniente multiplicar por -1 la primera restriccin de modo que el lado derecho sea positivo, lo cual
tiene como efecto adicional que cambia el sentido de la desigualdad. En consecuencia el problema que define la Fase I del
Mtodo Simplex de Dos Fases es:
Donde X3 es variable de exceso y X4 y X5 son variables artificiales de la restriccin 1 y 2 respectivamente. Luego estaos en
condiciones de confeccionar la tabla inicial de la Fase I donde las variables auxiliares X4 y X5 tienen costo reducido igual a
uno (dado sus respectivos coeficientes en la funcin objetivo de dicha fase).

A continuacin se llevan a cero los costos reducidos de X4 y X5. Para ello se realizan operaciones filas, por ejemplo, primero
multiplicando por -1 la fila 1 y sumndola a la fila 3, para luego multiplicar por -1 la fila 2 y sumarla a la fila 3.

Notar ahora que las variables bsicas son X4 y X5 y las variables no bsicas son X1, X2 y X3. Entre las variables no bsicas
la que tiene costo reducido negativo es X2, por tanto dicha variable entra a la Base y mediante el criterio de factibilidad o
mnimo cuociente se determina aquella variable bsica que deja la base. Esto se obtiene de Min{2/1; 10/1}=2. Por tanto
X4 sale de la base y se realiza una iteracin.

Luego de concluir la iteracin se dispone ahora de dos variables no bsicas con costo reducido negativo: X1 y X3. Teniendo
en consideracin un criterio de rapidez de convergencia se privilegia la entrada a la base de X1 al tener sta el costo
reducido ms negativo. La variable bsica que deja la base se obtiene de Min{8/2}=4, determinando que X5 sale de la
base. Para actualizar la tabla sumamos la fila 2 a la fila 3 (de modo que el costo reducido de X1 se transforme en cero) y
luego multiplicamos por 1/2 la fila 2 y la sumamos a la fila 1 (para que de esta forma X1 sea bsica asociada a la fila 2,
tomando la estructura de la variable bsica saliente X5).

Se verifica que se concluye la Fase I del Mtodo Simplex de Dos Fases. Esta situacin se detecta cuando se dispone de una
solucin bsica que satisface las condiciones de no negatividad, donde las variables no bsicas tienen costos reducidos
mayores o iguales a cero y el valor de la funcin objetivo es igual a cero.
Fase II (Mtodo Simplex de Dos Fases)

A continuacin se da inicio a la Fase II del Mtodo Simplex de Dos Fases. En esta etapa se elimina las columnas asociadas
a las variables auxiliares utilizadas en la Fase I del mtodo (en el ejemplo las variables X4 y X5) y se actualiza el vector de
costos reducidos considerando la funcin objetivo del problema original en formato de minimizacin, esto es MIN -X1
3X2.

Cabe recordar que las variables bsicas finalizadas la Fase I son X2 y X1 y luego de la actualizacin de la fila de costos
reducidos (fila 3) ser necesario llevar sus respectivos costos reducidos a cero, para lo cual se suma la fila 2 a la fila 3 y
luego se multiplica por 3 la fila 1 y se suma a la fila 3, obtenindose lo siguiente:

Del procedimiento anterior resulta que la variable no bsica X3 tiene costo reducido y por tanto ingresa a la base. La
variable bsica que deja la base se obtiene de Min{4/1/2}=8 y por tanto X1 abandona la base. Con ello se realiza una
iteracin del mtodo obteniendo la siguiente tabla:

Observar que la variable no bsica X1 tiene costo reducido igual a 2 (que satisface las condiciones de no negatividad),
adems de enfrentarnos a una solucin bsica factible para X2 y X3.

Por tanto se concluye la Fase II del Mtodo Simplex de Dos Fases con solucin ptima X1=0, X2=10 y X3=8 y valor
ptimo V(P)=30.