El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que

secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de Programacin

Lineal en caso de existir esta ltima.
La primera implementacin computacional del Mtodo Simplex es el ano 1952 para un problema de 71
variables y 48 ecuaciones. Su resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1,
implementado en un IBM con 4Kb en RAM, admite la resolucin de modelos con 255 restricciones.
El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de
Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles (esto ltimo
en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en la evaluacin
progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para aplicar el Mtodo
Simplex a un modelo lineal, este debe estar en un formato especial conocido comoformato
estndar el cual definiremos a continuacin.
FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL
Consideremos un modelo de Programacin Lineal en su forma estandar, que denotaremos en lo que
sigue por:

Min

c1x1 + c2x2 + ... + cnxn

sa

a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

...

am1x1 + am2x2 + ... + amnxn = bm

xi >= 0,

...

...

i = 1, 2, ..., n

m <= n

Matricialmente escrito como:

Min

cTx

s.a

Ax

x >= 0
No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma estndar:

EJEMPLO

P)

Max

9u + 2v + 5z

sa

4u + 3v + 6z <= 50
u + 2v - 3z >= 8

2u - 4v + z = 5

u,v >= 0

z e IR
1.

Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si f(x) es la

funcin objetivo a maximizar y x* es la solucin ptima f(x*) >= f(x), para todo x factible. f(x*) <= - f(x), para todo x factible. En consecuencia: x* es tambin mnimo de -f(x)

2.

Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando una
(nueva) variable deholgura no negativa, con coeficiente nulo en la funcin objetivo.

3.

Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando una
(nueva) variable deexceso no negativa, con coeficiente nulo en la funcin objetivo.

4.

Siempre es posible escribir una variable libre de signo como la diferencia de dos variables no
negativas.

Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6

(exceso), el problema P) puede ser escrito en forma equivalente como:

Min

sa:

- 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6

4x1 + 3x2 + 6x3 - 6x4 +
x1 + 2x2 - 3x3 + 3x4

2x1 - 4x2 + x3

xi >= 0,

x4

x5

= 50
- x6 = 8
= 5

i=1,2,3,4,5,6.

EJEMPLO:
Resolver el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex:

Max

40*X1 + 60*X2

s.a.

2*X1 + 1*X2 <= 70

1*X1 + 1*X2 <= 40

1*X1 + 3*X2 <= 90

X1 >= 0 X2 >= 0
Para poder aplicar el Mtodo Simplex, es necesario llevar el modelo a su formato estndar, para lo cual
definimos X3, X4, X5 >= 0 como las respectivas variables de holgura para la restriccin 1, 2 y 3.
De esta forma queda definida la tabla inicial del mtodo de la siguiente forma:

X1

X2

X3

X4

X5

70

40

90

-40

-60

En esta situacin, las variables de holgura definen una solucin bsica factible inicial, condicin
necesaria para la aplicacin del mtodo. Luego, se verifican los costos reducidos de las variables no
bsicas (X1 y X2 en la tabla inicial) y se escoge como variable que entra a la base aquella con el
costo

reducido

"ms

negativo".

En

este

caso, X2.

Luego, para escoger que variable bsica deja la base debemos buscar el mnimo cuociente entre el
lado derecho y los coeficientes asociados a la variable entrante en cada fila (para aquellos coeficientes
> 0 marcados en rojo en la tabla anterior). El mnimo se alcanza en Min {70/1, 40/1, 90/3}
= 30 asociado a la tercera fila, el cual corresponde a la variable bsica actual X5, en consecuencia, X5
deja la base. En la posicin que se alcanza el mnimo cuociente lo llamaremos "Pivote" (marcado con
rojo) el cual nos servir para realizar las respectivas operaciones filas, logrando la siguiente tabla al
cabo de una iteracin:

X1

X2

X3

X4

X5

5/3

-1/3

40

2/3

-1/3

10

1/3

1/3

30

-20

20

1800

El valor de la funcin objetivo luego de una iteracin ha pasado de 0 a 1.800. Se recomienda al lector
hacer una representacin grfica del problema y notar como las soluciones factibles del mtodo
corresponden

vrtices

del

dominio

de

puntos

factibles.

La actual tabla no corresponde a la solucin ptima del problema P) debido a que existe una variable
no bsica con costo reducido negativo, por tanto X1 entra a la base. Posteriormente, mediante el
criterio del mnimo cuociente calculamos la variable que debe dejar la base: Min {40/(5/3), 10/(2/3),
30/(1/3)} = 15, asociado a la fila 2 (variable bsica actual X4), por tanto X4 deja la base. Obtenido lo
anterior se aplica una iteracin del mtodo:

X1

X2

X3

X4

X5

-5/2

1/2

15

3/2

-1/2

15

-1/2

1/2

25

30

10

2100

Finalmente se alcanza la solucin ptima del problema P) y se verifica que los costos reducidos
asociados a las variables no bsicas (X4 y X5 son mayores o iguals que cero). Notse que la existencia
de un costo reducido igual a cero para una variable no bsica en esta etapa define un problema con
"infinitas

soluciones".

La solucin alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente, los costos
reducidos asociados a las variables no bsicas definen el precio sombra asociado a las restricciones 1,
2 y 3, respectivamente, lo cual es equivalente a la obtencin del precio sombra mediante el mtodo
grfico. Dejaremos para una posterior presentacin, la forma de calcular el intervalo de variacin para
el lado derecho que permite la validez del precio sombra, utilizando la tabla final del Mtodo Simplex.
MTODO SIMPLEX DE 2 FASES
Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial en las variables
originales del modelo.
FASE 1: Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las
restricciones del problema, de modo de obtener una solucin bsica factible. Resolver por Simplex un
problema que considera como funcin objetivo la suma de las variables auxiliares. Si el valor ptimo es
cero, seguir a la Fase II, en caso contrario, no existe solucin factible.
FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada
en la Fase I.

P)

Max

2X1 + X2

sa

10X1 + 10X2 <= 9

10X1 + 5X2 >= 1

X1, X2 >= 0
Se debe agregar X3 como variable de holgura de la restriccin 1, X4 como variable de exceso de la
restriccin 2 y X5 variable auxiliar para poder comenzar la Fase 1. (Ntese que solo agregando X3
como variable de holgura a la restriccin 1 y X4 como variable de exceso a las segunda restriccin no
se obtiene una solucin bsica factible inicial, en particular X4<0).

F1)
sa

Min

...............10X1 + 10X2 + X3
10X1 + 5X2

= 9
- X4 + X5 = 1

X5

X1, X2, X3, X4, X5 >= 0

La tabla inicial asociada a la Fase I queda en consecuencia definida de la siguiente forma:

X1

X2

X3

X4

X5

10

10

10

-1

Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial para hacer el uso
de Simplex:

X1

X2

X3

X4

X5

10

10

10

-1

-10

-5

-1

Se escoge X1 como variable que entra a la base al tener el costo reducido ms negativo.
Posteriormente, mediante el criterio del mnimo cuociente se selecciona la variable que sale de la
base: Min {9/10; 1/10} = 1/10, X5 sale de la base:

X1

X2

X3

X4

X5

-1

1/2

-1/10

1/10

1/10

Se obtiene la solucin ptima de la Fase I, con valor ptimo cero. Luego iniciamos la Fase II del mtodo
tomando X1 yX3 como variables bsicas iniciales.
FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada
en la Fase I.

X1

X2

X3

X4

1/2

-1/10

1/10

-2

-1

Hacemos cero los costos reducidos de las variables bsicas:

X1

X2

X3

X4

1/2

-1/10

1/10

-1/5

1/5

X4 entra a la base. Por el criterio del mnimo cuociente, el pivote se encuentra en la fila 1, por
tanto X3 sale de la base:

X1

X2

X3

X4

1/10

9/10

1/5

9/5

Donde la solucin ptima es: X1=9/10

X2=0

Con valor ptimo V(P) = 9/5.

MTODO SIMPLEX - CASOS ESPECIALES

Llevar un problema de Programacin Lineal a su forma estndar no siempre es inmediato. Un error
frecuente es tratar de resolver por el Mtodo Simplex un modelo que no cumple con el diseo que
exige el mtodo. A continuacin algunos ejemplos y casos especiales a tener en cuenta:
CAMBIO DE VARIABLES
Resuelva el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex.
Max 2X1 + 2X2 + 4X3
S.A.
X2 + 2X3 <= 240 (R1)
X1 + X2 + X3 <= 400 (R2)
2X1 + X2 + X3 <= 360 (R3)
X1>=100 (R4) X2>=60 (R5) X3>=60 (R6)
Si quisiramos resolver directamente este problema utilizando Simplex deberamos agregar variables
de exceso para R4, R5 y R6 y luego variables artificiales para disponer de una solucin bsica factible
de modo de utilizar el Mtodo Simplex de 2 Fases. Claramente esto es un trabajo tedioso por el gran
tamao de la tabla resultante.
En consecuencia, lo ms eficiente es hacer un cambio de variables de modo que todas las
restricciones queden del tipo "<=" y de esta forma se dispone de una solucin bsica factible inicial.
Sea Y1=X1-100>=0; Y2=X2-60>=0; Y3=X3-60>=0. Reemplazamos en el modelo anterior, el cual
queda de la siguiente forma:
Max 2Y1 + 2Y2 + 4Y3 + 560
S.A.
Y2 + 2Y3 <= 60 (R1)
Y1 + Y2 + Y3 <= 180 (R2)
2Y1 + Y2 + Y3 <= 40 (R3)
Y1>=0 (R4) Y2>=0 (R5) Y3>=0 (R6)
Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos
la tabla inicial asociada a este nuevo problema:

Y1 Y2 Y3 S1 S2 S3
0

60

0 180

40

-2

-2 -4

Compruebe que Y1=5 (X1=105), Y2=0 (X2=60),Y3=30 (X3=90) con V(P)=690.

PROBLEMA INFACTIBLE
Esta situacin se detecta cuando el valor ptimo del problema de la fase 1 es distinto de cero.
Max
s.a:

3x1 + 2x2
2x1 + x2 <= 2
3x1 + 4x2 >= 12
x1,x2 >= 0

Llevamos el modelo a su forma estndar agregando X3 como variable de holgura de la restriccin 1,

X4 como variable de exceso de la restriccin 2 y X5 como variable artificial de la restriccin 2 que nos
permita formar la base. De esta forma el modelo de la fase 1 queda definido por:
Min
s.a:

x5
2x1 + x2 + x3 = 2
3x1 + 4x2 -x4 + x5= 12
x1,x2,x3,x4,x5 >= 0

Con tabla inicial:

X1 X2 X3 X4 X5
2

-1

12

Y tabla final de la fase 1:

X1 X2 X3 X4 X5
2

-5

-4

-1

-4

EJEMPLO PROBLEMA NO ACOTADO:

Esta situacin se detecta cuando al realizar el clculo de la variable que deja la base, todos los
elementosykj de la columna j en la tabla, son negativos para jel ndice de una variable no bsica con
costo reducido negativo.
Max
s.a:

2x1 + x2
x1 - x2 <= 10
2x1 <= 40
x1,x2 >= 0

Donde la tabla inicial del mtodo simplex luego de agregar X3 y X4 como variables de holgura para las
restricciones 1 y 2 respectivamente es:

X1

X2

X3

X4

-1

10

40

-2

-1

Cabe destacar que en esta instancia ya se puede constatar que el problema es no acotado. X2 siendo
variable no bsica los elementos de la respectiva columna son negativos o cero. Sin embargo, si el
usuario no se percata inmediatamente de esto, de todos modos llegar a la misma conclusin en la
iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no bsica con costo
reducido ms negativo.

MLTIPLES SOLUCIONES PTIMAS

Esta situacin se detecta cuando existen costos reducidos iguales a cero en una o ms de las
variables no bsicas ptimas.
Max
s.a:

3x1 + 2x2
5x1 + 2x2 <= 140
3x1 + 2x2 <= 120
x1,x2 >= 0

Con tabla final del Mtodo Simplex:

X1 X2

X3

X4

1/2

-1/2

10

-3/4

5/4

45

120

Ntese que se ha encontrado una de las infinitas soluciones ptimas para el problema
(X1=10,X2=45, V(P)=120). Esto debido a que la variable no bsica X3 tiene costo reducido igual a
cero en el ptimo. Cmo se puede obtener otro vrtice con similar valor ptimo?. Se debe
forzar la entrada entonces de X3 a la base y sacar de la base una de las variables bsicas actuales (si
sigue el clculo notar que esta corresponde a X1). Finalmente, el nuevo vrtice ptimo
es X1=0, X2=60, V(P)=120. El resto de las infinitas soluciones ptimas esta contenida en tramo que
une los 2 vrtices tal como se muestra en la figura: