Calculadora del Método Simplex — Paso a Paso

Un solucionador matemático paso a paso para la Programación Lineal. Resuelve modelos de maximización y minimización con Simplex estándar, Gran M y análisis de sensibilidad.

Investigación Operativa y Programación Lineal

Fundamentos del Método Simplex: Guía Académica

Aprende cómo el algoritmo Simplex recorre poliedros factibles, resuelve restricciones >= con Gran M y calcula precios sombra económicos.

01

¿Qué resuelve el Método Simplex?

El algoritmo Simplex resuelve problemas de Programación Lineal (PL) encontrando el valor óptimo de una función objetivo lineal sujeta a restricciones de igualdad o desigualdad. Geométricamente, la región factible forma un poliedro convexo, y el teorema fundamental de la programación lineal demuestra que la solución óptima siempre reside en un vértice extremo. En lugar de evaluar todos los vértices, Simplex se desplaza iterativamente por aristas adyacentes mejorando el valor objetivo hasta alcanzar el óptimo global.

02

¿Cuándo y por qué usar el Método de la Gran M?

El Simplex estándar requiere una solución básica factible inicial (matriz identidad), que proporcionan de forma natural las variables de holgura cuando todas las restricciones son <= con lados derechos no negativos. Cuando existen restricciones >= o =, el origen (0,0) no es factible. La Gran M introduce variables artificiales fuertemente penalizadas en la función objetivo por -M (en maximización) o +M (en minimización). Si alguna variable artificial queda con valor positivo en el tableau óptimo, el problema es infactible.

03

Interpretación del Tableau y Sensibilidad

Cada iteración de Simplex actualiza la tabla mediante eliminación de Gauss-Jordan. La variable de entrada se selecciona por el costo reducido más negativo en la fila Z (en maximización), mientras que la variable de salida se define por la prueba de la razón mínima positiva (RHS / pivote positivo). Tras hallar el óptimo, nuestro solucionador desglosa los precios sombra (valores duales) bajo las columnas de holgura, mostrando el beneficio marginal por cada unidad adicional de recurso.

Preguntas Frecuentes de Programación Lineal

¿Cómo elegir entre el Método de la Gran M y el de Dos Fases?

Ambos métodos resuelven modelos con restricciones >= e =. La Gran M utiliza una sola función objetivo con una constante grande M, muy didáctica para cálculos manuales pero susceptible a errores de redondeo numérico en computadoras. El método de Dos Fases desacopla la búsqueda de factibilidad (Fase I) de la optimización (Fase II). Simplex Solver Pro implementa la Gran M para desglosar cada iteración de tableau; puedes consultar nuestra guía de Dos Fases para comparar ambos enfoques.

¿Qué ocurre si una restricción tiene un lado derecho (RHS) negativo?

Cualquier restricción con término independiente negativo (ej. 2x1 + x2 <= -4) debe normalizarse antes de crear el tableau multiplicando toda la desigualdad por -1, lo que invierte el sentido del operador (-2x1 - x2 >= 4).

¿Cómo detecta la calculadora soluciones no acotadas o múltiples óptimos?

Si todos los coeficientes de la columna pivote son menores o iguales a cero, la prueba de la razón no encuentra variable de salida y el problema es no acotado (ilimitado). Si una variable no básica presenta costo reducido exactamente cero en el tableau final, existen infinitas soluciones óptimas alternativas en ese segmento.

¿Cuál es el significado económico del Precio Sombra?

El precio sombra cuantifica el valor marginal de un recurso limitado. En restricciones activas o saturadas (holgura = 0), el precio sombra es positivo y señala el incremento exacto del beneficio al disponer de una unidad adicional de dicho recurso dentro del rango de factibilidad.