En geometra, un simplex o n-simplex es el anlogo

en n dimensiones de un tringulo.

Es la envoltura convexa de un conjunto de (n + 1)
puntos independientes afines en un espacio
eucldeo de dimensin n o mayor, es decir, el
conjunto de puntos tal que ningn m-plano
contiene ms que (m + 1) de ellos. Se dice de estos
puntos que estn en posicin general.

Un 0-smplex es un punto; un 1-smplex un segmento
de una lnea; un 2-smplex un tringulo; un 3-smplex
es un tetraedro; y un 4-smplex es un pentcoron (en
cada caso, con su interior).
El metodo simplex es un metodo que
sirve para resolver problemas de
programacion lineal.

Este metodo fue inventado por George
Dantzig en el 1947.


La primera formulacin del mtodo
simplex fue en el verano de 1947.

El primer problema prctico que se
resolvi con este mtodo fue uno de
nutricin.



Es una tcnica popular para dar soluciones numricas del problema de
la programacin lineal.

Es un mtodo numrico para optimizacin de problemas libres
multidimensionales perteneciente a la clase ms general de algoritmos
de bsqueda.

Permite encontrar una solucin ptima en un problema de
maximizacin o minimizacin, buscando en los vrtices del polgono.


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. Partiendo del valor de la funcin
objetivo en un vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al anterior. La bsqueda se
hace siempre a travs de los lados del polgono (o de las aristas del
poliedro, si el nmero de variables es mayor). Cmo el nmero de
vrtices (y de aristas) es finito, siempre se podr encontrar la solucin.

Se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su
valor mximo en el vrtice A, entonces hay una arista que parte de A, a
lo largo de la cual f aumenta.




El mtodo simplex es muy eficiente en la
prctica, en general, teniendo 2m a 3m
iteraciones en la mayor parte (donde m
es el nmero de restricciones de
igualdad), y que convergen en la hora
prevista para el polinomio de ciertas
distribuciones de insumos al azar.

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).


Definiciones
Variables de decisin y parmetros- Las variables de
decisin son incgnitas que deben ser determinadas a partir
de la solucin del modelo. Los parmetros representan los
valores conocidas del sistema o bien que se pueden controlar.

Restricciones- Las restricciones son relaciones entre las
variables de decisin y magnitudes que dan sentido a la
solucin del problema y las acotan a valores factibles. Por
ejemplo si una de las variables de decisin representa el
nmero de empleados de un taller, es evidente que el valor de
esa variable no puede ser negativa.

Funcin Objetivo- La funcin objetivo es una relacin
matemtica entre las variables de decisin, parmetros y una
magnitud que representa el objetivo o producto del sistema.
El objetivo es de la forma de
maximizacin o de minimizacin.

Todas las restricciones son de igualdad.

Todas las variables son no negativas.

Las constantes a la derecha de las
restricciones son no negativas.

El sistema es tpicamente no determinado (el nmero de variables excede el nmero de
ecuaciones)

La diferencia entre el nmero de variables y el nmero de ecuaciones nos da los grados de
libertad asociados con el problema. Cualquier solucin, ptima o no, incluir un nmero de
variables de valor arbitrario. El algoritmo smplex usa cero como valor arbitrario, y el nmero
de variables con valor cero es igual a los grados de libertad.

Valores diferentes de cero son llamados variables bsicas, y valores de cero son llamadas
variables no bsicas en el algoritmo smplex.

Esta forma simplifica encontrar la solucin factible bsica inicial, dado que todas las
variables de la forma estndar pueden ser elegidas para ser no bsicas (cero), mientras
que todas las nuevas variables introducidas en la forma aumentada, son bsicas
(diferentes de cero), dado que su valor puede ser calculado trivialmente ( para ellas, dado
que la matriz problema aumentada en diagonal es su lado derecho)

En cada una de las desigualdades que se plantean en el modelo matemtico de
programacin lineal, se plantean desigualdades de <, >, <=, >=, o =

Estas desigualdades se convierten en igualdades completando con variables de holgura si
se trata de <, > , en el caso de que sea <=, >=, se completa con variables de excedente ,
estas con signo negativo ya que como su nombre lo indica, es una cantidad que esta de
excedente y hay que quitar para convertirla en igualdad, en caso se maneje el =, se
manejan las variables artificiales.


Un agricultor tiene una parcela de 640m para dedicarla al
cultivo de rboles frutales: naranjos, perales, manzanos y
limoneros. Se pregunta de qu forma debera repartir la
superficie de la parcela entre las variedades para conseguir el
mximo beneficio sabiendo que:

cada naranjo necesita un mnimo de 16m, cada peral 4m,
cada manzano 8m y cada limonero 12m.
dispone de 900 horas de trabajo al ao, necesitando cada
naranjo 30 horas al ao, cada peral 5 horas, cada manzano 10
horas, y cada limonero 20 horas.
a causa de la sequa, el agricultor tiene restricciones para el
riego: le han asignado 200m de agua anuales. Las necesidades
anuales son de 2m por cada naranjo, 1m por cada peral, 1m
por cada manzano, y 2m por cada limonero.
los beneficios unitarios son de 50, 25, 20, y 30 por cada naranjo,
peral, manzano y limonero respectivamente.

Se determinan las variables de decisin y
se representan algebraicamente. En
este caso:

X1: nmero de naranjos
X2: nmero de perales
X3: nmero de manzanos
X4: nmero de limoneros


Se determinan las restricciones y se expresan como
ecuaciones o inecuaciones de las variables de
decisin. Dichas restricciones se deducen de las
necesidades de cada rbol de terreno, horas de
trabajo anuales, y necesidades de riego:

Necesidades de terreno:
16X1 + 4X2 + 8X3 + 12X4 640
Necesidades de horas anuales:
30X1 + 5X2 + 10X3 + 20X4 900
Necesidades de riego:
2X1 + X2 + X3 + 2X4 200

Se expresan todas las condiciones
implcitamente establecidas por la naturaleza
de las variables: que no puedan ser
negativas, que sean enteras, que solo
puedan tomar determinados valores. En este
caso las restricciones son que el nmero de
rboles no puede ser negativo y adems
debe ser un nmero entero:
Xi 0
Xi son enteros
Se determina la funcin objetivo:
Maximizar Z = 50X1 + 25X2 + 20X3 + 30X4

Implementacion con el uso de Excel

Implementacion con Java

Implementacion con Mathematica

http://www.phpsimplex.com/casos_real
es.htm
WinQSB- Creado por el del Dr. Yih-Long Chang.
Consta de una serie de mdulos o aplicaciones
individuales que nos ayudarn en temas de
investigacin de operaciones, mtodos de trabajo,
planteamiento de la produccin, evaluacin de
proyectos, control de calidad, simulacin,
estadstica, etc., y son en total 19 mdulos.

LINDO - Se especializa en software de Optimizacin
Lineal, No Lineal, y Entera ofreciendo una lnea
completa de productos, con un total soporte de
estos. Los que vienen de acuerdo al tamao de
matriz de sus modelos (nmero de variables y
restricciones),y adems estn disponibles en todas
las plataformas conocidas


http://en.wikipedia.org/wiki/Simplex
http://mathworld.wolfram.com/SimplexMethod.html
http://eom.springer.de/S/s085340.htm
http://wapedia.mobi/en/Simplex_algorithm
http://en.wikipedia.org/wiki/Simplex_algorithm
http://neos.mcs.anl.gov/CaseStudies/simplex/index.html

http://math.fullerton.edu/mathews/n2003/LinearProgrammin
gMod.html
http://glossary.computing.society.informs.org
http://www.me.utexas.edu/~jensen/ORMM/frontpage/jense
n.lib/index.html