IO - 04 - Método Simplex

Método Forma Tabular
Simplex
Método Símplex
Es un método analítico de solución de problemas de programación
lineal para resolver modelos más complejos que los del método
gráfico sin restricción en el número de variables.
Es un método iterativo que permite ir mejorando la solución en
cada paso.
La razón matemática de esta mejora radica en que el método
consiste en caminar del vértice de un poliedro a un vértice vecino
de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número
de vértices que presenta un poliedro solución es finito siempre se
hallará solución.
Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.).

Método Símplex
¿Para Qué Sirve El Método Simplex?
El método Simplex nos sirve para solucionar problemas en donde
debemos de optimizar nuestros recursos de la manera más eficiente. Se
utiliza para resolver problemas de programación lineal en los que
intervienen dos, tres o más variables.
El álgebra matricial y el proceso de eliminación de Gauss-Jordan para resolver un

sistema de ecuaciones lineales constituyen la base del método simplex
Método Símplex
Recordar: ¿Qué Es Una Matriz Identidad?
Una matriz puede definirse como una ordenación rectangular de

elementos, (o listado finito de elementos), los cuales pueden ser números
reales o complejos, dispuestos en forma de filas y de columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el
mismo número tanto de columnas como de filas) de orden n que tiene
todos los elementos diagonales iguales a uno (1) y todos los demás
componentes iguales a cero (0), se denomina matriz idéntica o identidad
de orden n, y se denota por:
Método Símplex
Ejemplos de Matríz Identidad
1 0 0 … 0
0 1 0 … 0
𝐼𝑛 = 0 0 1 … 0
⋮ ⋮ ⋮ ⋱ ⋮
0 0 0 … 1 𝑛𝑥𝑛
1 0 0
𝐼3 = 0 1 0
0 0 1 3𝑥3
1 0
𝐼2 =
0 1 2𝑥2
Método Simplex
Variables de Holgura y Excedente

• El método trabaja basándose en ecuaciones y como las restricciones
iniciales que se modelan no lo son, entonces se convierte de
inecuaciones a ecuaciones utilizando unas variables denominadas de
holgura y exceso relacionadas con el recurso al cual hace referencia la
restricción. Estas variables adquieren un gran valor en el análisis de
sensibilidad y juegan un rol fundamental en la creación de la matriz
identidad base del Simplex.
• Estas variables suelen estar representadas por la letra "S", se suman si la
restricción es de signo "≤ " y se restan si la restricción es de signo "≥".
Método Simplex
Variables de Holgura y Exceso
• Las Variables de Holgura: representa el valor que le hace falta al lado
izquierdo para ser igual al lado derecho.
Es decir :
a) la cantidad no utilizada
b) son las sobras, desechos y desperdicios de la disponibilidad,
c) son demandas insatisfechas,
d) recursos no utilizados. Las variables de holguras siempre son
positivas.
e) La cantidad excedente del lado derecho L.D, respecto de izquierdo da
entonces la cantidad no utilizada del recurso.
Método Simplex
Variables De Superflúas-exceso-superávit.
• Las variables de exceso: son requerimientos mínimos, superávit es el
exceso mínimo del lado izquierdo sobre el requerimiento mínimo, son
los excedentes de un producto
• El valor de esta variable se interpreta como la cantidad por encima de
algún nivel mínimo requerido. Es decir los excedentes de un producto.
Método Simplex
Variables de Holgura: se suma al lado izquierdo de la restricción del tipo ≤.
24X1 + 8X2 ≤ 60,000 24𝑋1 + 8𝑋2 + 𝑆1 = 60,000
Variables de Excedente: se resta al lado izquierdo de la restricción del tipo ≥
5𝑋1 +10𝑋2 ≥90 5𝑋1 + 10𝑋2−𝑆1 = 90

Restricciones originales del modelo Restricciones originales del modelo
2𝑋1 + 3𝑋2 + 𝑋3 ≤ 500 2𝑋1 + 3𝑋2 + 𝑋3 ≥ 500

3𝑋1 + 𝑋2 + 𝑋3 ≤ 700 3𝑋1 + 𝑋2 + 𝑋3 ≥ 700
4𝑋1 + 2𝑋2 + 2𝑋3 ≤ 800 4𝑋1 + 2𝑋2 + 2𝑋3 ≥ 800
𝑋1 , 𝑋2 , 𝑋3 ≥ 0 𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Restricciones Transformadas en ecuaciones Restricciones Transformadas en ecuaciones
2𝑋1 + 3𝑋2 + 𝑋3 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 500 2𝑋1 + 3𝑋2 + 𝑋3 − 1𝑆1 + 0𝑆2 + 0𝑆3 = 500
3𝑋1 + 𝑋2 + 𝑋3 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 700 3𝑋1 + 𝑋2 + 𝑋3 + 0𝑆1 − 1𝑆2 + 0𝑆3 = 700
4𝑋1 + 2𝑋2 + 2𝑋3 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 800 4𝑋1 + 2𝑋2 + 2𝑋3 + 0𝑆1 + 0𝑆2 − 1𝑆3 = 800
Matríz Identidad
Matríz Identidad
Método Simplex
Método Simplex
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"
Una variable artificial es un truco matemático para

convertir inecuaciones "≥" en ecuaciones, o cuando
aparecen igualdades en el problema original, la
característica principal de estas variables es que no
deben formar parte de la solución, dado que no
representan recursos. El objetivo fundamental de
estas variables es la formación de la matriz identidad.
Método Simplex
VARIABLE ARTIFICIAL / MÉTODO DE LA "M"
Estas variables se representa por la letra “R", y siempre se

suman a las restricciones, su coeficiente es M (por esto se
define Método de la M grande, donde M significa un número
demasiado grande muy poco atractivo para la función
objetivo), y el signo en la función objetivo va en contra del
sentido de la misma, es decir, en problemas de Maximización
su signo es menos (-) y en problemas de Minimización su
signo es (+), repetimos con el objetivo de que su valor en la
solución sea cero (0)
Pasos del Método
Simplex
Pasos del Método Simplex
1. Convertir las desigualdades en igualdades
2. Igualar la función objetivo a cero
3. Escribir la tabla inicial simplex
4. Encontrar la variable de decisión que entra en la
base
5. Encontrar la variable de holgura que sale de la
base
6. Encontrar los coeficientes de la nueva tabla.
Pasos del
Tipo De Agregar a la Agregar a la función objetivo
Método Restricción restricción (las variables de holgura y
Simplex excedente tienen coeficiente 0
en la función objetivo)
≤ +𝑆 +0𝑆
1. Convertir las ≥ −𝑆 + 𝑅 𝑀𝑎𝑥 + 0𝑆 – 𝑀R

desigualdades en 𝑀𝑖𝑛 + 0𝑆 + 𝑀R
igualdades
= +𝑅 𝑀𝑎𝑥 − 𝑀R
Para este paso lo que se hace
𝑀𝑖𝑛 + 𝑀R
es que se convierten las
inecuaciones en ecuaciones,
aplicando los siguientes
criterios de aumento:
Por Ejemplo :
Pasos del
Forma Original
Método 𝑍𝑚𝑎𝑥 = 40𝑋1 + 60𝑋2
Simplex 𝑆/𝑎
2𝑋1 + 2𝑋1 ≤ 70
1𝑋1 + 1𝑋1 ≤ 40
1𝑋1 + 3𝑋1 ≤ 90
1. Convertir a la forma 𝑋1 , 𝑋2 ≥ 0
estandar el modelo
matemático de Desigualdades en igualdades
Programación lineal.
2𝑋1 + 2𝑋1 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 70
1𝑋1 + 1𝑋1 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 40
Para este paso lo que se hace 1𝑋1 + 3𝑋1 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 90
es que se convierten las
𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0
inecuaciones en ecuaciones,
aplicando los siguientes
criterios de aumento:
Pasos del
Método Función Objetivo
Simplex 𝑍𝑚𝑎𝑥 = 40𝑋1 + 60𝑋2
𝑍𝑚𝑎𝑥 − 40𝑋1 - 60𝑋2 =0
Se trata a Z como si fuera una de las

2. Igualar la función restricciones originales, como se encuentra en
objetivo a cero forma de igualdad no necesita variables de
holgura, pero se agrega Z con la finalidad de
obtener su valor.
3. Escribir la tabla inicial simplex

𝑍𝑚𝑎𝑥 − 40𝑋1 - 60𝑋2 =0
2𝑋1 + 2𝑋2 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 70
1𝑋1 + 1𝑋2 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 40
1𝑋1 + 3𝑋2 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 90
Variable Variables de Variables de holgura Solución Operación

Básica Decision LD
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -40 -60 0 0 0 0
𝑆1 2 2 1 0 0 70
𝑆2 1 1 0 1 0 40
𝑆3 1 3 0 0 1 90
4. Encontrar la variable de decisión que entra en la base
a) Para escoger la variable de decisión que entra en la base, (Columna

Verde), observamos la primera fila, la cual muestra los coeficientes de
la función objetivo y escogemos la variable con el coeficiente negativo
mayor, en este caso, la variable 𝑋2 de coeficiente -60.
b) Si existen dos o más coeficientes iguales que cumplan la condición
anterior, entonces se elige cualquiera de ellos.
4. Encontrar la variable de decisión que entra en la base
Columna
Pivote:
Variable que
entra a la
base
Variable Variables de Variables de holgura Solución Operación

Básica Decision LD
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -40 -60 0 0 0 0
𝑆1 2 2 1 0 0 70
𝑆2 1 1 0 1 0 40
𝑆3 1 3 0 0 1 90
5. Encontrar la variable de holgura que sale de la base.
a) Para encontrar la variable de holgura que tiene que salir de la base,

(Fila Verde) se divide cada término de la última columna (valores
solución) por el término correspondiente de la columna pivote,
siempre que estos últimos sean mayores que cero.
b) Si hubiese algún elemento menor o igual que cero no se hace la
división. En el caso de que todos los elementos fuesen menores o
iguales a cero, entonces tendríamos una solución no acotada y no se
puede seguir.
c) El término de la columna pivote que en la división anterior da lugar al
menor cociente positivo, indica la fila de la variable de holgura que
sale de la base . En este caso es la variable S3. Esta fila se llama fila
pivote
d) Si al calcular los cocientes, dos o más son iguales, indica que

cualquiera de las variables correspondientes pueden salir de la base.
e) En la intersección de la fila pivote y columna pivote tenemos el
elemento pivote operacional, en es ejemplo es 3, este indica que la
variable de decisión 𝑋2 entra a la base y la variable de holgura 𝑆3 sale
de la base.
Variable Variables de Decision Variables de holgura Solución LD Operación

Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -40 -60 0 0 0 0
𝑆1 2 2 1 0 0 70 70/2=35 Fila
Pivote:
𝑆2 1 1 0 1 0 40 40/1=40
Variable
𝑆3 1 3 0 0 1 90 90/3=30 que sale
de la base
Elemento Pivote
Operacional
𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑺𝟑 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
6. Encontrar los coeficientes para el nuevo tablero de simplex

Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los
coeficientes de la fila por el pivote operacional “3”, ya que este se debe convertir
en 1.
A continuación mediante la reducción gaussiana hacemos ceros los restantes
términos de la columna pivote , con lo que obtenemos los nuevos coeficientes de
las otras filas incluyendo los de la función objetivo Z.
Para hacer lo anteriormente descrito lo que hacemos es hacer 1 el elemento
operacional pivote, y se hace 1 multiplicando la fila pivote por 1/3:
𝟏 1 3 0 0 1 90
𝟑
El resultado es el siguiente :
𝑿𝟐 1/3 1 0 0 1/3 30
Una vez que encontrado los nuevos valores de los coeficientes de la fila pivote, se
procede a hacer ceros los demás elementos de la columna pivote , para esto se
hace lo siguiente:

Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z
𝑆1
𝑆2
X2 1/3 1 0 0 1/3 30
𝑿𝟐 60 1/3 1 0 0 1/3 30
= 20 60 0 0 20 1800
+Z -40 -60 0 0 0 0
Nueva Z = -20 0 0 0 20 1800


Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -20 0 0 0 20 1800
𝑆1
𝑆2
X2 1/3 1 0 0 1/3 30
𝑿𝟐 -2 1/3 1 0 0 1/3 30
= -2/3 -2 0 0 -2/3 -60
+𝑆1 2 2 1 0 0 70
Nueva 𝑆1 = 4/3 0 1 0 -2/3 10


Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -20 0 0 0 20 1800
𝑆1 4/3 0 1 0 -2/3 10
𝑆2
X2 1/3 1 0 0 1/3 30
𝑿𝟐 -1 1/3 1 0 0 1/3 30
= -1/3 -1 0 0 -1/3 -30
+𝑆2 1 1 0 1 0 40
Nueva 𝑆2 = 2/3 0 0 1 -1/3 10

Nuevos valores en el tablero de simplex

Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -20 0 0 0 20 1800
𝑆1 4/3 0 1 0 -2/3 10
𝑆2 2/3 0 0 1 -1/3 10
X2 1/3 1 0 0 1/3 30
Nuevos valores en el tablero de simplex

Básica
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z -20 0 0 0 20 1800
𝑆1 4/3 0 1 0 -2/3 10 15/2=7.5
𝑆2 2/3 0 0 1 -1/3 10 15
X2 1/3 1 0 0 1/3 30 90
Como en los elementos de la primera fila Z hay un numero Negativo(-20), significa

que no hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
La variable que entra en la base es x1, que es el único elemento negativo que
queda en el renglón Z y se repite el proceso anterior.
El menor cociente positivo es 15/2, tenemos que la fila pivote y la variable de
holgura que sale es S1.
El elemento pivote, que ahora hay que hacer 1, es 4/3. Y se opera de forma
análoga a la anterior iteración.
Columna Pivote:
Variable que
entra a la base
Variable Variables de Variables de holgura Solución LD Operación

Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Fila Pivote:
Z -20 0 0 0 20 1800
Variable que 𝑆1 4/3 0 1 0 -2/3 10 15/2=7.5
sale de base
𝑆2 2/3 0 0 1 -1/3 10 15
X2 1/3 1 0 0 1/3 30 90
𝑿𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔

𝑺𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒃𝒂𝒔𝒆
Convertir el elemento pivote operacional en 1, para este caso la fila pivote lo

multiplicamos ¾
(3/4) 4/3 0 1 0 -2/3 10
El resultado es el siguiente:
𝑿𝟏 1 0 3/4 0 -1/2 15/2

Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2
X2
Convertir los demás elementos de la columna pivote en cero:
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 15 0 10 1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2
X2
(𝟐𝟎) (1 0 3/4 0 -1/2 15/2)

= (20 0 15 0 -10 150)
+Z -20 0 0 0 20 1800
Nueva Z= 0 0 15 0 10 1950
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 15 0 10 1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2
(−𝟐/𝟑) (1 0 3/4 0 -1/2 15/2)
= (-2/3 0 -1/2 0 1/3 -5)
+𝑆2 2/3 0 0 1 -1/3 10
Nueva 𝑆2 = 0 0 -1/2 1 0 5
Básica Decision
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 15 0 10 1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2 0 1 -1/4 0 1/2 55/2
(−𝟏/𝟑) (1 0 3/4 0 -1/2 15/2)
= (-1/3 0 -1/4 0 1/6 -5/2)
+𝐗 2 1/3 1 0 0 1/3 30
Nueva 𝑿2 = 0 1 -1/4 0 1/2 55/2

Variable Variables de Variables de holgura Solución Operaci

Básica Decision LD ón
𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
Z 0 0 15 0 10 1950
𝑋1 1 0 3/4 0 -1/2 15/2
𝑆2 0 0 -1/2 1 0 5
X2 0 1 -1/4 0 1/2 55/2
Como todos los coeficientes de la fila de la función objetivo son ceros y
positivos, hemos llegado a la solución optima.
Los solución óptima viene dada por el valor de Z en la columna de los
valores solución, en nuestro caso:1950.
El valor de las variables de decisión para 𝑋1 es 15/2 y para X2 es 55/2.
• 𝒁 = 𝟏𝟗𝟓𝟎
• 𝑿𝟏 = 𝟏𝟓 𝟐
• 𝑿𝟐 = 𝟓𝟓 𝟐
Ejercicio 1 Método Simplex
Popeye Canning tiene un contrato para recibir 60,000 libras de
tomates maduros a 7 centavos de dólar por libra, con los
cuales produce jugo de tomate enlatado, así como pasta de
tomate. Los productos enlatados se empacan en cajas de 24
latas. Una lata de jugo requiere una libra de tomate y una lata
de pasta solo requiere 1/3 de libra. La participación de
mercado de la compañía se limita a 2000 cajas de jugo y 6000
cajas de pasta. Los precios de mayoreo por caja de jugo y de
pasta son de 18 y 9 dólares respectivamente. Desarrolle un
programa de producción óptima para Popeye Canning.
Popeye Canning tiene un contrato para recibir 60,000 libras de tomates
maduros a 7 centavos de dólar por libra, con los cuales produce jugo de
tomate enlatado, así como pasta de tomate. Los productos enlatados se
empacan en cajas de 24 latas. Una lata de jugo requiere una libra de
tomate y una lata de pasta solo requiere 1/3 de libra. La participación de
mercado de la compañía se limita a 2000 cajas de jugo y 6000 cajas de
pasta. Los precios de mayoreo por caja de jugo y de pasta son de 18 y 9
dólares respectivamente. Desarrolle un programa de producción óptima
para Popeye Canning.
Z máx. = 18X1 + 9X2

24X1 + 8X2 ≤ 60,000 Libras de tomate que recibe la empresa.
X1 ≤ 2,000 Demanda en el mercado de cajas de jugo de tomate.
X2 ≤ 6,000 Demanda en el mercado de cajas de pasta de tomate.
X1, X2 ≥ 0 Condiciones de no negatividad.
Z máx. = 18X1 + 9X2
24X1 + 8X2 ≤ 60,000 Libras de tomate que recibe la empresa.
X1 ≤ 2,000 Demanda en el mercado de cajas de jugo de tomate.
X2 ≤ 6,000 Demanda en el mercado de cajas de pasta de tomate.
X1, X2 ≥ 0 Condiciones de no negatividad.
Solución
1. Convertir la desigualdades en igualdades
24X1 + 8X2 +1𝑆1 + 0𝑆2 + 0𝑆3 = 60,000
X1 +0𝑆1 + 1𝑆2 + 0𝑆3 = 2,000
X2 +0𝑆1 + 0𝑆2 + 1𝑆3 = 6,000
Solución
𝒁 𝒎á𝒙. = 𝟏𝟖𝑿𝟏 + 𝟗𝑿𝟐
𝑍𝑚𝑎𝑥 − 18𝑋1 − 9𝑋2 = 0
3. Escribir la tabla Inicial simplex
𝑍𝑚𝑎𝑥 − 18𝑋1 − 9𝑋2 = 0

24X1 + 8X2 +1𝑆1 + 0𝑆2 + 0𝑆3 = 60,000
X1 +0𝑆1 + 1𝑆2 + 0𝑆3 = 2,000
X2 +0𝑆1 + 0𝑆2 + 1𝑆3 = 6,000
3. Escribir la tabla Inicial simple
𝑍𝑚𝑎𝑥 − 18𝑋1 − 9𝑋2 = 0
24X1 + 8X2 +1𝑆1 + 0𝑆2 + 0𝑆3 = 60,000
X1 +0𝑆1 + 1𝑆2 + 0𝑆3 = 2,000
X2 +0𝑆1 + 0𝑆2 + 1𝑆3 = 6,000
VB 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 Solución Operació
LD 0
𝑍 -18 -9 0 0 0 0
𝑆1 24 8 1 0 0 60000
𝑆2 1 0 0 1 0 2000
𝑆3 0 1 0 0 1 6000
4 y 5. Encontrar la variable de decisión que entra en la base y la variable de
holgura que sale de la base
LD 0
𝑍 -18 -9 0 0 0 0
𝑆1 24 8 1 0 0 60000 2500
𝑆2 1 0 0 1 0 2000 2000
𝑆3 0 1 0 0 1 6000 ∞
𝑿𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
6. Encontrar los coeficientes de la nueva tabla
LD 0
𝑍 0 -9 0 18 0 36,000
𝑆1 24 8 1 0 0 60000 2500
𝑋1 1 0 0 1 0 2000 2000
𝑆3 0 1 0 0 1 6000 ∞
𝑋1 (18) 1 0 0 1 0 2000
18 0 0 18 0 36,000
+𝑍 -18 -9 0 0 0 0
𝑁𝑢𝑒𝑣𝑎 𝑍 0 -9 0 18 0 36,000
6. Encontrar los coeficientes de la nueva tabla
LD 0
𝑍 0 -9 0 18 0 36,000
𝑆1 0 8 1 -24 0 12,000
𝑋1 1 0 0 1 0 2000
𝑆3 0 1 0 0 1 6000
𝑋1 (-24) 1 0 0 1 0 2000
-24 0 0 -24 0 -48,000
+𝑆1 24 8 1 0 0 60,000
𝑁𝑢𝑒𝑣𝑎𝑆1 0 8 1 -24 0 12,000
LD 0
𝑍 0 -9 0 18 0 36,000
𝑆1 0 8 1 -24 0 12,000 1,500
𝑋1 1 0 0 1 0 2000 ∞
𝑆3 0 1 0 0 1 6000 6,000
𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑺𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
LD 0
𝑍 0 -9 0 18 0 36,000
𝑋2 0 8 1 -24 0 12,000
𝑋1 1 0 0 1 0 2000
𝑆3 0 1 0 0 1 6000
𝑋2 (1/8) 0 8 1 -24 0 12,000
𝑋2 0 1 1/8 -3 0 1500
LD 0
𝑍 0 -9 0 18 0 36,000
𝑋2 0 1 1/8 -3 0 1,500
𝑋1 1 0 0 1 0 2000
𝑆3 0 1 0 0 1 6000
𝑋2 (1/8) 0 8 1 -24 0 12,000
𝑋2 0 1 1/8 -3 0 1500
LD 0
𝑍 0 0 9/8 -9 0 49,500
𝑋2 0 1 1/8 -3 0 1,500
𝑋1 1 0 0 1 0 2000
𝑆3 0 1 0 0 1 6000
𝑋2 (9) 0 1 1/8 -3 0 1,500
0 9 9/8 -27 0 13,500
+𝑍 0 -9 0 18 0 36,000
𝑁𝑢𝑒𝑣𝑎 𝑍 0 0 9/8 -9 0 49,500

VB 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 Solución Operación
LD
𝑍 0 0 9/8 -9 0 49,500
𝑋2 0 1 1/8 -3 0 1,500
𝑋1 1 0 0 1 0 2000
𝑆3 0 0 -1/8 3 1 4,500
𝑋2 (-1) 0 1 1/8 -3 0 1,500
0 -1 -1/8 3 0 -1,500
+𝑆3 0 1 0 0 1 6000
𝑁𝑢𝑒𝑣𝑎𝑆3 0 0 -1/8 3 1 4,500

LD
𝑍 0 0 9/8 -9 0 49,500
𝑋2 0 1 1/8 -3 0 1,500
𝑋1 1 0 0 1 0 2000
𝑆3 0 0 -1/8 3 1 4,500
LD
𝑍 0 0 9/8 -9 0 49,500
𝑋2 0 1 1/8 -3 0 1,500 -500
𝑋1 1 0 0 1 0 2000 2,000
𝑆3 0 0 -1/8 3 1 4,500 1,500
𝑺𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑺𝟑 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒔𝒂𝒍𝒆 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
𝑆2 (1/3) 0 0 -1/8 3 1 4,500
𝑆2 0 0 -1/24 1 1/3 1,500

LD
𝑍 0 0 3/4 0 3 63,000
𝑋2 0 1 1/8 -3 0 1,500
𝑋1 1 0 0 1 0 2000
𝑆2 0 0 -1/24 1 1/3 1,500
𝑆2 (9) 0 0 -1/24 1 1/3 1,500
0 0 -3/8 9 3 13,500
+𝑍 0 0 9/8 -9 0 49,500
𝑁𝑢𝑒𝑣𝑎 𝑍 0 0 3/4 0 3 63,000

LD
𝑍 0 0 5/8 0 3 63,000
𝑋2 0 0 0 0 1 6,000
𝑋1 1 0 0 1 0 2000
𝑆2 0 0 -1/24 1 1/3 1,500
𝑆2 (3) 0 0 -1/24 1 1/3 1,500
0 0 -1/8 3 1 4,500
+𝑋2 0 1 1/8 -3 0 1,500
𝑁𝑢𝑒𝑣𝑎 𝑋2 0 0 0 0 1 6,000
LD
𝑍 0 0 5/8 0 3 63,000
𝑋2 0 0 0 0 1 6,000
𝑋1 1 0 1/24 0 -1/3 500
𝑆2 0 0 -1/24 1 1/3 1,500
𝑆2 (-1) 0 0 -1/24 1 1/3 1,500
0 0 -1/24 -1 -1/3 -1,500
+𝑋1 1 0 0 1 0 2000
𝑁𝑢𝑒𝑣𝑎 𝑋1 1 0 1/24 0 -1/3 500

LD
𝑍 0 0 3/4 0 3 63,000
𝑋2 0 0 0 0 1 6,000
𝑋1 1 0 1/24 0 -1/3 500
𝑆2 0 0 -1/24 1 1/3 1,500
𝒁 = 𝟔𝟑, 𝟎𝟎𝟎
𝑿𝟏 =500
𝑿𝟐 = 𝟔, 𝟎𝟎0
𝑺𝟐 =1,500
Ejemplo de Minimizar
El rancho Holiday Meal Turkey está considerando comprar dos marcas
diferentes de alimento para pavo, y mezclarlos para ofrecer una buena
dieta de bajo costo para sus aves. Cada alimento contiene, en
proporciones variables, algunos o los tres ingredientes nutricionales
esenciales para pavos de engorda. Por ejemplo, cada libra de la marca 1
contiene 5 onzas del ingrediente A, 4 onzas del ingrediente B y 0.5 onzas
del ingrediente C. Cada libra de la marca 2 contiene 10 onzas del
ingrediente A, 3 onzas del ingrediente B, pero nada del ingrediente C. La
marca 1 de alimento cuesta al rancho 2 centavos de dólar por libra; en
tanto que la marca 2 de alimento le cuesta 3 centavos de dólar por libra.
El propietario del rancho desea utilizar la PL para determinar la dieta con
costo mínimo que cumpla con el requisito mínimo de ingesta mensual de
cada ingrediente nutricional, sabiendo que por pavo se requiere un
mínimo mensual de 90 onzas del ingrediente A, 48 onzas del ingrediente B
y 1.5 onzas del ingrediente C.
.
Datos relevantes del problema:
COMPOSICION DE CADA DE REQUERIMIENTO

MENSUAL MINIMO
ALIMENTO EN (OZ.) PAVO (OZ.)
ALIMENTO ALIMENTO MARCA 2

MARCA 1
INGREDIENTE A 5 10 90
INGREDIENTE B 4 3 48
INGREDIENTE C 0.5 0 1.5
Costo ($) 2 3
Variables de decisión
• 𝑋1 = Número de libras de la marca 1 de alimento comprada
• 𝑋2 = Número de libras de la marca 2 de alimento comprada
Entonces, se procede a formular el problema de programación lineal de la siguiente

manera:
Minimizar los costos (en centavos) Z =2𝑿𝟏 + 3𝑿𝟐
sujetos a las siguientes restricciones:

5𝑋1 +10𝑋2 ≥90 onzas (restricción del ingrediente A)
4𝑋1 + 3𝑋2 ≥ 48 onzas (restricción del ingrediente B)
0.5𝑋1 ≥ 1.5 onzas (restricción del ingrediente C)
X1 ≥0 (restricción de no negatividad)
Modelo matemático de P.L.
• 𝑍𝑚𝑖𝑛 = 2𝑿𝟏 + 3𝑿𝟐
𝑠/𝑎
5𝑋1 +10𝑋2 ≥90 onzas (restricción del ingrediente A)
4𝑋1 + 3𝑋2 ≥ 48 onzas (restricción del ingrediente B)
0.5𝑋1 ≥ 1.5 onzas (restricción del ingrediente C)
1. Convertir la desigualdades en igualdades

5𝑋1 +10𝑋2 + 𝑅1 − 𝑆1 =90 𝑅1 = 90 − 5𝑋1 − 10𝑋2 + 𝑆1
4𝑋1 +3𝑋2 + 𝑅2 − 𝑆2 = 48 𝑅2 = 48 − 4𝑋1 − 3𝑋2 + 𝑆2
0.5𝑋1 + 𝑅3 − 𝑆3 = 1.5 𝑅3 = 1.5 − 0.5𝑋1 + 𝑆3
• 𝑍𝑚𝑖𝑛 = 2𝑿𝟏 + 3𝑿𝟐
Como en este caso hay variables artificiales y también variables de holgura, para
igualar la función objetivo a cero, aplicamos el método de la gran M.
Para aplicar este método se aplica el siguiente criterio:
𝐌𝐚𝐱 − 𝐌𝐑
𝐌𝐢𝐧 + 𝐌𝐑
En este caso como estamos minimizando la penalización de las M se suman a la
función objetivo de la siguiente forma:
𝑍𝑚𝑖𝑛 = 2𝑿𝟏 + 3𝑿𝟐 +𝑀𝑅1 + 𝑀𝑅2 + 𝑀𝑅3
𝑍𝑚𝑖𝑛 = 2 𝑿𝟏 + 3 𝑿𝟐 + 𝑀 90 − 5𝑋1 − 10𝑋2 + 𝑆1 + 𝑀 48 − 4𝑋1 − 3𝑋2 + 𝑆2 + 𝑀(1.5 −
0.5𝑋1 + 𝑆3 )
𝑍𝑚𝑖𝑛 = 2 𝑋1 + 3 𝑋2 + 90𝑀 − 5𝑀𝑋1 − 10𝑀𝑋2 + 𝑀𝑆1 + 48𝑀 − 4𝑀𝑋1 − 3𝑀𝑋2 + 𝑀𝑆2 + 1.5𝑀 −
0.5𝑀𝑋1 + 𝑀𝑆3
𝑍𝑚𝑖𝑛 = 2 − 5𝑀 − 4𝑀 − 0.5𝑀 𝑋1 + (3 − 10𝑀 − 3𝑀) 𝑋2 + 𝑀𝑆1 +𝑀𝑆2 +𝑀𝑆3 + 139.5𝑀
𝑍𝑚𝑖𝑛 = 2 − 9.5𝑀 𝑋1 + 3 − 13𝑀 𝑋2 + 𝑀𝑆1 +𝑀𝑆2 +𝑀𝑆3 +139.5𝑀
𝑍𝑚𝑖𝑛 − 2 − 9.5𝑀 𝑋1 − 3 − 13𝑀 𝑋2 − 𝑀𝑆1 − 𝑀𝑆2 − 𝑀𝑆3 = 139.5𝑀
3. Escribir la tabla Inicial simplex
𝑍𝑚𝑖𝑛 − 2 − 9.5𝑀 𝑋1 − 3 − 13𝑀 𝑋2 − 𝑀𝑆1 − 𝑀𝑆2 − 𝑀𝑆3 = 139.5𝑀
5𝑋1 +10𝑋2 + 𝑅1 − 𝑆1 =90
4𝑋1 +3𝑋2 + 𝑅2 − 𝑆2 = 48
0.5𝑋1 + 𝑅3 − 𝑆3 = 1.5
VB 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 𝑅1 𝑅2 𝑅3 Solución
LD
𝑍 -2+9.5M -3+13M -M -M -M 0 0 0 139.5M
𝑅1 5 10 -1 0 0 1 0 0 90
𝑅2 4 3 0 -1 0 0 1 0 48
𝑅3 0.5 0 0 0 -1 0 0 1 1.5
4. Encontrar la columna pivote
Para determiner la columna pivote en esta caso se escoge el coeficiente que tenga
el valor positive mayor.
5. Encontrar la fila pivote
LD
𝑍 -2+9.5M -3+13M -M -M -M 0 0 0 139.5M
𝑅1 5 10 -1 0 0 1 0 0 90
𝑅2 4 3 0 -1 0 0 1 0 48
𝑅3 0.5 0 0 0 -1 0 0 1 1.5
6. Encontrar los nuevos valores de los coeficientes
LD
𝑍 -2+9.5M -3+13M -M -M -M 0 0 0 139.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 4 3 0 -1 0 0 1 0 48
𝑅3 0.5 0 0 0 -1 0 0 1 1.5
𝑋2 (1/10) 5 10 -1 0 0 1 0 0 90
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9

VB 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 𝑅1 𝑅2 𝑅3 Solución LD
3
− 13
3 3
𝑍 -1/2+3M 0 --10 + 𝑀
10
-M -M 10 10
𝑀 0 0 27+22.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 4 3 0 -1 0 0 1 0 48
𝑅3 0.5 0 0 0 -1 0 0 1 1.5
𝑋2 (3-13M) 1/2 1 -1/10 0 0 1/10 0 0 9
3
= 3/2-13 𝑀 3-13M 3 13
-10 + 𝑀 0 0 10
− 13
10
𝑀 0 0 27-117M
2 10
+Z -2+9.5M -3+13M -M -M -M 0 0 0 139.5M
3
Nuevo Z -12+3𝑀 0 3 3
-10 + 𝑀 -M -M 10
− 13
10
𝑀 0 0 27+22.5M
10
3
− 13
3 3
𝑍 -1/2+3M 0 --10 + 𝑀
10
-M -M 10 10
𝑀 0 0 27+22.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
𝑅3 0.5 0 0 0 -1 0 0 1 1.5
𝑋2 (-3) 1/2 1 -1/10 0 0 1/10 0 0 9
= -3/2 -3 3/10 0 0 -3/10 0 0 -27
+𝑅2 4 3 0 -1 0 0 1 0 48
Nuevo 𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21

Encontrar los nuevos valores de los coeficientes
3
− 13
3 3
𝑍 -1/2+3M 0 --10 + 𝑀
10
-M -M 10 10
𝑀 0 0 27+22.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
𝑅3 ½ 0 0 0 -1 0 0 1 1.5
3
− 13
3 3
𝑍 -1/2+3M 0 --10 + 𝑀
10
-M -M 10 10
𝑀 0 0 27+22.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
𝑅3 ½ 0 0 0 -1 0 0 1 1.5
Como estamos minimizando en la fila de Z hay un valor positivo, quiere decir que
no hemos terminado, por lo que hay que encontrar la columna y la fila pivote .
𝑅3 (2) 1/2 0 0 0 -1 0 0 1 1.5
𝑋1 1 0 0 0 -2 0 0 2 3
3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
𝑋1 1 0 0 0 -2 0 0 2 3
𝑋2 (1/2-3M) 1 0 0 0 -2 0 0 2 3
= 1/2-3M 0 0 0 -1+6M 0 0 1-6M 3/2-9M
3
− 13
3 3
+Z -1/2+3M 0 --10 + 𝑀
10
-M -M 10 10
𝑀 0 0 27+22.5M
3
Nuevo Z 0 0 3 3
-10 + 𝑀 -M -1+5M 10
− 13
10
𝑀 0 1-6M 57/2+13.5M
10
3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
𝑋1 1 0 0 0 -2 0 0 2 3
𝑋2 (-1/2) 1 0 0 0 -2 0 0 2 3
= -1/2 0 0 0 1 0 0 -1 -3/2
+𝑋2 1/2 1 -1/10 0 0 1/10 0 0 9
Nuevo 𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2

3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑅2 0 0 3/10 -1 5 -3/10 1 -5 27/2
𝑋1 1 0 0 0 -2 0 0 2 3
𝑋2 (-5/2) 1 0 0 0 -2 0 0 2 3
= -5/2 0 0 0 5 0 0 -5 -15/2
+𝑅2 5/2 0 3/10 -1 0 -3/10 1 0 21
Nuevo 𝑅2 0 0 3/10 -1 5 -3/10 1 -5 27/2

3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑅2 0 0 3/10 -1 5 -3/10 1 -5 27/2
𝑋1 1 0 0 0 -2 0 0 2 3
3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑅2 0 0 3/10 -1 5 -3/10 1 -5 27/2
𝑋1 1 0 0 0 -2 0 0 2 3
𝑅2 (1/5) 0 0 3/10 -1 5 -3/10 1 -5 27/2
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10

3
𝑍 0 0 3 3
-10 + 𝑀
10
-M -1+5M
10
− 13
10
𝑀 0 1-6M 57/2+13.5M
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
𝑋1 1 0 0 0 -2 0 0 2 3
𝑍 0 0 -6/25 -1/5 0 6/25 1/5-M -M 156/5
𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
𝑋1 1 0 0 0 -2 0 0 2 3
𝑆3 (1 − 5𝑀) 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
= 0 0 3 3 1 1-5M 3 3
-50 + 𝑀 1 -1+5M 27/10-13.5M
− 𝑀 − +𝑀 10 −𝑀
50 10 5 5
3
+Z 0 0 3 3
-10 + 𝑀 -M -1+5M 10
− 13
10
𝑀 0 1-6M 57/2+13.5M
10
Nuevo Z 0 0 -6/25 -1/5 0 6/25 1/5-M -M 156/5

𝑍 0 0 -6/25 -1/5 0 6/25 1/5-M -M 156/5
𝑋2 0 1 -4/25 1/5 0 4/25 -1/5 0 24/5
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
𝑋1 1 0 0 0 -2 0 0 2 3
𝑆3 (−1) 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
= 0 0 −3/50 1/5 -1 3/50 −1/5 1 -27/10
+𝑋2 0 1 -1/10 0 1 1/10 0 -1 15/2
Nuevo 𝑋2 0 1 -4/25 1/5 0 4/25 -1/5 0 24/5

𝑍 0 0 -6/25 -1/5 0 6/25 1/5-M -M 156/5
𝑋2 0 1 -4/25 1/5 0 4/25 -1/5 0 24/5
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
𝑋1 1 0 3/25 −2/5 0 -3/25 2/5 0 42/5
𝑆3 (2) 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
= 0 0 3/25 −2/5 2 -3/25 2/5 -2 27/5
+𝑋1 1 0 0 0 -2 0 0 2 3
Nuevo 𝑋1 1 0 3/25 −2/5 0 -3/25 2/5 0 42/5

𝑍 0 0 -6/25 -1/5 0 6/25 1/5-M -M 156/5
𝑋2 0 1 -4/25 1/5 0 4/25 -1/5 0 24/5
𝑆3 0 0 3/50 -1/5 1 -3/50 1/5 -1 27/10
𝑋1 1 0 3/25 −2/5 0 -3/25 2/5 0 42/5
156
𝑍= = 31.5 Nota: Como en este caso la variable artificial
5
42 𝑅1 = 6/25, ya había salido de la base allí
𝑋1 = = 8.4 queda la solución
5
24
𝑋2 = = 4.8
5
27
𝑆3 = = 2.7
10
Ejemplo Maximización
𝑍𝑚𝑎𝑥 = 4𝑋1 + 12𝑋2 + 2𝑋3
3𝑋1 + 6𝑋2 + 2𝑋3 ≤ 6
3𝑋1 + 6𝑋2 + 2𝑋3 ≥ 2
𝑋1 , 𝑋2 , 𝑋3 ≥ 0
Solución
• 3𝑋1 + 6𝑋2 + 2𝑋3 + 𝑺𝟏 = 𝟔
• 3𝑋1 + 6𝑋2 + 2𝑋3 − 𝑺𝟐 + 𝑹𝟏 = 𝟐
𝑹𝟏 = 𝟐 − 3𝑋1 − 6𝑋2 − 2𝑋3 + 𝑺𝟐
𝑍𝑚𝑎𝑥 = 4𝑋1 + 12𝑋2 + 2𝑋3 − 𝑀𝑅1
𝑍𝑚𝑎𝑥 = 4𝑋1 + 12𝑋2 + 2𝑋3 − 𝑀(𝟐 − 3𝑋1 − 6𝑋2 − 2𝑋3 + 𝑆2 )
𝑍𝑚𝑎𝑥 − 4 + 3M 𝑋1 − 12 + 6M 𝑋2 − (2 + 2M) 𝑋3 + 𝑀𝑆2 = −2𝑀
VB 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑅1 Solución Operación
LD
𝑍 -4-3M -12-6M -2-2M 0 M 0 -2M
𝑆1 3 6 2 1 0 0 6
𝑅1 3 6 2 0 -1 1 2
LD
𝑍 -4-3M -12-6M -2-2M 0 M 0 -2M
𝑆1 3 6 2 1 0 0 6 1
𝑅1 3 6 2 0 -1 1 2 0.33
𝑅1 (1/6) 3 6 2 0 -1 1 2
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3

LD
𝑍 -4-3M -12-6M -2-2M 0 M 0 -2M
𝑆1 3 6 2 1 0 0 6
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
𝑅1 (1/6) 3 6 2 0 -1 1 2
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
𝑋2 (12+6M) 1/2 1 1/3 0 -1/6 1/6 1/3

6+3M 12+6M 4+2M 0 -2-M 2+M 4+2M
+Z -4-3M -12-6M -2-2M 0 M 0 -2M
Nueva Z 2 0 2 0 -2 2+M 4
LD
𝑍 2 0 2 0 -2 2+M 4
𝑆1 3 6 2 1 0 0 6
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
𝑋2 (-6) 1/2 1 1/3 0 -1/6 1/6 1/3

-3 -6 -2 0 1 -1 -2
+𝑆1 3 6 2 1 0 0 6
Nueva𝑆1 0 0 0 1 1 -1 4
LD
𝑍 2 0 2 0 -2 2+M 4
𝑆1 0 0 0 1 1 -1 4
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3

LD
𝑍 2 0 2 0 -2 2+M 4
𝑆1 0 0 0 1 1 -1 4
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
Como en la fila de Z hay un coeficiente con valor de -2 todavía no hemos terminado

LD
𝑍 2 0 2 0 -2 2+M 4
𝑆1 0 0 0 1 1 -1 4
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
𝑆1 (2) 0 0 0 1 1 -1 4
0 0 0 2 2 -2 8
+𝑍 2 0 2 0 -2 2+M 4
Nueva𝑍 2 0 2 2 0 M 12
LD
𝑍 2 0 2 2 0 M 12
𝑆1 0 0 0 1 1 -1 4
𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
𝑆1 (1/6) 0 0 0 1 1 -1 4
0 0 0 1/6 1/6 -1/6 2/3
+𝑋2 1/2 1 1/3 0 -1/6 1/6 1/3
Nueva𝑋2 1/2 1 1/3 1/6 0 0 1
LD
𝑍 2 0 2 2 0 M 12
𝑆1 0 0 0 1 1 -1 4
𝑋2 1/2 1 1/3 1/6 0 0 1
Como todos lo ceficientes en la fila de Z son o y positivos hemos

llegado a la solucion óptima.
𝑍 = 12
𝑋2 = 1
𝑆1 = 4

IO - 04 - Método Simplex

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

IO - 04 - Método Simplex

Încărcat de

Drepturi de autor:

Formate disponibile

Método Forma Tabular

Hillier, F. S. (2010). Introducción a la investigación de operaciones (9a. ed.).

El álgebra matricial y el proceso de eliminación de Gauss-Jordan para resolver un

Una matriz puede definirse como una ordenación rectangular de

Variables de Holgura y Excedente

Variables de Holgura: se suma al lado izquierdo de la restricción del tipo ≤.

24X1 + 8X2 ≤ 60,000 24𝑋1 + 8𝑋2 + 𝑆1 = 60,000

Variables de Excedente: se resta al lado izquierdo de la restricción del tipo ≥

5𝑋1 +10𝑋2 ≥90 5𝑋1 + 10𝑋2−𝑆1 = 90

2𝑋1 + 3𝑋2 + 𝑋3 ≤ 500 2𝑋1 + 3𝑋2 + 𝑋3 ≥ 500

Una variable artificial es un truco matemático para

Estas variables se representa por la letra “R", y siempre se

1. Convertir las ≥ −𝑆 + 𝑅 𝑀𝑎𝑥 + 0𝑆 – 𝑀R

Se trata a Z como si fuera una de las

3. Escribir la tabla inicial simplex

Variable Variables de Variables de holgura Solución Operación

4. Encontrar la variable de decisión que entra en la base

a) Para escoger la variable de decisión que entra en la base, (Columna

4. Encontrar la variable de decisión que entra en la base

Variable Variables de Variables de holgura Solución Operación

5. Encontrar la variable de holgura que sale de la base.

a) Para encontrar la variable de holgura que tiene que salir de la base,

5. Encontrar la variable de holgura que sale de la base.

d) Si al calcular los cocientes, dos o más son iguales, indica que

5. Encontrar la variable de holgura que sale de la base.

Variable Variables de Decision Variables de holgura Solución LD Operación

𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

6. Encontrar los coeficientes para el nuevo tablero de simplex

6. Encontrar los coeficientes para el nuevo tablero de simplex

Nueva Z = -20 0 0 0 20 1800

6. Encontrar los coeficientes para el nuevo tablero de simplex

= -2/3 -2 0 0 -2/3 -60

Nueva 𝑆1 = 4/3 0 1 0 -2/3 10

6. Encontrar los coeficientes para el nuevo tablero de simplex

= -1/3 -1 0 0 -1/3 -30

Nueva 𝑆2 = 2/3 0 0 1 -1/3 10

Nuevos valores en el tablero de simplex

Variable Variables de Decision Variables de holgura Solución LD Operación

Nuevos valores en el tablero de simplex

Como en los elementos de la primera fila Z hay un numero Negativo(-20), significa

Variable Variables de Variables de holgura Solución LD Operación

𝑿𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔

Convertir el elemento pivote operacional en 1, para este caso la fila pivote lo

𝑿𝟏 1 0 3/4 0 -1/2 15/2

Variable Variables de Variables de holgura Solución LD Operación

(𝟐𝟎) (1 0 3/4 0 -1/2 15/2)

(−𝟐/𝟑) (1 0 3/4 0 -1/2 15/2)

= (-2/3 0 -1/2 0 1/3 -5)

+𝑆2 2/3 0 0 1 -1/3 10

(−𝟏/𝟑) (1 0 3/4 0 -1/2 15/2)

= (-1/3 0 -1/4 0 1/6 -5/2)

Nueva 𝑿2 = 0 1 -1/4 0 1/2 55/2

Variable Variables de Variables de holgura Solución Operaci

Z máx. = 18X1 + 9X2

3. Escribir la tabla Inicial simplex

𝑍𝑚𝑎𝑥 − 18𝑋1 − 9𝑋2 = 0

𝑿𝟏 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑆1 0 8 1 -24 0 12,000 1,500

𝑿𝟐 = 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒆 𝒆𝒏𝒕𝒓𝒂 𝒂 𝒍𝒂 𝒃𝒂𝒔𝒆

𝑋2 (1/8) 0 8 1 -24 0 12,000

𝑋2 (1/8) 0 8 1 -24 0 12,000

𝑋2 (9) 0 1 1/8 -3 0 1,500

0 9 9/8 -27 0 13,500

𝑁𝑢𝑒𝑣𝑎 𝑍 0 0 9/8 -9 0 49,500