Seminario de Algebra y Programación Lineal – Semestre 02 -2015

Ingeniería Civil
Departamento de Ciencias Básicas

Método simplex
Aunque parece ser que la programación lineal fue utilizada por G. Monge en
1776, se considera a L. V. Kantorovich uno de sus creadores. La presentó en
su libro Métodos matemáticos para la organización y la producción (1939) y la
desarrolló en su trabajo sobre la transferencia de masas (1942). Kantorovich
recibió el premio Nobel de economía en 1975 por sus aportes al problema de la
asignación óptima de recursos humanos.

La investigación de operaciones en general y la programación lineal en particular

recibieron un gran impulso gracias a los computadores. Uno de los hechos más
importantes fue la aparición del método simplex. Este método, desarrollado por
G. B. Dantzig en 1947, consiste en la utilización de un algoritmo para optimizar el
valor de la función objetivo, teniendo en cuenta las restricciones planteadas.

Aunque a lo largo de este capítulo únicamente se resuelven problemas de

programación lineal de menos de diez variables, este tipo de análisis se utiliza
en casos donde intervienen cientos e incluso miles de variables.

Introducción
En el capítulo anterior se trataron problemas de programación lineal con dos
variables de decisión y se resolvieron por medio del método gráfico; en este
capítulo se estudiará el Método Simplex que consiste en un algoritmo o método
algebraico sistemático y eficiente para resolver problemas de programación
lineal con dos o más variables de decisión.

Objetivos

Resolver problemas de programación lineal usando el método simplex.

Explicar el método simplex exhaustivamente para obtener los resultados de

cada iteración e interpretarlos.

Observar los cambios que presenta el método simplex en un problema de

máximo y de mínimo.

Determinar cuándo un problema de programación lineal no tiene solución o

tiene múltiples soluciones.

1
 EL CONCEPTO BASICO DEL MÈTODO SIMPLEX
Para comenzar consideremos el problema de los escritorios que ya resolvimos por
el método gráfico:
Una fábrica de muebles produce dos tipos de escritorios, Tipo I y Tipo II, en los
departamentos de corte, armado y acabado. El número de horas disponibles en
cada departamento son de 80h, 220 h y 210h respectivamente. Las horas que se
requieren en la producción en cada departamento para cada tipo de escritorio se
dan en la siguiente tabla:

Corte Armado Acabado

Tipo I 1h 3h 2h
Tipo II 1h 2h 3h
Si la utilidad para cada unidad de escritorios del Tipo I y del Tipo II son US$5 US$6
respectivamente, Obtener:

¿Cuántas unidades de cada tipo se deben fabricar mensualmente para maximizar

la utilidad y cuál es dicha utilidad? ¿Cuántas horas no se utilizan en los
departamentos?
El modelo de PL es:
Maximizar: Z = 5x1 + 6x2
Sujeto a:
x1 + x2 ≤ 80 Departamento de corte
3 x1 + 2 x1 ≤ 220 Departamentos de armado
2 x1 +3 x1 ≤ 210 Departamento de acabado
x1, x2 ≥ 0

2
Recordemos que la región factible era la siguiente:

3
 Vértice Función objetivo
A (0,0) Z= 5(0) + 6(0) = 0
B (0,70) Z= 5(0) + 6(70) = 420
C (30,50) Z= 5(30) + 6(50) = 450
D (60,20) Z= 5(60) + 6(20) = 420
E (73,3,0) Z= 5(73.3) + 6(0) = 366,6

La utilidad máxima es US $ 450 y se origina en el vértice:

C (30,50).

VARIABLE DE HOLGURA

Para emplear el método simplex se requiere transformar las

inecuaciones en ecuaciones, cuando las restricciones son
inecuaciones con menor o igual (<), para transformarlas en
ecuaciones, agregamos a cada restricción una nueva variable no
negativa llamada Variable de Holgura.

Consideremos la primera restricción asociada al departamento de

corte:

X1 + X2 < 80

Donde tenemos 80 horas disponibles de mano de obra, si agregamos

la variable de holgura h1 a la restricción obtenemos:

X1 + x2 + h1 = 80

Interpretando la variable de holgura h en el contexto del depar-

tamento de corte, corresponde al número de horas que no se utilizan
en este departamento. Es decir, por ejemplo si producimos x1 = 40 y
x2 = 30 escritorios tipo I y tipo II respectivamente, reemplazando en la
restricción;

X1 + x2 < 80
40 + 30 < 80

En el departamento de corte solo se necesitan 70 horas con este

nivel de producción, y no son utilizadas 10 horas de las 80 horas
disponibles, es decir h1 = 10.

Dado que h se define como la cantidad de horas no utilizadas en el

4
departamento de corte entonces:
(Tiempo utilizado (Tiempo no utilizado (Horas
en corte) en corte) = Disponibles)
 (X1+X 2) + (h1) = 80

Análogamente para las otras restricciones, tenemos que h2, h3 son

las variables de holgura de los departamentos de armado y
acabado respectivamente.

Es importante tener en cuenta que las variables de holgura tienen

que ser no negativas. De esta manera las restricciones del
problema las podemos escribir así:

X 1 + x 2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + Oh1 + h2 + oh3 = 220
2x1 + 3x2 + 0h1, + h2 + h3 = 210
X1, x2, h1, h2, h3>O

En la función objetivo agregamos las variables de holgura

colocándoles coeficientes cero y obtenemos:

Maximizar Z = 5x1 + 6x 2 + 0h 1 +Oh 2 + Oh 3

Resumiendo lo anterior tenemos:

Problema original sin variables de holgura:

Maximizar: Z = 5x1, + 6x2

Sujeto a: X 1 + x2 < 80 departamento de corte

3x1 + 2x2 < 220 departamento de armado
2X1, + 3x2 < 210 departamento de acabado
X1 x2 > O

5
Problema de programación lineal con variables de holgura:

Maximizar: Z = 5x1 + 6x2 + 0h1 + 0h2, + 0h3,

Sujeto a:
X1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + oh1 + h2 + oh2= 220
2x1 + 3x2 + oh1 + oh2 + h3= 210
X1 > O, x2 > O, h1, > O, h2 > O, h3 > O

Donde:
h1: número de horas no utilizadas en el departamento de corte
h2: número de horas no utilizadas en el departamento de armado
H3 número de horas no utilizadas en el departamento de acabado

h1, h2. H3, son variables de holgura no negativas

Variables básicas y solución básica

En un problema de Programación lineal con n variables (incluyendo las

de holgura), y m ecuaciones, para hallar una solución básica, se igualan
a cero n - m variables, las cuales se denominan no básicas, y las
restantes se denominan variables básicas.

En el ejemplo tenemos un sistema de n=5 variable y m=3 ecuaciones,

por lo tanto para hallar una solución básica igualamos a cero n-m=5-
3=2 variables básicas.

Tomamos X 1 = o y X 2 =0; y al reemplazar en el sistema de ecuaciones,

obtenemos:
0 + 0 +h1 + 0h2 + 0h3 =80
3 (0) + 2 (0) + 0h1 + h2 + 0h3 =220
2(0) + 3(0) + 0h 1 + 0h2 + 0h3 =210

Tenemos una solución básica:

X1=0
X2=0
H1=80
H2=220
H3=210
Por lo tanto las variables igualadas a cero se llaman variables no
básicas y las variables diferentes de cero se llaman variables básicas,

6
por ejemplo: X 1, X2 son variables no básicas, mientras que h 1, h2, h3
son variables básicas.

Podemos hallar otra solución básica tomando x 1=0 y h1=0, de donde

obtenemos:

0 +x2+0+0h2+Oh3=80
3(0) +2x2+0+h2+Oh3=220
2(0) +3x2+0+0h2+h3=210

El anterior sistema es equivalente a:

X2=80 (1)
2x2+h2=220 (2)
3x2+h3=210 (3)
Reemplazarlo X2 =80 en (2), tenemos: 2(80) + h2 =220
De donde h2 = 60

Reemplazarlo X2 = 80 en (3) tenemos 3(80) + h3 =210

De donde h3=30

Tenemos una solución básica: X1 =0, X2 = 80, h1 = 0, h2 =60, h3 = 30

de donde X1 y h1 son no básicas, y X2, h2 y h3 son variables básicas.

Completar el siguiente cuadro con las soluciones básicas:

Soluciones básicas
Solución X1 X2 h1 h2 h3
1 0 0 80 220 210
2 0 80 0 60 30
3
4
5
6
7
8
9
10

7
Solución básica factible

Una solución básica es factible cuando todos los variables toman valores
no negativos.

Observe en el cuadro anterior que las soluciones 1 – 4 - 6 – 8 - 9 todos

los valores de las variables son no negativos, por lo tanto tenemos
soluciones factibles, mientras que en las soluciones 2 – 3 – 5 – 7 -10,
algunas variables toman valores negativos, por lo tanto son soluciones no
factibles.

En este problema, una solución básica factible tiene máximo tres variables
con valores positivos, y el resto de las variables son iguales a cero: por
ejemplo:

X1=0,X2=0 H1=80,h2=220,h3=210
Variables no básicas Variables básicas

TABLA SIMPLEX INICIAL

Anteriormente se planteó el problema de programación lineal y se

añadieron variables de holgura para convertir las restricciones de menor
e igual (<) en igualdades, ahora tabulamos el mismo problema en forma
de matriz la cual se denomina tabla simplex inicial.

Utilizando la siguiente notación:

CJ: Coeficiente de la variable Xj en la función objetivo
bi: Valor del lado derecho para la restricción i.
aij: Coeficiente de la variable de decisión

Continuando con el ejemplo del problema de la fábrica de muebles,

podemos construir la siguiente tabla inicial.

Modelo de PL Coeficientes
Maximizar: Z=5X1 + 6X2 5 6
Sujeto a: X1 + X2 < 80 1 1 80
3X1 + 2X2 <220 3 2 220
2X1 + 3X2 <210 2 3 210
X1, X2 > O

Los coeficientes de la primera fila que son 5 y 6 corresponden a los

8
coeficientes de la función objetivo, además las constantes 80,220,210 son
los valores del lado derecho de las restricciones de los departamentos de
corte, armado y acabado, respectivamente y se denominan parámetros
del modelo.

1 1
Los elementos de la matriz 3 2 corresponden a los coeficientes
de las variables 2 3
De decisión.

Consideramos ahora el problema de PL, con variables de holgura:

Maximizar: Z=5X1 + 6X2 + Oh1 + Oh2 + Oh3

Sujeto a: X1 + X2 + h1 + Oh2 + Oh3 =80
3X1 + 2X2 +Oh1 + h2 + Oh3=220
2X1 + 3X2 + Oh1 + Oh2 + h3=210
X1 >O, X2 > O, h1> O, h2 >O, h3>O

Las variables que involucran el problema son X1, X2, h1, h2,h3 donde X1,
X2 son variables de decisión mientras que h1, h2,h3 son variables de
holgura por lo tanto la forma tabular es:

X1 X2 h1 h2 h3
5 6 0 0 0 bi
1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210

La solución básica factible inicial es X1 =0, X2=0, h1=80, h2=220 y

h3=210 donde h1,h2,h3 son variables básicas, esta solución se observa en
la matriz anterior de la siguiente manera: las columnas de las variables
básicas están formadas por un elemento 1 y los demás ceros, la solución
de una variables básica es el valor de la última columna (b) que se
encuentra en la fila del 1 correspondiente a la variable básica.

9
De esta manera tenemos:

h1=80
h2=220
h3=210
Ahora para facilitar los cálculos agregamos dos columnas en la tabla la
primera llamada columna base y corresponde a un listado de las variables
básicas del momento.

BASE
h1
h2
h3
La segunda columna consiste en los coeficientes de las variables básicas
del momento, tomado de la función objetivo. La función objetivo con
variables básicas y no variables básica:

Z=X1+6X2+Oh1+Oh2+Oh3, inicialmente las variables básicas son h1, h2,

h3 con los coeficientes cero por lo tanto la columna Cj:

BASE Cj
h1 0
h2 0
h3 0

Completando la tabla con las columnas base y Cj, mencionadas

anteriormente tenemos:

X1 X2 h1 h2 h3
Base Cj1 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210

Los valores de las variables básicas son los valores correspondientes a

los b, es decir,

h1=80=b1
h2=220=b2
h3=210=b3

Mientras que X1 y X2 son variables no básicas por lo tanto:

10
 X1=0 X2=0

Otro aspecto importante para completar la tabla inicial simplex es

adicionar dos filas llamadas Zj y Cj – Zj.

La primera fila se refiere a la contribución que se pierde por unidad que

se fabrica y la segunda fila es la contribución neta por unidad que se
fabrica.
Los valores de Zj se obtienen como la suma de los productos de la columna
Cj por los coeficientes asociados a las variables (X1, X2, h1, h2, h3), por
ejemplo:

Z1= 0(1) + 0(3) + 0(2) = 0

Z2= 0(1) + 0(2) +0 (3)= 0
Z3= 0(1) + 0(0) + 0 (0) =0
Z4= 0(0) + 0(1) + 0 (0) =0
Z5= 0(0) + 0(0) + 0 (1)=0

Podemos también calcular el valor Z con la suma de los productos de los

elementos correspondientes cj y bi.

Cj bi
H1 0 80
H2 0 220
H3 0 210

Realizando el calculo resulta: Z=0 (80) + 0 (220) + 0 (210) =0

La tabla simplex inicial con la nueva fila Zj es:

X1 X2 h1 h2 h3
Base CJ 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
ZJ 0 Z1 Z2 Z3 Z4 Z5 0

11
La fila Cj – Zj, se obtiene como la diferencia entre los coeficientes Cj de
la función objetivo y los valores correspondientes Zj

C1-Z1=5-0=5
C2-Z2=6-0=6
C3-Z3=0-0=0
C4-Z4=0-0=0
C5-Z5=0-0=0

La fila Cj – Zj queda planteada así:

CJ-ZJ 5 6 0 0 0

Completando la tabla simplex inicial

X1 X2 h1 h2 h3 Variable
Base Cj1 5 6 0 0 Contribución por unidad
0 bi
h1 0 1 1 1 0 Coeficiente
0 80 Coeficiente
h2 0 3 2 0 1 Coeficiente
0 220
h3 0 2 3 0 0
1 210
Zj 0 Z1 Z2 Z3 Z4 Z5 0 Contribución que se
pierde por unidades que
se fabrica
Cj - Zj 5 6 0 0 0 Contribución neta por
unanimidad que se
fabrica

UTILIDAD
Interpretando la tabla simplex inicial tenemos que h1,h2,h3, son variables
básicas con valores 80, 220,210 respectivamente e interpretándolos en
el contexto del problema corresponden a las horas disponibles no
utilizadas en los departamentos de corte, armado y acabado, además las

12
variables no básicas son X1y X2, son cero lo cual quiere decir que no se
producen ningún tipo de escritorio y la utilidad es Z =0.

Si observamos en la ultima fila de la tabla simplex Cj – Zj conocida como

fila de contribución neta, los valores mostrados en la porción de la tabla
son:

Cj – Z j 5 6 0 0 0
Indicadores

INDICADORES
Los valores 5 y 6 en los indicadores se interpretan de la siguiente manera:
por cada unidad producida adicionalmente de escritorios tipo I, la utilidad
aumenta en USS$5 y por cada unidad adicionalmente de escritorios tipo
II, la utilidad aumenta en USS$6, como los escritorios y tipo II producen
mayor utilidad por incremento unitario, se elije X2 como variable básica
y se introduce en la tabla.

Ahora hay que determinar cual es la variable básica que se debe convertir
en variable no básica, observamos los coeficientes de X2 en las
restricciones:

1 Hora por cada escritorio tipo II en el departamento de corte

2 Hora por cada escritorio tipo II en el departamento de armado
3 Hora por cada escritorio tipo II en el departamento de
acabado

De esta manera por cada unidad que se produce de X2, se disminuye una
hora de las 80 disponibles en el departamento de corte, luego se produce
80 =80 escritorios tipo II, por cada unidad de X2, producida en
1 el departamento de armado se disminuyen dos horas de las 220
disponibles, por lo tanto se producen 220/2=100 escritorios tipo II, por
último si se produce un escritorio tipo II en el departamento de acabado
se disminuyen tres horas de las 210 disponibles de esta forma se
producen 210/3=70 unidades, por lo tanto la mayor limitante corresponde
a las unidades en el departamento de acabado.

Con la justificación anteriormente expuesta X2 se convierte en variable

básica y h3 es la variable no básica.

Recordemos que los elementos aij son los coeficientes que acompañan a

13
las variables de decisión en las restricciones y los b i son los valores del
lado derecho de las restricciones.

Ahora construimos una nueva columna en las tablas simplex inicial

llamada b/aij que siempre nos indica el número de unidades producidas
en cada departamento según lo disponible con respecto a las horas por
unidad.

Consideramos la tabla simplex inicial con la columna b/ai2

X1 X2 h1 h2 h3
Base Cj1 5 6 0 bi bi/ai2
0 0 bi
h1 0 1 1 1 80 80/1=80 F1
0 0 80 220 220/2=1 F2
h2 0 3 2 0 210 10 F3
1 0 220 210/3=7
h3 0 2 3 0 0
0 1 210
Zj 0 0 0 0 0 0

Cj- Zj 5 6 0 0 0

El criterio para elegir la variable no básica consiste es escoger el menor

coeficiente bi/ai2 positivo, en caso de encontrar empates se escoge la fila
que este más arriba.

CALCULO PARA LA TABLA SIGUIENTE

Interpretando los resultados de la tabla inicial simplex se producen X 1=0

y X2=0: unidades de escritorios tipo I y II respectivamente por lo tanto
de las horas disponibles en cada departamento que son 80,220,210 no se
han empleado ninguna, lo cual quiere decir que tenemos que mejorar la
solución y encontrar una nueva solución factible que aumente la utilidad,
que en este momento es Z=0.

COLUMNA PIVOTE Y FILA PIVOTE

Como la variable entrante es X2 y la variable h, es la de salida para la

14
siguiente tabla, a la columna de X2 se le llama columna pivote y a la fila
de h3 se le llama pivote.

ELEMENTO PIVOTE

Es el elemento de la tabla simplex correspondiente al cruce entre la fila

pivote y la columna pivote.

En el caso del problema que estamos tratando el elemento pivote es 3

porque es el cruce entre la columna pivote de X2 y la fila pivote de h3, este
elemento se encierra con un cuadrado y se muestra en la tabla:

X1 X2 h1 h2 h3
Base Cj1 5 6 0 bi bi/ai2
0 0 bi
h1 0 1 1 1 80 80/1=80 F1
0 0 80 220 220/2=110 F2
h2 0 3 2 0 210 210/3=70 F3
1 0 220
h3 0 2 3 0
0 1 210
Zj 0 0 0 0 0 0

Cj- Zj 5 6 0 0 0 0

Como el objetivo es mejorar la solución para obtener la mayor utilidad

posible, se desea actualizar la tabla simplex inicial de manera que la
columna en la variable básica X2, sea una columna con la siguiente forma:

0 a12
0 = a22
1 a32

Para realizar este proceso en la tabla simplex es necesario aplicar las

operaciones elementales entre las filas vistas anteriormente en el capitulo
2 de sistema de ecuaciones lineales.

Vale la pena recordar nuevamente tales operaciones:

15
OPERACIONES ELEMENTALES ENTRE FILAS

 Multiplicar una fila por una constante diferente de cero

 Intercambiar dos filas
 Sumar un múltiplo de una ecuación o fila a otra

La matriz correspondiente a los coeficientes de las restricciones junto con

sus términos independientes es:

1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210

Elemento pivote

Para obtener la nueva tabla simplex, la segunda columna de la matriz

anterior debe tener la forma:

0
0
1

Para transformar la segunda columna aplicamos las operaciones

elementales entre filas:

F3 1/3 f3 (se cambia la fila 3 por un 1/3 de la fila 3, para convertir

a a32 en 1)

1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210
3 1 0 0 3 70

Para convertir cero a a12 y a22, efectuamos sobre la matriz las siguientes
operaciones elementales:
1. Multiplicamos la fila 3 por (-1) y sumamos el resultado a la fila 1.

16
 F1 (-2) F3 + F1

2. Multiplicamos la fila 3 por (-2) y sumamos el resultado a la fila 2.,

F2 (-2) F3 + F2

La nueva matriz es:

1 0 1 -1 10
3 3
5 0 0 -2 80
3 3
2 1 0 1 70
3 3

Escribiendo la nueva tabla simplex con los datos de la matriz anterior

tenemos:

X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
h1 0 1 0 1 0 -1 10
3 3
h2 0 5 0 0 1 -2 80
220
70
x3 6 2 1 0 0 -1
3 3
Zj

Cj- Zj

Para continuar la tabla calculamos los Zj:

Z1 = 0(1/3)+ 0 5/3) + 6(2/3) =4

Z2 = 0(0) + 0(0) + 6 (1) =6

17
 Z3 = 0(0) + 0(0) + 6(0) = 0
Z4 = 0(-1/3) + 0(-2/3) + 6(1/3) = 2

Ahora calculamos los valores de cj –zj:

C1 – z 1 = 5 -4 = 1
C2 – z2 = 6 -6 = 0
C3 – z3 = 0 -0 = 0
C4 – z4 = 0 -0 = 0
C5 – z5 = 0 -2 = -2

Por ultimo calculamos la utilidad de la siguiente forma:

Z=0(10) + 0(80) + 6870) =420

Reemplazando todos los valores la nueva tabla simplex nos queda así:

X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
h1 0 1 0 1 0 -1 10
3 3
h2 0 5 0 0 1 -2 80
220
3 3 70
X2 6 2 1 0 0 -1
3 3
Zj 4 6 0 0 2 420

Cj- Zj 1 0 0 0 -2

Para interpretar los resultados de esta nueva tabla, escribimos las

ecuaciones correspondientes:

1/3X1 +h1 + -1/3h3=10

5/3X1 +h2 -2/3h3=80
2/3X1+X2 +1/3h3=70

En este momento las variables básicas son h1,h2,h3 y las variables no

18
básicas con X1=0 y h3=0, reemplazando estos valores en las ecuaciones
anteriores los valores de las variables básicas son:
h1 = 10 h2=80 X2 =70

Ahora nos detenemos para hacer la siguiente pregunta ¿Cómo saber que
efectivamente tenemos ya la solución óptima factible?

FINALIZACIÓN DE LAS ITERACIONES EN EL MÉTODO SIMPLEX

Las iteraciones en el método simplex se detienen cuando los elementos

de la fila CJ – ZJ son cero o negativos, es decir Cj – Zj < 0; en este caso
la solución del problema es la óptima.

La fila Cj – Zj de la última es:

Cj – Z j 1 0 0 0 -2
Nuevos indicadores

Los nuevos indicadores nos dicen que no se cumple la condición de que

todos los elementos Cj – Zj sean ceros o menores que cero, puesto que
aparece un elemento positivo que es 1, esto indica que todavía no
tenemos la solución óptima del problema, por lo tanto tenemos que iterar
y crear una nueva tabla simplex con el fin de dar paso a una mejor
solución.

Nuevamente procedemos a determinar mirar cual es la variable que entra

y la variable que sale para la siguiente tabla.

Si observamos los indicadores de la fila Cj – Zj escogemos a X1 como

variable básica puesto que tiene mayor coeficiente positivo.

Ahora para saber cual es la variable que sale realizamos nuevamente el

cálculo de los cocientes bi/ai1

X1 X2 h1 h2 h3
Base Cj 5 6 0 bi Bi / ai1
0 0 bi
h1 0 1/3 0 1 0 -1 10 10 = 30
3 1/3
h2 0 5 0 0 1 -2 80 80 = 48
220 5/3
3 3 70 70 = 105

19
 X2 6 2 1 0 0 -1 2/3
3 3

Zj 4 6 0 0 2 420

Cj- Zj 1 0 0 0 -2

Como 30 es el cociente mínimo, la variable que sale es h 1, luego el

elemento ai1 =1/3 es el pivote y se encierra en un cuadro, en resume
queda como variable básica X1 y como variable no básica h1, por lo tanto
las operaciones elementales se deben realizar en la columna x1 para
convertirla en columnas unidad de la forma siguiente:

1
0
0

Las operaciones elementales para crear la nueva tabla simplex son:

a). Multiplicar la fila 1 por 3 para convertir a a11 en 1, (F1 3f1)

b). Multiplicar la fila del pivote por -5/3 y sumarla a la fila dos para
convertir a a21 en 0 (F2 -5/3 F1 +F2)

c). Multiplicar la fila del pivote por -2/3 y sumarla a la fila para convertir
a a31 en 0, (F3 -2/3 F1 + F3)

Por lo tanto, la nueva tabla simplex que se genera es la siguiente:

X1 X2 h1 h2 h3
Base Cj 5 6 0 bi
0 0 bi
X1 5 1 0 3 0 -1 30

h2 0 0 0 -5 1 1 30

X2 6 0 1 -2 0 1 50

20
 Zj 5 6 3 0 1 450

Cj- Zj 0 0 -3 0 -1

Nuevos Indicadores

Notemos que en la fila Cj – Zj los elementos son ceros o negativos, por lo

tanto ya hemos encontrado la solución óptima del problema

INTERPRETACIÓN DE LOS RESULTADOS

La solución óptima del problema de la fábrica de muebles consta de tres
variables básicas X1, h2, X2 y variables no básicas h1, h3 y los resultados
son los siguientes:

X1=30
h2=30
X2=50
h1=0
h3=0

La fábrica de muebles debe producir 30 escritorios tipo I y 50 escritorios

tipo II con el fin de obtener utilidad máxima de US$450

En cuanto al manejo de los recursos como h2=30, la holgura del

departamento de armado es de 30 horas que equivale a que no se utiliza
todas las 220 horas disponibles, mientras que en el departamento de
corte y acabado las variables de holgura son h1=0, h3 =0, lo que quiere
decir que se utiliza todas las horas disponibles que son 80 y 210 horas
respectivamente.

COMPARACIÓN DEL MÉTODO SIMPLEX CON EL MÉTODO GRÁFICO.

La gráfica correspondiente de la región factible de la fábrica de muebles

es:

21
 Tipo I

La región factible tiene vértices A,B,C,D y E, en cada uno de ello teníamos

una solución del problema, en el vértice C obtuvimos la mayor utilidad,
ahora hacemos un cuadro comparativo de cada iteración del problema
simplex con el gráfico de la siguiente manera:

Vértice X1 X2 h1 h2 h3 Utilidad Iteración

A 0 0 80 220 210 0 0
B 0 70 10 80 0 420 1
C 30 50 0 30 0 450 2

Según lo anterior el problema tuvo dos iteraciones para el mejoramiento

de la utilidad, lo cual significa que el método simplex busca optimizar la
solución en los vértices de la región factible, para el caso del problema,
la prioridad fue comenzar el recorrido por el vértice A, luego el B, y
terminar en C.

La siguiente gráfica muestra las trayectorias de método simplex:

A B C
Iteración 1 iteración 2

Al escoger el indicador de mayor utilidad en el renglón C j – Zj, resultan

dos iteraciones en el método simplex como se aprecia en la gráfica, si
escogemos un valor que no sea el mayor en el renglón Cj – Zj,
seguramente la trayecto0ria de simplex sería:

A E D C
Iteración 1 iteración 2 Iteración 3

22
 Saldría una iteración más, pero también se llaga a la optimación del
problema. Con fines prácticos para ahorrar cálculos y disminuir el número
de tablas (número de iteraciones), es conveniente escoger el mayor valor
en el renglón Cj – Zj en el momento de seleccionar el pivote.

Ejemplo:
Resolver el siguiente problema de programación lineal:

Maximizar Z= 2.5 X1 + 5X2+X3+X4

Sujeto a: X1+1.4X2+0.2X3+0.8X4<1600
2X1+2X2+1.6X3+X4<1300
1.2X1+X2+X3+1.2X4<960
X1,X2,X3, X4>0

Este problema tiene 4 variables de decisión y tres restricciones de menor

e igual por lo tanto necesitamos tres variables de holgura h1,h2 y h3 ahora
procedemos a convertir el problema a la forma estándar.

Maximizar: Z=2.5 X1 + 5X2 + X3+ X4+Oh1 + Oh2 + Oh3

Sujeto a: X1 + 1.4X2+0.2X3+0.8X4 +h1 =1600

2X1 + 2x2 + 1.6x3+ X4+ h2 =1300
1.2X1 + X2 + X3 + 1.2X4+ h3 = 960
X1,X2,X3.X4,h1,h2,h3>0

Ahora construimos la tabla inicial con las variables de decisión y holgura,

las restricciones, valores del lado derecho y la función objetivo, de la
siguiente manera:

X1 X2 X3 X4 h1 h2 h3
Base Cj 2.5 5 1 1 0 0 bi / ai2
0 bi

23
h1 0 1 1.4 0.2 0.8 1 0 0 1600 1600/1.4=1142.8

h2 0 2 2 1.6 1 0 1 0 1300 1300/2=650

h3 0 1.2 1 1 1.2 0 0 1 960 960/1=960

Zj 0 0 0 0 0 0 0 450

Cj- Zj 2.5 5 1 1 0 0 0

Observamos la tabla anterior, la variable que entra es X2 y la variable que

sale es h2, de esta forma la siguiente tabla nos queda:

X1 X2 X3 X4 h1 h2 h3
Base Cj 2.5 5 1 1 0 0 0
0 bi
h1 0 -0.4 0 -0.92 0.1 1 -0.7 0 690

X2 5 1 1 0.8 0.5 0 0.5 0 650

h3 0 0.2 0 0.2 0.7 0 -0.5 1 310

Zj 5 5 4 2.5 0 2.5 0 3.250

Cj- Zj -2.5 0 -3 -1.5 0 -2.5 0

Como elementos de renglón Cj – Zj, son negativos y cero el problema, ya

es óptimo con los siguientes resultados:

X1 0 Variable no Básica
X2 650 Variable Básica
X3 0 Variable no Básica
X4 0 Variable no Básica
h1 690 Variable Básica
h2 0 Variable no Básica
h3 310 Variable Básica

24
 Z 3.250 Valor Función
objetivo

RESTRICCIONES CON DESIGUALDADES DEL TIPO MAYOR O IGUAL

Supóngase que la compañía de muebles del problema anterior, hizo un

contrato donde tiene que entregar los escritorios tipo I y tipo II
semiacabados, por lo tanto desisten temporalmente del departamento de
acabado, y se elimina del problema la restricción.

2X1 + 3X3<210 departamento de acabado

Además de las otras especificaciones de los escritorios, cada escritorio

tipo I debe llevar 3 cerraduras de seguridad, mientras que cada escritorio
tipo II debe llevar una cerradura de seguridad. Por esta razón la compañía
hizo un convenio con un proveedor con la condición de que suministraría
como mínimo 180 cerraduras de seguridad. De esta manera la nueva
restricción del problema es:

3X1 + X2>180 compra a proveedores

El problema modificado es

Maximizar: Z=5X1 + 6X2

Sujeto a: X1+X2 <80 departamento de corte

3X1+2X2 <220 departamento de armado
3X1+X2 >180 compra a proveedores
X1,X2>0

Representando la nueva región factible con las nuevas restricciones

obtenemos lo siguiente:

X2 ConiiidM

25
 18000

Observando la gráfica, el vértice B desapareció, y los vértices A y C se

modificaron; mientras que los vértices D y E permanecen iguales. El
vértice X1=0, X2=0 ya no es factible, con el objeto de utilizar el método
simplex en el problema modificado se utilizan dos variables de holgura
para las restricciones de menor e igual. La forma estándar del problema
modificado es:

Maximizar: Z=5X1 + 6X2

Sujeto a: X1 + X2 + h1 =80
3x1 + 2x2 + h1 =220
3X1 + X2 -h3 =180
X1,X2,h1,h2,h3>0

Observe que la explicación más apropiada para ver que (X1,X2) =(0.0) no
es factible, es que al reemplazar estos valores al problema modificado se
generan los siguientes resultados:

X1=0
X2=0
h1=80
h2=220
h3=-180

La variable de excedente h3 da negativa, lo cual no es aceptable puesto

que debe ser positiva, por lo tanto X1=0, X2=0 no es solución factible.
Con el propósito de encontrar una solución básica factible en términos de
las variables de holgura h1,h2, se involucra una nueva variable a3, que se
denomina variable artificial, esta variable a3 es solos un artificio

26
matemático, no representa ninguna situación de problema de la compañía
de muebles, solo sirve para construir la tabla inicial simplex e iniciar el
algoritmo simplex. Sumando la variable artificial a la tercera restricción.
Obtenemos:

X1 + X2 + h1 =80
3x1 + 2x2 + h2 =220
3x1 + X2 -h3+a3 =180

Hay que tener en cuenta que la variable artificial se necesita inicialmente

en el problema y después desaparece antes de obtener la solución óptima
del problema, por lo tanto para eliminar las variables artificiales existe un
método muy sencillo que consiste en asignarle a las variables artificiales
un costo muy elevado en la función objetivo

Para eliminar la variable artificial a3, de la base, le asignamos en la

función objetivo un coeficiente de utilidad muy grande y negativo llamado
–M, por lo tanto la forma estándar del problema modificado es:

Maximizar: 5X1 + 6X2 + Oh1 + Oh2 + Oh3 – Ma3

Sujeto a: X1 + X2 + h1 =80
3X1 + 2X2 + h2 =220
3X1 + X2 -h3+a3 =180
X1,X2, h1,h2,h3,a3 >0

Además la tabla inicial simplex del problema modificado nos queda de la

siguiente manera:

X1 X2 h1 h2 h3 a3
Base Cj 5 6 0 0 0 -M bi Bi /ai1
h1 0 1 1 1 0 0 0 80 80/1=80

h2 0 3 2 0 1 0 0 220 220/3=73.3

a3 -M 3 1 0 0 -1 1 180 180/3=60

Zj -3M -M 0 0 M -M -180M

Cj- Zj 5+3M 6+M 0 0 -M 0

27
Como observamos en la tabla anterior las variables básicas son h1,h2,a3 y
las variables no básicas son X1,X2,h3 teniendo en cuenta que:

X1 = 0 y X2=0, no son soluciones factibles.

En consecuencia la solución inicial del problema es:

X1= 0
X2= 0
H1 =80
H2= 220
H3= 0
A3=180

Para la siguiente iteración hay que escoger el mayor valor de fila de

contribución neta cj –zj , que este caso es 5+3M luego xj es la variable
básica para escoger la variable no básica procedemos de la misma manera
como lo mencionamos anteriormente recordemos que se dividen los
valores bj entre los aj es decir bj/ail y se escoge el menor cociente, como
se muestra en la tabla anterior; luego xj reemplaza a a3, así la siguiente
tabla es

X1 X2 h1 h2 h3 a3
Base Cj 5 6 0 0 0 -M bj
h1 0 2 1 1 0 0 -1 20
3 3
h2 0 0 1 0 1 0 -1 40

x1 5 1 1 0 0 -1 1 60
3 3 3
Zj 5 5 0 0 -5 5 300
3 3 3
Cj- Zj 0 13 0 0 5 -M -5
3 3 3

Para observar las secuencias de las soluciones de las soluciones en el

problema de la compañía de muebles graficamos la región factible
nuevamente

28
En este momento la solución es factible porque la iteración implica que la
solución se desplaza del origen O al vértice A en 60 unidades donde x1 =
60. Aquí la variable artificial a3 desapareció del problema.

Técnicamente el método simple tiene dos etapas llamadas fase I y fase II

que las explicamos en el siguiente diagrama:

Método simplex

Fase I Fase II
Se requieren las variables Se continúan las iteraciones
artificiales para obtener una del método simplex sin
solución básica factible y variables artificiales
luego se eliminan las
variables artificiales

Con objeto de minimizar los cálculos y eliminar la variable artificial a3 de

la base simplex, se suprime la columna correspondiente a la variable
artificial a3 obteniendo la siguiente tabla, y finalizando la fase I

X1 X2 h1 h2 h3
Base Cj 5 6 0 0 0 b1 b1/a12

29
h1 0 0 2/3 1 0 1/3 20 20=30
2/3
h2 0 0 1 0 1 1 40 40=40
1
h1 5 1 1 0 0 -1 60 60=180
3 3 1/3
Zj 5 5 0 0 -5 300
3 3
Cj- Zj 0 13 0 0 5
3 3

Ahora como ya no tenemos ninguna variable artificial, estamos en

disposición de comenzar la fase II del método simplex puesto que los
elementos del renglón neto Cj-Zj no son menores o iguales a cero por lo
tanto el problema no es óptimo todavía. Ahora escogemos a X2 como
variable básica porque Cj – Zj=13/3 es el mayor valor positivo del renglón
Cj-Zj, X2 reemplaza a h1 en la base, y teniendo en cuenta que el pivote es
2/3 encerrado por el cuadrado, se obtiene la siguiente interacción

X1 X2 h1 h2 h3
Base Cj 5 6 0 0 0 b1
X2 6 0 1 3/2 0 1/2 30

h2 0 0 0 -3/2 1 1/2 10

X1 5 1 0 -1/2 0 -1 50
2
Zj 5 6 13/2 0 1/2 430

Cj- Zj 0 0 13/2 0 - 1/2

En la tabla anterior el desplazamiento de métodos simplex fue del vértice

A, al vértice C, resumiendo gráficamente el método simplex, los pasos
fueron los siguientes:

Fase 1 Fase II
O A C

Origen óptimo 30
Como los elementos del renglón neto Cj – Zj<0, el problema es óptimo
con los siguientes resultados:

X1=50
X2=30
h1=0
h2=10
h3=0
En estas condiciones la compañía necesita producir 50 escritorios tipo I,
30 escritorios tipo II, en el departamento de corte se necesitan todas las
80 horas disponibles, en el departamento de corte se necesitan horas, se
necesitan 210 horas, y hay que comprarle a los proveedores 180
cerraduras de seguridad.

Ejemplo: Considere el siguiente problema de PL.

Maximizar: Z= X1 + 4X2 – X3
Sujeto a: - X1 + X2 + X3 < - 5 (1)
X1 + X2 + X3 < 3 (2)
-X1 + X2 – X3 =-7 (3)
X 1, X2, X 3 >0

 Convertir el problema en forma tabular

 Construir la tabla inicial simplex

PASO I
Para llevar el problema de programación a forma tabular el primer paso
es eliminar los valores negativos en los lados derechos, sencillamente se
multiplican por (-1) las restricciones invirtiendo el sentido de las
desigualdades de menor e igual a mayor e igual.

31
En la restricción -X1 –X2 + X3 < -5 (1)

Multiplicando por (-1) los dos miembros de la desigualdad, obtenemos:

En la restricción (3) - X1+X2 – X3 =7 , multiplicando por (-1) los dos

miembros de la igualdad , obtenemos:

X1-X2+X3=7
Por lo tanto el problema de programación lineal equivalente es:

Maximizar: Z=X1+4X2-X3
Sujeto a: X1+ X2- X3 > 5
X1+X2+X3<3
X1-X2 + X3 =7
X1, X2,X3>0

Observe que en el problema hay una restricción de igualdad X1- X2+X3=7,

para llevarlo a la forma tabular solo basta con sumar una variable artificial
a 3, de esta manera la restricción equivalente es X1 – X2 + X3 + a3=7,
además al coeficiente de la variable artificial en la función objetivo se le
asigna un valor –M, quedando la variable artificial a3, como variable básica
factible inicial.

FORMA TABUL AR DEL PROBLEMA

Maximizar: Z= X1 + 4X2 – X3 + Oh1 + Oh2 – Ma1 – Ma3

Sujeto a: X1 + X2 – X3 – h1 + a1 = 5
X1 + X2 – X3 + h2 =3
X1 – X2 + X3 +a3 =7
X1, X2, X3, h1,h2,a1,a2 > 0

La tabla simplex inicial correspondiente a la forma tabular es:

X1 X2 X3 h1 h2 a1 a3
Base Cj 1 4 -1 0 0 -M -M b1

32
 a1 -M 1 1 -1 -1 0 1 0 5

h2 0 1 1 1 0 1 0 0 3

a3 -M 1 -1 1 0 0 0 1 7

Zj -2M 0 0 M 0 -M -M -12M

Cj- Zj 1+2M 4 -1 -M 0 0 0

SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN CON EL MÉTODO

SIMPLEX.

Para utilizar el método simplex en un problema de minimización solo basta

con multiplicar la función objetivo por (-1), con el fin de convertir el
problema de minimización en un problema equivalente de maximización,
como donde su solución nos proporciona la solución para el de
minimización. Ahora ilustraremos el siguiente ejemplo:

Ejemplo 3.

La compañía Propapel S.A. produce papel bond para oficina de diferente

tamaño, carta y oficio. Para elaborarlos se utilizan dos máquinas de
impresión que le den el color, máquinas I y II. En la máquina I se
requieren 2 horas para la elaboración de una tonelada de papel tamaño
carta y 2 horas para el papel tamaño oficio; en la máquina II se requieren
2 horas para la elaboración de una tonelada de papel tamaño carta, y 6
horas para una tonelada de papel oficio. La máquina I, para efectos de
costo, puede trabajar máximo 8 horas, mientras que la máquina II debe
trabajar por lo menos 12 horas.

Cuantas toneladas diarias de papel de tamaño carta y oficio deben

producirse con el fin de minimizar el costo por unidad de cada tonelada
de papel es de 1,5 y 2 dólares para carta y oficio respectivamente.

Solución. Definamos primero la variable de decisión.

Sea X1: número de toneladas de papel tamaño carta

Y X2: número de toneladas de papel tamaño oficio

33
 Planteamiento del modelo.

Minimizar: Z=3/2 X1 + 2X2

Sujeto a: 2X1 + 2X2 < 8 Tiempo disponible máquina I

2X1 + 6X2>12 Tiempo mínimo máquina II
X1, X2 >0

Multiplicamos la función objetivo por (-1) para convertir el problema de

minimización en un problema de maximización equivalente. Luego el
modelo modificado nos queda así:

Maximizar: W= - 3/2 X1 – 2X2

Sujeto a: 2X + 2X2 < 8 Tiempo disponible máquina I

2X1 + 6X2> 12 Tiempo mínimo máquina II
X1, X2 >0

Ahora la forma tabular del problema es:

Maximizar : W =-2/3 X1 – 2X2 + Oh1 + Oh2 – Ma2

Sujeto a: 2X1 + 2X2 + h1 = 8

2X1 + 6X2 -h2 + a2 = 12
X1, X2, h1,h2,a2 > 0

TABLA INICIAL SIMPLEX

X1 X2 h1 h2 a2
Base Cj -3/2 -2 0 0 -M b1 b1/a12
h1 0 2 2 1 0 0 8 8/2=4

a2 -M 2 6 0 -1 1 12 12/6=2

Zj -2M -6M 0 M -M -12M

Cj- Zj -3/2+2M -2M+6M 0 -M 0

34
La expresión -2+6M produce mayor valor para la función objetivo y el
valor 12/6=2 es el menor cociente en la columna b1/a12, luego el pivote
para la primera interacción es 6, entonces X2 se convierte en variable
básica, mientras que a2 es variable no básica; eliminando la columna de
a2, obtenemos la siguiente:

TABLA FINAL

X1 X2 h1 h2
Base Cj -3/2 -2 0 0 b1
h1 0 4/3 0 1 1/3 4

X2 -2 1/3 1 0 -1/6 2

Zj -2/3 -2 0 1/3 -4

Cj- Zj -5/6 0 0 -1/3

Resultados del problema

X1=0
X2=2
h1=4
h2=0
W=-4

TEMA DE DECISION DE LA COMPAÑÍA

El costo mínimo es de 4 dólares, ya que se multiplica por (-1) la función

objetivo, además hay que producir solo 2 toneladas diarias de papel
tamaño oficio y suspender la producción de papel de tamaño carta.
Utilizando solo 4 horas en la maquina I y 12 horas en la maquina II.

35
CASOS ESPECIALES

El capitulo cuarto aplicamos el método grafico a problemas no agotados

de múltiples soluciones y degenerados de la misma manera trataremos
con el método simplex, estos problemas y la manera de reconocer sus
características.

MULTIPLES SOLUCIONES

Este tipo de problema es también reconocido como problema de

soluciones optimas alternativas, que consiste en que en algunas ocasiones
la función objetivo alcanza el valor optimo en mas de un vértice de la
región factible, es decir que para el caso de dos variables la función
objetivo corresponde a una recta paralela a alguna de las rectas de las
restricciones.

Recordemos: el problema de la compañía de muebles. Supongamos que

la utilidad por cada unidad de escritorios tipo I, se aumenta en 5 dólares
y la de tipo II se aumenta el 4 dólares, luego el problema modificado nos
queda así

Maximizar: Z= 10X1+10X2

Sujeto a: X1+X2< 80 Departamento de corte

3x1 + 2X2 < 220 Departamento de armado

36
 2X1 + 3X2 < 210 Departamento de Acabado
X1,X2>0

Mostraremos con le método simplex como existen dos alternativas de

soluciones en los vértices C y D en el grafico. Al aplicar el método simplex
la trayectoria de los vértices es:

A E D
Interacción I Interacción II

TABLA INICIAL

X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1
h1 0 1 1 1 0 0 80

X2 0 3 2 0 1 0 220

h3 0 2 3 0 0 1 210

Zj 0 0 0 0 0 0

Cj- Zj 10 10 0 0 0

En la primera iteración entra X1 a la base y sale h2

X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1
h1 0 0 1/3 1 -1/3 0 20/3

X1 10 1 2/3 0 -1/3 0 220/3

h3 0 0 5/3 0 -2/3 1 190/3

Zj 10 20/3 0 10/3 0 2.200/3

Cj- Zj 0 10/3 0 -10/3 0

La tabla final es:

X1 X2 h1 h2 h3
Base Cj 10 10 0 0 0 b1

37
 X2 10 0 1 3 -1 0 20

X1 10 1 0 -2 -1 0 60

h3 0 0 0 -5 1 1 30
Zj 10 10 10 0 0 800

Cj- Zj 0 0 -10 0 0

Los resultados de la tabla final aparecen en el grafico de la región factible

en el vértice D.

X1=60, X2=20, h1=0, h2=0, h3=30 y Z=800

Ahora tomamos la trayectoria en la región factible

A B C
Interacción I Interacción II

TABLA INICIAL

X1 X2 h2 h1h3
Base Cj 10 10 0 0 0 b1 b1/a2
H1 0 1 1 1 0 0 80 80

H2 0 3 2 0 1 0 220 110

h3 0 2 3 0 0 1 210 70
Zj 0 0 0 0 0 0

Cj- Zj 10 10 0 0 0

En la siguiente interacción entra a la base X2 y sale h3

X1 X2 h2 h1 h3
Base Cj 10 10 0 0 0 b1 b1/ai1
h1 0 1/3 0 1 0 -1/3 10 30

h2 0 5/3 0 0 1 -2/3 80 48

38
X2 10 2/3 1 0 0 1/3 70 105

Zj 20/3 10 0 0 10/3 700

Cj- Zj 10/3 0 0 0 -10/3

TABLA FINAL

Los resultados d el atable final aparecen en la región factible en el vértice

C.

X1 X2 h2 h1 h3
Base Cj 10 10 0 0 0 b1
X1 10 1 0 3 0 -1 30

H2 0 0 0 -5 1 1 30

X2 10 0 1 -2 0 1 50
Zj 10 10 10 0 0 800

Cj- Zj 0 0 -10 0 0
Ahora los resultados de la tabla final son:

X1=30, X2=50, h1=0, h2=30, h3=0, Z=800

CONCLUSIONES

 En la trayectoria: A E D
La solución optima es (X1,X2) =(60, 20), con Z=800

 En la trayectoria: A B C
La solución optima es (X1,X2) =(30, 50), con Z=800

 En dos trayectorias diferentes y en dos vértices diferentes C y D

como se observa en lo tanto el problema tiene múltiples soluciones

 La recta correspondiente a la función objetivo es paralela a la recta

correspondiente a la restricción X1 + X2 < 80

39
MODELO DE NO FACTIVILIDAD

Un problema de no factibilidad ocurre cuando no existe ninguna solución

del problema de programación lineal que satisfaga las restricciones,
incluyendo las de no negatividad.

Ahora modifiquemos el problema de la fábrica de muebles. Supongamos

que necesitamos que la producción total de escritorios tipo I y tipo II sea
por lo meno de 100. Por lo tanto la nueva restricción es:

X1+X2>100, de esta manera el modelo de P es;

Maximizar: Z=5 X1 + 6x2

Sujeto a: X1+ X2<80 Departamento de corte

3X1 + 2X2 < 220 Departamento de armado
2x1 + 3x2 < 210 Departamento de Acabado

X1+X2> 100 Producción mínima de X1,X2

X1,X2>0

TABLA INICIAL

X1 X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
h1 0 1 1 1 0 0 0 0 80

h2 0 3 2 0 1 0 0 0 220

40
 h3 0 2 3 0 0 1 0 0 210

a4 -M 1 1 0 0 0 -1 1 100

Zj -M -M 0 0 0 M -M -100M

Cj- Zj 5+M 6+M 0 0 0 -M 0

ITERACION I

X1X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
h1 0 1/3 0 1 0 -1/3 0 0 10

h2 0 5/3 0 0 1 -2/3 0 0 80

X2 6 2/3 1 0 0 1/3 0 0 70

a4 -M 1/3 0 0 0 -1/3 -1 1 30
Zj 4-M/3 6 0 0 2+M/3 M -M 420-30M

Cj- Zj 1+M/3 0 0 0 -2-M/3 -M -2M

ITERACION II

X1 X2 h1 h2 h3 h4 a4
Base Cj 5 6 0 0 0 0 -M b1
X1 5 1 0 3 0 -1 0 0 30

h2 0 0 0 -5 1 -1 0 0 30

X2 6 0 1 -2 0 1 0 0 50

a4 -M 0 0 -1 0 0 -1 1 20
Zj 5 6 3+M 0 1 M -M 450-20M

Cj- Zj 0 0 -3-M 0 -1 -M 0

41
Como observamos la variables artificial a4 se encuentra con a4=20, esto
quiere decir que no ha culminado la fase I del método simplex. Además
los términos del renglón Cj – Zj, son negativos o cero por lo tanto la
iteración las iteraciones del problema se detienen y tenemos la solución
óptima del problema. La solución que finalmente obtenemos en la ultima
tabla es X1=30, X2= 50, si sumamos estos dos resultados no da 80, lo
cual contradice la restricción X1 + X2 > 100 faltando 20 unidades para la

mínima producción que son 20 unidades.

Lo anterior significa que la solución optima no satisface las restricciones

del problema por lo tanto es un modelo de no factibilidad.

NO ACOTAMIENTO

Recordemos que un problema de programación lineal es no agotado, si el

valor de la solución es tan grande como se quiera, a esto se le llama
utopía gerencial, ya que la compañía generarían máxima utilidad
ilimitada, este problema no esta conceptualizado a la realidad del modelo
y no es lo suficientemente preciso.

Ahora ilustramos un ejemplo de un modelo de programación lineal con

estas características.

Maximizar : Z=40X1 + 20X2

Sujeto a: X1>5
X2<12

42
 X1, X2>0

TABLA INICIAL

X1 X2 h1 h2 a1
Base Cj 40 20 0 0 -M b1
a1 -M 1 0 -1 0 1 5

h2 0 0 1 0 1 0 12

Zj -M 0 M 0 -M -5M

Cj- Zj 40+M 20 -M 0 0

TABLA FINAL

X1 X2 h1 h2 a1
Base Cj 40 20 0 0 -1 b1
X1 40 1 0 -1 0 1 5

h2 0 0 1 0 1 0 12

Zj 40 0 -40 0 40 200

Cj- Zj 0 20 40 0 -40

El método simplex identifica inmediatamente cuando un problema de

programación lineal es no acotado, una de las características es que al
determinar la variable que debe salir de la base, no es posible sacar dicha
variable de la base, por ejemplo en la tabla final, en la fila Cj – Zj, el valor
positivo mas grande lo tiene h1, no se puede determinar.

el cociente b1/a13, ya que a13 = -1 y a23 = 0

b1/a13=a5/-1=-5; b2/a23=12/0= no existe

Lo cual significa que no puede entrar una variable básica en el problema

lo cual indica que el problema es no acotado.

43
GRAFICA DE UN PROBLEMA NO ACOTADO

Ejercicios:
1. Considere el siguiente problema de programación lineal:

Maximizar: Z=100 X1+300X2

Sujeto a: X1 + X2 < 100

20X1+40X2 <3000
5X1+20X2 < 1350
X1,X2>0

 Cuantas variables de holgura requiere el problema?

 Escriba el modelo de forma estándar
 Construya la tabal inicial simplex
 ¿Cuál es la variable que entra y cual la que sale de la tabal inicial?

2. Consideremos la siguiente tabla inicial

X1 X2 h1 h2
Base Cj 2 3 0 0
3 6 1 0 18

6 3 0 1 36

44
 Zj

Cj- Zj

 Complete la tabla inicial

 Escriba el problema en forma estándar
 Escoja cual es la variable que entra y cual la que sale en la tabla
inicial
 ¿Cuáles son las variables básicas y no básicas en la tabla inicial?
 ¿Cuál es el valor de la función objetivo en la tabla inicial’
 ¿Cuál es el valor de las variables de holgura en la tabla inicial?
 ¿Cuál es el valor de la función objetivo después de la primera
iteración
 ¿Cuál es la solución óptima del problema del PL?

3. Resuelva el problema 1 utilizando el método simplex

 ¿Qué relación existe entre las iteraciones del método simplex y el
método grafico hasta llegar a la solución óptima, (sugerencia:
observe los vértices de la región factible).

4. Resuelva el siguiente problema por el método simplex

Maximizar: Z= 5X1 + 6X2

Sujeta a: 1/2X1 + 2/3X2 < 3.000

1/2X1 + 1/3X2 < 2.000
X1,X2 > 0

5. Resuelva el siguiente problema por el método simplex

Maximizar: Z= 10X1 + 15X2

Sujeta a: 1/5X1 + 1/2X2 < 1.200

4/5X1 + 1/2X2 < 1.800
X1,X2 > 0

6. Resuelva el siguiente problema por el método simplex

45
 Maximizar: Z= 100X1 + 300X2

Sujeta a: X1+X2 < 100

X1 +2X2 < 150
X1,+4X2 < 270
X1,X2 >0

7. Resuelva el siguiente problema por el método simplex

Maximizar: Z= 2X1 + 3X2

Sujeta a: 4X1 + 5X2 < 200

6X1 + 3X2 < 210
X1,X2 > 0

8. Resuelva el siguiente problema por el método simplex

Maximizar: Z= X1 - X2 + X3

Sujeta a: 3X1 + X2 +2X3< 8

X1 + X2 + 4X3 < 6
7X1 +4X2+8X3 < 25
X1,X2, X3> 0

9. Consideremos el siguiente problema lineal

Maximizar: Z= 4X1 - 4X2 + 4x3

Sujeta a: X1 + 2X2 + x3 > 2

X1 + X2 - X3> 5
X1,X2 > 0

A. ¿Cuántas variables de excedente y artificiales se necesitan en el

problema.
B. Escriba el problema en forma estándar
C. Construya la tabla inicial
D. Resuelva el problema por el método simplex

10. Resuelva el siguiente problema por el método simplex

Maximizar: Z= 4x1 + 5X2

46
 Sujeta a: X1 + X2 > 40
3X1 + X2 >50
X1 +3X2> +60
X1,X2, X3> 0

11. Resuelva el problema de programación lineal por el método

simplex y el método grafico, y haga la comparación

Maximizar: Z= 60x1 + 50X2

Sujeta a: X1 + 2X2 > 30

4X1 + X2 >50
X1 +3X2> +60
X1,X2, X3> 0

12. Considerando el siguiente programa de programación lineal

Maximizar: Z= 4x1 + X2

Sujeta a: X1 + 2X2 > 4

4X1 + 3X2 <6
4X1 +3X2= 6
X1,X2, X3> 0.

 Escribe el modelo en forma estándar

 ¿Cuántas variables de holgura existen en el problema?
 ¿Cuántas variables artificiales hay en el problema?. Justifique su
respuesta.
 Construya la tabla simplex inicial
 ¿Cuáles son las primeras variables que salen del problema?
 Resuelva el problema por el método simplex

13. Una empresa fabrica dos tipos de sillas ergonómica y normal. Para
su construcción, una silla pasa por 4 departamentos; ensamble,
tapizado, color y terminado. Cada departamento tiene disponible
1.000 horas, 450 horas, 2.000 horas y 150 horas respectivamente.
Los requerimientos de producción y utilidades por silla se muestran
en la tabla siguiente:

TIEMPO DE PRODUCCIÓN (HORAS)

Tipo de Silla Ensamble Tapizado Color Terminado Utilidad/silla

47
 Normal 2 1 4 1/4 15
Ergonómica 3 1 6 1/2 20

 Plantee el modelo de programación lineal definiendo las variables

 Resuelva el problema por el método simplex, para determinar
cuántas sillas normales y ergonómicas se deben producir para
obtener mayor utilidad
 Interprete todas las variables de holgura del problema.

14. En una fábrica se procesan dos tipos de camisas: camisa informal

y formal; la utilidad por cada camisa formal es de US$20 por la
informal US$10 para llevar a cabo la fabricación de una camisa se
requiere que esta pase por cuatro departamentos: diseño, tallaje,
estampado y terminado. Se tienen disponibles 400 horas de tiempo
en diseño, 300 en tallaje, 50 horas en estampado y 200 horas en
terminado.

En la siguiente tabla se muestra los requerimientos de tiempo en

horas por unidad en cada uno de los departamentos.

Departamento Camisa formal Camisa informal

Diseño 1 2.5
Tallaje 3 1.25
Estampado 4 3.25
Terminado 3.5 2.50

 ¿Cuántas camisas de cada tipo se deben producir para maximizar

la utilidad.
 Defina la variable de decisión
 Plantee el modelo de programación del problema, para maximizar
la utilidad
 Construya las tabla simplex e identifique. ¿Cuál variable entra y cual
sale?
 Resuelva el problema por el método simplex
 Interprete las variables de holgura

15. Producción. Una compañía automotriz produce automóviles tipo

Sedan y tipo deportivo, cada uno de los cuales debe pasar por dos
departamentos de producción. La compañía está en capacidad de
producir diariamente 70 automóviles tipo Sedan y 50 tipo deportivo.
El en departamento A, se ensamblan los motores; en este
departamento los automóviles sedan requieren 1 hora de trabajo y

48
 en los deportivos 2 horas. Actualmente en el departamento de
ambos tipos de automóviles. En el departamento B se ensambla el
chasis; en este departamento los automóviles sedan requieren una
hora de trabajo al igual que los automóviles deportivos; en la
actualidad se puede asignar un total de 90 horas de trabajo diario
en el departamento B para la producción de ambos tipos de
automóviles. La utilidad de cada automóvil sedan y deportivo es de
US$1.500 y US$2.000 dólares respectivamente. Si la compañía
puede vender todos los automóviles que produzca, con el fin de
maximizar la utilidad.

 Resuelva el problema por el método simplex

 ¿Cuál es la utilidad de la compañía de automóviles?
 ¿Se utilizan todas las horas disponibles en los departamentos A y
B?.

16. Una distribuidora de frutas tiene una máquina exclusivamente para

cítricos, en particular, para el jugo de naranja y el jugo de limón.
La máquina opera 150 horas a la semana destilando jugos de
naranja o de limón en concentrados y puede destilar jugo de
naranja a un ritmo de 50 galones por hora produciendo 35 galones
de concentrado o 40 galones de jugo de limón produciendo 20
galones de concentrado.

Hasta 200 galones de concentrado pueden almacenarse en tanques

separados después de su procesamiento. La ganancia neta por
cada galón de jugo de naranja procesado es US$1.10 y del jugo de
limón es US$0.8.

Determine el número de galones de jugo de naranja y de jugo de

limón por destilar para maximizar la ganancia neta.

 Plantee el modelo de programación del problema y resuélvalo por

el método simplex.
 Interprete los resultados del problema

17. Una empresa produce dos tipos de metales denominados E-9 y F-

9. El tipo de metal E-9 se fabrica para uso de la compañía. El tipo
de metal F-9 se destina únicamente a labores especiales. Los dos
tipos se producen en dos departamentos A y B. Haciendo uso de las
predicciones económicas para el próximo mes, el gerente de
mercadeo de la empresa cree que durante este periodo será posible

49
 vender todos los metales E-9 y F-9 que la empresa pueda producir.
La administración debe ahora recomendar una meta de producción
para el próximo mes. Es decir, ¿Qué cantidad de metales E-9 y F-
9 deben producirse (en toneladas), para que la utilidad sea
máxima?.

La utilidad por cada tonelada que se venda del metal E-9 será de
US$5.000 y por cada tonelada de F-9, US$4.000 el número de horas
para producir cada tonelada de E-9 y F-9 en los departamentos A y
B, se muestran en la siguiente tabla:

Departamento Horas
Para los E-9 Para los F-9 Total disponible
A 10 15 150
B 20 10 160

Con el objeto de mantener su posición actual en el mercado, la

gerencia ha determinado que para la política de operación es
necesario producir una tonelada de F-9 por cada tres de E-9.
Además se sabe que un comprador ordenará por lo menos 5
toneladas en la producción total de E-9 y F-9 para el próximo mes.

a. Plantea el modelo de programación y resuélvelo por el método

simplex.
b. Interprete los resultados del problema.

18. La empresa ambientes y aromas fabrica dos tipos de

ambientadores denominados ambientador suave y ambientador
clásico. Cada uno de los ambientadores es fabricado con dos
componentes distintos de aromas naturales. En este momento
existen disponibles 600 libras de aroma natural con olor y olor a
rosa y 800 libras de aroma natural con olor a sándalo. Cada libra de
ambientador suave utiliza ¾ de libra de aroma natural con olor a
rosa y 5/4 de libra de aroma natural con olor a sándalo. Cada libra
de ambientador clásico utiliza 3/5 de libra de aroma natural con olor
a rosa y ¼ de libra de aroma natural de sándalo. Además existe un
límite sobre la disponibilidad de materiales de empaque que
restringe la producción de ambientador suave a un máximo de 800
libras.

Si la contribución a la utilidad de cada producto es de US$3 por

libra¿ Cuantas libras de cada producto se deben fabricar?

50
  Plantee el modelo de programación del problema y resuélvalo por
el método simplex.
 Interprete los resultados del problema.

19. Una pizzería fabrica y venden pizzas. La empresa tiene utilidades

de US$1 por cada pizza de la casa y US$2 por cada pizza de carne.
Cada una incluye una combinación de mezcla de masa y mezcal de
carne. En este momento la empresa tiene 300 libras de masa y 600
libras de carne. Cada pizza de la casa utiliza 4 libras de masa y ½
libra de carne, mientras que cada pizza de carne utiliza 4 libras de
masa y 1 libra de carne. ¿Cuántas pizzas de cada clase deben
venderse con el objetivo de maximizar la utilidad?.

 Plantee el modelo de programación del problema y resuélvalo por

el método simplex
 Haga una comparación del método grafico y el simplex en los
resultados del problema.

20. Consideré la siguiente tabla simplex inicial de un problema de

maximización:

X1 X2 X3 X4 h2 h3 a1 a3
Base Cj 6 3 4 1 0 0 -M -M b1
X1 -M 4 1 -2 12 0 0 1 0 120

h2 0 2 0 2 4/3 1 0 0 0 40

a3 -M 0 2 10 0 0 -1 0 1 100
Zj -4M -3M -8M -12M 0 M -M -M -220M

Cj- Zj 6+4M 3+3M 4+8M 1+12M 0 -M 0 0

 Cuantas variables de decisión y restricciones existen en le problema

original?
 ¿Cuáles son las variables básicas y no básicas en la tabla inicial?
 Construya el problema original de programación lineal.

21. Considere la siguiente tabla inicial simplex de minimización que se

muestra:

51
 X1 X2 h1 h2 h3 a1 a2
Base Cj -2 -3 0 0 0 -M -M b1
X1 -M 2 0 -1 0 0 1 0 250

h2 -M 2 2 0 -1 0 0 1 700

a3 -M 4 2 0 0 1 0 0 1.200
Zj -4M -2M M M 0 M -M -950M

Cj- Zj -2+4M -3+2M M -M 0 0 0

 Cuantas variables de decisión y restricciones existen en le problema

original?
 ¿Cuáles son las variables básicas y no básicas en la tabla inicial?
 Construya el problema original de programación lineal.

22. Escriba la tabla inicial correspondiente a cada uno de los

siguientes problemas de programación inicial sin resolverlos:

a. Minimizar: Z= 3X1 10X2

Sujeto a: 2X1 + 4X2> 8

10X1 + 4X2> 24
X1,X2> 0

b. Minimizar: Z= 3X1 4X2

Sujeto a: 2X1 + 4X2> 8

10X1 + 2X2> 12
X1 +X2 < 1
X1,X2> 0

c. Maximizar: Z= 3X1 4X2

Sujeto a: X1 + X2< 3
2X1 + X2= 2
X1,X2> 0

52
d. Maximizar: Z= 4X1 2X2 – 3x3 +5x4

Sujeto a: 4X1 + 2X2 + 2x3 + 4x4>100

6X1 - 2X3 +2x4< 160
X1,X2 + x4 =60
X1,X2 >0

23. Utilizando el método simplex identifique cuales de los siguientes

problemas de programación lineal, son no acotados, no factibles o
tienen soluciones múltiples.

a. Maximizar: Z= 18.5X1 + 20X2

Sujeto a: 5X1 + 5X2 <110.000

5X1 +10X2 < 180.000
10X1 + 5X2 <200.000
X1,X2 >300.000
X1,X2 >0

b. Maximizar: Z= 3X1 +5x2

Sujeto a: 3X1 + 5X2 <45

3X1 + 2X2 < 44
X1,X2 >0

c. Maximizar: Z= 4X1 2X2 – 3x3 +5x4

Sujeto a: 4X1 + 2X2 + 2x3 + 4x4>100

6X1 - 2X3 +2x4< 160
X1,X2 + x4 =60
X1,X2 >0

d. Maximizar: Z= 2X1 +5x2

Sujeto a: 2X1 + 5X2<330

4X1 +3x2< 380
X1,X2 >0

53
 e. Maximizar: Z= 3X1 +6x2

Sujeto a: 20X1 + 50X2 <3.300

4X1 +3x2< 380
X1 + X2 >150
X1,x2>0

Plantee los siguientes problemas de programación lineal y resuélvalos

por el método simplex

24. En la ciudad de Bogotá se quiere probar un nuevo modelo de

transporte intermunicipal, para ello se va a contratar una compaña
de publicidad en tres medios; radio, televisión y prensa.
Actualmente se están realizando planes promocionales para los
siguientes dos meses. Se muestran a continuación las estimaciones
de audiencia, los costos y limitaciones sobre el uso máximo de los
medios.

Radio Televisión Prensa

Clientes por anuncio US$200.000 US$36.000 US$80.000
Costo por anuncio US$4.000 US$600 US$1.200
Número máximo de 20 40 20
anuncios

Para que la utilización de los medios publicitarios sea equilibrada, los

anuncios por radio no deben sobrepasar el 50% del número de anuncios
que se autoricen. Además se requiere que en la televisión se constituya,
cuando menos el 10% del número total de anuncios autorizados.

Si el presupuesto para publicidad está limitado a US$32.400. ¿Cuántos

mensajes comerciales deben colocar con el objeto de maximizar la
audiencia?.

25. La fabricación de la cerámica, una de las más antiguas del mundo,

evoluciona a partir del año 618 y tiene su máximo esplendor entre
los años 960 y 1644. En la ciudad de Bogotá un conjunto de
empresarios, está interesado en rescatar un tanto este arte y quiere
construir porcelanas con características parecidas a las construidas
por la dinastía Tung (618 – 906), la dinastía Sung (920 – 1279) o
la dinastía Ming (1380 – 1644). Para su fabricación solo quieren
elaborar jarrones, botellas y caballos rituales. El proceso requiere
de un horneado de caolín a una temperatura de 1.4000 grados

54
 Celsius, un moldeado a mano y una cocción, la cual hace que
alcance la pureza de la piedra. La siguiente tabla muestra el tiempo
en horas para cada una de las figuras:

Horneado Moldeado Cocción

Jarrón 8 10 14
Botella 10 15 13
Caballo 9 10 15

Con el objeto de minimizar los costos se requieren en el proceso de

horneado 4.200 horas, en el proceso de moldeado se deben utilizar
mínimo 5.300 horas y en el proceso de cocción se tienen disponibles solo
9.600 horas. Si el costo de fabricación por cada jarrón es de US$100, por
botella US$150 y por caballo US$500, obtenga el número de porcelanas
de cada tipo que deben fabricarse.

26. Una empresa fabrica plumas con punta normal, con punta de plata
y con punta de oro; en el proceso de fabricación participan
básicamente tres departamento; diseño, decoración, control de
calidad. La siguiente tabla muestra el tiempo en horas que se gasta
para cada pluma de acuerdo al departamento.

Punta normal Punta de plata Punta de oro

Diseño 0.2 0.6 0.8
Decoración 0.1 0.3 0.4
Control de calidad 0.5 0.6 0.7

La empresa considera que para maximizar la utilizar deben emplearse

exactamente 10 horas en el departamento de diseño, disponible de 12
horas en el departamento de decoración y a lo más 20 horas en el
departamento de control de calidad. Una pluma de punta normal deja una
utilidad de US$2, una de punta de plata deja una utilidad de US$3 y la de
punta de oro deja una utilidad de US$10 por pluma, encuentre el número
de plumas de cada clase que deben fabricarse.

27. Una compañía procesa tres tipos de jugo de naranja, llamados tipo
A y tipo B, tipo C, cada tarro de jugo de naranja tipo A requiere de
0.4 horas en el departamento de cítricos, 0.6 horas en el
departamento de colorantes y 0.5 horas en el departamento de
empaque, cada tarro de jugo tipo B requiere 0.3 horas en el
departamento de cítricos, 0.8 horas en el departamento de

55
 colorantes y 0.2 horas en el departamento de empaque. Cada jugo
tipo C requiere 0.8 horas en el departamento de citrícos, 0.6 horas
en el departamento de colorantes y 0.3 horas en el departamento
de empaque, para la utilidad sea máxima se requiere por lo menos
20 horas en el departamento de cítricos, en los departamentos
restantes se tienen disponibles 40 y 60 horas respectivamente. La
utilidad de un jugo tipo A es de US$1. De un jugo B es de US$2 y
de un jugo C es de US$3, halle el número de jugos que deben
fabricarse.

TALLER DE INFORMATICA CON USO DE “QSB”

METODO SIMPLEX

Consideremos el ejemplo de la sección 6.4 correspondiente a un problema

de maximización con restricciones de menor o igual.

Maximizar: Z= 2.5 X1 + 5X2 + X3 + X4

Sujeto a: X1 + 1.4X2 + 0.2X3 + 0.8X4 <1.600

2X1 +2x2 + 1.6 x3 + x4 < 1.300
1.2X1 + X2 + X3 + 1.2X4 <960
X1,X2,X3,X4 >0

Para resolver este problema en Q.S.B. seguimos los pasos 1,2,3

relacionados en el capitulo anterior sección 5.13.

Paso 4. Hacemos clic sobre el botón de la ventana inicial de WinQSB y a

continuación introducimos los datos iníciales del problema de P.L.

56
 OK

Después de introducir los datos hacemos clic sobre el botón

Paso 5. En la matriz de datos introducimos los coeficientes de la función

objetivo y los coeficientes de las restricciones.

57
58
 OK

Simplex
Paso 7. Para obtener la tabla siguiente, seleccionamos la opción Iteration
del menú.

File Simplex Iteracion Format Window Help

Y pasamos al cuadro

Next Iteration
Choose Entering Varaible
Go to the Last Tableau
Nonstop to Finish

Seleccionamos y de esta manera se presenta la tabla

Next Iteration
simplex.

59