Tema Metodo Simplex

UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE CIENCIAS CONTABLES

ESCUELA PROFESIONAL DE CONTABILIDAD
CURSO: MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS

TEMA: METODO SIMPLEX
Callao, octubre, 2018
PERÚ
AGRADECIMIENTO
Queremos agradecer a nuestro profesor ya que nos ha enseñado a valorar los estudios
y a superarnos cada día, también agradecemos a nuestros padres porque ellos
estuvieron en los días más difíciles de nuestras vidas y como también lo estarán en los
días más felices. Y agradecemos a Dios por darnos la salud que tenemos, estamos
seguros que nuestras metas planteadas darán fruto en el futuro y por ende nos debemos
esforzar cada día para ser los mejores en la universidad y en todo lugar sin olvidar el
respeto y la humildad que nos caracteriza.
2
INDICE
DEDICATORIA……………………………………………………………………………2
AGRADECIMIENTO................................................................................................3
INTRODUCCIÓN………………………………………………………………………….5
CAPITULO I……………………………………………………………………………….6
 MÉTODO SIMPLEX……………………………………………………....6
 ¿PARA QUÉ SIRVE EL MÉTODO SIMPLEX?..................................6
 IMPORTANCIA DEL MÉTODO SIMPLEX……………………………..6
CAPÍTULO II………………………………………………………………………………..7
 VARIABLES DE HOLGURA……………………………………………7
CAPÍTULO III……………………………………………………………………………….12
 VARIABLE ARTIFICIAL………………………………………………...12
CAPÍTULO IV………………………………………………………………………………14
 ALGORITMO SÍMPLEX…………………………………………………14
CAPÍTULO V……………………………………………………………………………….18
 EL ELEMENTO PIVOTE Y LOS CÁLCULOS
DEL MÉTODO DEL SIMPLEX………………………………………….18
CAPÍTULO VI………………………………………………………………………………26
 APLICACIONES DEL MÉTODO SIMPLEX COMO HERRAMIENTA DE APOYO
EN LA TOMA DE DECISIONES CUANTITATIVAS………………….26
 MÉTODO SIMPLEX MAXIMIZACIÓN…………………………………26
 MÉTODO SIMPLEX MINIMIZACIÓN …………………………………31
CAPÍTULO VII……………………………………………………………………………….39
 EJERCICIOS PROPUESTO…………………………………………….39
REFERENCIAS.…………………………………………………………………………….67
3
INTRODUCCIÓN
El Método Simplex Gráfico debe su denominación, al uso del plano cartesiano para
representar las funciones lineales que modelan la relación entre una variable
independiente “x” con otra dependiente “y”. Las funciones con las cuales trabaja la
programación lineal, están relacionadas con procesos de producción a nivel de tiempos
de fabricación, cantidad de mano de obra, materiales, equipos utilizados y costos de
operación entre muchos otros aspectos. Todos los problemas de programación lineal
incluidos los de tipo gráfico, demandan la maximización o minimización de los diferentes
recursos invertidos, a fin de obtener el mayor beneficio, como función de los objetivos
que persiga tanto el área donde se presenta la problemática o necesidad como los
directivos de la organización empresarial.
4
CAPITULO I
I. MÉTODO SIMPLEX
El método Simplex es un procedimiento general para resolver problemas de

programación lineal.
El método Simplex es un procedimiento algebraico, Sin embargo, sus conceptos

fundamentales son geométricos, por lo que la comprensión de estos conceptos
geométricos nos proporciona una fuerte intuición sobre cómo opera el método Simplex y
porque es tan eficiente
Este método se emplea con un proceso interactivo, o sea, que se usa sucesivamente la
misma rutina básica de cálculo, lo que da por resultado una serie de soluciones
sucesivas hasta que se encuentra la mejor. Una característica básica del método
Simplex es que la última solución produce una contribución tan grande o mayor que la
solución previa en un problema de maximización, lo que da la seguridad de llegar
finalmente a la respuesta óptima.
II. ¿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 tres o más variables.
III. IMPORTANCIA DEL MÉTODO SIMPLEX
El método simplex permite localizar de manera eficiente la óptima solución entre los
puntos extremos de un problema de programación lineal. La gran virtud del método
simplex es su sencillez, método muy práctico, ya que solo trabaja con los coeficientes de
la función objetivo y de las restricciones.
5
Es muy importante en el área empresarial ya que lo utilizan para obtener solución a los
problemas de las empresas en cuanto a inventario, ganancias y pérdidas. Este método
permite visualizar cuanto se debe vender, cuanto se debe producir o cuanto se debe
comprar según sea el caso para que la empresa obtenga las ganancias optimas y
suficientes para competir en el mercado.
CAPÍTULO II
VARIABLES DE HOLGURA
Las variables de holgura permiten convertir las desigualdades de las restricciones en

igualdades, lo cual llega a representar el sobrante de las disponibilidades de cada
recurso; en el caso que se desarrolla como ejemplo, es la capacidad de horas máquina
en cada proceso o departamento.
EJEMPLO:
En el ejemplo desarrollamos. Las restricciones lineales de forma:
8X1 + 2X2 ≤ 9000
4X1+ 6X2 ≤ 15000
 Variable de holgura
Se suma al lado izquierdo de la restricción del tipo ≤.

.
6 x1+4 x2 ≤ 24 6 x1+4 x2 + h = 24
6
 Variable de excedente.
Se resta al lado izquierdo de la restricción del tipo ≥.

2 x1+3x2 ≥ 24
6 x1+4 x2-h = 24
RESTRICCIÓN ACTIVA:
Dada una solución factible, una restricción es activa si al sustituir el valor de las
variables se cumple la igualdad. Es decir, para la solución el valor de la holgura o
excedente, según sea el caso cero.
RESTRICCIÓN INACTIVA:
Dada una solución factible, una restricción es inactiva al sustituir el valor de las variables
no se cumple la igualdad. Es decir, para esa solución el valor de la holgura o excedente,
según sea el caso es diferente a cero
Surplus variable”: nos indica qué tanto la solución excede la cantidad de la restricción
Cuando se suma una variable artificial o excedente a una de las restricciones, también
se debe incluir en las otras ecuaciones y en la función objetiva del problema, justo como
se hizo para las variables de holgura.
EJEMPLO:
En el ejemplo desarrollamos. Las restricciones lineales de forma:
8X1 + 2X2 ≥ 9000
4X1+ 6X2 ≥ 15000
Agregando una nueva variable negativa al lado izquierdo de la desigualdad se pueden

convertir en ecuaciones, ésta variable es numéricamente igual a la diferencia entre el
lado izquierdo y derecho de la desigualdad. Por lo cual las desigualdades quedan con
vértices en las siguientes ecuaciones.
8X1 + 2X2 - S1 ≥ 9000
7
4X1+ 6X2 - S2 ≥ 15000
Se resta al lado izquierdo de la restricción del tipo ≥.

2 x1+3x2 ≥ 24
6 x1+4 x2-h = 24
RESTRICCIÓN ACTIVA:
Dada una solución factible, una restricción es activa si al sustituir el valor de las
variables se cumple la igualdad. Es decir, para la solución el valor de la holgura o
excedente, según sea el caso cero.
RESTRICCIÓN INACTIVA:
Dada una solución factible, una restricción es inactiva al sustituir el valor de las variables
no se cumple la igualdad. Es decir, para esa solución el valor de la holgura o excedente,
según sea el caso es diferente a cero
 Variables Excedentarias
Las variables excedentarias permiten determinar los excedentes de las restricciones que
podrían ser empleados en otros fines sin que la solución óptima se altere.
Las variables excedentarias permiten convertir las desigualdades de las restricciones en

igualdades, lo cual llega a representar el sobrante de las disponibilidades de cada
recurso.
8
Ejemplo:
1. En el caso que se desarrolla, cada 100 metros de paño deben tener un contenido de
por lo menos 45 kilogramos de lana y 30 kilogramos de poliéster, por tanto, las
restricciones lineales de forma:
(0,60) (x1) + (0,30) (x2) >= 45
(0,10) (x1) + (0,50) (x2) >= 30
Agregando una nueva variable negativa al lado izquierdo de la desigualdad, se pueden

convertir en ecuaciones. Numéricamente esta variable es igual a la diferencia entre el
lado izquierdo y derecho de la desigualdad. Por lo cual, las desigualdades quedan
convertidas en las siguientes ecuaciones o igualdades:
Las variables excedentarias –t1 y –t2 muestran el exceso en el uso de materiales fibra L
y fibra M.
En la solución óptima, determinada por el método gráfico y

algebraico cuando:
X1 = 50
X2 = 50
Las variables excedentarias son:

Por lo
tanto:
t1 = 0
t2 = 0
Significa que no se tienen exceso de uso de materiales fibra

L y fibra M.
9
Ejemplo:
Maximizar: Z= 2X1 - X2+3X3
Sujeto a: 2X1 + X2-X3 ≤ 4
X1 + X2+X3 ≤ 2
 PASO 1 ( se suma las variables de holgura)
*2X1 + X2-X3+ s1 = 4
*X1 + X2+X3+ s2 = 2
 PASO 2 ( z se iguala a 0)
Z- 2X1 + X2-3X3=0
 PASO 3 ( se identifica las variables básicas)
V.B V.N.B
s1 = 4 X1=0
s2 = 2 X2=0
X3=0
Z X1 X2 X3 s1 S2 SOL.
Z 1 -2 1 -3 0 0 0
s1 0 2 1 -1 1 0 4
S2 0 1 1 0 1 2
1
Z X1 X2 X3 s1 S2 SOL.
Z 1 1 4 0 0 3 6
s1 0 3 2 0 1 1 6
X3 0 1 1 1 0 1 2
La función se maximiza cuando Z=6

s1=6
X3=2
10
CAPÍTULO III
VARIABLE ARTIFICIAL
Una variable artificial es una variable que no tiene significado físico en términos de un
problema de programación Lineal del mundo real. Simplemente permite crear una
solución factible básica para principiar el algoritmo Simplex. A una variable artificial no
se le permite aparecer en la solución final del problema.
Tiene 2 restricciones:
25X1 + 30X2 = 900. Para convertir una igualdad simplemente se suma una variable
“artificial” (A1) a la ecuación
25X1 + 30X2 + A1 = 900
25X1 + 13X2 + 8X3 ≥ 2100. Para manejar las restricciones ≥, primero se resta una
variable “excedente” (S1) y luego se suma una variable artificial (A2) para formar una
nueva ecuación.
EJEMPLO 2:
Minimizar
Z= 5X1 + X2+3X3
Sujeto a:
3X1 + X2-X3 ≤ 4
X1 + X2+X3 ≥ 2
2X1 +2X3 ≤ 5
 PASO 1
3X1 + X2-X3 + S1 ≤ 4
11
X1 + X2+X3+R1- S2 ≥ 2
2X1 +2X3 + S3 ≤ 5
 PASO 2
Z= 5X1 + X2+3X3 + MR1
 PASO 3
V.B
S1= 4 R1 = 2 S 3= 5
 PASO 4 (despejamos R1)
R1 = 2- X1 - X2-X3+ S2 para luego ser reemplazado en el paso 2
Z= 5X1 + X2+3X3 + M (2- X1 - X2-X3+ S2) entonces:
Z-(-5+M)X1 +(-1+M)X2 +(-3+M)X3- MS2 = 2M
 PASO 5
Z X1 X2 X3 R1 S1 S2 S3 SOL
Z 1 (-5+M) (-1+M) (-3+M) 0 0 -M 0 2M
S1 0 3 1 -1 0 1 0 0 4
R1 0 1 1 1 1 0 -1 0 2
S3 0 2 0 2 0 0 0 1 5
Z X1 X2 X3 R1 S1 S2 S3 SOL
Z 1 -2 2 0 (3-M) 0 -3 0 6
S1 0 4 2 0 1 1 -1 0 6
X3 0 1 1 1 1 0 -1 0 2
S3 0 0 -2 0 -2 0 2 1 1
Z=6 S1=6 X3=2 S3= 1
12
CAPÍTULO IV
ALGORITMO SÍMPLEX
Estandarización
Para resolver un el problema de método simplex debe ser convertido en un equivalente

en el cual todas las restricciones son ecuaciones y todas las variables son no negativas.
Paso 1. Igualar la función objetivo a cero.
Paso 2. Convertir las desigualdades en ecuaciones al sumarles una variable de holgura

(h).
Maximizar Z=10x1+20x2
Ejemplo:
4X1 + 2x2 ≤ 20
8x1+8x2 ≤ 20
2x2 ≤ 10
Paso 3. Formar la tabla simplex o
tabla inicial. X1, X2 > 0
Paso 4. Verificamos si todos los
coeficientes asociados al renglón
de Z son mayores o iguales a cero.
Si es así, entonces la solución en la tabla es la óptima y el proceso termina.
COEFICIENTE
variables
Z X1 X2 S1 S2 S3 DE LA
básicas
RESTRICCION
S1 0 4 2 1 0 0 20
13
S2 0 8 8 0 1 0 20
S3 0 0 2 0 0 1 10
Z 1 -10 -20 0 0 0 0
Paso 5. Se elige el valor negativo de los coeficientes del renglón Z. Esta es la
columna pivote.
Paso 6. Se identifica el reglón pivote para esto se divide el coeficiente de restricción

entre la columna pivote, de la división se selecciona el menor valor positivo y todo el
renglón asociado a este valor.
Paso 7. Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
14
Paso 8. Se repite el proceso desde el Paso 4 hasta obtener todos los cocientes del
renglón Z, con valores mayores o iguales a cero.
S1 y S3 son variables que no existen
15
X2 =es un variable básica
Z= función
Verificación:
Z=10x1+20x2
50=10(0)+20 X (5/2)
50=50
CAPÍTULO V
1.- EL ELEMENTO PIVOTE Y LOS CÁLCULOS DEL MÉTODO DEL SIMPLEX
1.1 Conceptos y Principios Básicos
La idea básica del Algoritmo del Simplex es que no necesitamos calcular la inversa de la
submatriz B para calcular los puntos extremos de la región factible(recordar que B es
una submatriz de la matriz de restricciones A), en lugar de eso, una serie de cálculos
conducen a un elemento de la matriz A, que llamaremos elemento Pivote y que
utilizaremos para pasar, de un punto extremo a otro del conjunto factible, probando en
cada uno de ellos el criterio de optimalidad, hasta que se produce uno de de estos
posibles 4 casos:
Salidas posibles del algoritmo del Simplex y del método de las dos fases
1) El criterio de optimalidad se cumple en un único punto, en este caso tenemos solución

optima finita. Ejemplo aquí
16
2) El criterio de optimalidad se cumple, pero hay infinitos puntos que también lo
cumplen, este es el caso de infinitas soluciones. Ejemplo aquí
3) En las iteraciones llegamos al caso de solución no acotada. Ejemplo aquí
4) No podemos continuar el algoritmo y no hemos alcanzado el criterio de

optimalidad. Las restricciones son incompatibles, en este caso el problema no tiene
solución. Ejemplo aquí
1.2. Teoría en extensión
Como decíamos, no es preciso invertir la matriz B (recordamos que B es una submatriz

cuadrada de A de mxm y de rango m), sino que creamos una tabla para cada iteración
del algoritmo en las que los cálculos son mucho más sencillos de hacer que de explicar.
La tabla se construye como sigue:
en rojo dejamos ya el elemento pivote y que explicaremos a continuación

ik
Si existiera una submatriz identidad mxm de A, que seria B, el vector Xb sería el punto
extremo que nos permite inciar las iteraciones del algoritmo estaria formado por los
17
elementos del vector C, es para él que calculamos los z - c . (Recordamos que z =
j j j
Xb y o también
i i,j
t -1
z = C B a (notar que B es, en este paso, la matriz identidad.)
j B j
Una vez calculados, se pasa sobre ellos el criterio de optimalidad, es decir vemos si se
cumple
z - c <0, ∀j

j j
En caso de que no se cumpla, tomamos el índice k de los j que hace que
z - c = max(z - c ), tales que z - c >0

k k j j j j
es decir, tomamos el supremo de los positivos en los z - c .

j j
Ahora, con este índice k, buscamos el elemento que llamaremos Pivote. Para ello,
dividimos cada coordenada i del vector Xb por su coordenada i del vector columna y y
ik
calculamos el mínimo de los positivos, o sea
y = min {i: β /y , y >0 }, siendo los β coordenadas del vector Xb
ik i ik ik i
Si el mínimo anterior fuera -1 (es decir, ninguno es positivo), estaríamos en el caso de

solución no acotada, pues ello indicaría que para todo índice i
β /y ≤ 0
i ik
y estaríamos en el caso de solución no acotada como hemos visto en la sección El
18
algoritmo del Simplex.
En caso contrario tendremos i, el índice que minimiza los y . Este es el elemento

ik
llamado elemento Pivote y su importancia es básica para su funcionamiento del
Algoritmo del Simplex.
Element
o Pivote
del
Algoritm
o del
Simplex
Se llama
Elemento
Pivote del
en cuyo caso ya tenemos, k será el nuevo índice de las x que entra en la base e i es el
índice de los Xb que sale de la base.
Ahora recalculamos toda la tabla en esta nueva base, para ello calculamos la matriz A
de la siguiente manera
Cálculo
de la
matriz
de
restricci
19
Esta es la base del algoritmo para invertir la matriz de restricciones.
Es decir, para la fila del pivote los nuevos coeficientes se calculan dividiendo por el
pivote, para las otras filas se calcula restando el coeficiente de los ai en la fila del pivote
multiplicado por el coeficiente correspondiente a la columna del pivote dividido por el
pivote.
Veremos al final de esta sección un ejemplo práctico del funcionamiento del algoritmo.
Tenemos los siguientes problemas:
1) ¿Como encontrar una solución primera para que el algoritmo comience las
iteraciones? Esto es equivalente a encontrar una submatriz identidad mxm de A.
2) En el caso de que el problema P contenga restricciones de desigualdad ¿Como

realizar las operaciones?
3) Alguna de las variables podrían no estar restringidas en signo ¿Como operar en este
caso?
4) Podemos tener incompatibilidad o redundancia en las operaciones ¿Que hacer en

este caso?
5) ¿Y si en nuestra función objetivo queremos maximizar y no minimizar?
PROBLEMAS
1) La idea es encontrar una submatriz B de A, tal que, reordenando las columnas si es

preciso B sea la identidad en mxm, en este caso el propio vector b, es solución para
nuestro problema tomando como vectores aquellos cuyas columnas forman la matriz B.
En el caso de que no exista esta matriz identidad B, recurrimos al método de las 2
fases.
20
2) Tendríamos para alguna fila i de la matriz A

En este caso tenemos definimos una variable de holgura

Y en el caso que tengamos para la fila i, definimos la variable de holgura

Así nuestro problema de desigualdades, se traduce en un problema de igualdades.
3) Si para alguna componente i, la variable no está restringida en signo, entonces

podemos hacer
x = x - x con x , x ≥0

i i1 i2 i1 i2
4) En el caso que tengamos incompatibilidad, podemos intentar reformular el problema

para que las restricciones sean compatibles, pues incompatibilidad es lo mismo que
decir que nuestro problema no se puede resolver.
En el caso de redundancia simplemente podemos desechar las restricciones
redundantes y quedarnos con una de ellas solamente.
5) Si tenemos como función objetivo

Podemos reformular el problema para tener

21
Así, tenemos la regla que "maximizar una variable es lo mismo que cambiar de signo
esa variable y minimizar esa variable".
Ejemplo Práctico

Max(- x + 3x )
1 2
-x + x ≤6
1 2
x + x ≤5
1 2
2x + 2x ≤10
1 2
Aplicamos el punto 3) para las restricciones 2 y 3, ambas son la misma, eliminamos una

de ellas, así pues tenemos
Max(- x + 3x )
1 2
-x + x ≤6
1 2
x + x ≤5
1 2
Aplicamos el punto 5), es decir 'maximizar una variable es lo mismo que cambiar de

signo esa variable y minimizar esa variable'.
Min(x - 3x )
1 2
-x + x ≤6
1 2
x + x ≤5
1 2
Aplicamos el punto 2)
Min(x - 3x + 0x + 0x )
1 2 3 4
-x + x + x = 6
1 2 3
x + x + x = 5
1 2 4
22
Ahora tenemos resuelto el punto 1), pues ya tenemos una submatriz identidad de A, las
referentes a las variables x3, x4
Pasamos a construir la tabla y resolver el problema

Tomamos el mínimo de los positivos en z - c
j j
En nuestro caso, 3 se da para la variable y , así entra en la base el índice 2, o sea k=2
2
Ahora calculamos el índice que sale de la base, para ello dividimos cada elemento del
vector Xb por su correspondiente en la columna k de la matriz a, es decir, el mínimo de
k
6/2 y de 5/1 min (6/2, 5/1) = 3 , el índice que sale de la base es el 3 y el elemento
pivote es 2
Ya podemos realizar una iteración del algoritmo del simplex, queda así
Veamos como hemos realizado estos cálculos:

1) Para la fila del pivote, simplemente hemos dividido cada coeficiente por el Pivote.
23
2) Para las otras filas hemos restado a cada uno el coeficiente de la columna del pivote
multiplicado por el coeficiente de la fila del pivote y dividido por el pivote, por ejemplo
3/2 = 1 - (-1) * 1/2 = 1 + 1/2

0 = 1 - 2 * 1/2 = 1 - 1
-1/2 = 0 - 1 * 1/2 = 0 - 1/2
1 = 1 - 1 * 0/1 = 1 - 0
3) Y los mismo para los Xb, símplemente 2 = 5 - 1 * 6/2 = 5 - 3
Realizamos ahora otra iteración, ahora el índice que entra es el 1 y sale de la base el
índice 4, así tenemos

Ahora se cumple el criterio de optimalidad ya que
z - c > 0, ∀j
j j
Así tenemos solución óptima finita
x = 4/3
1
x = 11/3
2
Lo que da
una
optimizaci
24
En resumen, el algoritmo del simplex pasa de un punto extremo a otro pivotando la
matriz de restricciones es decir, haciendo un cambio de base y calculando los
coeficientes en la nueva base mediante el elemento pivote.
CAPÍTULO VI
APLICACIONES DEL MÉTODO SIMPLEX COMO HERRAMIENTA DE APOYO EN LA

TOMA DE DECISIONES CUANTITATIVAS
1. MÉTODO SIMPLEX MAXIMIZACIÓN
Este criterio es usado es usado para resolver problemas de programación lineal

mediante desigualdades, llevándolas a ecuaciones y adicionándoles una variable de
holgura, su objetivo es hacer positivos todos los coeficientes de la función objetivo y
buscar el máximo para la función lineal planteada, de esta manera se obtendrá el mayor
beneficio.
CASO PRÁCTICO:
La empresa ABC produce mesas y sillas, cada mesa necesita 4 horas de mano de obra
y 2 de acabado, y cada silla necesita 3 horas de mano de obra y 1 de acabado; se
disponen de 240 horas de mano de obra y 100 horas de tiempo de acabado; además se
sabe que cada mesa genere una ganancia de 70 u.m y cada silla una ganancia de 50
u.m.
Determinar las cantidades óptimas de mesas y sillas que deben producirse para obtener
la mayor ganancia.
Mano de obra T.acabado UTILIDAD

Mesas 4 2 50
25
Sillas 3 1 70
Disponibilidades 240 100
Definir las variables de decisión y las restricciones
X1= mesas
X2= sillas
2. Función objetivo:
Z= 70X₁ + 50X₂
3. Sujeto a:
Forma canónica
4X₁+3X₂ ≤ 240
2X₁+X₂ ≤ 100
4. Pasamos a igualar las inecuaciones agregando las variables de Holgura y las

variables artificiales
Forma estánda
Z -70X₁ - 50X₂ = 0
4X₁ + 3X₂ + S₁ =240
2X₁ + X₂ + S₂ = 100
5. Hacemos la Tabla Simplex:
VARIABLE COEFICIENTE
S X₁ X₂ S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
26
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
7. Ahora hallaremos cual es nuestra fila pivote, para ello vamos a tomar los coeficientes
de restricción y lo vamos a dividir con los valores de la columna pivote.
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
240/4=60
100/2=50
8. Como vemos en el cuadro anterior, se forma una intersección entre la columna pivote
y el reglón pivote. Esa intersección en este caso es 2, debemos de convertirlo en uno,
para ello dividimos entre 2 a todo el reglón pivote.
X₁ 2/2 1/2 0/2 1/2 100/2
Ahora ubicamos el nuevo resultado en la tabla simplex
VB X₁ X₂ S₁ S₂ CR
Z
S₁
X₁ 1 0.5 0 0.5 50
27
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
Paso 10: Se repite el proceso desde el Paso 5 hasta obtener todos los cocientes del

 Z + 70 X₁ +70( 1 0.5 0 0.5 50)

-70 -50 0 0 0
Nuevos valores de Z 0 -15 0 35 3500
 S₁ - 4X₁ -4 (1 0.5 0 0.5 50)

4 3 1 0 240
Nuevos valores de S₁ 0 1 1 -2 40
Z 0 -15 0 35 3500
S₁ 0 1 1 -2 40
X₁ 1 0.5 0 0.5 50
Como vemos en la tabla de método simplex de arriba una de nuestras variables básicas
es negativa, por ello debemos repetir otra vez el procedimiento desde el paso 6, ya que
todas las variables básicas (x1 y x2) deben ser positivas.
Z 0 -15 0 35 3500
S₁ 0
40/1=40 1 1 -2 40
X₁ 1 0.5 0 0.5 50
50/0.5=100
28
Z 0 0 15 5 4100
X₂ 0 1 1 -2 40
X₁ 1 0 -1/2 -0.5 30
Repetimos los pasos 9 y 10:
 Z + 15 X₂ 15 (0 1 1 -2 40)
0 -15 0 35 3500
Nuevos valores de Z 0 0 15 5 4100
 X₁ - 1/2 X₂ -1/2 (0 1 1 -2 40)

1 1/2 0 1/2 50
Nuevos valores de X₁ 1 0 -1/2 -0.5 30
VERIFICAMOS:
Z= 70X₁ + 50 X₂ Z=4100
4100= 70(30) + 50(40) X₁=30
4100= 4100 X₂=40
2. MÉTODO SIMPLEX MINIMIZACIÓN
29
Si la función objetivo es minimizar debemos:
Transformar el problema de minimización en uno de maximización defiendo una nueva

función objetivo. Sea Z = -Z
CASO PRÁCTICO:
Una compañía de combustibles produce gasolina y ACPM a un costo de 3 y 4 soles por

galón respectivamente. Se ha establecido que para producir un galón de gasolina se
requiere de 4 horas de máquina y 4 litros de petróleo, mientras que para producir un
galón de ACPM se requiere 4 horas de máquina y 12 litros de petróleo, además, se sabe
que para que no haya subutilización de los recursos se debe consumir máximo 16 horas
de máquina y 24 litros de petróleo ¿Qué cantidad de combustible se debe fabricar para
obtener un costo mínimo?
1. Definir las variables de decisión y las restricciones
X1= galones de gasolina
X2= galones de ACPM
Min Z = 3X1 + 4 X2
30
Max -Z = -3X1 - 4 X2
3. Sujeto a:
Forma canónica
4 X1 + 4 X2 < 16
4 X1 + 12 X2 < 24
X1, X2 > 0

Forma estándar
4 X1 + 4 X2 + S1 = 16
4 X1 + 12 X2 +S2 = 24
X1, X2, S1, S2 > 0
Las variables de holguras y las variables artificiales también se agregan a la función

objetivo:
Max 0= Z -3 X1 - 4 X2 + 0 S1 + 0 S2
pivote.
31
32

S1 – 4X2
Z + 4X2
33
Dividimos a todo el reglón pivote S1 por nuestro elemento pivote que en este caso es
8/3 y lo ubicamos en nuestra nueva tablas simplex.
34
X2 – 1/3 X1
Z + 5/3 X1
35
SOLUCIÓN
X1: 3 galones de gasolina
X2: 1 galón de ACPM
A un costo mínimo de Z= 13 soles
CAPÍTULO VII
36
EJERCICIOS PROPUESTOS
II. Cierto fabricante produce dos artículos, A y B, para lo que requiere la

utilización de dos secciones de producción: sección de montaje y sección
37
de pintura.
El artículo A requiere una hora de trabajo en la sección de montaje y cinco
en la de pintura; y el artículo B, tres horas en la sección de montaje y una
hora en la de pintura. La sección de montaje solo puede estar en
funcionamiento nueve horas diarias, mientras que la de pintura solo ocho
horas cada día. El beneficio que se obtiene produciendo el artículo B es de
40 dólares y el de A es de 20 dólares.
Calcula la producción diaria de los artículos A y B que maximiza el

beneficio.
Articulo A Articulo B
(x) (y)
Montaje 1 3 9
Pintura 5 1 8
Precio $ 20 40
Variables de decisión:
Articulo A □x
Articulo B □y
Función Objetivo:
Max z=20x+40y
Restricciones:
SA: x + 3y ≤ 9
5x+ y ≤ 8
xy ≤ 0
38
Iteración 1
Bas x y h1 h V
e 2 s
h1 1 3 1 0 9
h2 5 1 0 1 8
z - - 0 0 0
2 4
0 0
Vfh 5 1 0 1 8 Vf - - 0 0 0
2: - - - - - z: 20 4 - - -
- 0
-
1 1 1 1 1 - - - - -
40 4 4 4 4
0 0 0 0
* * * * * * * * * *
1/ 1 1 0 3 1/ 1 1/ 0 3
3 / 3 3
3
= = = = = = = = = =
Nfh 14/ 0 - 1 5 Nf - 0 4 0 1
2: 3 1 z: 20 0/ 2
/ /3 3 0
3
Iteración 2
Bas x y h1 h2 Vs
e
y 1/3 1 1/3 0 3
h2 14 0 - 1 5
/3 1/
3
z - 0 40 0 12
20/ /3 0
39
3
Vfy 1 1 1/ 0 3 Vf - 0 40 0 12
: / - 3 - - z: 20/3 - /3 - 0
3 - - - -
-
1 1 1/ 1/ 1/ - - - - -
/ / 3 3 3 20/3 20 20 20/ 20/
3 3 /3 /3 3 3
* * * * * * * * * *
1 0 - 3/ 15 1 0 - 3/1 15
1/ 14 /1 1/ 4 /1
14 4 14 4
= = = = = = = = = =
Nfy 0 1 15 - 37 Nf 0 0 90 10/ 89
: /4 1/ /1 z: /7 7 0/
2 14 4 7
Iteración 3
Bas x y h1 h2 Vs
e
y 0 1 15/ - 37/
42 1/1 14
4
x 1 0 - 3/1 15/
1/1 4 14
4
z 0 0 90/ 10/ 89
7 7 0/7
40
Respuesta
s: x= 15/14
y=37/14
z=890/7
41
42
43
44
45
46
VI. La empresa ABC produce mesas y sillas, cada mesa necesita 4 horas de mano de
obra y 2 de acabado, y cada silla necesita 3 horas de mano de obra y 1 de acabado; se
disponen de 240 horas de mano de obra y 100 horas de tiempo de acabado; además se
sabe que cada mesa genere una ganancia de 70 u.m y cada silla una ganancia de 50
u.m.
Determinar las cantidades óptimas de mesas y sillas que deben producirse para obtener
la mayor ganancia.
47
Mano de obra T.acabado UTILIDAD
Mesas 4 2 50
Sillas 3 1 70
X1= mesas
X2= sillas
Z= 70X₁ + 50X₂
3. Sujeto a:
Forma canónica
4X₁+3X₂ ≤ 240
2X₁+X₂ ≤ 100

Forma estándar
Z -70X₁ - 50X₂ = 0
4X₁ + 3X₂ + S₁ =240
2X₁ + X₂ + S₂ = 100
48
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
pivote.
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
Z -70 -50 0 0 0
S₁ 4 3 1 0 240
S₂ 2 1 0 1 100
240/4=60
100/2=50
X₁ 2/2 1/2 0/2 1/2 100/2
49
Z
S₁
X₁ 1 0.5 0 0.5 50

 Z + 70 X₁ +70( 1 0.5 0 0.5 50)

-70 -50 0 0 0
 S₁ - 4X₁ -4 (1 0.5 0 0.5 50)

4 3 1 0 240
Nuevos valores de S₁ 0 1 1 -2 40
Z 0 -15 0 35 3500
S₁ 0 1 1 -2 40
X₁ 1 0.5 0 0.5 50
50
Z 0 -15 0 35 3500
S₁ 0 1 1 -2 40
40/1=40
X₁ 1 0.5 0 0.5 50
50/0.5=100
 Z + 15 X₂ 15 (0 1 1 -2 40)
0 -15 0 35 3500
Nuevos valores de Z 0 0 15 5 4100
 X₁ - 1/2 X₂ -1/2 (0 1 1 -2 40)

1 1/2 0 1/2 50
Nuevos valores de X₁ 1 0 -1/2 -0.5 30
VERIFICAMOS:
51
Z= 70X₁ + 50 X₂ Z=4100
4100= 70(30) + 50(40) X₁=30
4100= 4100 X₂=40
VII. Una compañía de combustibles produce gasolina y ACPM a un costo de 3 y 4 soles

por galón respectivamente. Se ha establecido que para producir un galón de gasolina se
requiere de 4 horas de máquina y 4 litros de petróleo, mientras que para producir un
galón de ACPM se requiere 4 horas de máquina y 12 litros de petróleo, además, se sabe
que para que no haya subutilización de los recursos se debe consumir máximo 16 horas
de máquina y 24 litros de petróleo ¿Qué cantidad de combustible se debe fabricar para
obtener un costo mínimo?
1. Definir las variables de decisión y las restricciones
X1= galones de gasolina
X2= galones de ACPM
Min Z = 3X1 + 4 X2
52
Max -Z = -3X1 - 4 X2
3. Sujeto a:
Forma canónica
4 X1 + 4 X2 < 16
4 X1 + 12 X2 < 24
X1, X2 > 0

Forma estándar
4 X1 + 4 X2 + S1 = 16
4 X1 + 12 X2 +S2 = 24
X1, X2, S1, S2 > 0
Las variables de holguras y las variables artificiales también se agregan a la función

objetivo:
Max 0= Z -3 X1 - 4 X2 + 0 S1 + 0 S2
53
pivote.

54

S1 – 4X2
Z + 4X2
55
Dividimos a todo el reglón pivote S1 por nuestro elemento pivote que en este caso es
8/3 y lo ubicamos en nuestra nueva tablas simplex.
56
X2 – 1/3 X1
Z + 5/3 X1
57
SOLUCIÓN
X1: 3 galones de gasolina
X2: 1 galón de ACPM
A un costo mínimo de Z= 13 soles
VIII. En una granja agrícola se desea criar conejos y pollos como complemento en su
economía, de forma que no se superen en conjunto las 180 horas mensuales destinadas
a esta actividad. Su almacén sólo puede albergar un máximo de 1000 kilogramos de
peso. Si se supone que un conejo necesita 20 kilogramos de peso al mes y un pollo 10
kilogramos al mes, que las horas mensuales de cuidados requeridos por un conejo son
3 y por un pollo son 2 y que los beneficios que reportaría su venta ascienden a 500 y
300 pesetas por cabeza respectivamente, hallar el número de animales que deben
criarse para que el beneficio sea máximo.
Kilogramos Tiempo(horas) UTILIDAD

conejos 20 3 500
pollos 10 2 300
X= conejos
y= pollos
Z= 500x + 300 y
3. Sujeto a:
Forma canónica
58
20x + 10 y ≤ 1000
3x + 2y ≤ 180

Forma estándar
Z -500x-300y = 0
20x + 10y + S₁ =1000
3x + 2y + S₂ = 180
S X y S₁ S₂ DE
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 1 0 1 180
pivote.
59
S X Y S₁ S₂ DE
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 2 0 1 180
S X Y S₁ S₂ DE
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 2 0 1 180 1000/20=50
180/3=60
X 20/20 10/20 1/20 0 1000/20
S X Y S₁ S₂ DE
Z 0 -50 25 0 25000
x 1 1/2 1/20 0 50
S₂ 0 1/2 -3/20 1 30
60

 Z + 500 X 500( 1 1/2 1/20 0 50)

-500 -300 0 0 0
 S₂ - 3X -3 (1 1/2 1/20 0 50)

3 2 0 1 180
Nuevos valores de S₂ 0 1/2 -3/20 1 30
0 *2 1/2 *2 -3/20*2 1*2 30*2
S X Y S₁ S₂ DE
Z 0 0 -125 100 28000
x 1 0 -9/20 -1 20
Y 0 1 -3/10 2 60
61
 Z + 50Y 50 (0 1 -30/10 2 60)

0 -50 25 0 25000
Nuevos valores de Z 0 0 -125 100 28000
 X - 1/2 Y -1/2 ( 0 1 -3/10 2 60)

1 1/2 1/20 0 50
Nuevos valores de X 1 0 -9/20 -1 20
Por tanto, obtenemos la misma solución: 20 conejos y 60 pollos,

con un beneficio máximo de 28000 pesetas.
IX. Cierto fabricante produce sillas y mesas para las que requiere la
utilización de dos secciones de producción: la sección de montaje y la
sección de pintura. La producción de una silla requiere 1 hora de trabajo en
la sección de montaje y de 2 horas en la de pintura. Por su parte, la
fabricación de una mesa precisa de 3 horas en la sección de montaje y de 1
hora en la de pintura. La sección de montaje sólo puede estar 9 horas
diarias en funcionamiento, mientras que la de pintura sólo 8 horas. El
beneficio produciendo mesas es doble que el de sillas. ¿Cuál ha de ser la
producción diaria de mesas y sillas para que el beneficio sea máximo?.
62
Montaje Pintura Beneficio
sillas 1 2 1
mesas 3 1 2
Horas 9 8
X= sillas
y= mesas
Z= x + 2 y
3. Sujeto a:
Forma canónica
x+3y ≤9
2x + y ≤ 8

Forma estándar
Z -x-2y = 0
x + .3y + S₁ =9
2x + y + S₂ = 8
63
S X y S₁ S₂ DE
Z -1 -2 0 0 0
S₁ 1 3 1 0 9
S₂ 2 1 0 1 8
pivote.
S X y S₁ S₂ DE
Z -1 -2 0 0 0
S₁ 1 3 1 0 9
S₂ 2 1 0 1 8
S X y S₁ S₂ DE
Z -1 -2 0 0 0
S₁ 1 3 1 0 9
S₂ 2 1 0 1 8
9/3=3
8/1=8
64
X 1/3 3/3 1/3 0/3 9/3
COEFICIENTE
VARIABLES
X Y S₁ S₂ DE
BASICAS
RESTRICCIÓN
Z -1/3 0 2/3 0 6
Y 1/3 1 1/3 0 3
S₂ 5/3 0 -1/3 1 5 3*3=9
5*3/5=3

 Z + 2Y 2( 1/3 1 1/3 0 3)
-1 -2 0 0 0
Nuevos valores de Z -1/3 0 2/3 0 6
 S₂ - Y -1 (1/3 1 1/3 0 3)
2 1 0 1 8
65
Nuevos valores de S₂ 5/3 0 -1/3 1 5
X 5/3*3/5 0*3/5 -1/3*3/5 1*3/5 5*3/5
S X Y S₁ S₂ DE
Z 0 0 9/15 1/5 7
x 1 0 -1/5 3/5 3
Y 0 1 2/3 -1/5 2
 Z + 1/3X 1/3 (1 0 -1/5 3/5 3)

-1/3 0 2/3 0 6
Nuevos valores de Z 0 0 9/15 1/5 7
 Y - 1/3 X -1/3 (1 0 -1/5 3/5 3)

1/3 1 1/3 0 3
Nuevos valores de Y 0 1 2/3 -1/5 2
Obtenemos, por tanto la solución optima cuyo valor es:

66
X=3 sillas y=2 mesas , Z= 7 veces el valor de venta de una silla
X. Sobre dos alimentos diferentes tenemos la siguiente información por

kilogramo:
Alimento Calorías Proteínas Precio

(gr) (ptas)
A 1000 25 60
B 2000 100 210
Hallar el coste mínimo de una dieta formada sólo por este tipo de alimentos
y que al menos aporte 3000 calorías y 100 gramos de proteínas.
X= alimento A
y= alimento B
Z= 60x + 210y
3. Sujeto a:
Forma canónica
1000x + 2000y ≥ 3000
25x + 100y ≥ 100
67
Forma estándar
60x + 210y - z = 0
1000x + .2000y - S₁ = 3000
25x + 100y - S₂ = 100
S X y S₁ S₂ DE
-Z 6 210 0 0 0
S₁ 1000 2000 -1 0 3000
S₂ 25 100 0 -1 100
6. Elegimos el valor más positivo de los coeficientes del reglón Z. Esta columna será el
pivote.
S X y S₁ S₂ DE
-Z 6 210 0 0 0
S₁ 1000 2000 -1 0 3000
S₂ 25 100 0 -1 100
68
S X y S₁ S₂ DE
-Z 60 210 0 0 0
S₁ 1000 2000 -1 0 3000
S₂ 25 100 0 -1 100
3000/2000=1.5
100/100=1
Y 25/100 100/100 0/100 -1/100 100/100
S X Y S₁ S₂ DE
Z 15/2 0 0 21/10 -210
S₁ 500 0 -1 20 1000
Y 1/4 1 0 -1/100 1
1000/500=2
1*4=4

69
 -Z -210Y -210( 1/4 1 0 -1/100 1 )
60 210 0 0 0
Nuevos valores de -Z 15/2 0 0 21/10 -210
 S₁- 2000Y -2000(1/4 1 0 -1/100 1)

1000 2000 -1 0 3000
Nuevos valores de S₁ 500 0 -1 20 1000
X 500/500 0/500 -1/500 20/500 1000/500
S X Y S₁ S₂ DE
Z 0 0 0.015 1.8 -225
x 1 0 -1/500 1/25 2
Y 0 1 0.0004 -0.01008 0.5
 -Z -15/2X -15/2 (1 0 -1/500 1/25 2)

15/2 0 0 21/10 -210
70
Nuevos valores de Z 0 0 0.015 1.8 -225
 Y - 1/4 X -1/4 (1 0 -1/500 1/25 2)

1/4 1 0 -1/100 1
Nuevos valores de Y 0 1 0.0004 -0.01008 0.5
Obtenemos por lo tanto, la solución óptima cuyo valor es:
X= 2kilos alimento A Y= 0.5 kilos de alimento B
Z= 225 de coste mínimo
REFERENCIAS
71
Recuperdo :
https://www.aulafacil.com/cursos/organizacion/problemas-de-organizacion-en-la-
produccion/problema-23-metodo-simplex-l19799
Recuperado : https://es.calameo.com/books/004603974df8c3983364d
Recuperado : https://www.aulafacil.com/cursos/matematicas/matrices-y-
determinantes/pivote-en-la-resolucion-de-determinantes-de-orden-superior-a-3-l11086
Recuperado :( Año 2018 - 24 - 10 )

http://www.mathstools.com/section/main/elemento_pivote_del_Simplex?
lang=es#.W9EIsHtKjIV
Recuperado : http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
72
73

Tema Metodo Simplex

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tema Metodo Simplex

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS CONTABLES

CURSO: MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS

El método Simplex es un procedimiento general para resolver problemas de

El método Simplex es un procedimiento algebraico, Sin embargo, sus conceptos

II. ¿PARA QUÉ SIRVE EL MÉTODO SIMPLEX?

III. IMPORTANCIA DEL MÉTODO SIMPLEX

Las variables de holgura permiten convertir las desigualdades de las restricciones en

En el ejemplo desarrollamos. Las restricciones lineales de forma:

8X1 + 2X2 ≤ 9000

4X1+ 6X2 ≤ 15000

En el ejemplo desarrollamos. Las restricciones lineales de forma:

8X1 + 2X2 ≥ 9000

4X1+ 6X2 ≥ 15000

Agregando una nueva variable negativa al lado izquierdo de la desigualdad se pueden

8X1 + 2X2 - S1 ≥ 9000

Se resta al lado izquierdo de la restricción del tipo ≥.

Las variables excedentarias permiten convertir las desigualdades de las restricciones en

(0,60) (x1) + (0,30) (x2) >= 45

(0,10) (x1) + (0,50) (x2) >= 30

Agregando una nueva variable negativa al lado izquierdo de la desigualdad, se pueden

En la solución óptima, determinada por el método gráfico y

Las variables excedentarias son:

Significa que no se tienen exceso de uso de materiales fibra

La función se maximiza cuando Z=6

25X1 + 30X2 + A1 = 900

Para resolver un el problema de método simplex debe ser convertido en un equivalente

Paso 1. Igualar la función objetivo a cero.

Paso 2. Convertir las desigualdades en ecuaciones al sumarles una variable de holgura

Paso 6. Se identifica el reglón pivote para esto se divide el coeficiente de restricción

S1 y S3 son variables que no existen

1.- EL ELEMENTO PIVOTE Y LOS CÁLCULOS DEL MÉTODO DEL SIMPLEX

1.1 Conceptos y Principios Básicos

1) El criterio de optimalidad se cumple en un único punto, en este caso tenemos solución

3) En las iteraciones llegamos al caso de solución no acotada. Ejemplo aquí

4) No podemos continuar el algoritmo y no hemos alcanzado el criterio de

1.2. Teoría en extensión

Como decíamos, no es preciso invertir la matriz B (recordamos que B es una submatriz

La tabla se construye como sigue:

en rojo dejamos ya el elemento pivote y que explicaremos a continuación

z - c <0, ∀j

En caso de que no se cumpla, tomamos el índice k de los j que hace que

z - c = max(z - c ), tales que z - c >0

es decir, tomamos el supremo de los positivos en los z - c .

Si el mínimo anterior fuera -1 (es decir, ninguno es positivo), estaríamos en el caso de

y estaríamos en el caso de solución no acotada como hemos visto en la sección El

En caso contrario tendremos i, el índice que minimiza los y . Este es el elemento

2) En el caso de que el problema P contenga restricciones de desigualdad ¿Como

4) Podemos tener incompatibilidad o redundancia en las operaciones ¿Que hacer en

5) ¿Y si en nuestra función objetivo queremos maximizar y no minimizar?

1) La idea es encontrar una submatriz B de A, tal que, reordenando las columnas si es

3) Si para alguna componente i, la variable no está restringida en signo, entonces

x = x - x con x , x ≥0

4) En el caso que tengamos incompatibilidad, podemos intentar reformular el problema

5) Si tenemos como función objetivo

Aplicamos el punto 3) para las restricciones 2 y 3, ambas son la misma, eliminamos una

Aplicamos el punto 5), es decir 'maximizar una variable es lo mismo que cambiar de

Veamos como hemos realizado estos cálculos:

3/2 = 1 - (-1) * 1/2 = 1 + 1/2

3) Y los mismo para los Xb, símplemente 2 = 5 - 1 * 6/2 = 5 - 3

APLICACIONES DEL MÉTODO SIMPLEX COMO HERRAMIENTA DE APOYO EN LA

1. MÉTODO SIMPLEX MAXIMIZACIÓN

Este criterio es usado es usado para resolver problemas de programación lineal