Академический Документы
Профессиональный Документы
Культура Документы
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
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.
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.
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
EJEMPLO:
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:
7
4X1+ 6X2 - S2 ≥ 15000
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.
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:
Las variables excedentarias –t1 y –t2 muestran el exceso en el uso de materiales fibra L
y fibra M.
X1 = 50
X2 = 50
t2 = 0
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
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 + 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
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 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.
15
X2 =es un variable básica
Z= función
Verificación:
Z=10x1+20x2
50=10(0)+20 X (5/2)
50=50
CAPÍTULO V
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
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
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
y = min {i: β /y , y >0 }, siendo los β coordenadas del vector Xb
ik i ik ik i
β /y ≤ 0
i ik
18
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.
3) Alguna de las variables podrían no estar restringidas en signo ¿Como operar en este
caso?
PROBLEMAS
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.
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
Max(- x + 3x )
1 2
-x + x ≤6
1 2
x + x ≤5
1 2
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
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
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.
X1= mesas
X2= sillas
2. Función objetivo:
Z= 70X₁ + 50X₂
3. Sujeto a:
Forma canónica
4X₁+3X₂ ≤ 240
2X₁+X₂ ≤ 100
Forma estánda
Z -70X₁ - 50X₂ = 0
2X₁ + X₂ + S₂ = 100
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.
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
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.
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
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.
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
columna de la matriz identidad.
Nuevos valores de S₁ 0 1 1 -2 40
VB X₁ X₂ S₁ S₂ CR
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.
VB X₁ X₂ S₁ S₂ CR
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
VB X₁ X₂ S₁ S₂ CR
Z 0 0 15 5 4100
X₂ 0 1 1 -2 40
X₁ 1 0 -1/2 -0.5 30
Z + 15 X₂ 15 (0 1 1 -2 40)
0 -15 0 35 3500
VERIFICAMOS:
Z= 70X₁ + 50 X₂ Z=4100
29
Si la función objetivo es minimizar debemos:
CASO PRÁCTICO:
2. Función objetivo:
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
Max 0= Z -3 X1 - 4 X2 + 0 S1 + 0 S2
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
31
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.
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 12, debemos de convertirlo en uno,
para ello dividimos entre 12 a todo el reglón pivote.
32
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
S1 – 4X2
Z + 4X2
33
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.
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
Repetimos los pasos 9 y 10:
X2 – 1/3 X1
Z + 5/3 X1
35
SOLUCIÓN
CAPÍTULO VII
36
EJERCICIOS PROPUESTOS
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.
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
Disponibilidades 240 100
X1= mesas
X2= sillas
2. Función objetivo:
Z= 70X₁ + 50X₂
3. Sujeto a:
Forma canónica
4X₁+3X₂ ≤ 240
2X₁+X₂ ≤ 100
Forma estándar
Z -70X₁ - 50X₂ = 0
2X₁ + X₂ + S₂ = 100
48
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
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
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
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.
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
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.
49
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
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
Nuevos valores de S₁ 0 1 1 -2 40
VB X₁ X₂ S₁ S₂ CR
Z 0 -15 0 35 3500
S₁ 0 1 1 -2 40
X₁ 1 0.5 0 0.5 50
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.
VB X₁ X₂ S₁ S₂ CR
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
VERIFICAMOS:
51
Z= 70X₁ + 50 X₂ Z=4100
2. Función objetivo:
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
Max 0= Z -3 X1 - 4 X2 + 0 S1 + 0 S2
53
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
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.
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 12, debemos de convertirlo en uno,
para ello dividimos entre 12 a todo el reglón pivote.
S1 – 4X2
Z + 4X2
55
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.
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
Repetimos los pasos 9 y 10:
X2 – 1/3 X1
Z + 5/3 X1
57
SOLUCIÓN
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.
X= conejos
y= pollos
2. Función objetivo:
Z= 500x + 300 y
3. Sujeto a:
Forma canónica
58
20x + 10 y ≤ 1000
3x + 2y ≤ 180
Forma estándar
Z -500x-300y = 0
3x + 2y + S₂ = 180
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 1 0 1 180
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
59
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 2 0 1 180
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.
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -500 -300 0 0 0
S₁ 20 10 1 0 1000
S₂ 3 2 0 1 180 1000/20=50
180/3=60
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 20, debemos de convertirlo en uno,
para ello dividimos entre 2 a todo el reglón pivote.
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z 0 -50 25 0 25000
x 1 1/2 1/20 0 50
S₂ 0 1/2 -3/20 1 30
60
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z 0 0 -125 100 28000
x 1 0 -9/20 -1 20
Y 0 1 -3/10 2 60
61
Repetimos los pasos 9 y 10:
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
2. Función objetivo:
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
5. Hacemos la Tabla Simplex:
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -1 -2 0 0 0
S₁ 1 3 1 0 9
S₂ 2 1 0 1 8
6. Elegimos el valor más negativo de los coeficientes del reglón Z. Esta columna será el
pivote.
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z -1 -2 0 0 0
S₁ 1 3 1 0 9
S₂ 2 1 0 1 8
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.
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
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
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 20, debemos de convertirlo en uno,
para ello dividimos entre 2 a todo el reglón pivote.
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
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
Z + 2Y 2( 1/3 1 1/3 0 3)
-1 -2 0 0 0
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
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
Z 0 0 9/15 1/5 7
x 1 0 -1/5 3/5 3
Y 0 1 2/3 -1/5 2
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
2. Función objetivo:
Z= 60x + 210y
3. Sujeto a:
Forma canónica
67
4. Pasamos a igualar las inecuaciones agregando las variables de Holgura y las
variables artificiales
Forma estándar
60x + 210y - z = 0
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
-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.
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
-Z 6 210 0 0 0
S₁ 1000 2000 -1 0 3000
S₂ 25 100 0 -1 100
68
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.
VARIABLE COEFICIENTE
S X y S₁ S₂ DE
BASICAS RESTRICCIÓN
-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
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 20, debemos de convertirlo en uno,
para ello dividimos entre 2 a todo el reglón pivote.
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
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
Paso 9: Por medio de operaciones elementales entre renglones, se obtiene una nueva
columna de la matriz identidad.
VARIABLE COEFICIENTE
S X Y S₁ S₂ DE
BASICAS RESTRICCIÓN
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
70
Nuevos valores de Z 0 0 0.015 1.8 -225
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 : http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
72
73