Está en la página 1de 19

1.

- min Z= 2x1+3x2
4x1+8x2800
4x1+3x2600
6x1+2x2600
X1,x2

4x1+8x2+h1=800
4x1+3x2 + h2= 600
6x1+2x2

+h3=600

m=3 ecuaciones
n=5incognitas

N = ( n-m)=

n!
m! ( nm ) !

5!
3 ! ( 53 ) !

= 10

Vrtices que se aran cero son 2


variable
s
X1
X2
H1
H2
H3
Z

10

0
0
800
600
600
0

0
100
0
300
400
300

0
200
-800
0

0
300
-

200
0
0
-200

150
0
200
0
-300
x

100
0
400
200
0
200

120
40
0
0
-200
x

80
60
0
100
0
160

60
120
-400
0
0
x

Solucin optima 160

0
x

2.- max Z= 3x1+5x2


3x1+86x2700
3x1+8x2500
4x1+3x2500
X1,x2
3x1+86x2+h1=700
3x1+8x2

+h2=500

4x1+3x2

+h3=500

m=3 ecuaciones
n=5incognitas

N = ( n-m)=

n!
m! ( nm ) !

5!
3 ! ( 53 ) !

= 10

Vrtices que se aran cero son 2


variable
s
X1
X2
H1
H2
H3
Z

10

0
0
700
500
500
0

0
116
0
-480

0
62
328
0
314
310

0
116
4
-428
0
x

233
0
0
-199

166
0
202
0
-164
x

125
0
325
125
0
375

433
-100
0
0

60
86
0
-368
0
x

21
108
250
0
0
608

Solucin optima 608

3.- min Z=2x1+6x2

3x1+3x2100
5x1+4x2100
X1,x2

3x1+3x2+h1=100
5x1+4x2

+h2=100

M= 2 ecuaciones
n=4 incognitas

N = ( n-m)=

variables
X1
X2
H1
H2
z

n!
m! ( nm ) !

1
0
0
100
100
0

Solucin optima es 40

4.- max Z=3x1+4x2

2
0
33.33
0
-33
x

4!
2 ! ( 42 ) !

3
0
25
25
0
150

=6
4
33.33
0
0
x

5
20
0
40
0
40

6
-32
0
0
x

2x1+3x250
x1+2x280
X1,x2

2x1+3x2+h1=50
x1+2x2

+h2=80

M= 2 ecuaciones
n=4 incognitas

n!
m! ( nm ) !

N = ( n-m)=

variables
X1
X2
H1
H2
z

1
0
0
50
80
0

Solucin optima es 75

5.- min Z=x1+2x2


2x1+2x220
x1+3x230

2
0
16.6
0
46.8
66.4

4!
2 ! ( 42 ) !

3
0
40
-70
0
X

=6
4
25
0
0
55
75

5
80
0
-110
0
x

6
-140
0
0
x

X1,x2

2x1+2x2+h1=20
x1+3x2

+h2=30

M= 2 ecuaciones
n=4 incognitas

N = ( n-m

)=

n!
m! ( nm ) !

variables
X1
X2
H1
H2
z

1
0
0
20
30
0

2
0
10
0
0
20

4!
2 ! ( 42 ) !

3
0
10
0
0
20

=6
4
10
0
0
20
10

5
30
0
-40
0
x

6
0
0
x

Solucin optima es 10

Mtodo Simplex
El mtodo Simplex es un procedimiento iterativo que permite mejorar la solucin
de la funcin objetivo en cada paso. El proceso concluye cuando no es posible
continuar mejorando dicho valor, es decir, se ha alcanzado la solucin ptima (el

mayor o menor valor posible, segn el caso, para el que se satisfacen todas las
restricciones).
Partiendo del valor de la funcin objetivo en un punto cualquiera, el procedimiento
consiste en buscar otro punto que mejore el valor anterior. Como se ver en
el mtodo grafico, dichos puntos son los vrtices del polgono (o poliedro o
polcoro, si el nmero de variables es mayor de 2) que constituye la regin
determinada por las restricciones a las que se encuentra sujeto el problema
(llamada regin factible).
La bsqueda se realiza mediante desplazamientos por las aristas del polgono,
desde el vrtice actual hasta uno adyacente que mejore el valor de la funcin
objetivo. Siempre que exista regin factible, como su nmero de vrtices y de
aristas es finito, ser posible encontrar la solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z no
toma su valor mximo en el vrtice A, entonces existe una arista que parte de A y
a lo largo de la cual el valor de Z aumenta.
Ser necesario tener en cuenta que el mtodo Simplex nicamente trabaja con
restricciones del problema cuyas inecuaciones sean del tipo "" (menor o igual) y
sus coeficientes independientes sean mayores o iguales a 0. Por tanto habr que
estandarizar las restricciones para que cumplan estos requisitos antes de iniciar el
algoritmo del Simplex. En caso de que despus de ste proceso aparezcan
restricciones del tipo "" (mayor o igual) o "=" (igualdad), o no se puedan cambiar,
ser necesario emplear otros mtodos de resolucin, siendo el ms comn el
mtodo de las Dos Fases.

Preparando el modelo para adaptarlo al mtodo


Simplex

La forma estndar del modelo de problema consta de una funcin objetivo sujeta a
determinadas restricciones:
Funcin objetivo:
Sujeto a:

c1x1 + c2x2 + ... + cnxn


a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
...
am1x1 + am2x2 + ... + amnxn = bm
x1,..., xn 0

El modelo debe cumplir las siguientes condiciones:


1. El objetivo consistir en maximizar o minimizar el valor de la funcin
objetivo (por ejemplo, incrementar ganancias o reducir prdidas,
respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades
matemticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condicin de no
negatividad).
4. Los trminos independientes (bi) de cada ecuacin deben ser no negativos.
Hay que adaptar el problema modelado a la forma estndar para poder aplicar
el algoritmo del Simplex.

Tipo de optimizacin.
Como se ha comentado, el objetivo del mtodo consistir en optimizar el valor de la
funcin objetivo. Sin embargo se presentan dos opciones: obtener el valor ptimo
mayor (maximizar) u obtener el valor ptimo menor (minimizar).
Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el de
minimizacin en cuanto al criterio de condicin de parada para finalizar las iteraciones
y a las condiciones de entrada y salida de la base. As:

Objetivo de maximizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.

Condicin de entrada a la base: el menor valor negativo en la fila Z (o el de


mayor valor absoluto entre los negativos) indica la variable P j que entra a la
base.
Condicin de salida de la base: una vez obtenida la variable entrante, la
variable que sale se determina mediante el menor cociente P 0/Pj de los
estrictamente positivos.

Objetivo de minimizacin
Condicin de parada: cuando en la fila Z no aparece ningn valor positivo.
Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la
variable Pj que entra a la base.
Condicin de salida de la base: una vez obtenida la variable entrante, la
variable que sale se determina mediante el menor cociente P 0/Pj de los
estrictamente negativos.

No obstante, es posible normalizar el objetivo del problema con el fin de aplicar


siempre los mismos criterios en lo referente a la condicin de parada del algoritmo y a
las condiciones de entrada y salida de las variables de la base. De esta forma, si el
objetivo es minimizar la solucin, se puede cambiar el problema a otro equivalente de
maximizacin simplemente multiplicando la funcin objetivo por "1". Es decir, el
problema de minimizar Z es equivalente al problema de maximizar (-1)Z. Una vez
obtenida la solucin ser necesario multiplicarla tambin por (-1).
Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de
entrada y salida de la base ya que se mantienen.
Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de sus
variables bsicas positivos, y adems las restricciones sean del tipo de desigualdad
"", al hacer el cambio dichos coeficientes quedan negativos cumplindose la
condicin de parada en la primera iteracin (en la fila del valor de la funcin objetivo
todos los valores son positivos o cero). Obtenindose en este caso por defecto un
valor ptimo para la funcin igual a 0.
Solucin: Realmente no existe este problema dado que para que la solucin sea
superior a 0 es necesario que alguna restriccin tenga impuesta la condicin "" (y se
tratara de un modelo para el mtodo de las dos fases). En el caso planteado, la
solucin real debe ser cero.

Cambio de signo de los trminos independientes

Tambin se ha dicho que los trminos independientes (b i) de cada ecuacin deben ser
no negativos para poder emplear el mtodo Simplex. A tal fin, si alguna de las
restricciones presenta un trmino independiente menor que 0 habr que multiplicar
por "-1" ambos lados de la inecuacin (teniendo en cuenta que esta operacin
tambin afecta al tipo de restriccin).
Ventajas: Con sta simple modificacin de signos en las restricciones
correspondientes se posibilita la aplicacin del mtodo Simplex al problema
modelado.
Inconvenientes: Puede resultar que en las restricciones donde tengamos que
modificar los signos de las constantes, los tipos de desigualdad fueran "" (quedando
tras la operacin del tipo "") siendo necesario desarrollar el mtodo de las Dos
Fases. Este inconveniente no es controlable, aunque podra ocurrir el caso contrario y
resultar beneficioso si los trminos independientes negativos se presentan en todas
aquellas restricciones con desigualdad de tipo "". Si existe alguna restriccin del tipo
"=" no supondra ninguna ventaja ni desventaja puesto que siempre sera de
necesaria aplicacin el mtodo de las dos fases..

Normalizacin de las restricciones


Otra de las condiciones del modelo estndar del problema es que todas las
restricciones sean ecuaciones de igualdad (tambin llamadas restricciones de
igualdad), por lo que hay que convertir las restricciones de desigualdad o
inecuaciones en dichas identidades matemticas.
La condicin de no negatividad de las variables (x 1,..., xn 0) es la nica excepcin y
se mantiene tal cual.

Restriccin de tipo ""


Para normalizar una restriccin con una desigualdad del tipo "", hay que
aadir una nueva variable, llamada variable de holgura xs (con la condicin de
no negatividad: xs 0). Esta nueva variable aparece con coeficiente cero en la
funcin objetivo, y sumando en la ecuacin correspondiente (que ahora s ser
una identidad matemtica o ecuacin de igualdad).
a11x1 + a12x2 b1

a11x1 + a12x2 + 1xs = b1

Restriccin de tipo ""


En caso de una desigualdad del tipo "", tambin hay que aadir una nueva
variable llamada variable de exceso xs (con la condicin de no negatividad: xs
0). Esta nueva variable aparece con coeficiente cero en la funcin objetivo, y
restando en la ecuacin correspondiente.

Surge ahora un problema con la condicin de no negatividad con esta nueva


variable del problema. Las inecuaciones que contengan una desigualdad de
tipo "" quedaran:
a11x1 + a12x2 b1

a11x1 + a12x2 - 1xs = b1

Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no


estarn en la base y tomarn valor cero. En este caso la nueva variable x s, tras
hacer cero a x1 y x2, tomar el valor -b1 y no cumplira la condicin de no
negatividad. Es necesario aadir otra nueva variable x r, llamada variable
artificial, que tambin aparecer con coeficiente cero en la funcin objetivo y
sumando en la restriccin correspondiente. Quedando entonces de la siguiente
manera:
a11x1 + a12x2 b1

a11x1 + a12x2 - 1xs + 1xr = b1

Restriccin de tipo "="


Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque
ya son identidades) tambin es necesario agregar variables artificiales x r.
Como en el caso anterior, su coeficiente ser cero en la funcin objetivo y
aparecer sumando en la restriccin correspondiente.
a11x1 + a12x2 = b1

a11x1 + a12x2 + 1xr = b1

En el ltimo caso se hace patente que las variables artificiales suponen una violacin
de las leyes del lgebra, por lo que ser necesario asegurar que dichas variables
artificiales tengan un valor 0 en la solucin final. De esto se encarga el mtodo de las
dos fases y por ello siempre que aparezcan este tipo de variables habr que
realizarlo.
En la siguiente tabla se resume segn la desigualdad el tipo de variable que
aparece en la ecuacin normalizada, as como su signo:
Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

Desarrollando el mtodo Simplex


Una vez estandarizado el modelo puede ocurrir que sea necesario aplicar el
mtodo Simplex o el mtodo de las dos fases. Vase en la figura la forma de
actuacin para llegar a la solucin del problema modelado.

A continuacin se explican paso a paso los puntos de cada mtodo, concretando


los aspectos a tener en cuenta.

Mtodo Simplex

Construccin de la primera tabla:


Las columnas de la tabla estn dispuestas de la siguiente forma: la primera
columna de la tabla contiene las variables que se encuentran en la base (o
variables bsicas), esto es, aquellas que toman valor para proporcionar una
solucin; la segunda columna recoge los coeficientes que dichas variables
bsicas tienen en la funcin objetivo (esta columna es llamada C b); la tercera
muestra el trmino independiente de cada restriccin (P 0); a partir de sta
aparece una columna por cada una de las variables de decisin y holgura
presentes en la funcin objetivo (P j). Para tener una visin ms clara de la
tabla, se incluye una fila que contiene los ttulos de cada una de las columnas.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la
tabla, donde aparecen los coeficientes de las variables de la funcin objetivo, y
una ltima fila que recoge el valor la funcin objetivo y los costes reducidos Z j Cj.
Los costes reducidos muestran la posibilidad de mejora en la solucin Z 0.
Por este motivo tambin son llamados valores indicadores.
Se muestra a continuacin el aspecto general de la tabla del mtodo
Simplex:
Tabla
C1

C2

...

Cn

Base

Cb

P0

P1

P2

...

Pn

P1

Cb1

b1

a11

a12

...

a1n

P2

Cb2

b2

a21

a22

...

a2n

...

...

...

...

...

...

...

Pm

Cbm

bm

am1

am2

...

amn

Z0

Z1-C1

Z2-C2

...

Zn-Cn

Todos los valores incluidos en la tabla vendrn dados por el modelo del
problema salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de
la siguiente forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P 0 = bi y C0 = 0, y
en caso contrario Pj = aij.

Se observa, al realizar el mtodo Simplex, que en esta primera tabla


ocupan la base todas las variables de holgura y por ello (todos los coeficientes
de las variables de holgura son 0 en la funcin objetivo) el valor inicial de Z es
cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los
costes reducidos en la primera tabla, pudindose determinar directamente
como el cambio de signo de los coeficientes de cada variable en la funcin
objetivo, esto es, -Cj.

Condicin de parada:
Se cumple la condicin de parada cuando la fila indicadora no contiene ningn
valor negativo entre los costes reducidos (cuando el objetivo es la
maximizacin), esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin
ms del algoritmo, esto es, determinar la variable que se vuelve bsica y la que
deja de serlo, encontrar el elemento pivote, actualizar los valores de la tabla y
comprobar si se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y
su solucin siempre resultar mejorable. En tal caso no es necesario continuar
iterando indefinidamente y se puede finalizar el algoritmo. Esta situacin ocurre
cuando en la columna de la variable entrante a la base todos los valores son
negativos o nulos.

Eleccin de la variable que entra a la base:


Cuando una variable se vuelve bsica, es decir, entra en la base, comienza a
formar parte de la solucin. Observando los costes reducidos en la fila Z, se
decide que entra a la base la variable de la columna en la que ste sea el de
menor valor (o de mayor valor absoluto) entre los negativos.

Eleccin de la variable que sale de la base:


Una vez obtenida la variable entrante, se determina que sale de la base la
variable que se encuentre en aquella fila cuyo cociente P0/Pj sea el menor de
los estrictamente positivos (teniendo en cuenta que esta operacin se har
nicamente cuando Pj sea superior a 0).

Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la
columna de la variable entrante y la fila de la variable saliente.

Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern
inalteradas en la nueva tabla. El resto de valores debern calcularse como se
explica a continuacin:
o En la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.
o En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila
en Columna Pivote * Nuevo Elemento Fila Pivote).
De esta forma se consigue que todos los elementos de la columna de la
variable entrante sean nulos salvo el de la fila de la variable saliente cuyo valor
ser 1. (Es anlogo a utilizar el mtodo de Gauss-Jordan para resolver
sistemas de ecuaciones lineales).

Ejemplo del mtodo simplex


Resolver mediante el mtodo simplex el siguiente problema:
Maximizar
sujeto a:

Z = f(x,y) = 3x + 2y
2x + y 18
2x + 3y 42
3x + y 24
x0,y0

Se consideran las siguientes fases:


1. Realizar un cambio de variables y normalizar el signo de los trminos
independientes.
Se realiza un cambio en la nomenclatura de las variables. Establecindose la
correspondencia siguiente:
o x pasa a ser X1
o y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos no
es necesario hacer nada. En caso contrario habra que multiplicar por "-1" en

ambos lados de la inecuacin (teniendo en cuenta que esta operacin tambin


afecta al tipo de restriccin).

Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de


holgura, exceso y artificiales segn la tabla siguiente:
Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

En este caso se introduce una variable de holgura (X 3, X4 y X5) en cada una de


las restricciones del tipo , para convertirlas en igualdades, resultando el
sistema de ecuaciones lineales:
2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24

Igualar la funcin objetivo a cero.


Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0

Escribir la tabla inicial del mtodo Simplex.

La tabla inicial del mtodo Simplex est compuesta por todos los coeficientes
de las variables de decisin del problema original y las de holgura, exceso y
artificiales agregadas en el paso 2 (en las columnas, siendo P 0 el trmino
independiente y el resto de variables P i coinciden con Xi), y las restricciones
(en las filas). La columna Cb contiene los coeficientes de las variables que se
encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo,
mientras que la ltima fila contiene el valor la funcin objetivo y loscostes
reducidos Zj - Cj.
La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j = 0,
P0 = bi y C0 = 0, y en caso contrario P j = aij. Aunque al tratarse de la primera
tabla del mtodo Simplex y ser todos los C b nulos se puede simplificar el
clculo, y por esta vez disponer Zj = -Cj.

Tabla I . Iteracin n 1
2

Base

Cb

P0

P1

P2

P3

P4

P5

P3

18

P4

42

P5

24

-3

-2

Condicin de parada.

Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no


existe ningn valor negativo entre los costes reducidos (columnas P 1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base todos
los valores son negativos o nulos. Esto indica que el problema no se encuentra
acotado y su solucin siempre resultar mejorable. Ante esta situacin no es
necesario continuar iterando indefinidamente y tambin se puede dar por
finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.

Eleccin de la variable entrante y saliente de la base.

Se determina en primer lugar la variable que entra en la base. Para ello se


escoge la columna cuyo valor en la fila Z sea el menor de entre todos los
negativos. En este caso sera la variable X1 (P1) de coeficiente -3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior
(caso de empate), entonces se optar por aquella variable que sea bsica.
La columna de la variable que entra en la base se llama columna pivote (en
color verde).
Una vez obtenida la variable que entra en la base, se procede a determina cual
ser la variable que sale de la misma. La decisin se toma en base a un
sencillo clculo: dividir cada trmino independiente (columna P 0) entre el
elemento correspondiente de la columna pivote, siempre que ambos elementos

sean estrictamente positivos (mayores que cero). Se escoge la fila cuyo


resultado haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente.
En caso de que todos los elementos de la columna pivote fueran de sta
condicin se habra cumplido la condicin de parada y el problema tendra una
solucin no acotada.
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El trmino de la columna pivote que en la divisin anterior dio lugar al menor
cociente positivo indica la fila de la variable de holgura que sale de la base. En
este caso resulta ser X 5 (P5), de coeficiente 3. Esta fila se llama fila pivote (en
color verde).
Si al calcular los cocientes, dos o ms resultados cumplen la condicin para
elegir el elemento saliente de la base (caso de empate), se escoge aquella que
no sea variable bsica (siempre que sea es posible).
La interseccin de la fila pivote y columna pivote marca el elemento pivote, en
este caso el 3.

Actualizar la tabla.

Los nuevos coeficientes de la tabla se calculan de la siguiente manera:


o En la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote
o En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila
en Columna Pivote * Nuevo Elemento Fila Pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1, mientras
que el resto de elementos de la columna pivote se anulan (anlogo al mtodo
de Gauss-Jordan).
Se muestran a continuacin los clculos para la fila P 4:
Anterior fila P4
Anterior Elemento Fila en Columna Pivote
Nueva fila pivote

42
2
x
8

2
2
x
1

3
2
x
1/3

0
2
x
0

1
2
x
0

0
2
x
1/3

=
26

Nueva fila P4

=
0

=
7/3

=
0

=
1

=
-2/3

La tabla correspondiente a esta segunda iteracin es:


Tabla II . Iteracin n 2
3

Base

Cb

P0

P1

P2

P3

P4

P5

P3

1/3

-2/3

P4

26

7/3

-2/3

P1

1/3

1/3

24

-1

Al comprobar la condicin de parada se observa que no se cumple ya


que entre los elementos de la ltima fila hay uno negativo, -1. Se
contina iterando nuevamente los pasos 6 y 7.

o 6.1. La variable que entra en la base es X 2 (P2), por ser la variable que
corresponde a la columna donde se encuentra el coeficiente -1.
o 6.2. Para calcular la variable que sale, se dividen los trminos de la
columna P0 entre los trminos correspondientes de la nueva columna
pivote: 2 / 1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3 [=24]. Como el menor
cociente positivo es 6, la variable que sale de la base es X 3 (P3).
o 6.3. El elemento pivote es 1/3.
o 7. Actualizando nuevamente los valores de la tabla se obtiene:
Tabla III . Iteracin n 3
3

Base

Cb

P0

P1

P2

P3

P4

P5

P2

-2

P4

12

-7

P1

-1

30

-1

Una nueva comprobacin de la condicin de parada revela que entre


los elementos de la fila indicadora vuelve a haber uno negativo, -1.
Significa que aun no se ha llegado a la solucin ptima y hay que seguir
iterando (pasos 6 y 7):

o 6.1. La variable que entra en la base es X 5 (P5), por ser la variable que
corresponde al coeficiente -1.
o 6.2. Se escoge la variable que sale calculando el cociente entre los
trminos de la columna de trminos independientes y los trminos
correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y
6/1 [=6]. En esta ocacin es X4 (P4).
o 6.3. El elemento pivote es 4.
o 7. Despus de actualizar todas las filas, se obtiene la tabla siguiente:
Tabla IV . Iteracin n 4
2

Base

Cb

P0

P1

P2

P3

P4

P5

P2

12

-1/2

1/2

P5

-7/4

1/4

P1

3/4

-1/4

33

5/4

1/4

Fin del algoritmo.

Se observa que en la ltima fila todos los coeficientes son positivos


cumplindose, por tanto la condicin de parada.
La solucin ptima viene dada por el valor de Z en la columna de los
trminos independientes (P0), en este ejemplo: 33. En la misma columna se
puede ver el punto donde se alcanza, observando las filas correspondientes a
las variables de decisin que han entrado en la base: X 1 = 3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.