PROGRAMACIN LINEAL MTODO

SIMPLEX

INVESTIGACIN DE OPERACIONES

PROGRAMACIN LINEAL: SOLUCIN

DE PROBLEMAS CON EL MTODO
SIMPLEX

JOS E. VZQUEZ ARVALO

PROCESOS TECNOLOGICOS E INDUSTRIALES
ITESO

JEVA / PTI
1
PROGRAMACIN LINEAL MTODO
SIMPLEX

PROGRAMACIN LINEAL: SOLUCIN DE PROBLEMAS CON EL MTODO SIMPLEX

El Mtodo Simplex soluciona problemas de Programacin Lineal de cualquier tamao, desde dos hasta "n"
variables de decisin. Los problemas pueden ser maximizacin o de minimizacin dependiendo del tipo de
Funcin Objetivo que tengan y en cuanto al tipo de solucin ptima que den, pueden ser de solucin nica o de
solucin mltiple o alterna.

La computadora es un medio tecnolgico que da gran apoyo en la solucin de problemas en Programacin

Lineal, utilizando su gran velocidad de procesamiento de datos. La computadora puede utilizar cualquier tipo
de software diseado para este propsito, pero todos ellos emplearn el algoritmo matemtico del Mtodo
Simplex. Algunos paquetes de software que se pueden utilizar para solucionar estos problemas son, el
WinQSB, Storm, Lindo, etc. Tambin se puede programar una hoja electrnica para este fin, con el Solver del
Excel .

Un requisito indispensable para usar la computadora con esta orientacin, es tener el problema previamente
modelado para facilitar la captura de los datos de entrada, que debern ser de acuerdo al formato del software
utilizado y proceder a su ejecucin. La solucin que da la computadora en su reporte de salida, se debe de
interpretar para apoyar la toma de decisiones.

El enfoque de este tema es, conocer los fundamentos del Mtodo Simplex como un apoyo para interpretar la
solucin ptima, que es la solucin matemtica que d la computadora. Para lograr esto, se presenta la
metodologa que sigue el Mtodo Simplex en la solucin manual de problemas de Programacin Lineal ya sean
de maximizacin o de minimizacin:

1. Igualar las restricciones del problema modelado.

2. Formar la "Tabla Inicial".
3. Reconocer si la solucin que d la Tabla es ptima, checando el cumplimiento del "Criterio de
Optimabilidad (Cj-Zj 0)". Si la solucin no es ptima, se debe:
4. Calcular la "Nueva Tabla". hasta encontrar la solucin ptima.
5. Repetir el "Paso 3 y 4" hasta que la tabla calculada cumpla con el criterio de optimabilidad.
6. Dar la "Solucin Optima" del problema.
7. "Interpretar" la solucin ptima del problema.

Para presentar la aplicacin de esta metodologa, se har con tres problemas: uno de maximizacin, otro de
minimizacin y el ltimo de solucin ptima alterna o mltiple.

1. PROBLEMA DE "MAXIMIZACIN".

Se explicar esta metodologa general con un problema de maximizacin, de dos variables de decisin, que es
un problema pequeo solo para ilustrar el Mtodo Simplex.

Con la finalidad de comparar el Mtodo Grfico y el Simplex, se retoma el problema de "fabricacin de

fertilizantes" que anteriormente se haba solucionado con el Mtodo Grfico y ahora se har con el Simplex.
Primero se presenta la solucin del problema y luego se har la comparacin entre ambos mtodos:

1.1. Solucin del problema por el Mtodo Simplex.

A continuacin se da el modelo del problema de los fertilizantes (problema presentado en las notas del Mtodo
Grfico) para ser solucionado con el Mtodo Simplex:

Mx. Z = 185X1 + 200X2

s. a. Nitrato 0.05X1 + 0.05X2 1,100
Fosfato 0.05X1 + 0.10X2 1,800
Potasio 0.10X1 + 0.05X2 2,000

JEVA / PTI
2
PROGRAMACIN LINEAL MTODO
SIMPLEX

Paso 1. Igualar las restricciones.

Se igualan las restricciones para tener la matriz identidad del problema. Esta matriz identidad es el punto
de partida que utiliza el Mtodo Simplex para solucionar el problema.

Existen las siguientes reglas para hacer la igualacin de las restricciones:

Si se tiene una restriccin menor o igual se agregar una variable de holgura (H). Si la restriccin
es mayor o igual se restar una variable de excedente (E) y se sumar una variable artificial (A). Si
la restriccin es una igualdad se sumar una variable artificial (A).

Un pequeo ejemplo para mostrar la aplicacin de estas reglas es igualando las siguientes
restricciones:

Restricciones Igualando las restricciones

2X1 + 4X2 80 2X1 + 4X2 + H1+ 0 + 0 = 80

8X1 + 6X2 12 8X1 + 6X2 + 0 - E2 + A1 = 12
X1 + 3X2 = 15 X1 + 3X2 + 0 + 0 + A2 = 15
matriz identidad

Ahora, aplicando estas reglas para igualar las restricciones del problema de los fertilizantes, se tiene:

Nitrato 0.05X1 + 0.05X2 1,100 0.05X1 + 0.05X2 + H1 = 1,100

Fosfato 0.05X1 + 0.10X2 1,800 0.05X1 + 0.10X2 + H2 = 1,800
Potasio 0.10X1 + 0.05X2 2,000 0.10X1 + 0.05X2 + H3 = 2,000

Paso 2. Formar la Tabla Inicial.

Existen diferentes formatos de tablas que se pueden usar para el Mtodo Simplex. Los formatos se
diferencian solo en la colocacin de los datos pero la esencia es la misma.

Una vez definido el formato de la tabla, se mantendr igual durante todo el desarrollo del problema,
independientemente de la etapa que se este haciendo. Nosotros utilizaremos el siguiente formato para
hacer las tablas:

Tabla Inicial o Tabla 1.

Funcin Objetivo:
Base Cj X1 X2 H1 H2 H3 Bi Variables
185 200 0 0 0 Coeficientes de Contribucin
H1 0 0.05 0.05 1 0 0 1100 Restricciones:
H2 0 0.05 0.10 0 1 0 1800 Coeficientes y Trminos
H3 0 0.10 0.05 0 0 1 2000 Independientes

Prdida Unitaria de la Funcin Objetivo

Zj 0 0 0 0 0 0
(Precio Sombra)
j 185 200 0 0 0
Incremento Marginal del valor de la
Funcin Objetivo

Para calcular Zj y j se harn con las siguientes relaciones:

Zj = Ai,j Cj

JEVA / PTI
3
PROGRAMACIN LINEAL MTODO
SIMPLEX

j = Cj - Zj

Paso 3. Reconocer si la solucin que da la tabla es ptima. Verificar el cumplimiento del Criterio de
Optimabilidad (j 0)

El Mtodo Simplex utiliza el Criterio de Optimabilidad para saber si ya lleg a la solucin ptima del
problema. Si la tabla que se tiene no cumple con este criterio, se tendr que seguir adelante con otras
iteraciones, es decir, calculando ms tablas hasta cumplirlo. El criterio de optimabilidad se enuncia en la
forma siguiente:
La solucin ser ptima s y solo s j 0. Es decir, los valores del rengln de la j
deben ser ceros o negativos. Un valor positivo indica que la solucin de la tabla no es ptima.

Como el Mtodo Simplex trabaja por iteraciones (pasar de una tabla a otra hasta llegar a la solucin
ptima), es posible leer la solucin que se tiene en cualquier tabla de las calculadas.

Para leer la solucin de una tabla que se haya calculado, es necesario ver dos columnas, la columna
Base nos dar las Variables Bsicas que forman la solucin y la columna "Bi" nos dar el valor de estas
variables. Cualquier variable no incluida en la base es una Variable no Bsica con valor cero.

Al leer la solucin de la tabla anterior, se tiene que:

Variables Bsicas Variables no Bsicas

(Solucin de la Tabla)
H1 = 1100 X1 = 0
H2 = 1800 X2 = 0
H3 = 2000
Z =0

Esta solucin no es ptima ya que si se observa el rengln j tiene valores positivos que no cumplen
con el criterio de optimabilidad. Por lo tanto se tiene que hacer una nueva tabla para encontrar la
siguiente solucin factible y ver si es ptima.

Paso 4. Calcular la "Nueva Tabla".

Para calcular la nueva tabla se tiene que definir la Variable de Entrada (VE), la "Variable de Salida
(VS)", el "Pivote" y los "Criterios de Ajuste" para los nuevos renglones.

El "Criterio para definir la Variable de Entrada" es seleccionar la variable con el mximo valor del rengln
j. En este caso la variable de entrada es X2 que tiene un valor de 200 que es el valor mayor. Esto
significa que por cada tonelada que se produzca del fertilizante 5-10-5 (X2) se ganar $200 por tonelada
pero si se hubiera seleccionado como variable de entrada el 5-5-10 (X 1) se ganara solo $185. La
variable X2 entrar en la "Base" de la nueva tabla.

Bi
El "Criterio para definir la Variable de Salida" es seleccionar el valor mnimo positivo del cociente A .
i ,ve

Primero se tiene que calcular el cociente y luego seleccionar la variable de salida. En este problema la
variable de salida es H2.

El "Pivote" es la interseccin de la columna de la Variable de Entrada con el rengln de la Variable de

Salida y se debe de "marcar" este pivote ya que se utilizar para hacer los criterios de ajuste.

JEVA / PTI
4
PROGRAMACIN LINEAL MTODO
SIMPLEX

Los "Criterios de Ajuste" consisten en hacer las ecuaciones requeridas para calcular los renglones de la
nueva tabla sin utilizar el clculo matricial; obviamente estos clculos se pueden hacer tambin con
matrices.

Se recomienda hacer los clculos por renglones para evitar errores en vez de hacerlos celda por celda.
En forma general, los criterios de ajuste" para calcular los renglones de la tabla nueva, se pueden definir
en la forma siguiente:

Vp
Rengln Pivote Np =
p
Np = Rengln pivote para la tabla nueva
Vp = Rengln de la tabla vieja donde est el pivote marcado
p = Valor del pivote marcado en la tabla vieja

N i = Vi Ai ,ve N p
Ni = Rengln "i" calculado para la tabla nueva
Vi = Rengln "i" seleccionado de la tabla vieja
Ai,ve= Coeficientes de la columna de variable de entrada en el rengln "i" (tabla
vieja)
Np = Rengln pivote para la tabla nueva
A continuacin se presentan los clculos para el problema que se est desarrollando:

Tabla 1

Base Cj X1 X2 H1 H2 H3 Bi Bi
185 200 0 0 0 Ai ,ve
V1 H1 0 0.05 0.05 1 0 0 1100 22,000
V2 H2 0 0.05 0.10 0 1 0 1800 18,000 VS = H2
V3 H3 0 0.10 0.05 0 0 1 2000 40,000
Zj 0 0 0 0 0 0
j 185 200 0 0 0

VE = X2

Los criterios de ajuste para calcular los renglones de la nueva tabla son:

V2
Rengln Pivote N2 =
0.10
N1 = V1 0.05 N 2
N 3 = V3 0.05 N 2

Se presentan los clculos de los renglones para la nueva tabla:

Siempre se debe iniciar calculando el "rengln pivote para la nueva tabla que en este caso es N2:

Rengln N2:
V2 0.05 0.10 0 1 0 1,800
V 0.5 1 0 10 0 18,000
N2 = 2
0.10

JEVA / PTI
5
PROGRAMACIN LINEAL MTODO
SIMPLEX

Este "rengln pivote" de la tabla nueva es muy importante ya que se usar como referencia para
calcular los dems renglones de la tabla, como a continuacin se muestra:

Rengln N1:
V2 0.05 0.05 1 0 0 1,100
- 0.05 N2 - 0.025 - 0.05 0 - 0.5 0 - 900
N1 0.025 0 1 - 0.5 0 200

Rengln N3:
V3 0.10 0.05 0 0 1 2,000
- 0.05N2 - 0.025 - 0.05 0 - 0.5 0 - 900
N3 0.075 0 0 - 0.5 1 1,100

Acomodando los renglones calculados en la nueva tabla queda en la siguiente forma:

Tabla 2

Base Cj X1 X2 H1 H2 H3 Bi Bi
185 200 0 0 0 Ai ,ve

N1 H1 0 0.025 0 1 - 0.5 0 200 8,000 VS = H1

N2 X2 200 0.5 1 0 10 0 18,000 36,000
N3 H3 0 0.075 0 0 - 0.5 1 1,100 14,666.7
Zj 100 200 0 2,000 0 3600,000
j 85 0 0 - 2,000 0

VE = X1

Paso 5. Repetir el "Paso 3 y 4" hasta que la tabla calculada cumpla con el criterio de optimabilidad.

Si se cumple con el criterio de optimabilidad, entonces la solucin de esa tabla es ptima, si no, se
continua "iterando" es decir haciendo nuevas tablas hasta encontrar la solucin ptima del problema por
lo que se repite nuevamente el paso 4.

La solucin de la tabla anterior es: H1 = 200

X2 = 18,000
H3 = 1,100
Mx. Z = 3600,000

Esta solucin no es ptima, luego se calcula la siguiente "nueva tabla" definiendo la Variable de Entrada,
la Variable de Salida, Pivote y los Criterios de Ajuste.

Para calcular la Tabla 3 se tiene que la Variable de Entada es X1, la Variable de Salida es H1, el Pivote es
0.025 y los Criterios de Ajuste son:

V1
Rengln Pivote N1 =
0.025
N 2 = V 2 0.5 N 1
N 3 = V3 0.075 N 1
Tabla 3
Base Cj X1 X2 H1 H2 H3 BI
185 200 0 0 0
X1 185 1 0 40 - 20 0 8,000

JEVA / PTI
6
PROGRAMACIN LINEAL MTODO
SIMPLEX

X2 200 0 1 - 20 20 0 14,000
H3 0 0 0 -3 1 1 500
Zj 185 200 3,400 300 0 4280,000
j 0 0 - 3,400 - 300 0

En esta tabla se cumple con el criterio de optimabilidad j 0 por lo que se ha llegado a la solucin
ptima del problema.

Paso 6. Dar la "Solucin ptima" del problema.

La solucin ptima del problema que se encuentra en la Tabla 3 es:

X1 = 8,000
X2 = 14,000
H3 = 500
Mx. Z = 4280,000

Esta solucin ptima es una "solucin matemtica" que requiere ser interpretada.

Paso 7. "Interpretar" la solucin ptima del problema.

En la interpretacin de la solucin ptima, se debe ver si el problema tiene "variables discretas" o

"variables continuas". Si se tienen variables discretas, al hacer la interpretacin de la solucin ptima del
problema, se tendr que dar en valores "enteros" haciendo los ajustes requeridos en la solucin
matemtica obtenida. Si son variables continuas, la interpretacin se har directamente con los valores
obtenidos sin hacer ningn ajuste.

En nuestro problema se tienen variables continuas por lo que no es necesario hacer ajustes. Entonces, la
interpretacin de la solucin ptima ser la siguiente:

El programa de produccin para el siguiente mes ser 8,000 toneladas del fertilizante 5-5-10 (X1=8,000) y
14,000 toneladas del 5-10-5 (X2=14,000) para tener la mxima utilidad de $4280,000 (Mx.Z=4280,000).
Despus de hacer este programa de produccin se tendrn 500 toneladas sobrantes de Potasio. Las
restricciones dominantes o cuellos de botella2 son el Nitrato y el Fosfato.

1.2. Comparacin entre el Mtodo Simplex y el Mtodo Grfico.

Retomando el problema de los "fertilizantes", que se acaba de solucionar por el Mtodo Simplex, se har un
anlisis comparativo entre el Mtodo Simplex y el Mtodo Grfico.

El Mtodo Simplex es "iterativo", es decir, va repitiendo el clculo de las tablas, pasando de una a otra, hasta
encontrar la solucin ptima mientras que, el Mtodo Grfico evala la Funcin Objetivo en cada vrtice de la
regin factible para escoger la solucin ptima. La gran diferencia que existe entre ambos mtodos, es que la
solucin dada por el Mtodo Grfico se puede visualizar grficamente mientras que la del Simplex no.

Para analizar la lgica de los clculos del Mtodo Simplex y compararlos con el Mtodo Grfico, se presenta la
siguiente grfica:

JEVA / PTI
7
PROGRAMACIN LINEAL MTODO
SIMPLEX

H1 = 200 X1 = 0
X1 = 8,000 H1 =
X2 = 18,000 H2 =
0
0
X2 = 14,000 H2 =
H3 = 1,100
0
Z = 3600,000
H3 = 500

H1 = 1,100 X1 = 0
H2 = 1,800 X2 = 0
H3 = 2,000
VRTICE E

El Mtodo Simplex al calcular la "Tabla Inicial (Tabla 1)" con la matriz identidad del problema, se posiciona en
el vrtice "E" localizado el punto de origen (0,0). En esta forma queda el Simplex preparado para iniciar la
solucin del problema. En esta tabla inicial se tiene la siguiente solucin:

Variables "Bsicas" Variables "no Bsicas"

H1 = 1100 X1 = 0
H2 = 1800 X2 = 0
H3 = 2000
Z=0

Esta solucin de la "Tabla Inicial" es igual a la solucin que se tiene en el vrtice "E" en el Mtodo Grfico.
Al estar en el vrtice "E", el Mtodo Simplex evala las alternativas de movimiento que tiene, en este caso dos,
una direccin lo lleva al vrtice "A" y la otra al "D". El rengln del "Incremento Marginal del valor de la Funcin
Objetivo (j) en la Tabla Inicial, seala que la utilidad por tonelada que se puede obtener al producir X2 es de
$200/tonelada mientras que con la X1 es de $185. La mejor alternativa es producir X2, es por esta razn se
escogi como Variable de Entrada (VE = X2) a la Base de la "Nueva Tabla" (Tabla 2). Esto equivale a moverse
en la direccin del eje X2 como se puede apreciar en la grfica.

Ya seleccionada la direccin, el Simplex tiene que conocer hasta donde se puede mover, esto lo logra al definir
la "Variable de Salida" de la Base de la Tabla Inicial que es H2 (VS = H2) que est vinculada a la restriccin de
Fosfato. Esta restriccin da el tope mximo hasta donde se puede llegar de acuerdo a la grfica, es decir hasta
el vrtice "A".

La solucin que se tiene en el vrtice "A" (ver la solucin de la Tabla 2 del Mtodo Simplex) es:

Variables "Bsicas" Variables "no Bsicas"

H1 = 200 X1 = 0
X2 = 18,000 H2 = 0
H3 = 1,100
Z = 3600,000

Ya en el vrtice "A", se repiten los pasos anteriormente explicados; de acuerdo a la grfica se evalan las
direcciones de movimiento (pasar al vrtice B o al vrtice E) y hasta donde puede llegar como mximo en la
direccin seleccionada de tal forma que se incremente el valor de la Funcin Objetivo. De acuerdo a la grfica,
se selecciona pasar al vrtice "B (restriccin de Nitrato). Al analizar lo que hace el Simplex para pasar al
vrtice B, es seleccionar la direccin de movimiento a travs de la variable de entrada de la Tabla 2 que es X1

JEVA / PTI
8
PROGRAMACIN LINEAL MTODO
SIMPLEX

(VE = X1). En el vrtice "B" se tiene la solucin ptima del problema que se puede ver en la Tabla 3 del Mtodo
Simplex, es decir, en esta tabla se cumple con el criterio de optimabilidad.

La solucin ptima es:

Variables "Bsicas" Variables "no Bsicas"

X1 = 8,000 H1 = 0
X2 = 14,000 H2 = 0
H3 = 500
Mx.Z = 4280,000

Si se quisiera pasar a otro vrtice por ejemplo al C, como se puede ver en la grfica, esto dara un valor de la
Funcin Objetivo menor al que se tena en el vrtice B por lo que se reafirma que este vrtice est la
solucin ptima. La solucin que se encuentra en el vrtice C es:

Variables "Bsicas" Variables "no Bsicas"

X1 = 18,000 H1 = 0
X2 = 4,000 H3 = 0
H2 = 500
Z = 4130,000

2. PROBLEMA DE "MINIMIZACIN".
Cuando se quiere solucionar un problema de Programacin Lineal, necesariamente se tiene que desarrollar un
ciclo de tres pasos: modelar el problema, solucionar el modelo para encontrar la solucin ptima e interpretar la
solucin ptima encontrada. A continuacin se presenta un problema de "minimizacin" que presenta los tres
pasos mencionados:

Alimentos para fsico-culturistas.

Una empresa fabricante de alimentos para fsico-culturistas ha recibido un pedido de 1000 kilogramos de
un producto de alto contenido protenico. La empresa conoce que la formulacin de este pedido se hace
con tres alimentos base. Actualmente se tiene en los almacenes una disponibilidad de 800 kilogramos
del alimento "A", 100 de "B" y 400 de "C". El producto final tiene como requerimiento cuando menos 600
kilogramos del alimento "A" y no ms de 500 de los alimentos "B" y "C" combinados. El costo del
kilogramo es de $15 para "A", de $12 para "B" y de $10 para "C". La empresa quiere desarrollar un
modelo para minimizar el costo de este pedido.

Modelacin.
Variables de Decisin.
Xi = Kilogramos del Alimento "i" que se utilizarn en la fabricacin del pedido
(Kg)

Funcin Objetivo.
mn. Z = 15X1 + 12X2 + 10X3
$ ($/Kg)(Kg) = $

Restricciones.
1. Condicin de Balanceo.
X1 + X2 + X3 = 1000
Kg Kg

JEVA / PTI
9
PROGRAMACIN LINEAL MTODO
SIMPLEX

2. Especificaciones del Pedido.

Alimento "A" X1 600
Alimento "B" X2 + X3 500
Kg Kg

3. Disponibilidad de Materiales.
Alimento "A" X1 800
Alimento "B" X2 100
Alimento "C" X3 400
Kg Kg

4. No negatividad Xi 0

Anlisis Dimensional: Aprobado.

Solucin por el Mtodo Simplex.

Para solucionar un problema de minimizacin" con el Mtodo Simplex, se puede utilizar la misma metodologa
que se aplic para los problemas de Maximizacin. Para hacer esto, es necesario transformar el problema de
minimizacin a uno de maximizacin aplicando el siguiente principio:
mn.Z = Mx.(-Z)

Funcin Objetivo original Funcin Objetivo transformada

mn. Z = 15X1 + 12X2 + 10X3 Mx. Z = - 15X1 - 12X2 - 10X3

Ya trasformado el problema, se resuelve como si fuera de maximizacin. A continuacin se presentan los

pasos para la solucin del problema:

Igualar las restricciones.

Se presenta la igualacin de las restricciones para formar la "matriz identidad" de este problema:

Restricciones Igualacin de Restricciones

Condicin de Balance X1 + X2 + X3 = 1000 X1 + X2 + X3 + A1 = 1000

Especificacin Alimento "A" X1 600 X1 - E1 + A2 = 600
Especificacin Alimento "B" X2 + X3 500 X2 + X3 + H2 = 500
Disponibilidad Alimento "A" X1 800 X1 + H3 = 800
Disponibilidad Alimento "B" X2 100 X2 + H4 = 100
Disponibilidad Alimento "C X3 400 X3 + H5 = 400

Tabla Inicial del problema.

Considerando, la transformacin del problema como si fuera de Maximizacin, se tiene la siguiente
"Tabla Inicial":

Tabla Inicial (Tabla 1)

Base Cj X1 X2 X3 A1 E1 A2 H2 H3 H4 H5 Bi Bi
-15 -12 -10 -150 0 -150 0 0 0 0 Ai ,ve
A1 -150 1 1 1 1 0 0 0 0 0 0 1,000 1,000
A2 -150 1 0 0 0 -1 1 0 0 0 0 600 600VS
H2 0 0 1 1 0 0 0 1 0 0 0 500 Infinito
H3 0 1 0 0 0 0 0 0 1 0 0 800 800
H4 0 0 1 0 0 0 0 0 0 1 0 100 Infinito
H5 0 0 0 1 0 0 0 0 0 0 1 400 Infinito

JEVA / PTI
10
PROGRAMACIN LINEAL MTODO
SIMPLEX

Zj -300 -150 -150 -150 150 -150 0 0 0 0 -240,000

j 285 138 140 0 -150 0 0 0 0 0

VE

Reconocer si la solucin de la tabla es ptima.

Al analizar el rengln j nos encontramos nmeros positivos, que indica que la solucin que se tiene
en esta tabla no es ptima ya que no se cumple el criterio de optimabilidad. Entonces, se tiene que
calcular la siguiente iteracin o tabla 2 (Nueva Tabla)

Calcular la "Nueva Tabla".

Con base en la Tabla Inicial (Tabla 1), se establecen los "Criterios de Ajuste" para pasar a la siguiente
tabla, quedando en siguiente forma:

Rengln Pivote N2 = V2
N1 = V1-N2
N3 = V3
N4 = V4-N2
N5 = V5
N6 = V6

Con estos criterios se calcularon los renglones de la siguiente tabla:

Tabla 2
Base Cj X1 X2 X3 A1 E1 A2 H2 H3 H4 H5 Bi Bi
-15 -12 -10 -150 0 -150 0 0 0 0 Ai ,ve
A1 -150 0 1 1 1 1 -1 0 0 0 0 400 400VS
X1 -15 1 0 0 0 -1 1 0 0 0 0 600 Infinito
H2 0 0 1 1 0 0 0 1 0 0 0 500 500
H3 0 0 0 0 0 1 -1 0 1 0 0 200 Infinito
H4 0 0 1 0 0 0 0 0 0 1 0 100 Infinito
H5 0 0 0 1 0 0 0 0 0 0 1 400 400
Zj -15 -150 -150 -150 -135 135 0 0 0 0 -69,000
j 0 138 140 0 135 -285 0 0 0 0

VE

Si la Tabla calculada no cumple con el "Criterio de Optimabilidad", se debe seguir haciendo "Nuevas
Tablas" hasta llegar a la solucin ptima del problema.
La Tabla 2 no es la solucin ptima para el problema por lo que se tiene que seguir iterando (hacer
nuevas tablas) hasta llegar a la solucin ptima del mismo. A continuacin se presentan los clculos de
las tablas calculadas:

Criterios de Ajuste para pasar a la Tabla 3:

Rengln Pivote N1 = V1
N2 = V2
N3 = V3-N1
N4 = V4
N5 = V5
N6 = V6-N1

JEVA / PTI
11
PROGRAMACIN LINEAL MTODO
SIMPLEX

Tabla 3
Base Cj X1 X2 X3 A1 E1 A2 H2 H3 H4 H5 Bi
-15 -12 -10 -150 0 -150 0 0 0 0
X3 -10 0 1 1 1 1 -1 0 0 0 0 400
X1 -15 1 0 0 0 -1 1 0 0 0 0 600
H2 0 0 0 0 -1 -1 1 1 0 0 0 100
H3 0 0 0 0 0 1 -1 0 1 0 0 200
H4 0 0 1 0 0 0 0 0 0 1 0 100
H5 0 0 -1 0 -1 -1 1 0 0 0 1 0
Zj -15 -10 -10 -10 5 -5 0 0 0 0 -13,000
j 0 -2 0 -140 -5 -145 0 0 0 0

En esta Tabla 3 se cumple el criterio de optimabilidad, es decir, todos los nmeros del rengln j son
negativos o ceros. Entonces, la solucin de esta tabla es la ptima.

"Solucin Optima" del problema.

La solucin ptima que se puede leer en la tabla, es la siguiente:

X3 = 400
X1 = 600
H2 = 100
H3 = 200 ()
H4 = 100
H5 = 0
Mx. Z = -13,000 que es igual mn. Z = 13,000

"Interpretar" la solucin ptima.

El problema tiene variables continuas por lo queda la siguiente interpretacin:
Para fabricar el pedido que cumpla con los requerimientos, se deber utilizar 600 kilogramos del
alimento "A" (X1=600) y 400 kilogramos del alimento "C" (X3=400) para tener el mnimo costo de
$13,000 (mn.Z=13,000). Al hacer este plan de fabricacin para el pedido, se tendr el siguiente
anlisis de los recursos: en el requerimiento de la combinacin del alimento "B" y "C" se tendr un
sobrante de 100 kilogramos (H2=100), es decir, se utilizaron 400 kilogramos en vez de 500; se tiene un
sobrante de 200 kilogramos del alimento "A" (H 3=200) y 100 kilogramos del alimento "B" (H4=100) que
no se utiliz. El Alimento C (H5=0) se termin. La restriccin dominante es la especificacin del
Alimento A, la disponibilidad del Alimento C y respetar la condicin de balance.

3. PROBLEMA DE "SOLUCIN PTIMA ALTERNA" Y "SOLUCIONES PTIMAS

MULTIPLES".

Para saber si un problema tiene una o varias soluciones ptimas alternas, se tiene que buscar en la "Tabla
Final" (la tabla con la solucin ptima del problema) las variables que cumplan con las siguientes condiciones:

Variable no bsica
Con valor cero en el rengln j
Y al menos un coeficiente positivo en su columna

Por cada variable que se tenga en la Tabla Final que cumpla estas condiciones, se tendr una nueva solucin
ptima alterna.

Para calcular una "nueva solucin ptima" se forzar como Variable de Entrada, la variable que cumpla con las
condiciones. Se seguir el procedimiento para calcular la siguiente tabla ("nueva tabla"), donde se encontrar
la nueva solucin ptima (solucin ptima alterna).

JEVA / PTI
12
PROGRAMACIN LINEAL MTODO
SIMPLEX

Si se tienen en la Tabla Final, varias variables que cumplan con la condiciones, entonces se tendrn
"Soluciones ptimas Mltiples". De acuerdo con el nmero de estas variables, se tendrn al menos este
nmero o ms de soluciones ptimas diferentes para el problema.

Para calcular estas soluciones mltiples, primero se forzar a una de ellas a ser la Variable de Entrada en la
Tabla Final y siguiendo el procedimiento para calcular la tabla siguiente, se encontrar la primera solucin
ptima alterna del problema. Si se van metiendo como Variables de Entrada, las diferentes variables que
cumplen las condiciones, se irn calculando las diferentes soluciones ptimas alternas que tenga el problema.

A continuacin se presentan dos problemas para presentar las situaciones donde se tiene una "Solucin
ptima Alterna" y donde se tienen varias "Soluciones ptimas Mltiples":

3.1. Solucin ptima Alterna.

Para analizar un problema con "solucin ptima alterna", se tratar nuevamente el problema de los fertilizantes
pero modificado ligeramente la Funcin Objetivo. Se dejaron las mismas restricciones pero se cambi la
Funcin Objetivo a una nueva, quedando el modelo de la siguiente forma:

Funcin Objetivo Mx. Z = 100X1 + 200X2

Restricciones: Nitrato 0.05X1 + 0.05X2 1,100

Fosfato 0.05X1 + 0.10X2 1,800
Potasio 0.10X1 + 0.05X2 2,000

Solucin por el Mtodo Simplex.

A continuacin se presentan todas las tablas (iteraciones) del problema:

Tabla Inicial (Tabla 1)

Base Cj X1 X2 H1 H2 H3 Bi Bi
100 200 0 0 0 Ai ,ve
V1 H1 0 0.05 0.05 1 0 0 1100 22,000
V2 H2 0 0.05 0.10 0 1 0 1800 18,000 VS
V3 H3 0 0.10 0.05 0 0 1 2000 40,000
Zj 0 0 0 0 0 0
j 100 200 0 0 0

VE

"Criterios de Ajuste" para pasar a la Tabla 2:

V2
Rengln Pivote N2 =
0.10
N1 = V1 - 0.05N2
N3 = V3 - 0.05N2

Tabla 2 (Tabla Final).

Base Cj X1 X2 H1 H2 H3 Bi Bi
100 200 0 0 0 Ai ,ve

JEVA / PTI
13
PROGRAMACIN LINEAL MTODO
SIMPLEX

N1 H1 0 0.025 0 1 -0.5 0 200 8,000 VS

N2 X2 200 0.5 1 0 10 0 18,000 36,000
N3 H3 0 0.075 0 0 -0.5 1 1,100 14,666.7
Zj 100 200 0 2,000 0 3600,000

j 0 0 0 -2,000 0

VE

La solucin ptima de este problema es:

H1 = 200
X2 = 18,000
H3 = 1,100
Mx. Z = 3600,000

Al analizar la "Tabla Final" del problema, se encuentran dos variables no bsicas, la X1 y la H2. La H2 no cumple
con todas las condiciones pero la X1 s. Entonces el problema tiene una solucin ptima alterna. Para calcular
esta solucin ptima alterna, se fuerza como Variable de Entrada la X1 y se calcula la siguiente Tabla.

"Criterios de Ajuste" para pasar a la siguiente tabla:

V1
Rengln Pivote N1 =
0.025
N2 = V2-0.5N1
N3 = V3-0.075N1

Tabla de la Solucin ptima Alterna.

Base Cj X1 X2 H1 H2 H3 Bi
100 200 0 0 0
X1 100 1 0 40 -20 0 8,000
X2 200 0 1 -20 20 0 14,000
H3 0 0 0 -3 1 1 500
Zj 100 200 0 2000 0 3600,000
j 0 0 0 -2000 0

Se ha calculado una la solucin ptima alterna para el problema que es:

X1 = 8,000
X2 = 14,000
H3 = 500
Mx. Z = 3600,000

Una caracterstica de la solucin ptima alterna, es que debe dar una diferente solucin pero el mismo valor de
la Funcin Objetivo que la solucin ptima normal, en este caso 3600,000.

Si se analiza nuevamente la "Tabla Final", se ver que la variable H1 cumple con todas las condiciones. Al
solucionar, siguiendo el mismo procedimiento, se encontrar la solucin ptima anterior. Se presentan las dos
soluciones ptimas del problema:

Solucin ptima Solucin ptima Alterna

H1 = 200 X1 = 8,000
X2 = 18,000 X2 = 14,000
H3 = 1,100 H3 = 500

JEVA / PTI
14
PROGRAMACIN LINEAL MTODO
SIMPLEX

Mx. Z = 3600,000 Mx. Z = 3600,000

Interpretacin de las "Soluciones ptimas" del problema.

El programa de produccin para el siguiente mes se puede fabricar en dos posibles formas. Una forma
ser fabricar 18,000 toneladas del fertilizante del 5-10-5 (X2=18,000) para tener la mxima utilidad de
$3600,000 (Max.Z=3600,000). Al hacer este programa de fabricacin sobrarn 200 toneladas de
Nitrato (H1=200) y 1,100 toneladas de Potasio (H3=0).
Otra solucin alternativa es producir 8,000 toneladas del fertilizante 5-5-10 (X1=8,000) y 14,000
toneladas del 5-10-5 (X2=14,000) para tener la mxima utilidad de $3600,000 (Mx.Z=3600,000). Al
hacer este programa sobrarn 500 toneladas de Potasio (H3=500).

Rango ptimo.
En la mayora de los problemas, la pendiente de la Funcin Objetivo pasa por un vrtice a la regin factible
generando una solucin nica o puntual. Cuando un problema tiene una solucin ptima alterna es que la
pendiente de la Funcin Objetivo pasa por todo un lado de la regin factible generando diferentes soluciones
ptimas. Esto es consecuencia de que la pendiente de la Funcin Objetivo es paralela a uno ese lado de la
regin factible. Esto sirve como base para establecer el Rango ptimo del problema, al establecer el rango
de variacin para cada una de las variables.

Para calcular el Rango ptimo se debe recordar que las variables que no forman parte de la solucin ptima
inicial del problema, tienen un valor de "cero". Con esta consideracin y comparando las dos soluciones
ptimas encontradas para este problema que tiene solo dos variables de decisin, se puede establecer el
Rango ptimo quedando en la siguiente forma:
Rango ptimo: 8,000 X1 0
18,000 X2 14,000
200 H1 0
1,100 H3 500
Mx. Z = 3600,000

Al conocer el Rango Optimo para este problema con dos variables de decisin, nos permite planear diferentes
soluciones ptimas que respondan a necesidades especficas. Por ejemplo, si se quiere fabricar 5,000
toneladas del fertilizante 5-5-10 (X1=5,000) se puede calcular cuntas toneladas del fertilizante 5-10-5 se tienen
que fabricar para tener la mxima utilidad de $3600,000. Esto se calcula en la forma siguiente:

3600,000 = 100(5,000) + 200 X2

X2 = 15,000

De acuerdo a este clculo, se debe de fabricar 15,500 toneladas del fertilizante 5-10-5 (X2=15,500).

Si dentro de los valores del rango ptimo, se fijan simultneamente los valores de X 1 y X2, se puede generar
una solucin no ptima por lo que es necesario comprobarla. Se debe verificar que el valor de la Funcin
Objetivo sea la misma en cualquier caso.

3.2. Soluciones ptimas Mltiples.

Un problema que tiene varias soluciones ptimas tambin se dice que tiene "soluciones ptimas mltiples". El
problema siguiente es un ejemplo de este tipo:

Cadena de tiendas.
Una gran cadena de tiendas de abarrotes tiene varios establecimientos que trabajan las 24 horas del da.
De experiencias pasadas que se han tenido en las tiendas, se observ que se puede dar mejor servicio
al cliente si se asignan turnos de 8 horas a sus empleados pero escalonados en perodos de 4 horas, es
decir, se inicia un turno cada 4 horas.
La Administracin de la compaa ha determinado las necesidades del personal para el siguiente mes,
presentado en la tabla que se da a continuacin:

Turno Perodo Personal

JEVA / PTI
15
PROGRAMACIN LINEAL MTODO
SIMPLEX

Requerido
1 8 a 12 horas 35
2 12 a 16 30
3 16 a 20 40
4 20 a 24 20
5 24 a 4 10
6 4a8 25

A la Administracin le gustara tener un modelo que le permita determinar cuntos empleados deben
trabajar en cada turno de tal forma que el total de empleados sea mnimo.

Modelacin.
Variables de Decisin.
Xi = Empleados a trabajar el Turno "i"
(e)

Funcin Objetivo.
mn. Z = X1 + X2 + X3 + X4 + X5 + X6
e e

Restricciones.
1. Perodos.
8 a 12 horas X1 + X6 35
12 a 16 X1 + X2 30
16 a 20 X2 + X3 40
20 a 24 X3 + X4 20
24 a 4 X4 + X5 10
4a 8 X5 + X6 25
e e
2. No negatividad Xi => 0

Anlisis Dimensional: Probado.

Solucin del problema modelado en la computadora.

Al solucionar este problema en la computadora, se obtuvo la siguiente "Tabla Final" donde se puede leer la
solucin ptima:

Tabla Final (Primera Solucin ptima)

* * *
Base Cj X1 X2 X3 X4 X5 X6 E1 E2 E3 E4 E5 E6 Bi Bi
-1 -1 -1 -1 -1 -1 0 0 0 0 0 0 Ai ,ve
X1 -1 1 0 0 1 0 0 -1 0 0 0 -1 1 20 20
X2 -1 0 1 0 -1 0 0 1 -1 0 0 1 -1 10 -10
X3 -1 0 0 1 1 0 0 -1 1 -1 0 -1 1 30 30
E4 0 0 0 0 0 0 0 -1 1 -1 1 -1 1 10 Infinito
X5 -1 0 0 0 1 1 0 0 0 0 0 -1 0 10 10 VS
X6 -1 0 0 0 -1 0 1 0 0 0 0 1 -1 15 -15
Zj -1 -1 -1 -1 -1 -1 1 0 1 0 1 0 -85
j 0 0 0 0 0 0 -1 0 -1 0 -1 0

VE

JEVA / PTI
16
PROGRAMACIN LINEAL MTODO
SIMPLEX

Al analizar la "Tabla Final" del problema, se encontr que X4, E2 y E6 son las variables "no bsicas" que
cumplen con las condiciones para tener soluciones ptimas alternas. En este caso, se tiene un problema con
"soluciones ptimas mltiples", con al menos cuatro soluciones diferentes.

En la "Tabla Final" se puede leer la primera solucin ptima del problema, que es la siguiente:
X1 = 20
X2 = 10
X3 = 30
E4 = 10
X5 = 10
X6 = 15
mn. Z = 85

Para calcular la segunda solucin ptima del problema, se forz como Variable de Entrada a X4 y se aplicaron
los Criterios de Ajuste para calcular la siguiente tabla:

Criterios de Ajuste para calcular la segunda solucin ptima del problema:

Rengln Pivote N5 = V5
N1 = V1 - N5
N2 = V2 + N5
N3 = V3 - N5
N4 = V4
N6 = V6 + N5

Tabla Final (Segunda Solucin ptima)

* * *
Base Cj X1 X2 X3 X4 X5 X6 E1 E2 E3 E4 E5 E6 Bi Bi
-1 -1 -1 -1 -1 -1 0 0 0 0 0 0 Ai ,ve
X1 -1 1 0 0 0 -1 0 -1 0 0 0 0 1 10 Infinito
X2 -1 0 1 0 0 1 0 1 -1 0 0 0 -1 20 -20
X3 -1 0 0 1 0 -1 0 -1 1 -1 0 0 1 20 20
E4 0 0 0 0 0 0 0 -1 1 -1 1 -1 1 10 10 VS
X4 -1 0 0 0 1 1 0 0 0 0 0 -1 0 10 Infinito
X6 -1 0 0 0 0 1 1 0 0 0 0 0 -1 25 Infinito
Zj -1 -1 -1 -1 -1 -1 1 0 1 0 1 0 -85
j 0 0 0 0 0 0 -1 0 -1 0 -1 0

VE

En esta "Tabla Final" se puede leer la segunda solucin ptima del problema que es:
X1 = 10

JEVA / PTI
17
PROGRAMACIN LINEAL MTODO
SIMPLEX

X2 = 20
X3 = 20
E4 = 10
X4 = 10
X6 = 25
mn. Z = 85

Despus de calcular la segunda solucin ptima, se regresa a la Tabla Final de la primera solucin y se sigue
calculando las otras soluciones ptimas. Ahora se selecciona como Variable de Entrada E2 para calcular la
tercera solucin ptima del problema. Se sigue el mismo procedimiento descrito anteriormente. Se presenta
los clculos para encontrar las otras soluciones ptimas del problema:

Criterios de Ajuste para calcular la tercera solucin ptima del problema:

Rengln Pivote N4 = V4
N1 = V1
N2 = V2 + N4
N3 = V3 - N4
N5 = V5
N6 = V6

Tabla Final (Tercera Solucin ptima)

Base Cj X1 X2 X3 X4 X5 X6 E1 E2 E3 E4 E5 E6 Bi Bi
-1 -1 -1 -1 -1 -1 0 0 0 0 0 0 Ai ,ve
X1 -1 1 0 0 0 -1 0 -1 0 0 0 0 1 10 10 VS
X2 -1 0 1 0 0 1 0 0 0 -1 1 -1 0 30 Infinito
X3 -1 0 0 1 0 -1 0 0 0 0 -1 1 0 10 Infinito
E2 0 0 0 0 0 0 0 -1 1 -1 1 -1 1 10 10
X4 -1 0 0 0 1 1 0 0 0 0 0 -1 0 10 Infinito
X6 -1 0 0 0 0 1 1 0 0 0 0 0 -1 25 - 25
Zj -1 -1 -1 -1 -1 -1 1 0 1 0 1 0 -85
j 0 0 0 0 0 0 -1 0 -1 0 -1 0

VE

Tercera solucin ptima:

X1 = 10
X2 = 30
X3 = 10
S2 = 10
X4 = 10
X6 = 25
mn. Z = 85

Criterios de Ajuste para calcular la "cuarta solucin ptima" del problema:

Rengln Pivote N1 = V1
N2 = V2
N3 = V3
N4 = V4 - N1
N5 = V5
N6 = V6 + N1

JEVA / PTI
18
PROGRAMACIN LINEAL MTODO
SIMPLEX

Tabla Final (Cuarta Solucin ptima)

Base Cj X1 X2 X3 X4 X5 X6 E1 E2 E3 E4 E5 E6 Bi
-1 -1 -1 -1 -1 -1 0 0 0 0 0 0
E6 0 1 0 0 0 -1 0 -1 0 0 0 0 1 10
X2 -1 0 1 0 0 1 0 0 0 1 1 -1 0 30
X3 -1 0 0 1 0 -1 0 0 0 -1 -1 1 0 10
E2 0 -1 0 0 0 1 0 0 1 1 1 -1 0 0
X4 -1 0 0 0 1 1 0 0 0 0 0 -1 0 10
X6 -1 1 0 0 0 0 1 -1 0 0 0 0 0 35
Zj -1 -1 -1 -1 -1 -1 1 0 1 0 1 0 -85
j 0 0 0 0 0 0 -1 0 -1 0 -1 0

Cuarta solucin ptima:

E6 = 10
X2 = 30
X3 = 10
E2 = 0
X4 = 10
X6 = 35
mn. Z = 85

En la Tabla de la "tercera solucin ptima", si se mete como Variable de Entrada X5 se obtendr una "quinta
solucin ptima" que ser:
X1 = 20
X2 = 20
X3 = 20
E2 = 10
X5 = 10
X6 = 10
mn. Z = 85

Se presenta un resumen de las "soluciones ptimas mltiples" del problema:

Variables Soluciones ptimas Mltiples

Bsicas 1 2 3 4 5
X1 20 10 10 20
X2 10 20 30 30 20
X3 30 20 10 10 20
X4 10 10 10
X5 10 10
X6 15 25 25 35 15
E2 10 0 10
E4 10 10
E6 10
mn. Z 85 85 85 85 85

JEVA / PTI
19
PROGRAMACIN LINEAL MTODO
SIMPLEX

Interpretacin de la solucin del problema.

Este problema tiene cinco diferentes soluciones ptimas que se caracterizan por tener el mismo valor de la
Funcin Objetivo (mn.Z=85). Se presenta la interpretacin de la primera solucin ptima del problema a
manera de ejemplo:

Programar 20 empleados para trabajar el turno 1 (X1=20), 10 en el turno 2 (X2=10), 30 en el turno 3

(X3=30), 10 en el turno 5 (X5=10) y 15 en el turno 6 (X6=15). De esta forma se tendr un total de 85
empleados siendo la cantidad mnima para cubrir todos los requerimientos (mn.Z=85). Con esta
asignacin se tendr en el turno 4, 10 empleados ms del mnimo requerido que es de 20.

Para problemas con soluciones ptimas mltiples, como es este problema, no es prctico hacer un rango
ptimo de soluciones sino ms bien calcular todas las posibles soluciones ptimas del problema. Se
recomienda para calcular todas las soluciones ptimas utilizar la computadora con un software adecuado para
este fn.

JEVA / PTI
20