CICLO VII Universidad Nacional de

Trujillo - Escuela Economía

GRUPO
Nº4

MÉTODO
ALGEBRAICO
(SIMPLEX)

CURSO:
Investigación Operativa
DOCENTE:

2019 Ing. Eduardo Cano Urbina

INTEGRANTES:
- Fernandez Ramirez, Miriam
- Giraldo Yupanqui, Ariel
- Gomez Rivas, Fiorella
- Silva Castillo, Patricia
- Prado Ibarra, Juan German
 ÍNDICE
INTRODUCCIÓN ………………………………………………………………….......2
1. MÉTODO ALGEBRAICO (SIMPLEX)………………………………………..........3
1.1. ETAPAS DEL MÉTODO SIMPLEX……………………………………...........3
1.2. CONCEPTOS BÁSICOS DEL MÉTODO SIMPLEX…………………….........4
1.2.1. Variable de holgura………………………………………………………...........4
1.2.2. Problema original sin variables de holgura………………………………............5
1.2.3. Problema de programación lineal con variables de holgura………………..........5
1.2.4. Variables básicas y solución básica………………………………………...........6
1.2.5. Solución básica factible…………………………………………………….........6
1.3. TABLA SIMPLEX INICIAL……………………………………………….........9
13.1. Columna pivote y fila pivote………………………………………………...........13
1.3.2. Elemento pivote…………………………………………………………….........13
1.3.3. Operaciones elementales entre filas………………………………………...........14
1.3.4. Finalización de las iteraciones en el método simplex……………………............16
1.3.5. Interpretación de resultados………………………………………………….......17

1.4. RESTRICCIONES CON DESIGUALDADES DEL TIPO MAYOR O

IGUAL…………………………………………………………………………….........18
1.5. SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN CON EL MÉTODO
SIMPLEX…………………………………………………………………………........21
Planteamiento del modelo…………………………………………………………........22
CONCLUSIONES………………………………………………………………...........24
REFERENCIAS BIBLIOGRAFICAS……………………………………………........24

P á g i n a 1 | 24
 INTRODUCCIÓN
Diaz (2005), nos expone acerca que en nuestro medio muchas cosas se piensan de la
programación lineal; pues para muchos es una parte integral de las matemáticas que debe
ser estudiada, pero sin que encuentren aplicación alguna en el mundo real; para otros es
una forma de aplicar modelos de optimización para empresas netamente productivas a
nivel macro y para otras personas es un tema que solo interesa a los ingenieros de sistemas
y matemáticos.

Empero, la importancia de la programación lineal no solo radica en el procedimiento

matemático, sino en la herramienta financiera que nos puede brindar como soporte para
la toma de decisiones en cualquier organización.

A lo largo de la historia de la programación lineal, se dio diversos avances, uno de estos

últimos, fue George Dantzing, donde sobresalió en este proceso y fue quien en 1947
desarrolló el método simplex para resolver problemas de programación lineal, el cual
fundamentó en el álgebra matricial y el método de Gauss Jordan, complementado con un
objetivo principal: maximizar utilidades o minimizar costos.

Es así como podemos destacar ciertos elementos importantes: una parte matemática que
no puede ser desconocida y es la mezcla del sistema de ecuaciones lineales en el mundo
empresarial y otra, el engranaje que hace con el contenido financiero cuando se mezclan
elementos de las áreas de una organización y las herramientas informáticas (el
computador).

Si bien, la programación lineal nace con dos métodos para solucionar los diferentes
problemas planteados bajo el concepto de optimización de recursos escasos, minimizando
costos o maximizando utilidades, con varias restricciones de recursos. Estos son el
método gráfico y el método simplex. Con el transcurrir del tiempo, aparece la herramienta
computacional y a través de sus bondades se convirtió en un complemento ideal para el
apoyo en la toma de decisiones.
En el caso del método algebraico(simplex) ha tenido diversas aplicaciones en las
industrias especialmente en el área de transporte, en la parte de inventarios y en lo
empresarial en general.

P á g i n a 2 | 24
 1. MÉTODO ALGEBRAICO (SIMPLEX)
La investigación de operaciones en general y la
programación lineal en particular recibieron un gran
impulso gracias a los computadores. Uno de los hechos
mas importantes fue la aparición del método simplex. Este
método, desarrollado por G.B. Dantzig en 1947, consiste
en la utilización de un algoritmo para optimizar el valor de
la función objetivo, teniendo en cuenta las restricciones
planteadas.
¿Para qué nos sirve?

Es un método algebraico que nos sirve generalmente para

resolver problemas de dos o más variables de
programación lineal, este tipo de análisis se utiliza en casos
donde intervienen cientos e incluso miles de variables.
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 cuánto se debe vender, cuanto se debe producir o cuánto
se debe comprar según sea el caso para que la empresa obtenga las ganancias óptimas y
suficientes para competir en el mercado.

Es un método iterativo que permite ir mejorando la solución en cada paso. La razón

matemática de esta mejora radica en que el método consiste en caminar del vértice de un
poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de
la función objetivo, sea maximizar o minimizar), dado que el número de vértices que
presenta un poliedro solución es finito siempre se hallará solución.

1.1.ETAPAS DEL MÉTODO SIMPLEX

Etapa interactiva
• Consiste en dar • Se lograra
la primera • Implica que el cuando la
solucion metodo busque solucion de un
factible. una mejor vertice es mejor.
solucion.
Etapa de prueba
Etapa inicial
de optimalidad

P á g i n a 3 | 24
Ejemplo:
Una fabrica de muebles produce dos tipos de escritorio. Tipo I y Tipo II, en los
departamentos de corte, armado y acabado. El numero de horas disponibles es cada
departamento son de 80 h, 220 h y 210 h respectivamente. Las horas que se requieren en
la producción en cada departamento para cada tipo de escritorio se da en la siguiente tabla:

Corte Armado Acabado

Tipo I 1h 3h 2h
Tipo II 1h 2h 3h
Si la utilidad para cada unidad de escritorios del Tipo I y del Tipo II son $5 y $6
respectivamente. ¿Cuántas unidades de cada tipo se deben fabricar mensualmente para
maximizar la utilidad y cual es dicha utilidad? ¿Cuántas horas no se utilizan en el
departamento?
Solución:

1) Identificar el objetivo (meta) a optimizar

Maximizar: Z= 5X1 + 6X2
2) Definición de las variables de decisión
X1: número de escritorios del tipo I
X2: número de escritorios del tipo II

3) Restricciones
X1 + X2 ≤ 80 (Departamento de corte)
3X1 + 2X2 ≤ 220 (Departamento de armado)
2X1 + 3X2 ≤ 210(Departamento de acabado)
X1, X2 ≥ 0

1.2.CONCEPTOS BÁSICOS DEL MÉTODO SIMPLEX

Forma Estándar de un PPL
La forma estándar pasa por realizar los siguientes cambios:

1.2.1. VARIABLE DE HOLGURA

Para emplear el método simplex se requiere transformar las inecuaciones en ecuaciones,
cuando las restricciones son inecuaciones con menor o igual (≤), para transformarlas en
ecuaciones, agregamos a cada restricción una nueva variable no negativa llamada
Variable de Holgura.
Consideremos la primera restricción asociada al departamento de corte:
x1 + x2 ≤ 80
Donde tenemos 80 horas disponibles de mano de obra, si agregamos la variable h1
de holgura a la restricción obtenemos:
P á g i n a 4 | 24
 x1 + x2 + h1 = 80

Interpretando la variable de holgura h, en el contexto del departamento de corte,

corresponde al número de horas que no se utilizan en este departamento. Es decir, por
ejemplo, si producimos x1 = 40 y x2 = 30 escritorios tipo I y tipo II respectivamente,
reemplazando en la restricción:
x1 + x2 ≤ 80
40 + 30 ≤ 80
En el departamento de corte solo se necesitan 70 horas con este nivel de producción, y no
son utilizadas 10 horas de las 80 horas disponibles, es decir h1 = 10

Dado que h1 se define como la cantidad de horas no utilizadas en el departamento de corte

entonces:
(Tiempo utilizado en corte) + (Tiempo no utilizado en corte) = (Horas Disponibles)

(x1 + x2 ) + h1 = 80

Análogamente para las otras restricciones, tenemos que h2, h3 son las variables de holgura
de los departamentos de armado y acabado respectivamente.

Es importante tener en cuenta que las variables de holgura tienen que ser no negativas.
De esta manera las restricciones del problema las podemos escribir así:
x1 + x2 + h1+ 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1 + h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1, x2, h1, h2, h3 ≥ 0
En la función objetivo agregamos las variables de holgura colocándoles coeficientes cero
y obtenemos:
Maximizar Z = 5x1 + 6x2 + 0h1 + h2 + 0h3
Resumiendo lo anterior obtenemos:

1.2.2. PROBLEMA ORIGINAL SIN VARIABLES DE HOLGURA:

Maximizar Z = 5x1 + 6x2
Sujeto a:
x1 + x2 ≤ 80 Departamento de corte
3x1 + 2x2 ≤ 220 Departamento de armado
2x1 + 3x2 ≤ 210 Departamento de acabado
x1 + x2 ≥ 0
1.2.3. PROBLEMA DE PROGRAMACION LINEAL CON VARIABLES DE
HOLGURA:
Maximizar: Z = 5x1 + 6x2
+ 0h1 + 0h2 + h3
Sujeto a: x1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1+ h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1 ≥ 0 , x2 ≥ 0 , h1 ≥ 0 , h2 ≥ 0, h3 ≥ 0
P á g i n a 5 | 24
 Dónde: h1: número de horas no utilizadas en el departamento de corte
h2 : número de horas no utilizadas en el departamento de armado
h3 : número de horas no utilizadas en el departamento de acabado
h1 , h2 , h3 , son variables de holgura no negativa

1.2.4. VARIABLES BÁSICAS Y SOLUCIÓN BÁSICA

En un problema de Programación Lineal con n variables (incluyendo las de holgura), y
m ecuaciones, para hallar una solución básica, se igualan a cero n – m variables, las cuales
se denominan no básicas, y las restantes se denominan variables básicas.
Las ecuaciones básicas incluyendo las que calculamos se presentan en el siguiente cuadro:

Soluciones Básicas
solucion x1 x2 h1 h2 h3
1 0 0 80 220 210
2 0 80 0 60 -30
3 0 110 -30 0 -120
4 0 70 10 80 0
5 80 0 0 -20 50
6 220∕3 0 20∕3 0 190∕30
7 105 0 -25 -95 0
8 60 20 0 0 30
9 30 50 0 30 0
10 48 38 -6 0 0

1.2.5. SOLUCIÓN BÁSICA FACTIBLE

Una solución básica es factible cuando todas las variables toman valores no negativos.

Observe en el cuadro anterior que en las soluciones 1 – 4 -6 -8 -9 todos los valores de las
variables son no negativos, por lo tanto tenemos soluciones factibles, mientras que en las
soluciones 2 -3 -5 -7 -10 , algunas variables toman valores negativos , por lo tanto son
soluciones no factibles.
En este problema, una solución factible tiene máximo tres variables con valores positivos,
y el resto de las variables son iguales a cero. Por ejemplo:

x1=0 , x2 =0 h1=80 , h2=220, h3=210

Variables No Básicas Variables Básicas

En el ejemplo tenemos un sistema de n = 5 variables y m = 3 ecuaciones, por lo tanto,

para hallar una solución básica igualamos a cero n-m = 5 -3 = 2 variables básicas.
Tomemos x1 = 0 y x2 = 0 ; y al reemplazar en el sistema de ecuaciones , obtenemos :

P á g i n a 6 | 24
 0 + 0 + h1 + 0h2 + 0h3 = 80
3(0) + 2(0) + 0h1 + h2 + 0h3 = 220
2(0) + (0) + 0h1 + 0h2 + h3 = 210
Luego: h1 = 80 , h2 = 220 y h3 = 210

Tenemos una solución básica: x1 = 0

x2 = 0
h1= 80
h2 = 220
h3= 210
Por lo tanto las variables igualadas a cero se llaman variables no básicas y las variables
diferentes ve cero se llaman variables básicas, para el ejemplo x1 , x2 son variables no
básicas , mientras que h1 , h2 , h3 son variables básicas.
Para hallar otra solución básica tomando x1 = 0 y h1= 0, de donde obtenemos:
0 + x2 + 0 + 0h2 + 0h3 =80
3 (0) + 2x2 + 0 + h2 + 0h3 = 220
2(0) + 3x2 + 0 + 0h2 + h3 = 210
El anterior Sistema es equivalente a:
X2 =80 (1)
2x2 + h2 = 220 (2)
3x2 + h3 = 210 (3)
Reemplazando x2 =80 en (2) , tenemos : 2(80) + h2 = 220 de donde h2 = 60
Reemplazando x2 =80 en (3) , tenemos : 3(80) + h3 = 210 de donde h3 = -30
Tenemos una solución básica: x1 =0 ,x2 =80 , h1 = 0 , h2 = 60 , h3 = -30 , de donde x1
y h1 son no básicas , y x2 , h2, y h3 son variables básicas

P á g i n a 7 | 24
 Diagrama de Flujo del método simplex

Adicione las variables de

,
holgura a todas las
desigualdades

Encuentre una solución básica

factible.

¿Hay una solución

básica factible Resuelva el problema para una
sí mejor solución básica factible.
¨mejor¨?

NO

La solución básica factible es la

óptima.

FIN

P á g i n a 8 | 24
1.3.TABLA SIMPLEX INICIAL
Anteriormente se planteó el problema de programación lineal y se añadieron variables de
holgura para convertir las restricciones de menor e igual (≤) en igualdades, ahora
tabulamos el mismo problema en forma de matriz la cual se denomina tabla simplex
inicial.
Tabla simplex: Tabla o cuadro que, mediante operaciones elementales entre filas, utiliza
el método simplex.
Utilizando la siguiente notación:

cj : Coeficiente de la variable Xj en la función objetivo.

bi : Valor del lado derecho para la restricción i.
aij : Coeficiente de la variable de decisión.
Continuando con el ejemplo del problema de la fábrica de muebles, podemos construir la
siguiente tabla inicial.

Modelo de PL
Maximizar: Z = 5x1 + 6x2 Coeficientes
Sujeto a: x1 + x2 ≤ 80 5 6
3x1 + 2x2 ≤ 220 1 1 80
2x1 + 3x2 ≤ 210 3 2 220
x1, x2 ≥ 0 2 3 210

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

función objetivo, además las constantes 80; 220; 210 son los valores del lado derecho de
las restricciones de los departamentos de corte, armado y acabado, respectivamente y se
denominan parámetros del modelo.
1 1
Los elementos de la matriz [3 2] corresponden a los coeficientes de las variables de
2 3
decisión.
Consideremos ahora el problema de PL con variables de holgura:

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

Sujeto a: x1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1 + h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1 ≥ 0, x2 ≥ 0, h1 ≥ 0, h2 ≥ 0, h3 ≥ 0
Las variables que involucra el problema son x1, x2, h1, h2, h3 donde x1, x2, son variables
de decisión mientras que h1, h2, h3 son variables de holgura por lo tanto la forma tabular
es:

x1 x2 h1 h2 h3
5 6 0 0 0 bi
P á g i n a 9 | 24
 1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 210

La solución básica factible es x1 = 0, x2 = 0, h1 = 80, h2 = 220 y h3 = 210 donde h1, h2, h3

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

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

Base
h1
h2
h3
La segunda columna consiste en los coeficientes de las variables básicas del momento
tomado de la función objetivo. La función objetivo con variables básicas y no básicas es:
Z = 5x1 + 6x2 + 0h1 + 0h2 + 0h3, inicialmente las variables básicas son h1, h2, h3, con los
coeficientes cero, por lo tanto, la columna cj es:

Base cj
h1 0
h2 0
h3 0
Completando la tabla con las columnas base y cj mencionadas anteriormente tenemos:

x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210

Los valores de las variables básicas son los valores correspondientes a los bi es decir,

h1 = 80 = b1
h2 = 220 = b2
h3 = 210 = b3
Mientras que x1 y x2 son variables no básicas, por lo tanto:
x1 = 0 x2 = 0
P á g i n a 10 | 24
Otro aspecto importante para completar la tabla inicial simplex es adicionar dos filas
llamadas zj y cj – zj.

La primera fila se refiere a la contribución que se pierde por unidad que se fabrica y la
segunda fila es la contribución neta por unidad que se fabrica.

Los valores de zj se obtienen como la suma de los productos de la columna cj por los
coeficientes asociados a las variables (x1, x2, h1, h2, h3), por ejemplo:

z1 = 0(1) + 0(3) + 0(2) = 0

z2 = 0(1) + 0(2) + 0(3) = 0
z3 = 0(1) + 0(0) + 0(0) = 0
z4 = 0(0) + 0(1) + 0(0) = 0
z5 = 0(0) + 0(0) + 0(1) = 0
Podemos también calcular el valor de Z con la suma de los productos de los elementos
correspondientes en las columnas cj y bi.
cj bi
ℎ1 0 80
ℎ2 [0] [220]
ℎ3 0 210
Realizando el cálculo resulta: Z = 0(80) + 0 (220) + 0(210) = 0
La tabla simplex inicial con la nueva fila zj es:

x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
zj 0 z1 z2 z3 z4 z5 0

Base: Conjunto de variables que no están reducidas a cero en la solución básica del
momento, a estas variables ser les llama variables básicas.

La fila cj – zj, se obtiene como la diferencia entre los coeficientes cj de la función objetivo
y los valores correspondientes zj

c1 – z1 = 5 – 0 = 5
c2 – z2 = 6 – 0 = 6
c3 – z3 = 0 – 0 = 0
c4 – z4 = 0 – 0 = 0
c5 – z5 = 0 – 0 = 0
La fila cj – zj queda así:

cj – zj 5 6 0 0 0

P á g i n a 11 | 24
Completando la tabla de simplex inicial

x1 x2 h1 h2 h3 Variables

Base cj 5 6 0 0 0 bi Contribución por unidad

h1 0 1 1 1 0 0 80 Coeficientes

h2 0 3 2 0 1 0 220 Coeficientes
h3 0 2 3 0 0 1 210 Coeficientes

zj 0 0 0 0 0 0 Contribución que se pierde

por unidades que se fabrica
cj – zj 5 6 0 0 0 Contribución neta por unidad
que se fabrica

Utilidad
Interpretando la tabla simplex inicial tenemos que h1, h2, h3 son variables básicas con
valores 80, 220 y 210 respectivamente e interpretándolos en el contexto del problema
corresponden a las horas disponibles no utilizadas en los departamentos del corte, armado
y acabado, además las variables no básicas son x1, y x2, son cero lo cual quiere decir que
no se produce ningún tipo de escritorio, y la utilidad es Z = 0

Si observamos en la última fila de la tabla simplex cj – zj conocida como fila de

contribución neta, los valores mostrados en la porción de la tabla son:
cj – zj 5 6 0 0 0
Indicadores
Indicadores
Los valores 5 y 6 en los indicadores se interpretan de la siguiente manera: por cada unidad
producida adicionalmente de escritorios tipo I, la unidad aumenta en US$ 5 y por cada
unidad producida adicionalmente de escritorios tipo II la utilidad aumenta en US$ 6,
como los escritorios tipo II producen mayor utilidad por incremento unitario, se elige x2
como variable básica y se introduce en la tabla.

Ahora hay que determinar cuál es la variable básica que se debe convertir en variable no
básica, observamos los coeficientes de x2 en las restricciones:
1 ⟶ 𝐻𝑜𝑟𝑎 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜 𝑡𝑖𝑝𝑜 𝐼𝐼 𝑒𝑛 𝑒𝑙 𝑑𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒
[2] ⟶ 𝐻𝑜𝑟𝑎 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜 𝑡𝑖𝑝𝑜 𝐼𝐼 𝑒𝑛 𝑒𝑙 𝑑𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑎𝑟𝑚𝑎𝑑𝑜
3 ⟶ 𝐻𝑜𝑟𝑎 𝑝𝑜𝑟 𝑐𝑎𝑑𝑎 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜 𝑡𝑖𝑝𝑜 𝐼𝐼 𝑒𝑛 𝑒𝑙 𝑑𝑒𝑝𝑎𝑟𝑡𝑎𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑎𝑐𝑎𝑏𝑎𝑑𝑜

De esta manera por cada unidad que se produce de x2, se disminuye una hora de las 80
disponibles en el departamento de corte, luego se producen 80/1 = 80 escritorios tipo II,
por cada unidad de x2 producida en el departamento de armado se disminuyen 2 horas de
las 220 disponibles, por lo tanto, se producen 220/2 = 110 escritorios tipo II, por último,
si se produce un escritorio tipo II en el departamento de acabado se disminuyen 3 horas
de las 210 disponibles de esta forma se producen 210/3 = 70 unidades, por lo tanto la
mayor limitante corresponde a las unidades en el departamento de acabado.

P á g i n a 12 | 24
Con la justificación anteriormente expuesta x2 se convierte en variable básica y h3 es la
variable no básica.

Recordemos que los elementos aij son los coeficientes que acompañan a las variables de
decisión en las restricciones y los bi son los valores del lado derecho de las restricciones.

Ahora construimos una nueva columna en la tabla simplex inicial llamada bi / aij que
siempre nos indica el número de unidades producidas en cada departamento según lo
disponible con respecto a las horas por unidad.
Consideramos la tabla simplex con la columna bi / ai2

x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi bi / ai2
h1 0 1 1 1 0 0 80 80/1=80 f1
h2 0 3 2 0 1 0 220 220/2=110 f2
h3 0 2 3 0 0 1 210 210/3=70 f3
zj 0 0 0 0 0 0
cj – zj 5 6 0 0 0

El criterio para elegir la variable no básica consiste en escoger el menor cociente bi / ai2
positivo, en caso de encontrar empates se escoge la fila que esté más arriba.

Cálculo para la tabla siguiente

Interpretando los resultados de la tabla inicial simplex se producen x1 = 0 y x2 = 0;
unidades de escritorios tipo I y II, respectivamente, por lo tanto, de las horas disponibles
en cada departamento que son 80, 220, 210 no se ha empleado ninguna, lo cual quiere
decir que tenemos que mejorar la solución y encontrar una nueva solución factible que
aumente la utilidad, que en este momento es z = 0

13.1. Columna pivote y fila pivote

Como la variable entrante es x2 y la variable h3 es la de salida para la siguiente tabla, a la
columna de x2 se le llama columna pivote y a la fila de h3 se le llama fila pivote.

1.3.2. ELEMENTO PIVOTE

Es el elemento de la tabla simplex correspondiente al cruce entre la fila pivote y la
columna pivote.

Columna pivote: Columna de la tabla simplex que corresponde a la variable básica que
está por quedar fuera de la solución.

Fila del pivote: Fila de la tabla simplex que corresponde a la variable básica que está por
quedar fuera de la solución.

P á g i n a 13 | 24
En el caso del problema que estamos tratando el elemento pivote es 3 porque es el cruce
entre la columna pivote de x2 y la fila pivote de h3, este elemento se cierra con un cuadrado
y se muestra en la tabla:

x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi bi / ai2
h1 0 1 1 1 0 0 80 80/1=80 f1
h2 0 3 2 0 1 0 220 220/2=110 f2
h3 0 2 3 0 0 1 210 210/3=70 f3
zj 0 0 0 0 0 0
cj – zj 5 6 0 0 0
Como el objetivo es mejorar la solución para obtener la mayor utilidad posible, se desea
actualizar la tabla simplex inicial de manera que la columna en la variable básica x 2, sea
una columna con la siguiente forma:
0 𝑎12
[0] = [ 𝑎22 ]
1 𝑎32
Para realizar este proceso en la tabla simplex es necesario aplicar las operaciones
elementales entre filas.

Operaciones elementales: Son operaciones que se realizan entre filas en un sistema de

ecuaciones, sin cambiar su solución.

1.3.3. Operaciones elementales entre filas

 Multiplicar una fila por una constante diferente de cero.

 Intercambiar dos filas.
 Sumar un múltiplo de una ecuación o fila a otra.
La matriz correspondiente a los coeficientes de las restricciones junto con sus términos
independientes es:
1 1 1 0 0 80
[3 2 0 1 0 220 ]
2 3 0 0 1 210

Elemento pivote

Para obtener la nueva tabla simplex, la segunda columna de la matriz anterior debe tener
la forma:
0
[0]
1
Para transformar la segunda columna, aplicamos las operaciones elementales entre filas:
F3 ↔ 1/3 F3 (Se cambia la fila 3 por 1/3 de la fila 3, para convertir a a32 en 1)

P á g i n a 14 | 24
 1 1 1 0 0 80
[ 3 2 0 1 0 220 ]
2/3 1 0 0 1/3 70

Para convertir en cero a a12 y a22, efectuamos sobre la matriz las siguientes operaciones
elementales:

1. Multiplicamos la fila 3 por (-1) y sumamos el resultado a la fila 1, [F1 ↔ (-1) F3

+ F1]
2. Multiplicamos la fila 3 por (-2) y sumamos el resultado a la fila 2, [F2 ↔ (-2) F3
+ F2]
La nueva matriz es:
1/3 0 1 0 −1/3 10
[5/3 0 0 1 −2/3 80 ]
2/3 1 0 0 1/3 70

Escribiendo la nueva tabla simplex con los datos de la matriz anterior, tenemos:

x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
h1 0 1/3 0 1 0 -1/3 10
h2 0 5/3 0 0 1 -2/3 80
x2 6 2/3 1 0 0 1/3 70
zj
cj – zj

Para completar la tabla calculamos los zj;

z1 = 0(1/3) + 0(5/3) + 6(2/3) = 4
z2 = 0(0) + 0(0) + 6(1) = 6
z3 = 0(1) + 0(0) + 6(0) = 0
z4 = 0(0) + 0(1) + 6(0) = 0
z5 = 0(-1/3) + 0(-2/3) + 6(1/3) = 2
Ahora calculamos los valores de cj – zj :
c1 – z1 = 5 – 4 = 1
c2 – z2 = 6 – 6 = 0
c3 – z3 = 0 – 0 = 0
c4 – z4 = 0 – 0 = 0
c5 – z5 = 0 – 2 = -2
Por último, calculamos la utilidad de la siguiente forma:
z = 0(10) + 0(80) + 6(70) = 420
Reemplazando todos los valores la nueva tabla simplex nos queda así:
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
h1 0 1/3 0 1 0 -1/3 10

P á g i n a 15 | 24
 h2 0 5/3 0 0 1 -2/3 80
x2 6 2/3 1 0 0 1/3 70
zj 4 6 0 0 2 420
cj – zj 1 0 0 0 -2

Para interpretar los resultados de esta nueva tabla, escribimos las ecuaciones
correspondientes:
1/3x1 + h1 + -1/3h3 = 10
5/3x1 + h2 - 2/3h3 = 80
2/3x1 + x2 + 1/3h3 = 70

En este momento las variables básicas son h1, h2, x2 y las variables no básicas son x1 = 0
y h3 = 0, reemplazando estos valores en las ecuaciones anteriores los valores de las
variables básicas son:

h1 = 10 h2 = 80 x2 = 70

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

1.3.4. Finalización de las iteraciones en el método simplex

Las iteraciones en el método simplex se detienen cuando los elementos de la fila cj - zj ≤ 0;

en este caso la solución del problema es óptima.

La fila cj - zj de la ultima tabla es:

cj - zj 01 0 0 -2
Nuevos indicadores
Los nuevos indicadores nos dicen que no se cumple la condición de que todos los
elementos cj - zj sean ceros o menores que cero, puesto que aparece un elemento positivo que
es 1, esto indica que todavía no tenemos la solución optima del problema, por lo tanto, tenemos
que iterar y crear una tabla simplex con el fin de dar paso a una mejor solución.

Nuevamente procedemos a determinar mirar cual es la variable que entra y la variable que sale
para la siguiente tabla. Si observamos los indicadores, escogemos a X1 como variable básica
puesto que tiene mayor coeficiente positivo.

Se realiza nuevamente el calculo de los cocientes bi / ai1

X1 X2 H1 H2 H3
Base Cj 5 6 0 0 0 bi bi / ai1
h1 0 1/3 0 1 0 -1/3 10 10/1/3 =30
h2 0 5/3 0 0 1 -2/3 80 80/5/3=48
P á g i n a 16 | 24
 X2 6 2/3 1 0 0 1/3 70 70/2/3=105
Zj 4 6 0 0 2 420
Cj - Zj 1 0 0 0 -2
Como 30 es el cociente mínimo, la variable que sale es h1, luego el elemento a11= 1/3 es
el pivote, queda como variable básica X1 y como variable no básica h, por lo tanto, las
operaciones elementales se deben realizar en la columna X1 para convertirla en columna
unidad de la forma siguiente:

1
0
0

Las operaciones elementales para crear la nueva tabla simplex son:

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

b) Multiplicar la fila del pivote por -5/3 y sumarla a la fila dos para convertir a a21
en 0 (F2 -5/3F1 + F2)
c) Multiplicar la fila del pivote por -2/3 y sumarla a la fila tres para convertir a a31
en 0 (F3 -2/3F1 + F3)
Por lo tanto, la nueva tabla simplex que se genera es la siguiente:

X1 X2 H1 H2 H3
Base Cj 5 6 0 0 0 bi
h1 5 1 0 3 0 -1 30
h2 0 0 0 -5 1 1 30
X2 6 0 1 -2 0 1 50
Zj 5 6 3 0 1 450
Cj - Zj 0 0 -3 0 -1
Nuevos indicadores
Notemos que en la fila Cj - Zj los elementos son ceros o negativos, por lo tanto ya
hemos encontrado la solución optima del problema.

1.3.5. Interpretación de resultados

La solución optima del problema de la fabrica de muebles consta de tres variables
básicas x1, h2, x2 y variables no básicas h1, h3 y los resultados son los siguientes:
x1 = 30
x2 = 50
h1 = 0
h2 = 30
h3 = 0
La fabrica de muebles debe producir 30 escritorios tipo I y 50 escritorios tipo II con el fin
de obtener una utilidad máxima de $450.

P á g i n a 17 | 24
En cuanto al manejo de los recursos como h2 = 30, la holgura del departamento de armado
es de 30 horas lo que equivale a que no se utilizan todas las 220 horas disponibles,
mientras que en el departamento de corte y acabado las variables de holgura son h1 = 0,
h3 = 0, lo que quiere decir que se utilizan todas las horas disponibles que son 80 y 210
horas respectivamente.

1.4.RESTRICCIONES CON DESIGUALDADES DEL TIPO MAYOR O IGUAL

Maximizar: Z= 5x1 +6x2
Sujeto:
x1 +x2 ≤ 80 departamento de corte
3x1 +2x2 ≤ 220 departamento de armado
3x1 +x2 ≤ 180 departamento a proveedores
x1,x2 ≥ 0

Maximizar: Z= 5x1 +6x2

x1 +x2 + h1 = 80
3x1 +2x2 + h2 = 220
3x1 +x2 - h3 = 180
x1,x2, h1 , h2, h3 ≥0

Cuando (x1,x2 ) =(0,0) ,esto es no es una solución factible

x1 = 0
x2 = 0
h1 = 80
h2 = 220
h3 = -180
Ahora, como la variable de holgura es negativo, se creará una variable artificial (a3),
esto ayudará a construir una tabla inicial simplex, luego para obtener una solución le
asignamos una -M a la Función Objetivo.
Maximizar: 5x1 +6x2 +0h1 +0h2 + 0h3 -Ma3
Sujeto: x1 +x2 + h1 = 80
3x1 +2x2 + h2 = 220
3x1 +x2 -h3 +a3 = 180
x1, x2, h1 , h2, h3,a3 ≥ 0

X1 X2 H1 H2 H3 a3
Base Cj 5 6 0 0 0 -M bi bi/ai1
h1 0 1 1 1 0 0 0 80 80/1=80
h2 0 3 2 0 1 0 0 220 220/3=73.3
a3 -M 3 1 0 0 1 1 180 180/3=60
Zj -3M -M 0 0 M -M -180M
Cj - Zj 5+3M 6+M 0 0 -M 0

P á g i n a 18 | 24
 Identificamos a la columna pivote y a la fila pivote, como las variables de entrada y salida
son : x1 y a3.Ahora el cruce de estas filas y columnas dará como resultado al elemento
pivote. De la columna que está encerrada en rojo, se dividirán con los bi, de esa división
se escogerá al menor y ese será el número pivot.

Ahora que ya sabemos que el número 3 es el número pivot lo que haremos es convertirlo
en 1.

Ahora para generar zj se multiplicará -M por sus números que está al costado de su fila.
Luego para generar la fila de cj - zj , se sumará luego la fila de cj.
Se escogerá el mayor valor de cj - zj que es 5+3M.

Luego multiplicamos el valor de X1=5 por los de su costado y eso dará origen al valor
de Zj.

Luego restamos los valores de Cj - Zj y obtenemos la siguiente tabla simplex.

X1 X2 H1 H2 H3 a3
Base Cj 5 6 0 0 0 -M bi
h1 0 0 2/3 1 0 1/3 -1/3 20
h2 0 0 1 0 1 1 -1 40
X1 5 1 1/3 0 0 -1/3 1/3 60
Zj 5 5/3 0 0 -5/3 5/3 300
Cj - Zj 0 13/3 0 0 5/3 -M-5/3

P á g i n a 19 | 24
Nueva gráfica con la región factible.

Aquí la variable
artificial a3 ya
desapareció, se le
suprime su
columna en la
cual se
encuentra.
X1=60,

CUADRO RESUMEN DEL MÉTODO SIMPLEX

FASE I FASE II
Se requieren las Se continúan las
variables artificiales para iteraciones del método
obtener una solución simplex sin variables
básica factible y luego se artificiales.
eliminan las variables
artificiales.
Fase I : Se suprime la columna a3
X1 X2 H1 H2 H3
Base Cj 5 6 0 0 0 bi bi
h1 0 0 2/3 1 0 1/3 20 20/2/3= 30
h2 0 0 1 0 1 1 40 40/1= 40
X1 5 1 1/3 0 0 -1/3 60 60/1/3 = 180
Zj 5 5/3 0 0 -5/3 300
Cj - Zj 0 13/3 0 0 5/3

P á g i n a 20 | 24
Fase II: Puesto que Cj -Zj,X2 no son menores o iguales a cero, aún no es óptimo.Se
escogerá a X2 como variable básica (Cj -Zj =13/3) ,donde el pivote será 2/3. Se aplicará
eliminación gaussiana .
X1 X2 H1 H2 H3
Base Cj 5 6 0 0 0 bi
X2 6 0 1 3/2 0 1/2 30
h2 0 0 0 -3/2 1 1/2 10
X1 5 1 0 -1/2 0 -1/2 50
Zj 5 6 13/2 0 1/2 430
Cj - Zj 0 0 -13/2 0 -1/2
Resumen
Fase I Fase II

O A C

Origen Optimo

Se elimina la Sin la variable

variable artificial
artificial

Ahora que los elementos son menores o iguales a cero, el problema es óptimo.
X1=50
X2=30
h1=0
h2=10
h3=0
La compañía necesita producir 50 escritorios tipo I ,30 escritorios del tipo II, en el
departamento de corte se necesitan todas las 80 horas disponibles, en el departamento de
armado sobran 10 horas, se necesitan 210 horas, y hay que comprarle a los proveedores
180 cerraduras de seguridad.
1.5.SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN CON EL MÉTODO
SIMPLEX.
Para utilizar el método simplex en un problema de minimización solo basta con
multiplicar la función objetivo por (-1), con el fin de convertir el problema de
minimización en un problema equivalente de maximización, donde su solución óptima
nos proporciona la solución para el de minimización. Ahora ilustraremos el siguiente
ejemplo:

P á g i n a 21 | 24
Ejemplo 2
La compañía Propapel S. A. produce papel bond para oficina de diferente tamaño, carta
y oficio. Para elaborarlos se utilizan dos máquinas de impresión que le dan el color,
máquinas I y II. En la máquina I se requieren 2 horas para para la elaboración de una
tonelada de papel tamaño carta y 2 horas para el papel tamaño oficio; en la máquina II se
requieren 2 horas para la elaboración de una tonelada de papel tamaño carta, y 6 horas
para una tonelada de papel tamaño oficio. La máquina I, para efectos de costo, puede
trabajar máximo 8 horas, mientras que la máquina II debe trabajar por lo menos 12 horas.

Cuántas toneladas diarias de papel de tamaño carta y oficio deben producirse con el fin
de minimizar el costo, si el costo por unidad de cada tonelada de papel es de 1.5 y 2
dólares para carta y oficio respectivamente.
Solución. Definamos primero las variables de decisión.

Sea x1 número de toneladas de papel tamaño carta y x2 número de toneladas de papel

tamaño oficio.

Planteamiento del modelo

3
Minimizar: 𝑍 = 2 𝑥, +2𝑥2
Sujeto a : 2𝑥1 + 2𝑥2 ≤ 8 Tiempo disponible máquina I
2x1 + 6x2 ≥ 12 Tiempo mínimo máquina II
x1 , x2 ≥ 0
Multiplicamos la función objetivo por (-1) para convertir el problema de minimización
en un problema de maximización equivalente. Luego el modelo modificado nos queda
así:
3
Maximizar : 𝑤 = − 2 𝑥1 − 2𝑥2
Sujeto a : : 2𝑥1 + 2𝑥2 ≤ 8 Tiempo disponible máquina I
2x1 + 6x2 ≥ 12 Tiempo mínimo máquina II
x1 , x2 ≥ 0
Ahora la forma tabular del problema es:
3
Maximizar : 𝑤 = − 2 𝑥1 − 2𝑥2 + 0ℎ1 + 0ℎ2 − 𝑀𝑎2
Sujeto a:
2𝑥1 + 2𝑥2 + ℎ1 =8
2𝑥1 + 6𝑥2 − ℎ2 + 𝑎2 = 12
𝑥1 , 𝑥2 , ℎ1 , ℎ2 , 𝑎2 ≥ 0
Tabla inicial simplex

𝑥1 𝑥2 ℎ1 ℎ2 𝑎2
3
− −2 0 0
Base 𝑐𝑗 2 𝑏𝑗 𝑏𝑖 ⁄𝑎𝑖2
−𝑀

P á g i n a 22 | 24
 2 2 1 0 8
ℎ1 0 0 8
=4
2
12 12
𝑎2 -M 2 6 0 -1 =2
6
1
-2M -6M 0 M -12M
𝑧𝑗 -M
3
𝑐𝑗 − 𝑧𝑗 − + 2𝑀 − 2 + 6𝑀 0
2
−𝑀 0
12
La expresión -2 + 6 M produce mayor valor para la función objetivo y el valor = 2 es
6
el menor cociente en la columna 𝑏𝑖 ⁄𝑎𝑖2 , luego el pivote para a primera iteración es 6,
entonces 𝑥2 se convierte en variable básica, mientras que 𝑎2 es variable no básica;
eliminando la columna de 𝑎2 obtenemos la siguiente tabla:

Tabla final

𝑥1 𝑥2 ℎ1 ℎ2
3 𝑏𝑖
−
Base 𝑐𝑗 2
−2 0 0
4 1 4
ℎ1 0 0 1
3 3 2

𝑎2 -M 1 1
1 0 −
3 6
2 1 -4
𝑧𝑗 − −2 0
3 3
𝑐𝑗 − 𝑧𝑗 5 1
− 0 0 −
6 3

Resultados del problema:

𝑥1 = 0
𝑥2 = 2
ℎ1 = 4
ℎ2 = 0
𝑊 = −4
Toma de decisión de la compañía
El costo mínimo es de 4 dólares, ya que se multiplica por (-1) la función objetivo, además
hay que producir solo 2 toneladas diarias de papel tamaño oficio y suspender la
producción de papel de tamaño carta, utilizando solo 4 horas en la máquina I y 12 horas
en la máquina II.

P á g i n a 23 | 24
CONCLUSIONES

 Este método busca la solución, en cada paso, de forma mejorada hasta que no
pueda seguir mejorando dicha solución.

 El método algebraico (SIMPLEX) resuelve problemas no determinados y con un

uso mas practico en la economía y administración ya que se requiere máxima
ganancias, minimizar horas de trabajo, producción, mantenimiento,
requerimientos, costos, etc.

REFERENCIAS BIBLIOGRÁFICAS

Diaz. (2005). “PROGRAMACIÓN LINEAL COMO HERRAMIENTA PARA TOMA DE

DECISIONES FINANCIERAS”. Recuperado el 14 de marzo de 2019.
file:///C:/Users/Downloads/Dialnet-
ProgramacionLinealComoHerramientaParaTomaDeDecisio-5137584.pdf
MÉTODO SIMPLEX. Recuperado el 14 de marzo de 2019.
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/
Pastran. (2014). “Importancia del método simplex”. Recuperado el 15 de marzo de 2019.
http://ferpasver.blogspot.com/2014/03/uso-e-importancia-del-metodo-simplex-en.html
Soler, F., Molina, F., Rojas, L. “Algebra lineal y programación lineal: con aplicaciones
a ciencias administrativas, contables y financieras”. ECOE ediciones.

P á g i n a 24 | 24