Profesor:

• Fernando Ayala
• Alexis Gómez

Ayudantes:
• Constanza Bermúdez
• Valeria Fernández
• Carlos Olivos
• Carlos Velásquez

1
Variable de holgura
Una variable de holgura es una variable no negativa que permite que una
desigualdad del tipo ≤ se convierta en una igualdad

Sea la restricción 5𝑋1 + 9𝑋2 ≤ 300 que tiene un límite de 300 unidades de un
recurso como máximo.

Se agrega la variable 𝑆1 de manera que la restricción se convierte en la

igualdad 5𝑋1 + 9𝑋2 + 𝑆1 = 300

𝑆1 representa el número de unidades no utilizadas de este recurso. La

expresión 5𝑋1 + 9𝑋2 representa el número de unidades utilizadas del mismo
recurso
2
Variable de excedente
• Una variable de excedente es una variable no negativa que permite que una
desigualdad del tipo ≥ se convierta en una igualdad

• Sea la restricción 5𝑋1 + 9𝑋2 ≥ 300 que tiene un límite mínimo de 300
unidades de un recurso

• Se sustrae la variable 𝑆2 de manera que la restricción se convierte en la

igualdad 5𝑋1 + 9𝑋2 − 𝑆2 = 300

• 𝑆1 representa el número de unidades en exceso de este recurso. La

expresión 5𝑋1 + 9𝑋2 representa el número de unidades producidas del
mismo recurso
3
 Forma estándar de un modelo de programación lineal

• Todas las variables son definidas como no negativas

• Todas las restricciones se presentan en forma de igualdad

• El lado derecho de las restricciones debe ser positivo

Nota 1: Las variables de holgura o excedente negativas indican un punto fuera

de la región de soluciones factibles

Nota 2: El método simplex sólo se puede aplicar a la forma estándar de un

modelo de programación lineal
4
4.- Representación Estándar de un PPL
Ejercicios Estandarización
Ejercicio n° 1 Max z  x1  2 x2  3 x3 Ejercicio n° 2 Max z  3 x1  4 x2  2 x3  5 x4
s.a x1  x2  x3  7 s.a 4 x1  x2  2 x3  x4  2
x1  x2  x3  2 x1  x2  3 x3  x4  14
3 x1  x2  2 x3  5  2 x1  3 x2  x3  2 x4  2
x1 , x2  0, x3 NR x1 , x2  0, x3  0, x4 NR
Ejercicio n° 3 Max z  x1  2 x2  3Minx2 , x3 
s.a x1  x2  x3  7
x1  x2  x3  2
3 x1  x2  2 x3  5
x1 , x2  0, x3 NR

5
4.- Representación Estándar de un PPL
Ejercicios Estandarización
Solución Ejercicio n° 1
𝑋3 = 𝑋3 + − 𝑋3 −
𝑀𝑎𝑥 𝑍 = 𝑋1 − 2𝑋2 + 3(𝑋3 + − 𝑋3 − )
S.a:
𝑋1 + 𝑋2 + 𝑋3 + − 𝑋3 − + 𝑆1 = 7
𝑋1 − 𝑋2 + 𝑋3 + − 𝑋3 − − 𝑆2 = 2
−3𝑋1 + 𝑋2 + 2(𝑋3 + − 𝑋3 − ) = 5
𝑋1 , 𝑋2 , 𝑋3 + , 𝑋3 − , 𝑆1 , 𝑆2 ≥ 0
Ejercicio n° 2
𝑋4 = 𝑋4 + − 𝑋4 −
𝑋3 = −𝑋3 −
𝑀𝑎𝑥 𝑍 = −3𝑋1 + 4𝑋2 + 2𝑋3 − + 5(𝑋4 + − 𝑋4 − )
S.a:
−4𝑋1 + 𝑋2 + 2𝑋3 − + 𝑋4 + − 𝑋4 − = 2
𝑋1 − 𝑋2 − 3𝑋3 − −𝑋4 + + 𝑋4 − + 𝑆2 = 14
−2𝑋1 + 3𝑋2 + 𝑋3 − +2(𝑋4 + − 𝑋4 − ) − 𝑆3 = 2
𝑋1 , 𝑋2 , 𝑋3 − , 𝑋4 + , 𝑋4 − , 𝑆2 , 𝑆3 ≥ 0
6
4.- Representación Estándar de un PPL
Ejercicios Estandarización
Solución Ejercicio n° 3
𝑋3 = 𝑋3 + − 𝑋3 −

𝑌 = 𝑚𝑖𝑛 𝑋2 , 𝑋3 𝑌 = 𝑚𝑎𝑥 𝑋2 , 𝑋3
S.a S.a
𝑌 ≤ 𝑋2 𝑌 ≥ 𝑋2
𝑌 ≤ 𝑋3 𝑌 ≤ 𝑋3 + − 𝑋3 − 𝑌 ≥ 𝑋3

𝑀𝑎𝑥 𝑍 = 𝑋1 − 2𝑋2 + 3𝑌
S.a:
𝑋1 + 𝑋2 + 𝑋3 + − 𝑋3 − + 𝑆1 = 7
𝑋1 − 𝑋2 + 𝑋3 + − 𝑋3 − − 𝑆2 = 2
−3𝑋1 + 𝑋2 + 2(𝑋3 + − 𝑋3 − ) = 5
𝑌 − 𝑋2 + 𝑆4 = 0
𝑌 − 𝑋3 + + 𝑋3 − + 𝑆5 = 0

𝑋1 , 𝑋2 , 𝑋3 + , 𝑋3 − , 𝑌, 𝑆1 , 𝑆2 , 𝑆3 , 𝑆4 , 𝑆5 ≥ 0

7
Considerar el siguiente modelo de programación lineal

𝑀𝑎𝑥 𝑍 = 300𝑋1 + 200𝑋2 𝑀𝑎𝑥 𝑍 = 300𝑋1 + 200𝑋2

s.a: s.a:
2𝑋1 + 3𝑋2 ≤ 30 2𝑋1 + 3𝑋2 + 𝑆1 = 30
𝑋1 ≤ 6 𝑋1 + 𝑆2 = 6
2𝑋1 − 𝑋2 ≤ 8 2𝑋1 − 𝑋2 + 𝑆3 = 8
𝑋1 , 𝑋2 ≥ 0 𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0

8
 Puntos extremos del polígono

𝑋2
13 Despejando de las restricciones
12 𝑆1 = 30 − 2𝑋1 − 3𝑋2
11
2𝑋1 + 3𝑋2 ≤ 30
𝑋1 ≤ 6 𝑆2 = 6 − 𝑋1
10

9
𝑆3 = 8 − 2𝑋1 + 𝑋2
2𝑋1 − 𝑋2 ≤ 8
8 𝑍 = 300𝑋1 + 200𝑋2
7

6
En P1, 𝑋1 = 0 y 𝑋2 = 0
5

3
Por lo tanto, 𝑆1 = 30; 𝑆2 = 6; 𝑆3 = 8 y Z = 0
2

1
P1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1
9
 Puntos extremos del polígono

𝑋2
13 Despejando de las restricciones
12 𝑆1 = 30 − 2𝑋1 − 3𝑋2
11
2𝑋1 + 3𝑋2 ≤ 30
𝑋1 ≤ 6 𝑆2 = 6 − 𝑋1
10

9
𝑆3 = 8 − 2𝑋1 + 𝑋2
2𝑋1 − 𝑋2 ≤ 8
8 𝑍 = 300𝑋1 + 200𝑋2
7

6
En P2, 𝑋1 = 4 y 𝑋2 = 0
5

3
Por lo tanto, 𝑆1 = 22; 𝑆2 = 2; 𝑆3 = 0 y Z =
2 1200
1
P2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1
10
 Puntos extremos del polígono

𝑋2
13 Despejando de las restricciones
12 𝑆1 = 30 − 2𝑋1 − 3𝑋2
11
2𝑋1 + 3𝑋2 ≤ 30
𝑋1 ≤ 6 𝑆2 = 6 − 𝑋1
10

9
𝑆3 = 8 − 2𝑋1 + 𝑋2
2𝑋1 − 𝑋2 ≤ 8
8 𝑍 = 300𝑋1 + 200𝑋2
7

6
En P3, 𝑋1 = 6 y 𝑋2 = 0
5

3
Por lo tanto, 𝑆1 = 18; 𝑆2 = 0; 𝑆3 = −4 y Z =
2 1800
1
P3 Una de las variables es negativa

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1
11
Solución básica

• Cada punto extremo del polígono en el ejemplo tiene dos características:

– Al menos dos variables son 0
– Todas las variables son no negativas
• Una solución que posee la primera característica es una solución básica
• Una solución que posee la segunda característica es una solución factible

• Una solución que posee ambas características es una solución básica

factible

12
 Soluciones básicas y factibles

𝑋2
13 Los puntos P1, P2, P5, P7 y P8 son soluciones
12 básicas factibles
11 𝑋1 ≤ 6
2𝑋1 + 3𝑋2 ≤ 30
10
Los puntos P3, P4 y P6 son soluciones básicas
9
2𝑋1 − 𝑋2 ≤ 8 no factibles
8 P8
7
P7
6
P6
5

3
P5
2

1
P4
P1 P2 P3
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1
13
Solución Básica Factible

Un programa lineal en forma estándar en el que:

 se tienen m restricciones
 se tienen n variables, incluyendo las variables de holgura y excedente

 Se conoce como solución básica factible si se cumple:

1. Al menos n-m variables son 0

2. Todas las variables son no negativas

El número máximo de soluciones básicas (factibles o no) se calcula utilizando la expresión

n n!
  
 m  (n  m)!m!
14
Variables básicas y no básicas
Cada punto extremo (factible o no) tiene una combinación de variables básicas y no básicas.

Las variables no básicas tienen un valor de 0

Las variables básicas se identifican en las restricciones porque tienen coeficiente 1 en una
ecuación y 0 en las otras.

En el punto P1, las variables básicas son 𝑆1 = 30; 𝑆2 =

6; 𝑆3 = 8 . Tienen coeficiente 1 en una sola restricción
2𝑋1 + 3𝑋2 + 𝑆1 = 30
𝑋1 + 𝑆2 = 6 Las variables no básicas son 𝑋1 = 0 y 𝑋2 = 0
2𝑋1 − 𝑋2 + 𝑆3 = 8
El número de restricciones indica el número de variables
básicas.

16
 Variables básicas y no básicas
En el punto P2, las variables básicas son 𝑋1 = 4; 𝑆1 =
2𝑋1 + 3𝑋2 + 𝑆1 = 30 22; 𝑆2 = 2 . Tienen coeficiente 1 en una sola restricción
𝑋1 + 𝑆2 = 6
Las variables no básicas son 𝑆3 = 0 y 𝑋2 = 0
2𝑋1 − 𝑋2 + 𝑆3 = 8

Para expresar las variables básicas en el sistema de

ecuaciones, se crea un sistema equivalente

Sistema equivalente
4𝑋2 + 𝑆1 − 𝑆3 = 22
1 1
𝑋2 + 𝑆2 − 𝑆3 = 2
2 2
1 1
𝑋1 − 𝑋2 + 𝑆3 = 4
2 2
17
 Algoritmo Simplex

 Paso 1. Comenzar con una S. B. F.

inicial
Solución BFI
 Paso 2.¿Optimalidad?
 Paso 3. Seleccionar VNB que ingresa si
ÓPTIMA FIN
a la base
 Paso 4. Determinar VB. Que no

abandona la base Aplicar regla razón Variable entrante

mínima. ∅
 Paso 5. Generar nuevo sistema. Y Variable que sale FIN
volver a Paso 2.
Pivote

18
Método Simplex Tabular
Variables básicas Coeficientes en la función objetivo

Cj 300 200 0 0 0
CB Base X1 X2 S1 S2 S3 LD
0 S1 2 3 1 0 0 30
Coeficiente de 0 S2 1 0 0 1 0 6
las variables 0 S3 2 -1 0 0 1 8
básicas
Zj 0 0 0 0 0 0
Cj-Zj 300 200 0 0 0
𝑀𝑎𝑥 𝑍 = 300𝑋1 + 200𝑋2
s.a:
2𝑋1 + 3𝑋2 + 𝑆1 = 30 Lado derecho de
Coeficientes en las
las restricciones
𝑋1 + 𝑆2 = 6 restricciones

2𝑋1 − 𝑋2 + 𝑆3 = 8 Valor de la Función Objetivo

𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0
Costos reducidos
19
 ¿Es la solución óptima?
 Es un problema de maximizar
Cj 300 200 0 0 0  Existen costos reducidos positivos,
lo que indica que el valor de la FO se
CB Base X1 X2 S1 S2 S3 LD
puede mejorar
0 S1 2 3 1 0 0 30
 El beneficio marginal se calcula
0 S2 1 0 0 1 0 6
como:
0 S3 2 -1 0 0 1 8
Zj 0 0 0 0 0 0
Cj-Zj 300 200 0 0 0
𝑍 = 300𝑋1 + 200𝑋2 + 0

Costos Reducidos. Indican la

ganancia o pérdida en la Función
Objetivo debido a la introducción de
una variable
Costo de hacer entrar una variable en el
conjunto de variables básicas (base)
Producto escalar de CB por la columna de Xj
20
𝑋2
13 Esta solución representa al
12 punto P1 del gráfico
11 𝑋1 ≤ 6
2𝑋1 + 3𝑋2 ≤ 30
10

9
2𝑋1 − 𝑋2 ≤ 8 𝑋1 = 0 𝑋2 =
8
0
7

6
𝑆1 = 30; 𝑆2 =
5
6; 𝑆3 = 8 y
4 Z=0
3

1
P1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1

21
La solución no es óptima. Se escoge la variable de entrada
y de salida
• La variable de entrada debe aportar el mayor beneficio marginal (Costo
reducido mayor), en este caso es 𝑋1 con un aporte de 300.

• La variable de salida se escoge de manera que la solución permanezca

factible. Las opciones son 𝑆1 , 𝑆2 o 𝑆3

Si 𝑆1 = 0 sale de la base Si 𝑆2 = 0 sale de la base Si 𝑆3 = 0 sale de la base

2𝑋1 + 3𝑋2 + 𝑆1 = 30 𝑋1 + 𝑆2 = 6 2𝑋1 − 𝑋2 + 𝑆3 = 8
30 − 𝑆1 − 3𝑋2 8 − 𝑆3 + 𝑋2
𝑋1 = 𝑋1 = 6 − 𝑆2 𝑋1 =
2 2
30 8
𝑋1 = = 15 𝑋1 = 6 𝑋1 = = 4
2 2

La variable de salida es 𝑆3 que tiene la razón más pequeña no negativa

22
 Punto pivote

Cj 300 200 0 0 0 • La razón mínima se obtiene

CB Base X1 X2 S1 S2 S3 LD Razón dividiendo el lado derecho por
0 S1 2 3 1 0 0 30 15
la columna de la variable
0 S2 1 0 0 1 0 6 6
entrante
0 S3 2 -1 0 0 1 8 4 • El pivote se encuentra en la
Zj 0 0 0 0 0 0 intersección de la variable
Cj-Zj 300 200 0 0 0 entrante y la variable de salida

Pivote:
Es el coeficiente de la variable
entrante que quedará como 1

23
 Primera iteración

Cj 300 200 0 0 0 • El pivote queda como 1

CB Base X1 X2 S1 S2 S3 LD Razón • Los elementos de la misma
0 S1 0 4 1 0 -1 22 columna que no son pivote
0 S2 0 1/2 0 1 -1/2 2 quedan como 0
300 X1 1 -1/2 0 0 1/2 4 • Cambian los costos reducidos
Zj 300 -150 0 0 150 1200
• Cambia el valor de la Función
Cj-Zj 0 350 0 0 -150
Objetivo

• La solución no es óptima ya que el costo reducido de

X2 es positivo, por lo que el beneficio marginal es de:
𝑍 = 350𝑋2 − 150𝑆3 + 1200

24
 Esta solución representa al
𝑋2 punto P2 del gráfico
13

12

11 𝑋1 ≤ 6
2𝑋1 + 3𝑋2 ≤ 30 𝑋1 = 4 𝑋2 =
10
0
9
2𝑋1 − 𝑋2 ≤ 8
8
𝑆1 = 22 𝑆2 =
7 2
6 𝑆3 = 0
5 Z = 1200
4

1
P2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1
25
 Variable de entrada y salida

• Se determinó que la variable de entrada es X2

• La variable de salida se determina con las razones

Cj 300 200 0 0 0

CB Base X1 X2 S1 S2 S3 LD Razón

0 S1 0 4 1 0 -1 22 22/4

0 S2 0 1/2 0 1 -1/2 2 4

300 X1 1 -1/2 0 0 1/2 4 -----

Zj 300 -150 0 0 150 1200

Cj-Zj 0 350 0 0 -150

26
 Segunda iteración

Cj 300 200 0 0 0 • Entra la variable X2, Sale la

CB Base X1 X2 S1 S2 S3 LD Razón variable S2
0 S1 0 0 1 -8 3 6 • La solución no es óptima ya
200 X2 0 1 0 2 -1 4 que el costo reducido de S3 es
300 X1 1 0 0 1 0 6 positivo, por lo que el
Zj 300 200 0 700 -200 2600 beneficio marginal es de
Cj-Zj 0 0 0 -700 200

𝑍 = −700𝑆2 + 200𝑆3 + 2600

27
𝑋2
13

12

11 𝑋1 ≤ 6
2𝑋1 + 3𝑋2 ≤ 30
10

9
2𝑋1 − 𝑋2 ≤ 8
8

3 P5
2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1

28
Variable de entrada y salida

• La variable de entrada es S3
• La variable de salida se obtiene con las razones

Cj 300 200 0 0 0

CB Base X1 X2 S1 S2 S3 LD Razón

0 S1 0 0 1 -8 3 6 2

200 X2 0 1 0 2 -1 4 -----

300 X1 1 0 0 1 0 6 -----
Zj 300 200 0 700 -200 2600

Cj-Zj 0 0 0 -700 200

29
 Tercera iteración

• La solución es óptima
Cj 300 200 0 0 0 • Todos los costos reducidos son
CB Base X1 X2 S1 S2 S3 LD Razón negativos o cero
0 S3 0 0 1/3 -8/3 1 2 La solución es
200 X2 0 1 1/3 -2/3 0 6
𝑋1 = 6
300 X1 1 0 0 1 0 6
Zj 300 200 200/3 500/3 0 3000
𝑋2 = 6
Cj-Zj 0 0 -200/3 -500/3 0 𝑆3 = 2
𝑆1 = 𝑆3 = 0
Z = 3000

30
𝑋2
13

12

11 𝑋1 ≤ 6
2𝑋1 + 3𝑋2 ≤ 30
10

9
2𝑋1 − 𝑋2 ≤ 8
8

7
P7
6

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
𝑋1

31
 Casos especiales: Soluciones múltiples
Max z  x1  2 x2  3 x3
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑆3
s.a : 𝑎 1 2 3 0 0 0 LD razón
0 𝑆1 1 2 3 1 0 0 10 10
x1  2 x2  3 x3  10 0 𝑆2 1 1 0 0 1 0 10
3

0 𝑆3 1 0 0 0 0 1 1
x1  x2  10 𝑍 0 0 0 0 0 0 0
−𝑍 1 2 3 0 0 0
x1 1 Iteración 1
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑆3
x1 , x2 , x3  0
LD razón
3 𝑋3 1 2 1 1 0 0 10 10
3 3 3 3
0 𝑆2 1 1 0 0 1 0 10 10
0 𝑆3 1 0 0 0 0 1 1 1
𝑍 1 2 3 1 0 0 10
−𝑍 0 0 0 -1 0 0
Max z  x1  2 x2  3 x3 Iteración 2
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑆3 LD razón
s.a x1  2 x2  3 x3  S1  10 3 𝑋3 0 2 1 1 0 −1
3 3
3 3
𝑆2
x1  x2  S 2  10 0
1 𝑋1
0
1
1
0
0
0
0
0
1
0
-1
1
9
1
x1  S 3  1 𝑍
−𝑍
1 2 3 1 0 0 10
0 0 0 -1 0 0
x1 ; x2 ; x3 ; S1 ; S 2 ; S 3  0
32
 Casos especiales: Solución Degenerada
Max z  3 x1  2 x2
s.a :
4 x1  3 x2  12
4 x1  x2  8
4 x1  x2  8
x1 , x2  0

33
 Casos especiales: Solución Degenerada
Max z  3 x1  2 x2 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
𝑎 3 2 0 0 0 LD Razón
s.a : 𝑆1
0 4 3 1 0 0 12 3
4 x1  3 x2  12 0 𝑆2 4 1 0 1 0 8 2
0 𝑆3 4 -1 0 0 1 8 2
4 x1  x2  8 𝑍 0 0 0 0 0 0
−𝑍 3 2 0 0 0
4 x1  x2  8 Iteración 1
𝑋2 𝑆1 𝑆2 𝑆3
x1 , x2  0 𝑆1
𝑋1 LD Razón
0 0 2 1 -1 0 4 2
3 𝑋1 1 1 0 1 0 2 8
4 4
Max z  3 x1  2 x2 0 𝑆3 0 -2 0 -1 1 0
𝑍 3 3 0 3 0 6
4 4
s.a 4 x1  3 x2  S1  12 −𝑍 0 5
4
0 −3
4 0
Iteración 2
4 x1  x2  S 2  8 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 LD Razón
𝑋2 1 −1
4 x1  x2  S3  8 2
3 𝑋1
0
1
1 2
0 −1 8 3 8
2 0
0 5
2
2
x1 ; x2 ; S1 ; S 2 ; S3  0 0 𝑆3
𝑍
0 0
3
1 -2
1
1 4
23
3 2 8 8 0 2
−𝑍 0 0 −5 −1 0
8 8 34
 Casos especiales: Solución Degenerada
Max z  3 x1  2 x2 Max z  2 x1  x2
s.a :
NUEVA FUNCIÓN OBJETIVO
4 x1  3 x2  12 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3
𝑎 2 -1 0 0 0 LD Razón
4 x1  x2  8 0 𝑆1 4 3 1 0 0 12 3
0 𝑆2 4 1 0 1 0 8 2
4 x1  x2  8 0 𝑆3 4 -1 0 0 1 8 2
𝑍
x1 , x2  0 −𝑍
0 0 0 0 0 0
2 -1 0 0 0

Max z  3 x1  2 x2 𝑋1 𝑋2 𝑆1 𝑆2 𝑆3 LD Razón
0 𝑆1 0 2 1 -1 0 4
s.a 4 x1  3 x2  S1  12 2 𝑋1 1 1
4
0 1
4 0 2
0 𝑆3 0 -2 0 -1 1 0
4 x1  x2  S 2  8 𝑍 2 1 0 1 0 4
2 2
−𝑍 −3 −1
4 x1  x2  S3  8 0 2 0 2 0

x1 ; x2 ; S1 ; S 2 ; S3  0
35
 Casos especiales: Región no Acotada
Max z  20 x1  10 x2  x3
s.a :
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑆3
3 x1  3 x2  5 x3  50 𝑎 20 10 1 0 0 0 LD Razón
0 𝑆1 3 -3 5 1 0 0 50 50
x1  x3  10 0 𝑆2 1 0 1 0 1 0 10 10
3

𝑆3
x1  x2  4 x3  20 0
𝑍
1
0
-1
0
4
0
0
0
0
0
1
0
20
0
20

x1 , x2 , x3  0 −𝑍 20 10 1 0 0 0
Iteración 1
𝑎 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 𝑆3 LD Razón
Max z  20 x1  10 x2  x3 0 𝑆1 0 -3 2 1 -3 0 20
20 𝑋1 1 0 1 0 1 0 10
s.a 3 x1  3 x2  5 x3  S1  50 0 𝑆3 0 -1 3 0 -1 1 10
𝑍 20 0 20 0 20 0 200
x1  x3  S 2  10 −𝑍 0 10 -19 0 -20 0

x1  x2  4 x3  S3  20
x1 ; x2 ; x3 ; S1 ; S 2 ; S 3  0
36
 Uso de variables artificiales
Min z  4 x1  x2 Min z  4 x1  x2 Min w  4 x1  x2  MA1  MA2
s.a : s.a : s.a :
3 x1  x2  3 3 x1  x2  3 3 x1  x2  A1  3
4 x1  3 x2  6 4 x1  3 x2  S 2  6 4 x1  3 x2  S 2  A2  6
x1  2 x2  4 x1  2 x2  S3  4 x1  2 x2  S3  4
x1 , x2  0 x1 , x2 , S 2 , S3  0 x1 , x2 , S 2 , S3  0

37
Uso de variables 𝑎
𝑋1
4
𝑋2
1
𝑆2
0
𝑆3
0
1
M
2
M LD Razón

artificiales: Método 0
0
1
2
3
4
1
3
0
-1
0
0
1
0
0
1
3
6 3
1
2
0 𝑆3 1 2 0 1 0 0 4 4
M grande 𝑍
−𝑍
7M 4M (-M) 0 M M 9M
Min z  4 x1  x2 Iteración 1
4-7M 1-4M M 0 0 0

𝑎 𝑋1 𝑋2 𝑆2 𝑆3 2 LD Razón
s.a : 4 𝑋1 1 1 0 0 1
1
0 1 3
3 3
3 x1  x2  3 M
0 𝑆3
2 0
0
5
5
3
-1
0
0
1
−4
−1
3 1
0
2
3 9
6
5
3 3 5
5𝑀 1 − 4𝑀
4 x1  3 x2  6 𝑍
−𝑍
4
0
4
3+
−1 − 5𝑀
3 (-M)
M
0
0
3
−1 + 7𝑀
3 M
0
4+2M
3 3 3 3
x1  2 x2  4 Iteración 2 Salida de variables artificiales
𝑎 𝑋1 𝑋2 𝑆2 𝑆3 1 2 LD Razón
x1 , x2  0 𝑋1 1 2 −1 3
4 1 0 5 0 5 5 5 3
𝑋2 −3 −4 3 6
1 0 1 5 0 5 5 5
0 𝑆3 0 0 1 1 1 -1 1 1
Min w  4 x1  x2  MA1  MA2 𝑍 4 1 1
5 0 4
5
−1
5
18
5
−1 𝑀+1
−𝑍 0 0 5 0 𝑀−4 5
5
s.a : Iteración 3
𝑎 𝑋1 𝑋2 𝑆2 𝑆3 LD Razón
3 x1  x2  A1  3
1 2
𝑋1 −1 1 2
0 1 0 0 5 5 0 5
3 −1 9
𝑋2
4 x1  3 x2  S 2  A2  6
20 0 1 0 5 5 0 5
0 𝑆2 0 0 1 1 1 -1 1
𝑍 −1 3 17
x1  2 x2  S3  4 −𝑍
4
0
1
0
0
0 1
5
5 𝑀+3
5
M
0 5
5
x1 , x2 , S 2 , S3  0 38
 Uso de variables artificiales: Método de 2 Fases
Min z  3 x1  x2  x3 Fase I Min w  A2  A3
s.a : 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 2 3
𝑎
x1  2 x2  x3  11 0 𝑆1
0
1
0
-2
0
1
0
1
0
0
1
0
1
0
LD
11
Razón
11
 4 x1  x2  2 x3  3 1 2 -4 1 2 0 -1 1 0 3 1,5
1 3 -2 0 1 0 0 0 1 1 1
2 x1  x3  1 𝑍 -6 1 3 0 -1 1 1 4
−𝑍 6 -1 -3 0 1 0 0
x1 , x2 , x3  0 Iteración 1
𝑎 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 2 3 LD Razón
0 𝑆1 3 -2 0 1 0 0 -1 10
Min z  3 x1  x2  x3 1 2 0 1 0 0 -1 1 -2 1 1
0 𝑋3 -2 0 1 0 0 0 1 1
s.a : 𝑍 0 1 0 0 -1 1 -2 1
−𝑍
x1  2 x2  x3  S1  11 0 -1 0 0 1 0 3
Iteración 2
 4 x1  x2  x3  S 2  A2  3 𝑎 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 2 3 LD Razón
𝑆1
 2 x1  x3  A3  1 0
𝑋2
3 0 0 1 -2 2 -5 12
0 0 1 0 0 -1 1 -2 1
x1 , x2 , S1 , S 2  0 0 𝑋3 -2 0 1 0 0 0 1 1
𝑍 0 0 0 0 0 0 0 0
−𝑍 0 0 0 0 0 1 1
39
 Uso de variables artificiales: Método de 2 Fases
Min z  3x1  x2  x3 Fase II Min z  3 x1  x2  x3
s.a :
x1  2 x2  x3  11 Ajuste del tableau con la nueva función objetivo
𝑋1 𝑋2 𝑋3 𝑆1 𝑆2
 4 x1  x2  2 x3  3 𝑎 -3 1 1 0 0 LD Razón
0 𝑆1 3 0 0 1 -2 12 4
2 x1  x3  1 1 𝑋2 0 1 0 0 -1 1
1 𝑋3 -2 0 1 0 0 1
x1 , x2 , x3  0 𝑍 -2 1 1 0 -1 2
−𝑍 -1 0 0 0 1

Min z  3 x1  x2  x3 Iteración 1
𝑎 𝑋1 𝑋2 𝑋3 𝑆1 𝑆2 LD Razón
s.a :
-3 𝑋1 1 0 0 1
3 −2 3 4
x1  2 x2  x3  S1  11 1 𝑋2 0 1 0 0 -1 1
2
1 𝑋3 0 0 1 −4 3 9
 4 x1  x2  x3  S 2  A2  3 𝑍 -3 1 1
3
−1 3 −1 3 -2
1
 2 x1  x3  A3  4 −𝑍 0 0 0 1
3 3

x1 , x2 , S1 , S 2  0

40
 Uso de variables artificiales: Solución no factible
Fase I Min w  A1
Max z  3 x1  2 x2
𝑋1 𝑋2 𝑆1 𝑆2 1
s.a : 𝑎 0 0 0 0 1 LD razón
2 x1  x2  2 0 𝑆1 2 1 1 0 0 2 2
1 1 3 4 0 -1 1 12 3
3 x1  4 x2  12 𝑍 3 4 0 -1 1 12
−𝑍 -3 -4 0 1 0
x1 , x2  0 Iteración 1
𝑎 𝑋1 𝑋2 𝑆1 𝑆2 1
0 𝑋2 2 1 1 0 0 2
Max z  3 x1  2 x2 1 1 -5 0 -4 -1 1 4
𝑍 -5 0 -4 -1 1 4
s.a : −𝑍 5 0 4 1 0

2 x1  x2  S1  2 La tabla es óptima y una variable artificial es básica

3 x1  4 x2  S 2  A1  12
x1 , x2 , S1 , S 2  0

41
 Método Simplex Matricial
Maxz  5 x1  2 x2  3 x3  x4  x5 𝑋1 𝑋2 𝑋3 𝑋4 𝑋5
𝑎 5 2 3 -1 1
s.a : -1 𝑋4 1 2 2 1 0 8 8
1 𝑋5 3 4 1 0 1 7 7
x1  2 x2  2 x3  x4  8 𝑍 2 2 -1 -1 1 -1
3

−𝑍 3 0 2 0 0
3 x1  4 x2  x3  x5  7
-1 𝑋4 0 2 5 1 −1 17 17 3
x1 , x2 , x3 , x4 , x5  0 5 𝑋1 1 4
3
3
1
3
3
0 1
3
3
7
3
3
7
5 5

𝑍 5 6 0 -1 2 6
−𝑍 0 -4 3 0 -1
𝑋2
𝑋 2 3 −1 17 −1
𝑋 = 3 𝑋𝑁 = 𝑋4 0 𝑋3 0
5
1
5 5 5 3
𝑋1 0 𝑋1 1 18 0 −1 2
5
18
𝑋5 𝑍 5 36
5
3 4
5
7 81
15
5 5 5 5
−𝑍 0 −26 0 −9 −2
5 5 5
= 5 3 𝑁 = 2 −1 1

2 1 2 1 0
A= 𝑁 B= NB=
1 3 4 0 1
8
𝑏=
7 42
 Método Simplex Matricial
𝑋2 𝑀𝑎𝑥 𝑧 = 𝑋 + 𝑁 𝑋𝑁
𝑋
𝑋 = 3 𝑋𝑁 = 𝑋4 𝑋2
𝑋1 𝑋3
𝑋5 𝑀𝑎𝑥 𝑧 = 5 3 𝑋 + 2 −1 1 𝑋4
1
𝑋5
= 5 3 𝑁 = 2 −1 1
𝑋
2 1 𝑋3 2 1 0 𝑋2 8
2 1 2 1 0 + 4 =
A= 𝑁 B= NB= 1 3 𝑋1 4 0 1 𝑋 7
1 3 4 0 1 5

8
𝑏=
7
−1
[A= 𝑋 + 𝑁 𝑋𝑁 = b]
−1 𝑁 −1 𝑏
I𝑋 + 𝑋𝑁 =

43
 Método Simplex Matricial
2 11 0 1 1 1 0 1 0
2 −1 3 −1
B= 2 2 5 5 −1 = 5 5
1 30 1 0 5
2
−1 2
2 1 ( 5)
0 1 −1
5
2
5
(−1 2) −1 2
5 5

3 −1 2 3 −1
−1 5 5 2 1 0 5 5 5
NB= −1 2 = 6 −1 2
5 5 4 0 1 5 5 5
3 −1 17
−1 b= 5 5 8 5
−1 2 = 18
5 5 7 5

44