EL MÉTODO SIMPLEX

El Método Simplex es una técnica algebraica desarrollada por George Dantizing para
resolver un problema de programación lineal. El método es un algoritmo, o conjuntos de
operaciones matemáticas explícitas, efectuado de una manera iterativa hasta encontrar una
solución óptima. Aún cuando el método es lo suficientemente simple para permitir el
cómputo manual para los problemas más pequeños, la aplicación de la computadora para el
método simplex es sin lugar a dudas el planteamiento más fácil y más usado para la
solución de los problemas que implican muchas variables.
Preparación para la solución Simplex
La forma general del Modelo de PL que usaremos para la solución simplex para el Caso de
Maximización es:
Maximizar: Z = C1 X1 + C2 X2 +... + Cj Xj + + CnXn
Sujeto a:
a11X1 +a12X2 +....+ a1j Xj +.................+ a1nXn <= b1

a 21X 1 + a 22 X2 +....+ a2j Xj + ……..+ a 2n Xn <= b2

a i1X 1 + a i 2 X2 +....+ ai j Xj +.............+ ai n Xn <= bi

am1X 1 + a m2 X2 +....+ am j Xj +.... + a m n Xn <= bm

X i >=0, i = 1,2.............., n

Todas las restricciones tienen desigualdades tipo ( <= ) y todos los b i (i = 1,2,.................., n )
deben ser no negativos ( > 0 ). Los procedimientos diseñados para solucionar los
problemas de minimización, las desigualdades tipo >= y los b i <0 serán discutidos .luego.

El problema de las raquetas XYZ será usado como ejemplo para ilustrar el proceso de
preparación del problema y el método simplex
La compañía XYZ manufactura dos tipos de raquetas para tenis: Uno "Básico" (Peso
Ligero) usados en los juegos de Ligas Menores y el "Profesional" (Golpeador) que se
vende a los equipos de Ligas Mayores. La producción de una raqueta requiere una
operación de torno para darle su forma, un proceso de lija para suavizar la madera y para
los "profesionales" tan solo una mano de laqueado como tratamiento final. Una raqueta
para la Liga Menor requiere un minuto en un torno de alta velocidad en tanto que una
raqueta para Liga Mayor, toma dos minutos de tiempo de torneado, puesto que se le debe
dar la forma con tolerancias muy estrechas. Debido a la rápida dada de forma del básico,
se requiere tres minutos de máquina lijadora, en tanto que el profesional necesita sólo
dos minutos para ser lijado. El laqueado es hecho a mano y como resultado de esto
sólo pueden producirse 400 raquetas profesionales durante una semana. Para una semana
promedio de trabajo debe utilizarse 1000 minutos de tiempo de torno y 1800 minutos de
tiempo de lijado.
XYZ realiza una contribución neta a los gastos generales y utilidad de $3 por cada
raqueta básica y de $4 por cada profesional producida. Asumir que la compañía puede
vender tantas raquetas de cada tipo como las que pueden producir.

Solucion
 Maximizar: Z = 3 X 1 + 4 X2

Sujeto a:
X1 + 2X2 <= 1000
3X 1 +2X 2 <= 1800
X2 < = 400
Xi>=0, i = 1 , 2 , 3 , 4 , 5

Donde:
X1 = numero de raquetas básicos producidos por semana
X2 = numero de raquetas profesionales producidos por semana

X2 (cientos P)

D
3.X1 + 2 X2

G
X2 =400
B E
F(4,3)
.X1 + 2 X2

X1 (cientos B)
A
H I

Puesto que cada una de las restricciones son del tipo " menor o igual", (caso de holguras),
debemos sumar nuevas variables de holgura ó variables libres, para obtener:

Maximizar: Z = 3 X1 + 4 X2 + 0 S1 + 0 S2 + 0 S3
Sujeto a:
X1 + 2X2 + S1 = 1000
3X 1 +2X 2 + + S2 = 1800
X2 + + S3 = 400

Xi>=0, i = 1 , 2 Si >=0, i = 1,2,3

Como las variables libres S 1, S2y S3 representan tiempo de torno, de máquina de lijar y
capacidad de laqueo no usado; estas no contribuyen con nada a la función objetivo y son
agregadas a Z, multiplicadas por coeficientes cero. En algunos casos, un costo como multa
puede ser cargado por capacidad ociosa y un coeficiente negativo se asociaría con una o
más variables libres. Tales cargos no aparecen comúnmente en problemas del "mundo
verdadero".
Soluciones Factibles Básicas:

En términos de la forma general del problema de Programación Lineal, el Modelo Ampliado

con las variables de holgura o libres, puede ser expresada como:

Maximizar:

Z = C1 X1 + C2 X2 +.., + Cj Xj +....... + CnXn + 0 S1 + 0 S2 +....+0 Si + 0 Sm

Sujeto a:
a11X 1 + a12 X2 +....+ a1j xj +.................+ ainXn + S1 = b1

a 21X 1 + a 22 X2 +....+ a2j xj +..............+ a 2n Xn + + S2 = b2

a i1 X 1 + a i2 X 2 +....+a i j x j +..............+ ai n Xn+............................+ Si =bi

am1X 1 + a m2 X2+....+amjxj +....+ a mn Xn+......................................... + Sm =bm

X i >=0, i = 1,2,............., n Si >=0, i = 1,2, ,m

A un problema con n variables y m restricciones le hemos agregado m variables libres, una

variable libre por cada restricción. Hemos convertido al sistema de n variables en otro de
(n+m) variables y "m" restricciones, es decir m ecuaciones. Por consiguiente podemos
resolver para valores de m variables seleccionados en términos de los remanentes (n+m) - m
= n variables
En el ejemplo de Raquetas XYZ un primer paso sería hallar la primera solución factible:
(Primer Pívot) tomando las variables S1, S2 , S3 como variables básicas y resolver en términos
de las otras variables: X1 y X2 (no básicas), entonces:

S1 = 1000 - (X1 + 2X2 )

S2 = 1800 – ( 3X 1 +2X 2 )
S 3 = 400 - X2

Las no básicas: X1 , X2 = 0 , y la primera solución básica factible será:

S1 = 1000, S2 = 1800, S3 = 400, En la solución grafica esta solución corresponde al punto de
origen de coordenadas: (A) y con un valor de Z = 0

G
B
E
F

A
pppp H I
Segundo Pívot: Tomamos como variables básicas X2 , S1 y S2 , siendo entonces las variables no
básicas: X1 , S3 = 0 , entonces tendríamos en el sistema de ecuaciones:

2X2 + S1 = 1000 - X1
2X 2 + S2 = 1800 – 3X 1
X2 = 400 - S3

Por consiguiente, la segunda solución factible será:

X2 = 400 Para X1 , S3 = 0
S1 = 200
S2= 1000

Vemos que esta solución corresponde al punto B de la gráfica y corresponde a un Z= 4*400 =

1600, más favorable que la solución anterior.

Tercer Pívot: Escogemos como variables básicas: X2 , S2 y S3

Para X1 , S1 = 0 (variables no básicas)
Tendríamos nuestras ecuaciones expresadas como:

2X2 = 1000 - (X1+S1)

X 2 +S 2 =1800-3X 1
X2 + S3 = 400
La siguiente solución es entonces:
X2= 500
S2= 800 Para X1 , S1 = 0
S 3 = -100

Esta solución vemos en el gráfico que corresponde al punto C y con un valor de

Z= 4*500 = 2000 . Pero en esta solución S3 < 0, no cumple condición de Xi >=0 , i = 1,2,3
Es decir que esta solución es "básica pero no factible"

Una solución básica factible es una solución básica para la cual los valores de todas las variables
satisfacen las restricciones (incluido las condiciones de no negatividad) del Modelo Ampliado. En
consecuencia en el gráfico vemos que: "las soluciones C, D, G y I se puede comprobar que son
soluciones básicas pero no factibles" (alguna variable tendrá una solución negativa)

En el punto A (X1, X2 = 0) estamos por debajo de las tres líneas de restricción, por consiguiente las
tres variables libres son mayor que 0. Es una solución básica factible.

Si tomamos el pívot de solución: X1 , S1 , S3 para X2 , S2 = 0 , la solución es:

X1=600
S1=400 Para X 2 , S2 = 0
S3= 400
Observamos que es una solución factible.
Para un punto entre A y B, X2 asume valores >0, junto con todas las variables libres, no representa
una solución básica. Al alcanzar B, estamos sobre la línea que representa la 3° ecuación restricción:
X2 + S3 = 4, con un resultado S3 = 0. Allí hay sólo tres variables >0, por consiguiente el punto B es
una solución básica y factible.

En el segmento BC, la variable X1 une a X2 , S1 , S2 en valores>0. Será una solución factible pero no
básica, hasta que nos encontramos con la otra restricción (recta: X 1 + 2X2 + S1 =1000) en el punto
C. Aquí la variable libre S1 asociada con la restricción: X1+ 2X2 + S1 = 1000 se convierte en 0.
Procediendo de esta manera podemos identificar fácilmente las soluciones básicas factibles asociadas
con cada punto extremo de la región factible.

Tipo
Punto x1 x2 S1 S2 S3 Z
solucion

A 0 0 1000 1800 400 SF 0

C 0 500 0 800 -100 SNF 2000

D 0 900 -800 0 -500 SNF

B 0 400 200 1000 0 SF 1600

I 1000 0 0 -1200 400 SNF

H 600 0 400 0 400 SF 1800

NO
¿ 0 ¿ ¿ 0
EXISTE

F 400 300 0 0 100 SF 2400

E 200 400 0 400 0 SF 2200

G 333.33 400 -133.33 0 0 SNF

ALGORITMO DEL SIMPLEX

El procedimiento comienza con una solución básica factible inicia! ignorando completamente
todas las soluciones no factibles y procede a identificar sólo aquellas básicas factibles que
incrementan el valor de ia función objetivo hasta localizar una solución óptima.

I) Solución inicial.- Consideramos las ecuaciones de restricción del Modelo Ampliado:

X 1 + 2X 2 + S 1 = 1000 ....(1)
3X1 + 2X 2 + S2 =1800 ....(2)
X2 +S 3 = 400 .... (3)

El problema de hallar una solución básica inicial que sea también factible, en este caso, la
solución:
S 1 = 1000
S2 = 1800 Para X1, X2 = 0 .... Primer pívot. Esta solución corresponde al origen
S3 = 400 de coordenadas con un valor de Z=0

II) Segunda solución (2o Pívot).- La lógica del algoritmo simplex es de comenzar con una
solución básica factible y pasar secuencialmente a otra Solución Básica Factible (SBF)
adyacente que incremente el valor de Z.
El problema de pivotear en método simplex es el de seleccionar las variables por egresar y
hacer entrar en la base de una solución subsiguiente de manera tal que:
a) El valor de Z sea incrementada
b) Sea factible la nueva solución básica (2o Pívot)

Así en este caso tenemos, Z= 3 X 1 + 4 X2 y vemos que la variable que hace incrementar más
a Z es X2 (factor 4 > 3).
Entonces decidimos ingresar a la BASE (Variables básicas) a X 2. Ahora veamos que
variable egresa de la BASE. Para esto expresamos las anteriores variables básicas de la
siguiente forma (despejando del sistema inicial):

S 1 = 1000 -X 1 -2X 2
S 2 = 1800-3X 1 -2X 2
S3 = 400-X 2

A X1 ya hemos visto en paso anterior que queda como variable no básica, luego las
expresiones anteriores quedan simplificadas así, para X1 = 0
S 1 = 1000 -2X 2 Como S 1 >= 0 Entonces 1000 -2X 2 >= 0
S 2 = 1800 - X 2 Como S 2 >=0 Entonces 1800 - X 2 >= 0
S 3 = 400 - X 2 Como S 3 >=0 Entonces 400 - X 2 >= 0
Observamos que para X2 = 400, S3 = 0, S1 = 200, S2 = 1000. Es decir que la variable que se
acerca a cero más rápidamente cuando X 2 se incrementa es S 3 . Por tanto
seleccionamos a S3 como la variable que sale de BASE. La nueva base será: S 1, S2, X2 y las
variables no básicas: X1 y S3.
Ahora eliminamos a X 2 de la expresión Z = 3 X 1 - 4 X2 y de las ecuaciones (1) y (2)
anteriores de la solución inicial.
Así:
 Z - 3 X1 - 4 X 2 = 0 (I)
X1 +2X2 + S1 = 1000 (1)
3X 1 + 2 X 2 +S2 = 1800 (2)
X2 +S3 = 400 (3)

Despejando X2 de la ecuación (3):

X 2 = 400 – S 3 (*)
Reemplazando (*) en I:
Z - 3 X1 - 4 (400 – S3) = 0
Queda:
Z - 3X 1 +4S 3 = 1600 ……….. (II)
Igual (*) en (1):
X1 + 2(400 – S3) + S1 = 1000
Queda:
X1 + S1 - 2 S3 = 200 ………… (4)
Igual (*) en (2):
3X1 + 2(400-S3) = 1800
Queda:
3X1 +S2 – 2S3 = 1000 …………. (5)

El nuevo Modelo queda expresado así:

Z-3X1+ +4S 3 = 1600........ (II)

X1 + +S 1 - 2S 3 = 200....... (4)
3X1+ +S 2 – 2S 3 = 1000 ...... (5)
X2 + S3 = 400......... (6)

Como hemos escogido a X1 y S3 fuera de BASE (variables no básicas), X1, S3 = 0 La nueva

solución básica factible (SBF) será:
X2= 400
S1 = 200 Para X1, S3 = 0 2 ° Pivot
S2 = 1000
Vemos que esta SBF corresponde al vértice B de la solución gráfica. Con un valor de Z= 1600

III) Tercer Pívot.- Para definir que variable ingresa a la BASE y cual otra sale de BASE,
procederemos como en el paso anterior II):
Observamos Z = 1600 + 3X1 – 4S3
Pregunta : ¿Hay todavía alguna variable que incremente a Z?
Respuesta : Sí y es X 1 . La otra variable S 3 al incrementar, haría disminuir a Z, por
 consiguiente decidimos que X 1 ingrese a BASE.
Ahora veamos que variable sale de BASE. Expresamos las anteriores variables
despejándolas de la última presentación del sistema de ecuaciones
De:
X1 + S1 – 2 S3 = 200 S1 = 200 – X1 + 2 S3
3 X1 + S2 – 2 S3 = 1000 S2 = 1000 – 3 X1 + 2 S3
X2 + S3 = 400 X2 = 400 - S3

Considerando que S 3 ha quedado fuera de BASE y por consiguiente S 3 = 0

El último sistema de ecuaciones se simplifica a:
Observamos que S1 0, para la menor variación de X 1.

S1 = 200 - X1
S2 = 1000 - 3X1 Y la mayor variación posible de X 1 que no haga negativo a S 1
X2 = 400 y sea una solución factible (X1 =200), hace a S1= 0. En cambio
S2 sigue siendo (+) para ese valor de X1.

S 1 = 200 -X 1 Como S 1 >= 0 Entonces 200 -X 1 >= 0

S 2 = 1000 - 3X 1 Como S 2 >=0 Entonces 1000- 3X 1 >= 0
X2 = 400 Como X 2 >=0 Entonces 400 >= 0

Por tanto decidimos que la variable que sale de BASE es S 1.

La nueva BASE será: X1, S2 y X2 y no Básicas: S1 y S3.
Ahora, eliminamos a X1 de II y de ecuaciones (5) y (6), despejando X 1 de (4), asociada a
variable S1 que sale de Base
X 1 =200- S 1 + 2S 3 ...........(**)

Reemplazando (**) en II:

Z - 3 (200 – S1 + 2S3) + 4S3 = 1600, simplificando queda:
Z + 3S 1 - 2 S3 = 2200 ………..(III)
Igualmente procedemos a reemplazar X 1 en ecuación (5):
3 (200 – S1 + 2 S3 ) + S2 - 2 S3 = 1000, simplificando queda:
-3S 1 + S 2 + 4S 3 = 400
La ecuación (6) queda igual porque no tiene término en S1.
El nuevo sistema queda entonces así:

Z +3 S1 - 2S 3 = 2200.........(III)
X1 + S1 - 2S 3 = 200 ....... ( 7 )
-3S 1 + S 2 + 4S 3 = 400 ........ ( 8 )
 X2 + S3 = 400 ....... (9)

Esto lo llevamos a una Tabla de la siguiente forma:

base ecuación Z X1 X2 S1 S2 S3 Bi
0 1 3 -2 2200
X1 I 1 1 -2 200
S2 II -3 1 4 400
X2 III 1 1 400

La SBF será:

X1 = 200
X2 = 400 S1 = S3 = 0 —► 3er Pívot
S2 = 400 Z = 2200

Esta solución corresponde al vértice E ( en solución gráfica) con un valor de Z = 2200, y por
consiguiente es una SBF.

IV) Cuarto Pívot.- Similarmente observamos a Z = 2200 - 3 S 1 + 2 S 3 ( En la última

presentación de Z ). Vemos que todavía hay la variable S 3 que puede incrementar el valor de
Z. Luego, hacemos ingresar a S 3 a la BASE. Entonces expresamos las ecuaciones de la
última presentación del Sistema, de similar forma:
X1 = 200 – S1 + 2S3
S2 = 400 + 3S1 – 4S3
X2 = 400 – S3
Considerando que S 1 queda fuera de BASE y por consiguiente S 1 =0, el Sistema se
simplifica a:

X1 = 200 + 2S3 Observamos que S2 0, más rápidamente a la menor variación

S2 = 400 – 4S3 de S3, luego determinamos que S 2 sale de BASE.
X2 = 400 – S 3

X 1 = 200 + 2S 3 Como X 1 >= 0 Entonces 200 +2S 3 >= 0

S 2 = 400 – 4S 3 Como S 2 >=0 Entonces 400 – 4S 3 >= 0
X2 = 400 - S 3 Como X 2 >=0 Entonces 400 - S 3 >= 0

La nueva BASE será : X1 , X2 y S3

Las variables no básicas serán : S 1 y S2
Ahora, eliminamos a S 3 de III y de ecuaciones (7) y (9), despejando S 3 de (8), asociada a
variable S2 que sale de Base
S 3 =100 + (3/4)S 1 – (1/4)S 2 (***)

Reemplazando (***) en III:

Z + 3S1 – 2(100 + (3/4)S 1 – (1/4)S 2 ) = 2200 simplificando
queda:
Z + (3/2)S 1 + (1/2)S 2 = 2400 ……….. (IV)
Igualmente procedemos a reemplazar (***) en ecuación (7):
X1 +S1 – 2(100 + (3/4)S 1 – (1/4)S 2 ) = 200
simplificando queda:
X1 - (1/2)S 1 + (1/2)S 2 = 400……..(10)
La ecuación (8) queda igual porque de esta se despejo S3.
Igualmente procedemos a reemplazar (***) en ecuación (9):
X2 + (100 + (3/4)S 1 – (1/4)S 2 ) = 400
simplificando queda:
X2 + (3/4)S 1 - (1/4)S 2 = 300……..(12)

Z + (3/2) S1 + (1/2) S 2 = 2400.........( IV)

X1 - (1/2) S1 + (1/2) S 2 = 400.... (10)
-3S 1 + S 2 + 4S 3 = 400.... ( 11 )
X2 + (3/4) S1 - (1/4) S 2 = 300 …. (12)

Resolviendo, los resultados lo expresamos en la siguiente tabla:

BASE ecuación Z X1 X2 S1 S2 S3 Bi
0 1 3/2 1/2 2400
X1 I 1 -1/2 1/2 400
S3 II -3/4 1/4 1 100
X2 III 1 3/4 -1/4 300

Observamos que ya no existen variables que puedan hacer aumentar a Z, por lo tanto
Luego la SBF será la óptima, el valor máximo de Z:
X1=400
X2=300 y: Z = 2400
S3 =100
S 3 (Variable de holgura relacionada con las raquetas profesionales) tiene un valor de 100,
lo que indica que para la solución óptima serán necesarios fabricar sólo 300 raquetas
profesionales.

Sistematización del algoritmo de Maximízación. - ( Tipo <=, b i >= 0 )

Teníamos el siguiente Modelo:
Maximizar: Z = 3X1 +4X2

Sujeto a:
X 1 +2X 2 +S 1 = 1000 …..(1)
3X1+2X2 +S 2 = 1800 …..(2)
X2 +S 3 = 400…..(3)

Xi ; Si >= 0 ...............................(4)
1° 1
Base °
: S1,
S2, S3 S
1° B Orige
No F n
Base gráfic
:
oyZ
: S1 = =0
X1, 1000
X2 S2
1800
S3
400
X1
=X2 =
0
Tabla (0) inicial:

BASE ecuación Z X1 X2 S1 S2 S3 bi bi /air

0 1 -3 -4 0 Entra X2
S1 I 1 2 1 1000 1000 / 2 = 500
S2 II 3 2 1 1800 1800 / 2 = 900
S3 III 1 1 400 400 / 1 = 400
Sale S3

Regla para definir variable que entra a Base : En la tabla Standard la ecuación (0): se escoge
variable con signo más negativo. -4 ( es la que maximiza más a Z), es decir X 2
Regla para definir variable que sale de Base: En tabla calculamos:
 = bi / ai r , donde:
Donde:
bi = última columna
air = Coeficiente de variable que entra (X 2)>0 (en restricción)
Para air > 0
Si air = 0 límite impuesto por ecuación asociada es
infinitamente grande. Se descarta
Si air < 0 valor negativo indefinido, la ecuación no le
coloca límite alguno a variable que ingresa. Se
descarta.
En este caso, por ejm: Calculamos para cada caso:
a) 1000/2 = 500 b) 1800/2 = 900 c) 400/1 = 400
Escogemos el menor valor que en este caso corresponde a variable básica S 3
Entonces:
2° Base : S1 , S2 , X2 2°
no Base : X1 , S3

Tabla (1): Como entra X2 , tenemos que eliminar X2 de Z, para determinar nueva expresión de
Z. Igual eliminamos X2 en ecuaciones (1) y (2) de la tabla anterior. Despejando X2 de
ecuación (3) de la misma tabla anterior: X 2 = 400 – S3 y reemplazando en las anteriores, el
sistema queda expresado:

Z-3X 1 +4S 3 = 1600

X1 + S1 - 2S3 = 200
3X 1 +S 2-2S3 =1000
X2 +S 3= 400
En forma de tabla 1:
 BASE ecuación Z X1 X2 S1 S2 S3 bi bi /air
0 1 -3 4 1600 Entra X1
S1 I 1 1 -2 200 200/1=200
S2 II 3 1 -2 1000 1000/3=333.33 Sale S1
X2 III 1 1 400 400/0 = infinito

Por consiguiente, la 2° SBF es:

S 1 =200
S2=1000 Punto B en solución gráfica
X2 = 400
 Con un valor de Z = 1600
Para: X 1 = S 3 =0

Igualmente ahora, aplicamos regla práctica en tabla 1. En Z seleccionamos la única variable

con coeficiente negativo (X 1) como la que entra a BASE. Asimismo para definir variable que
sale calculamos la relación bi /air; el menor valor corresponde a S1 , luego S1 sale de BASE.
Entonces:

3° Base : X1, S2, X2

3° no Base ; S1 , S3

Ahora, eliminamos X 1 de Z y de ecuaciones (2) y (3) de última tabla, despejando X 1 de

ecuación (1) de la misma última tabla: X 1 = 200 – S 1 + 2S3 y luego reemplazando en (2)
y (3), queda finalmente el nuevo sistema en forma de nueva tabla:

BASE ecuación Z X1 X2 S1 S2 S3 bi bi /air

0 1 3 -2 2200 Entra S3
X1 I 1 1 -2 200 200/-2=n.a
S2 II -3 1 4 400 400/4=100
Sale S2
X2 III 1 1 400 400/1 = 400

Entonces la 3a SBF es:

X1 = 200
S2 = 400 Vértice E de solución gráfica
X2 = 400
Con un valor de Z =2200
Para S1=S3= 0
Igualmente ahora, aplicamos regla práctica en tabla 2. En Z seleccionamos la única variable con
coeficiente negativo (S 3) como la que sale de BASE. Asimismo para definir variable que sale
calculamos la relación b i/air ; el menor valor corresponde a S 2 luego S2 sale de BASE.
Entonces:

4° Base :X 1,X2, S3

4° no Base : S1 , S2

Ahora, como entra S 3 , la eliminamos de Z y de ecuaciones (1) y (3) de última tabla,

despejando S 3 de (2):
S 3 = 100 + (3/4)S 1 –(1/4)S 2

Finalmente queda la Tabla 3 :

BASE ecuación Z X1 X2 S1 S2 S3 bi
0 1 3/2 1/2 2400
X1 I 1 -1/2 1/2 400
S3 II -3/4 1/4 1 100
X2 III 1 3/4 -1/4 300

Luego la SBF es:

Vértice F de la solución gráfica

X1 = 400
X2 = 300
X5 = 100

Con un valor Z = 2400 Para X3 = X 4 = 0

Vemos en la última Z que todas !as variables son positivas, en consecuencia ninguna le
puede dar valores mayores, en consecuencia hemos llegado a la solución óptima.
 CASO DE MINIMIZACIÓN

En este caso una Solución Básica Factible (SBF) es óptima si no es posible identificar una
variable que si incrementa en valor haqa decrecer el valor de la función objetivo ( Z).
En términos de Tabla Simplex, si en cualquier ecuación (0) los coeficientes son >0, la
variable no básica asociada hará decrecer Z si esta fuera a ingresar a la BASE. Sólo
cuando todo los coeficientes de la ecuación (0) son <0, se habrá llegado a la solución
óptima.
La variable que debe ingresar a BASE es aquella que resulta en la mayor disminución
marginal de Z. (Seleccionar la variable con el máximo coeficiente + ). La regla para
determinar la variable que sale de BASE es la misma que en el caso de maximización
La expresión general del tipo de restricción en este caso es:

a.11X 1 +a12X2 +....+ a1j xj +...................+ ainxn >= b1

Veamos el siguiente ejemplo:

Minimizar Z = 60 X1 + 60 X2
s.a:
X1 + X2<= 10................................... (1)
2X1 + X2 >= 8 ....................................(2)
X1 +2X 2>= 10 ............................ (3)
X1, X2>= 0
Las restricciones (2) y (3) son del tipo >= bi
Convirtiendo en igualdades el modelo inicial, tendríamos:
X1 + X 2 +S 1 = 10 .......................(1)
2X 1 + X 2 - S2 = 8 ……………………(2)
X 1 +2X 2 -S 3 = 10…………………. (3)
Luego tendríamos una primera SBF: X1 =X2 = 0
S1 = 10
S2 = - 8 donde S2 y S3 son soluciones no factibles por que no
S3 = -10 cumplen condición de no negatividad :X i >= 0

Por tanto, debemos hallar otro tipo de solución para desigualdades del tipo >= ó cuando bi < 0,
en restricción original. Para lo cual introducimos el concepto de:
Variables artificiales.- Siendo S2 y S3 " déficit" en la restricción y para obtener una SBF
inicial, añadimos variables artificiales con coeficiente 1, en ambas restricciones (2) y (3)
quedando:
X1 + X 2 + S 1 = 10
2X 1 + X 2 -S 2 +A 2 =8
X 1 +2X 2 -S3 +A 3 = 10
Ahora la 1° SBF es:
S1 = 10
A2 = 8
A3 =10
Pero al agregar variables artificiales en las restricciones (2) y (3), hemos eliminado el
significado de las restricciones originales, así por ejemplo si en la restricción ampliada:
2X1 + X2 –S2 + A2 = 8 , hacemos X 1 = 1 , X 2 = 4 , S 2 = 3 y A 2= 5
2X1 +4 -3 + 5 = 8 satisface la ecuación, pero no la restricción original (2X 1 + X 2 >=8)
Es decir, que una variable artificial aparezca en la solución óptima del modelo ampliado no es
garantía que ésta sea solución óptima para el modelo original, puesto que puede ser una
solución no factible.
Esta eventualidad se la evita asegurándose que las variables artificiales no aparezcan en la
BASE óptima (última Tabla). Cuando las variables artificiales ( A 2 y A3) son igual a cero, las
restricciones aumentadas corresponden una vez más a las restricciones originales.
Esto se asegura imponiendo un valor de coeficiente muy alto a la variable artificial, para
traerla a la BASE. En la Función Objetivo ( Z ) para el problema de minimización le damos a
ese valor positivo (+) muy grande la denominación de " M" . El Método Simplex mantendrá
siempre a estas variables artificiales fuera de solución, puesto que al tratar de ingresarlas a
BASE en vez de minimizar Z, estaríamos produciendo un efecto inverso.
Este esquema para tratar a la " variable artificial" es el que se conoce con Método de la M
mayúscula ó Método de la Penalización.
Luego el Modelo Ampliado se manifiesta, en este ejemplo como:

Minimizar Z = 60 X1 + 60 X2 + MA 2 + MA 3
s.a:
X1 + X2 + S1 = 10.....(1)
2X1 + X2 -S2 + A2 = 8.....(2)
X1 + 2x2 -S 3 +A3 = 10......(3)

En modo de Tabla 1:

60 60 0 0 0 M M
BASE ecuación Z X1 X2 S2 S3 S1 A2 A3 Bi
0 1 0
0 S1 I 1 1 1 10
M A2 II 2 1 -1 1 8
M A3 III 1 2 -1 1 10

Observamos que la función objetivo (ecuación: 0) tiene términos de variables básicas (A2 , A3 ),
que debemos desaparecer antes para aplicar la prueba de optimalidad. Esto lo obtenemos
 añadiendo M veces las ecuaciones (2) y (3) a ecuación (0), resultando finalmente la siguiente:

Tabla 2:

60 60 0 0 0 M M 0
BASE ecuación Z X1 X2 S1 S2 S3 A2 A3 bi bi /air
0 1 (3M-60) (3M-60) -M -M 18M Entra X1
0 S1 I 1 1 1 10 10/1=10 Sale A2
M A II 2 1 -1 1 8 8/2=4
2
M A III 1 2 -1 1 10 10/1=10
3

Se escoge la variable con coeficiente (+) máximo, a la inversa del caso de maximización, puesto
que ahora nuestro objetivo es minimizar la función objetivo Z. En este caso X1 ó X2 cumplen
igualmente la condición por lo que podemos escoger cualquiera de las dos variables. Escogemos
X1 como variable que entra a la BASE.

Para seleccionar variable que sale de base, en la última columna (bi /air) si seguimos el mismo
criterio y entonces escogemos la de menor valor: A2 , para que salga de BASE.

Reemplazando X1 en Z y en ecuaciones (1) y (3) y efectuando las operaciones correspondientes,

tenemos la siguiente

Tabla3:

60 60 0 0 0 M M 0
BASE ecu Z X1 X2 S1 S2 S3 A2 A3 bi bi /air
0 1 (3/2)M -30 (1/2)M -30 -M -(3/2)M +30 6M+240 Entra
X2
0 S1 I 1/2 1 1/2 -1/2 6 6/0.5
=12
60 X1 II 1 1/2 -1/2 1/2 4 4/0.5
=8
M A3 III 3/2 1/2 -1 -1/2 1 6 6/1.5
=4
Sale A3

En este caso variable que entra a BASE es X2 por tener coeficiente (+) máximo y como variable
que sale de BASE a A3 por tener el menor valor su relación (bi / air ) = 4

Reemplazando X2 en Z y en ecuaciones (1) y (2) y efectuando las operaciones correspondientes,

tenemos la siguiente:
Tabla 4

60 60 0 0 0 M M 0
BASE ecuacion Z X1 X2 S1 S2 S3 A2 A3 bi
0 1 -20 -20 (20-M) (20-M) 360
0 S1 I 1 1/3 1/3 -1/3 -1/3 4
60 X1 II 1 -2/3 1/3 2/3 -1/3 2
60 X2 III 1 1/3 -2/3 -1/3 2/3 4

Observamos que la función objetivo Z tiene ahora todos los coeficientes negativos, es decir ya no
hay otra variable que haga disminuir más a Z, y por consiguiente estamos en la solución optima.
Luego los resultados se deducen de la tabla:

Z optimo = 360
X1 = 2
X2 = 4
S1 = 4 (holgura o cantidad no utilizada del recurso b1 )
S2 = S3 = 0 (indica que no se producirá ningún excedente de los recursos b2 y b3 )

TABLERO SIMPLEX ALTERNATIVA

1 En la columna xB se colocan las variables Básicas. Con las filas correspondientes a estas
variables se forman una matriz identidad.
2 En la columna BJ se colocan las igualdades, que representan los valores iniciales de las
variables Básicas, con lo cual se tiene una primera solución Factible, si no es la mejor
solución se prueba con otro conjunto de soluciones.
3 Coeficientes de las variables Básicas en la función objetivo del modelo.
4 Colocar columnas para cada una de las variables.
5 Coeficientes de las variables en la función objetivo.
6 Coeficientes de las variables en cada una de las restricciones.
7 Valor de la función Objetivo.
8 Valores Z de acuerdo al criterio de Optimalidad
Zj - Cj = CB Xj - Cj
8.1. Para un caso de maximización calculamos Zj - Cj para cada variable que no está en la
presente solución.
a) Si para al menos un j , Zj - Cj es negativo y si al menos un a ij para este j es
positivo, entonces existe una mejor solución factible.
b) Si para una j , Zj - Cj es negativo pero los a ij para esta j son no positivos, entonces
la función objetivo no está acotada.
c) Si un j, Zj - Cj es positivo para todo j, entonces la solución óptima se ha
encontrado.

8.2 Si estamos en el caso 1 a), identificamos la variable que da el más negativo Zj - Cj como
Xk (columna pivote).Llamamos X r a la variable que se reduciría a cero al aplicar la regla del
 (es la fila pivote). El elemento a rk se llama elemento pivote.
8.3 Dividimos la r-esima fila por a rk (elemento pivote), para reducir a 1 el correspondiente
elemento de a rk en la tabla siguiente. Efectuamos luego las operaciones de fila que
reducirán a cero todos los otros a ik. ( por reemplazo de variable que sale de BASE).
8.4 Repetimos los pasos 1, 2 y 3 hasta que en alguna tabla se cumpla la condición 1 c).
Entonces se ha obtenido la solución óptima.

La teoría del método simplex asegura que la solución hallada en cada paso tiene un valor
mayor o al menos igual, que el de la solución anterior. Puesto que el número de soluciones
básicas del sistema de ecuaciones es finito, el algoritmo debe converger hacia la solución
óptima en un número finito de iteraciones. La experiencia ha demostrado que el número de
iteraciones que deben efectuarse en la mayoría de problemas que se encuentran en la práctica
oscila entre m y 2m.

Los valores Z de las variables Básicas siempre son cero. Si las variables no Básicas la
convertimos en variables Básicas en la siguiente solución, haríamos variar marginalmente el
valor actual de la función objetivo.

CB XB X1 X2 S3 A1 S2 A3 Bi θi
Z j - Cj
A1
S2
A3

CARACTERÍSTICAS

1. Si b <= 0  Multiplicar por -1

2. Para una restricción “<=” +S
3. Para una restricción “>=” -S
4. Para una restricción “=” +A
5. Xj <= 0  Xj = -Жj ; Жj >= 0 (Cambio de variable)
6. Xj sin restricción de signo
Xj = Xj+ - Xj- ; Xj+ , Xj- >= 0 Xj+ > Xj- Xj > 0
Xj+ = Xj- Xj = 0
+ -
Xj < Xj Xj < 0

7. Si hay empate en el criterio para la variable que ingresa, se escoge cualquiera.

8. Criterio para seleccionar la VNB que se debe convertir en VB para una nueva solución básica
Caso min.  Z > 0 (Seleccione el mas positivo )
Caso máx.  Z < 0 (Seleccione el mas negativo)

Bi
9. Identificar la variable que sale θi = a = ratio
i j
´
Solamente para aquellas filas que tengan un a i j mayor que cero
10. La fila de la variable que ingresa es igual a la fila de la variable que sale dividida entre el
pívot.
11. la fila nueva es igual a una fila antigua menos la fila de la variable que ingresa multiplicada
por el semipívot.
12. Si hay empate en el criterio de θi , se escoge cualquiera de ellos. También se puede emplear la
regla lexicografía (izquierda a derecha).
13. Se tiene solución optima cuando:

Minimización ZVB = 0
ZVNB < 0

Maximización ZVB = 0
ZVNB > 0

14. Soluciones Optimas Múltiples .- también se les llama infinitas soluciones optimas ó
soluciones optimas alternativas. cuando en la solución Optima para alguna VNB, Z = 0 
Se tienen soluciones múltiples y se puede hacer de la VNB correspondiente una variable de
entrada.
15. Solución no factible.- El problema no tiene solución cuando en la solución optima se tienen
las variables artificiales Ai > 0,  cuando en situaciones reales el problema no tiene solución
se debe a:
a) Inconsistencia en la información, revisar para identificar y determinar la causa de la
inconsistencia.
b) Hay error, revisar si la formulación es correcta.
16. Una restricción de igualdad siempre es Activa ó Limitante
17. una restricción de desigualdad (<= ó >= ) solamente es Activa si al evaluarlo en condiciones
optimas se mantiene la igualdad solamente

DUALIDAD

Es una característica o propiedad que tienen los problemas de programación lineal (PL), que
consiste en que a partir de un problema de PL se va a poder construir otro modelo de PL que debe
cumplir con ciertas características.

MIN
MAX

<= >=

Yi >= 0
Xj >= 0
A partir de este nuevo modelo podemos determinar que pasaría con el valor de la función
Objetivo si variamos los recursos.

DA LA INTERPRETACION ECONOMICA DEL MODELO

1. El número de variables de un modelo es el número de restricciones del otro.

2. Los términos constantes del lado derecho de las restricciones primales van a ser los
coeficientes de la función objetivo dual.
3. Por cada una de las variables del modelo primal se tiene restricciones del modelo dual.
4. En el lado derecho de las restricciones del dual va el coeficiente asociado de la variable
tratada con respecto de la función objetivo del primal.
Al resolver uno de los modelos, establecemos relaciones entre las variables, vamos a
interpretar los resultados, solamente en el tablero optimo se puede establecer dicha relación.

UNIDADES DE LA FO (PRIMAL)
PRECIO DUAL yi =
UNIDADES DEL RECURSO

UNIDADES DE LA FO (PRIMAL)
COSTO REDUCIDO yi =
UNIDADES DEL PRODUCTO

Precio dual: Es la variación de la función objetivo sí variamos un termino derecho (constante)

Restricción limitante Restricción no limitante

Yi> 0 Yi < 0 Yi = 0
∆FO
∆bi

Costo reducido.- Para cualquier VNB el costo reducido es la cantidad en la cual hay que mejorar
el coeficiente de la FO de la VNB antes de que esta variable sea una VB en alguna solución
optima.

Variable basica Variable no basica

MAX MIN
Yi = 0 Yi > 0 Yi < 0
FO FO
Rango de variación Cj (VNB)

Para

MAX ∆Cj = Zj - Cj  - <= Cj´ <= Cj + ∆Cj

MIN Cj = |Zj - Cj |  Cj - Cj <= Cj´ <= +

Rango de variación CK (VB).- La variación del CK de una VB solo afecta a los (Z j - Cj ) de las
VNB (sin considerar las variables artificiales) 

Zj Cj
 CK = MAX MIN
a ik ∆Ck a ij < 0 aij > 0
menor Ck aij > 0 a ij < 0

K = subíndice de la variable
i = fila donde se encuentra CK
j = columna de la VNB

Rango Ck - Ck <= Ck´ <= Ck + ∆Ck

Rango de variacion bi (restricción no limitante)

restricción <= : bi = Si  bi - bi <= bi´ <= bi + 

restricción >= : ∆bi = Si  bi -  <= bi´ <= bi + ∆bi

Rango de variación bj (Restricción limitante)

Bj
 bj = a aij > 0  bi aij < 0  ∆bj
ij

bj - bj <= bj´ <= bj + ∆bj

Procedimiento explicativo
  Se ubica en el tablero óptimo la variable de holgura correspondiente al recurso a analizar.
 Ubicar los aij correspondientes a la columna de la variable de holgura considerado

Ejemplo:

1 -3/4 0 800 350 – 3/4∆b2

0 1/4 0 600 + ∆b2 = 150 + 1/4∆b2

0 0 1 80 80 + 0 ∆b2

1 -3/4 0 800 350 + 3/4b2

0 1/4 0 600 - b2 = 150 - 1/4b2

0 0 1 80 80 + 0 b2

Muy importante

 Si la base actual permanece optima después de modificar el coeficiente de la FO de una

VNB  no cambiaran los valores de las variables de decisión y el valor optimo de Z.
 Si la base actual permanece optima después de modificar el coeficiente de la FO de una
VB  no cambiaran los valores de las variables de decisión y podría cambiar el valor
optimo de Z.
 Si la base actual permanece optimo después de modificar un lado derecho  podría
cambiar los valores de las variables de decisión y podría cambiar el valor de la Z (Funcion
objetivo)

EL MODELO SIMPLEX DUAL

Se utiliza para encontrar la solución optima del dual de un problema de PPL donde la FO puede
ser de maximización o minimización y consta de los siguientes paso:
1. Se expresa las restricciones de la forma menor o igual.

2. Condicion de factibilidad.- la variable que sale es aquella VB que tiene el valor más negativo.
si todas las variables VB son no negativas y se cumplen las condiciones de optimización del
método simplex. La solución optima ha sido hallada.

3. Condiciones de Optimalidad.- la variable que entra se elige entre las VNB teniendo en cuenta:

3.1 Para cada VNB se determinan los coeficientes formados por los coeficientes del lado
izquierdo de la fila Z con los coeficientes correspondientes a la fila asociada a la variable que
sale.
3.2 Ignore los coeficientes asociados a denominadores positivos o ceros.

3.3 los empates se rompen arbitrariamente.

3.4 si todos los denominadores tienen valor (+) o ceros el problema no tiene solucion factible.

3.5 La variable que entra es la que tenga el cociente más pequeño si el problema es de
minimización.

3.6 la variable que entra es la que tiene el cociente mas pequeño en valor absoluto si el
problema es de maximización.