Ejercicios - Metodo Simplex

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma
1
2
El algoritmo SIMPLEX es un procedimiento general para resolver problemas de

programación lineal, desarrollado por George Dantzing en el año 1947.
La implementación en computadoras personales del método SIMPLEX y sus

variantes se han convertido en herramientas tan poderosas que se usan a menudo
para resolver problemas de programación lineal de miles de restricciones y miles
de variables y , en ocasiones, problemas bastante más grandes.
Como hemos visto en el material de trabajo autónomo 2 se trató el tema de

solucionar problemas de dos o tres variables, aplicando el método gráfico, así
como el análisis de sensibilidad de sus resultados. Ahora, en el material de trabajo
autónomo 3 veremos el método de solución del SIMPLEX para solucionar
problemas de n variables, tanto para maximizar o minimizar la función objetivo,
considerando variables positivas, negativas y no restringidas.
Para los modelos de maximización se esta considerando el desarrollo de ejercicios

planteados con variables positivas y variables no restringidas, para el caso de los
problemas con variables negativas se esta planteando un ejercicio bajo el enfoque
de minimización.
Para los modelos de minimización se esta considerando el desarrollo de ejercicios

planteados con variables positivas y variables negativas, para el caso de los
problemas con variables no restringidas se esta planteando un ejercicio bajo el
enfoque de maximización.
3
Los modelos de maximización buscan casi siempre obtener la máxima rentabilidad,

la mayor productividad, el máximo cumplimiento del nivel de servicio, el máximo
cumplimiento de los objetivos, etc y se aplican en la industria , en los sistemas de
comercialización, sistemas financieros, transportes, sistemas de salud, en el sector
de servicios públicos, etc.
4
5
6
Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de

maximización.
Recordemos que el método SIMPLEX se aplica sólo a modelos que tienen
restricciones del tipo menor o igual.
Como primer paso debemos aplicar la forma estándar al modelo planteado, lo cual
implica tres condiciones:
La primera condición: que los lado derecho de las restricciones sean constantes
mayores o iguales a cero,
en nuestro ejemplo, los lado derecho de las restricciones ya son
constantes positivas.
La segunda condición: que las inecuaciones sean expresadas en forma de

igualdades usando variables de holgura,
en nuestro ejemplo, estamos agregando las variables de holgura
S1 y S2 a las dos restricciones.
La tercera condición: que las variables que participan en el modelo sean mayores
o iguales a cero (es decir que sean variables positivas)
en nuestro ejemplo, todas las variables son positivas.
7
Ahora bien, implementamos el tablero inicial del simplex con la estructura de su

forma estándar.
Como se está maximizando, debemos seleccionar el coeficiente del Costo Reducido

más negativo para obtener nuestra columna PIVOT, para nuestro caso corresponde
al valor -3 de la columna asociada a la variable X2, y es la variable que ingresa a la
base en el siguiente tablero.
8
Luego obtenemos nuestra columna PIVOT asociada a la variable X2, ya que tiene el
costo reducido más negativo con el valor -3. La variable X2 es la variable que
ingresa a la base en el siguiente tablero.
Posteriormente hallamos el ratio del cociente mínimo dividiendo la columna del

lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la
división solo se hace para los elementos positivos), el menor ratio de cociente
mínimo nos determina la fila PIVOT, para nuestro caso el menor ratio corresponde
a la variable S1 que tiene como cociente mínimo 3. Esto significa que en el
siguiente tablero debe salir de la base la variable S1 y su lugar debe ser remplazada
por la variable X2.
El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente

tablero, para ello dividimos la fila de la variable S1 entre 2, ya que el elemento de
intercepción es 2 y colocamos el resultado en el siguiente tablero en la posición del
renglón que le corresponde, y la variable S1 es reemplazada por la variable X2,
generalizamos esta operación para toda la fila.
9
Ahora bien, mediante operaciones suma fila debemos hacer canónico el vector
columna asociado a la variable X2 en el siguiente tablero, de la siguiente manera:
En el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila
de color rojo) por 3 y luego sumamos el valor -3 de la fila de los coeficientes
reducidos en el primer tablero. El resultado es “cero” y lo colocamos en la misma
posición pero del segundo tablero, replicamos esta operación para toda la fila con
el valor del coeficiente reducido correspondiente del primer tablero.
10
Luego, en el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado
en la fila de color rojo) por (– 1) y luego sumamos el valor 1 de la fila de S2 en el
primer tablero. El resultado es “cero” y lo colocamos en la misma posición pero del
segundo tablero, replicamos esta operación para toda la fila con el valor del
coeficiente correspondiente del primer tablero.
11
Continuando, como se está maximizando debemos seleccionar el coeficiente del

Costo Reducido más negativo del segundo tablero para obtener nuestra columna
PIVOT. Para nuestro caso corresponde al valor -1/2 de la columna asociada a la
variable X1, y es la variable que ingresa a la base en el tercer tablero.
Luego, hallamos el ratio del cociente mínimo dividiendo la columna del lado
derecho (solución) entre los valores de los elementos de la columna PIVOT (la
división solo se hace para los elementos positivos). El menor ratio de cociente
a la variable S2 que tiene como cociente mínimo 10/3. Esto significa que en el
tercer tablero debe salir de la base la variable S2 y su lugar debe ser remplazada
por la variable X1.
12
Ahora bien, el elemento de intersección de la fila y columna PIVOT debe ser uno en
el siguiente tablero. Para ello dividimos la fila de la variable S1 entre 3/2, ya que el
elemento de intercepción es 3/2 y colocamos el resultado en el tercer tablero en la
posición del renglón que le corresponde, y la variable S2 es reemplazada por la
variable X1, generalizamos esta operación para toda la fila.
13
Luego mediante operaciones suma fila debemos hacer canónico el vector columna
asociado a la variable X1 en el tercer tablero, de la siguiente manera:
En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila
de color rojo) por el valor 1/2 y luego sumamos el valor -1/2 de la fila de los
coeficientes reducidos en el segundo tablero. El resultado es “cero” y lo colocamos
en la misma posición pero del tercer tablero, replicamos esta operación para toda
la fila con el valor del coeficiente reducido correspondiente del segundo tablero.
14
Luego en el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en
la fila de color rojo) por el valor (– 1/2) y luego sumamos el valor 1/2 de la fila de
X2 en el segundo tablero. El resultado es “cero” y lo colocamos en la misma
posición pero del tercer tablero. Replicamos esta operación para toda la fila con el
valor del coeficiente correspondiente del segundo tablero.
Luego, vemos que en el tercer tablero ya no existen más costos reducidos

negativos, entonces se ha llegado a la solución final.
15
Finalmente el tercer tablero nos da el tablero óptimo del cual obtenemos el vector
solución, el cual está compuesto por las variables básicas (son aquellas variables
que están en la columna base) las cuales obtienen su resultado de la columna
solución y las variables no básicas (aquellas variables que no aparecen en la
columna base) asumen valor cero por default.
El valor de la función objetivo se obtiene del primer valor de la columna solución.
16
La solución final se da en función a las variables de decisión:
X1 asume un valor de 10/3 ,

X2 asume un valor de 4/3 , y
La función objetivo asume un valor óptimo de 32/3
17
18
Los modelos de maximización con variables no restringidas, buscan modelar

condiciones donde las variables puedan tomar valores positivos ó negativos, como
por ejemplo la condición de disponibilidad de horas, donde pueden existir horas
sobrantes ó requerirse horas extras, la condición de disponibilidad de capital,
donde puede existir capital sobrante ó requerirse capital adicional, entre otros
casos; donde el resultado de la función objetivo es casi siempre obtener la máxima
rentabilidad y se aplican en la industria , en los sistemas de comercialización,
sistemas financieros, transportes, sistemas de salud, en el sector de servicios
públicos, etc.
A continuación mostraremos una formulación asociado a un modelo matemático

donde se ilustra el uso de variables no restringidas.
19
INVESTIGACIÓN DE
OPERACIONAL
OPERACIONES Universidad Ricardo Palma
Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de maximización con
variables no restringidas.
Encontrarán ocasiones en donde el modelo requiere hacer uso de variables que puedan asumir
valores positivos o negativos y será necesario hacer un reemplazo de variables.
Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o
igual.
Como primer paso debemos aplicar la forma estándar al modelo planteado, lo cual implica tres
condiciones:
La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales
a cero,
en nuestro ejemplo los lado derecho de las restricciones ya son constantes
positivas.
La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando
variables de holgura,
en nuestro ejemplo estamos agregando las variables de holgura S1 , S2 y S3 a las
tres restricciones.
La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero
(es decir que sean variables positivas)
en nuestro ejemplo la variable X y Y esta definida como no restringidas, por lo
tanto debemos realizar un cambio de variable,
X debe ser igual a X1 – X2 , también la variable Y debe ser igual a Y1-Y2, y luego
hacemos el reemplazo en todo el modelo en su forma estándar.
20
Como primer paso implementamos el tablero inicial del simplex con la estructura
de su forma estándar.
Como se esta maximizando debemos seleccionar el coeficiente del Costo Reducido

más negativo para obtener nuestra columna PIVOT, para nuestro caso corresponde
al valor -8 de la columna asociada a la variable X2, y es la variable que ingresa a la
base en el segundo tablero.
21
Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado
derecho (solución) entre los valores de los elemento de la columna PIVOT (la
a la variable S3 que tiene como cociente mínimo 1.
Esto significa que en el segundo tablero debe salir de la base la variable S3 y su
lugar debe ser remplazada por la variable X2.

intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del
22
Mediante operaciones suma fila debemos hacer canónico el vector columna

asociado a la variable X2 en el segundo tablero, de la siguiente manera:
En el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila
de color rojo) por 8 y luego sumamos el valor ( - 8 ) de la fila de los coeficientes
reducidos en el primer tablero, el resultado es “cero” y lo colocamos en la misma
posición pero del segundo tablero, replicamos ésta operación para toda la fila con
23
Luego, en el segundo tablero multiplicamos el valor “UNO” (el cuál esta resaltado
en la fila de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S1 en el
primer tablero, el resultado es “cero” y lo colocamos en la misma posición pero del
segundo tablero, replicamos ésta operación para toda la fila con el valor del
24
de color rojo) por 1 y luego sumamos el valor (-1) de la fila de S2 en el primer
tablero, el resultado es “cero” y lo colocamos en la misma posición pero del
25
Continuando, como se esta maximizando debemos seleccionar el coeficiente del

Costo Reducido más negativo del segundo tablero para obtener nuestra columna
PIVOT, para nuestro caso corresponde al valor -7 de la columna asociada a la
variable Y2, y es la variable que ingresa a la base en el tercer tablero.
a la variable S2 que tiene como cociente mínimo 5/3. Esto significa que en el tercer
tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la
variable Y2.
El elemento de intersección de la fila y columna PIVOT debe ser uno en el tercer

intercepción es 3 y colocamos el resultado en el tercer tablero en la posición del
renglón que le corresponde, y la variable S2 es reemplazada por la variable Y2,
26

asociado a la variable Y2 en el tercer tablero, de la siguiente manera:
En el tercer tablero multiplicamos el valor “UNO” (el cuál esta resaltado en la fila
de color rojo) por 7 y luego sumamos el valor ( - 7 ) de la fila de los coeficientes
reducidos en el segundo tablero, el resultado es “cero” y lo colocamos en la misma
posición pero del tercer tablero, replicamos ésta operación para toda la fila con el
valor del coeficiente reducido correspondiente del primer tablero.
27
Luego, en el tercer tablero multiplicamos el valor “UNO” (el cuál esta resaltado en
la fila de color rojo) por 2 y luego sumamos el valor (-2) de la fila de S1 en el
segundo tablero, el resultado es “cero” y lo colocamos en la misma posición pero
del tercer tablero, replicamos ésta operación para toda la fila con el valor del
coeficiente correspondiente del segundo tablero.
28
En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila
de color rojo) por 1 y luego sumamos el valor (-1) de la fila de Y2 en el segundo
tablero. El resultado es “cero” y lo colocamos en la misma posición pero del tercer
tablero, replicamos esta operación para toda la fila con el valor del coeficiente
correspondiente del segundo tablero.
Luego, vemos que en el tercer tablero ya no existen más costos reducidos

negativos; entonces, se ha llegado a la solución final.
29
El tercer tablero nos da el tablero óptimo del cual obtenemos el vector solución,
compuesto por las variables básicas (son aquellas variables que están en la
columna base) las cuales obtienen su resultado de la columna solución y las
variables no básicas (aquellas variables que no aparecen en la columna base)
asumen valor cero por default.
30
X asume un valor de – 8/3 ,

Y asume un valor de - 5/3 , y
La función objetivo asume un valor óptimo de 59/3
31
HE17 - SeminarioDEdeOPERACIONES
INVESTIGACIÓN Investigación Universidad Ricardo Palma
32
Los modelos de minimización buscan casi siempre obtener el mínimo costo, el

menor tiempo de producción, el menor desperdicio, la menor cantidad de piezas
rechazadas, el menor tiempo de entrega, el menor tiempo de espera, etc y se
aplican en la industria , en los sistemas de comercialización, sistemas financieros,
transportes, sistemas de salud, en el sector de servicios públicos, etc.
33
INVESTIGACIÓN DE
OPERACIONAL
Una empresa produce harina de tipo I para uso interno y harina tipo II para venta.
El área de ventas estima que la diferencia entre la harina tipo I y II debe ser a lo mas 6
toneladas.
Una tonelada de harina tipo I de uso interno genera un costo de 2 mil soles y requiere un
operario y una tonelada de harina tipo II destinada a la venta genera una ganancia de 3 mil
soles y requiere 2 operarios. Se dispone de 4 operarios.
¿cuánto y qué tipo de harina se debe producir para minimizar los costos?
34
35
INVESTIGACIÓN DE
OPERACIONAL
Hemos visto hasta aquí las aplicaciones del modelo SIMPLEX aplicado a problemas
de maximización, sin embargo, encontraran ocasiones donde es necesario
minimizar la función objetivo.
Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de

minimización.
Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones
del tipo menor o igual.
Como primer paso debemos aplicar la forma estándar al modelo planteado, lo cual
implica tres condiciones:
La primera condición : que los lado derecho de las restricciones sean constantes
mayores o iguales a cero,
en nuestro ejemplo los lado derecho de las restricciones ya son
constantes positivas.
La segunda condición: que las inecuaciones sean expresadas en forma de

igualdades usando variables de holgura,
en nuestro ejemplo estamos agregando las variables de holgura
S1 y S2 a las dos restricciones.
La tercera condición: que las variables que participan en el modelo sean mayores o
iguales a cero (es decir que sean variables positivas)
en nuestro ejemplo todas las variables son positivas.
36
Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido

más positivo para obtener nuestra columna PIVOT, para nuestro caso corresponde
al valor 3 de la columna asociada a la variable X2, y es la variable que ingresa a la
37
lugar debe ser remplazada por la variable X2.

38

asociado a la variable X2 en el segundo tablero, de la siguiente manera:
de color rojo) por (-3) y luego sumamos el valor 3 de la fila de los coeficientes
39
Luego vemos que en el segundo tablero ya no existen mas costos reducidos

positivos, entonces se ha llegado a la solución final.
40
El segundo tablero nos da el tablero óptimo del cual obtenemos el vector solución,
el cual está compuesto por a) las variables básicas (son aquellas variables que
están en la columna base) las cuales obtienen su resultado de la columna solución,
y b) las variables no básicas (aquellas variables que no aparecen en la columna
base) que asumen valor cero por default.
41
X1 asume un valor de 0 ,
X2 asume un valor de 4 , y
La función objetivo asume un valor óptimo de - 12
42
43
Los modelos de minimización con variables negativas, buscan modelar condiciones

donde las variables puedan asumir valores negativos, como por ejemplo la
condición de cuantificar costos, desembolsos de un flujo de dinero, cuantificar
perdidas, capital faltante, inventario faltante, entre otros casos; donde el resultado
de la función objetivo es casi siempre obtener el menor costo y se aplican en la
industria , en los sistemas de comercialización, sistemas financieros, transportes,
sistemas de salud, en el sector de servicios públicos, etc.
A continuación mostraremos una formulación asociado a un modelo matemático

donde se ilustra el uso de variables negativas.
44
INVESTIGACIÓN DE
OPERACIONAL
Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de minimización con
variable negativa.
Encontrarán ocasiones en donde el modelo requiere hacer uso de variables que puedan asumir
valores negativos y será necesario hacer un reemplazo de variables.
Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o
igual.
Como primer paso debemos aplicar la forma estándar al modelo planteado, lo cual implica tres
condiciones:
La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales
a cero,
en nuestro ejemplo los lado derecho de las restricciones ya son constantes
positivas.
La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando
variables de holgura,
en nuestro ejemplo estamos agregando las variables de holgura S1 y S2 a las dos
restricciones.
La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero
(es decir que sean variables positivas)
en nuestro ejemplo la variable Y esta definida como negativa, por lo tanto
debemos realizar un cambio de variable,
Y debe ser igual a – Y1, y hacemos el reemplazo en todo el modelo en su forma
estándar.
45
Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido

más positivo para obtener nuestra columna PIVOT, para nuestro caso corresponde
al valor 1 de la columna asociada a la variable Y1, y es la variable que ingresa a la
46
lugar debe ser remplazada por la variable Y1.

renglón que le corresponde, y la variable S2 es reemplazada por la variable Y1,
47

asociado a la variable Y1 en el segundo tablero, de la siguiente manera:
de color rojo) por (-1) y luego sumamos el valor 1 de la fila de los coeficientes
48
Luego vemos que en el segundo tablero ya no existen mas costos reducidos

positivos, entonces se ha llegado a la solución final.
49
El segundo tablero, nos da el tablero óptimo del cual obtenemos el vector solución,
compuesto por las variables básicas ( son aquellas variables que están en la
columna base) las cuales obtienen su resultado de la columna solución y las
variables no básicas (aquellas variables que no aparecen en la columna base)
asumen valor cero por defoul .
50
X asume un valor de 0 ,
Y asume un valor de - 4 , y
La función objetivo asume un valor óptimo de - 4
51
52
53
54
55
56
57
58
59
60
61
62
63

Ejercicios - Metodo Simplex

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios - Metodo Simplex

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIÓN DE OPERACIONES Universidad Ricardo Palma

El algoritmo SIMPLEX es un procedimiento general para resolver problemas de

La implementación en computadoras personales del método SIMPLEX y sus

Como hemos visto en el material de trabajo autónomo 2 se trató el tema de

Para los modelos de maximización se esta considerando el desarrollo de ejercicios

Para los modelos de minimización se esta considerando el desarrollo de ejercicios

Los modelos de maximización buscan casi siempre obtener la máxima rentabilidad,

Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de

La segunda condición: que las inecuaciones sean expresadas en forma de

Ahora bien, implementamos el tablero inicial del simplex con la estructura de su

Como se está maximizando, debemos seleccionar el coeficiente del Costo Reducido

Posteriormente hallamos el ratio del cociente mínimo dividiendo la columna del

El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente

Continuando, como se está maximizando debemos seleccionar el coeficiente del

Luego, vemos que en el tercer tablero ya no existen más costos reducidos

El valor de la función objetivo se obtiene del primer valor de la columna solución.

La solución final se da en función a las variables de decisión:

X1 asume un valor de 10/3 ,

Los modelos de maximización con variables no restringidas, buscan modelar

A continuación mostraremos una formulación asociado a un modelo matemático

Como se esta maximizando debemos seleccionar el coeficiente del Costo Reducido

El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente

Mediante operaciones suma fila debemos hacer canónico el vector columna

Continuando, como se esta maximizando debemos seleccionar el coeficiente del

El elemento de intersección de la fila y columna PIVOT debe ser uno en el tercer

Mediante operaciones suma fila debemos hacer canónico el vector columna

Luego, vemos que en el tercer tablero ya no existen más costos reducidos

El valor de la función objetivo se obtiene del primer valor de la columna solución.

La solución final se da en función a las variables de decisión:

X asume un valor de – 8/3 ,

Los modelos de minimización buscan casi siempre obtener el mínimo costo, el

Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de

La segunda condición: que las inecuaciones sean expresadas en forma de

Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido

El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente

Mediante operaciones suma fila debemos hacer canónico el vector columna

Luego vemos que en el segundo tablero ya no existen mas costos reducidos

El valor de la función objetivo se obtiene del primer valor de la columna solución.

La solución final se da en función a las variables de decisión:

Los modelos de minimización con variables negativas, buscan modelar condiciones

A continuación mostraremos una formulación asociado a un modelo matemático

Como se esta minimizando debemos seleccionar el coeficiente del Costo Reducido

El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente

Mediante operaciones suma fila debemos hacer canónico el vector columna

Luego vemos que en el segundo tablero ya no existen mas costos reducidos

El valor de la función objetivo se obtiene del primer valor de la columna solución.

La solución final se da en función a las variables de decisión:

También podría gustarte