METODO SIMPLEX PRIMAL – TAREA 2

METODO SIMPLEX PRIMAL

FORMA ESTANDAR DEL METODO SIMPLEX PRIMAL

• Propiedades:

1. Todas las restricciones son ecuaciones [con segundos miembros no negativos].

2. Todas las variables son no negativas.
3. La función objetivo puede ser de maximización o minimización.

a. Restricciones:

1. Una restricción del tipo ≤ puede convertirse en una ecuación mediante la suma de
una variable de holgura a el primer miembro de la restricción.

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 ≤ 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 ≤ 𝒃𝟐

𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 ≤ 𝒃𝟑
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 ≤ 𝒃𝟒

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 + 𝑺𝟏 = 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 + 𝑺𝟐 = 𝒃𝟐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 + 𝑺𝟑 = 𝒃𝟑
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 + 𝑺𝟒 = 𝒃𝟒

2. Una restricción del tipo ≥ puede convertirse en una ecuación restando una variable
de exceso del primer miembro de la restricción.

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 ≥ 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 ≥ 𝒃𝟐
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 ≥ 𝒃𝟑
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 ≥ 𝒃𝟒

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 − 𝑺𝟏 = 𝒃𝟏

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 − 𝑺𝟐 = 𝒃𝟐

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 − 𝑺𝟑 = 𝒃𝟑
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 − 𝑺𝟒 = 𝒃𝟒

3. El segundo miembro de una ecuación puede hacerse no negativo, multiplicando

ambos lados por – 1.

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 − 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 = − 𝒃𝟏 ∗ (−𝟏)

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 = − 𝒃𝟐 ∗ (−𝟏)
𝒂𝟑𝟏 𝑿𝟏 − 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 = − 𝒃𝟑 ∗ (−𝟏)
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 = − 𝒃𝟒 ∗ (−𝟏)

− 𝒂𝟏𝟏 𝑿𝟏 − 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 − ⋯ − 𝒂𝟏𝒎 𝑿𝒏 = 𝒃𝟏

− 𝒂𝟐𝟏 𝑿𝟏 − 𝒂𝟐𝟐 𝑿𝟐 − 𝒂𝟐𝟑 𝑿𝟑 − ⋯ − 𝒂𝟐𝒎 𝑿𝒏 = 𝒃𝟐
− 𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 − 𝒂𝟑𝟑 𝑿𝟑 − ⋯ − 𝒂𝟑𝒎 𝑿𝒏 = 𝒃𝟑
− 𝒂𝟒𝟏 𝑿𝟏 − 𝒂𝟒𝟐 𝑿𝟐 − 𝒂𝟒𝟑 𝑿𝟑 − ⋯ − 𝒂𝟒𝒎 𝑿𝒏 = 𝒃𝟒

4. La dirección de una desigualdad se invierte cuando ambos miembros se multiplican

por – 1.

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 ≤ − 𝒃𝟏 ∗ (−𝟏)

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 ≤ − 𝒃𝟐 ∗ (−𝟏)
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 ≤ − 𝒃𝟑 ∗ (−𝟏)
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 ≤ − 𝒃𝟒 ∗ (−𝟏)

− 𝒂𝟏𝟏 𝑿𝟏 − 𝒂𝟏𝟐 𝑿𝟐 − 𝒂𝟏𝟑 𝑿𝟑 − ⋯ − 𝒂𝟏𝒎 𝑿𝒏 ≥ 𝒃𝟏

− 𝒂𝟐𝟏 𝑿𝟏 − 𝒂𝟐𝟐 𝑿𝟐 − 𝒂𝟐𝟑 𝑿𝟑 − ⋯ − 𝒂𝟐𝒎 𝑿𝒏 ≥ 𝒃𝟐
− 𝒂𝟑𝟏 𝑿𝟏 − 𝒂𝟑𝟐 𝑿𝟐 − 𝒂𝟑𝟑 𝑿𝟑 − ⋯ − 𝒂𝟑𝒎 𝑿𝒏 ≥ 𝒃𝟑
− 𝒂𝟒𝟏 𝑿𝟏 − 𝒂𝟒𝟐 𝑿𝟐 − 𝒂𝟒𝟑 𝑿𝟑 − ⋯ − 𝒂𝟒𝒎 𝑿𝒏 ≥ 𝒃𝟒

𝒂𝟏𝟏 𝑿𝟏 + 𝒂𝟏𝟐 𝑿𝟐 + 𝒂𝟏𝟑 𝑿𝟑 + ⋯ + 𝒂𝟏𝒎 𝑿𝒏 ≥ −𝒃𝟏 ∗ (−𝟏)

𝒂𝟐𝟏 𝑿𝟏 + 𝒂𝟐𝟐 𝑿𝟐 + 𝒂𝟐𝟑 𝑿𝟑 + ⋯ + 𝒂𝟐𝒎 𝑿𝒏 ≥ − 𝒃𝟐 ∗ (−𝟏)
𝒂𝟑𝟏 𝑿𝟏 + 𝒂𝟑𝟐 𝑿𝟐 + 𝒂𝟑𝟑 𝑿𝟑 + ⋯ + 𝒂𝟑𝒎 𝑿𝒏 ≥ − 𝒃𝟑 ∗ (−𝟏)
𝒂𝟒𝟏 𝑿𝟏 + 𝒂𝟒𝟐 𝑿𝟐 + 𝒂𝟒𝟑 𝑿𝟑 + ⋯ + 𝒂𝟒𝒎 𝑿𝒏 ≥ −𝒃𝟒 ∗ (−𝟏)

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

− 𝒂𝟏𝟏 𝑿𝟏 − 𝒂𝟏𝟐 𝑿𝟐 − 𝒂𝟏𝟑 𝑿𝟑 − ⋯ − 𝒂𝟏𝒎 𝑿𝒏 ≤ 𝒃𝟏

− 𝒂𝟐𝟏 𝑿𝟏 − 𝒂𝟐𝟐 𝑿𝟐 − 𝒂𝟐𝟑 𝑿𝟑 − ⋯ − 𝒂𝟐𝒎 𝑿𝒏 ≤ 𝒃𝟐
− 𝒂𝟑𝟏 𝑿𝟏 − 𝒂𝟑𝟐 𝑿𝟐 − 𝒂𝟑𝟑 𝑿𝟑 − ⋯ − 𝒂𝟑𝒎 𝑿𝒏 ≤ 𝒃𝟑
− 𝒂𝟒𝟏 𝑿𝟏 − 𝒂𝟒𝟐 𝑿𝟐 − 𝒂𝟒𝟑 𝑿𝟑 − ⋯ − 𝒂𝟒𝒎 𝑿𝒏 ≤ 𝒃𝟒
b. Variables:

Una variable irrestricta (o no restringida) 𝒚𝒊 puede expresarse en términos de dos

variables no negativas mediante el uso de la sustitución:

𝒚𝒊 = 𝒚′𝒊 − 𝒚′′
𝒊 𝒚′𝒊, 𝒚′′
𝒊 ≥𝟎

c. Función objetivo:

La maximización de una función equivale a la minimización del negativo de la misma

función y viceversa:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝑼𝟏 𝑿𝟏 + 𝑼𝟐 𝑿𝟐 + 𝑼𝑿𝟑 + ⋯ + 𝑼𝒏 𝑿𝒏

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 (− 𝒁) = − 𝑼𝟏 𝑿𝟏 − 𝑼𝟐 𝑿𝟐 − 𝑼𝑿𝟑 − ⋯ − 𝑼𝒏 𝑿𝒏

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

Ejemplo:

Sea la situación problema de programación lineal:

Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca con las siguientes
utilidades: A, $250.000, cada unidad; B, $280.000; C, $260.000. Producir cada unidad de A necesita
10 horas de trabajo, 8 horas de acabado y 5 unidades de materia prima. Producir una unidad de B
necesita 7 horas de trabajo, 5 horas de acabado y 9 unidades de materia prima. Producir una unidad
de C necesita 6 horas de trabajo, 4 horas de acabado y 6 unidades de materia prima. Para este
período de planificación están disponibles como máximo 500 horas de trabajo, 600 horas de
acabado y 400 unidades de materia prima. Formule, construya y solucione el problema como un
Modelo de Programación Lineal que maximice las utilidades de la empresa.

El problema como modelo de programación lineal, es:

Función objetivo:
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 + 𝟐𝟖𝟎. 𝟎𝟎𝟎 𝑿𝟐 + 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑
Sujeto a:

𝟏𝟎 𝑿𝟏 + 𝟕 𝑿𝟐 + 𝟔 𝑿𝟑 ≤ 𝟓𝟎𝟎
𝟖 𝑿𝟏 + 𝟓 𝑿𝟐 + 𝟒 𝑿𝟑 ≤ 𝟔𝟎𝟎
𝟓 𝑿𝟏 + 𝟗 𝑿𝟐 + 𝟔 𝑿𝟑 ≤ 𝟒𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

Transformando las restricciones (desigualdades) en ecuaciones, agregando una variable

de holgura 𝑺𝒏, a cada restricción porque son del tipo ≤ a su disponibilidad, y agregando
las correspondientes variables de holgura a la restricción de la no negatividad, se tiene:

𝟏𝟎 𝑿𝟏 + 𝟕 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟏 = 𝟓𝟎𝟎
𝟖 𝑿𝟏 + 𝟓 𝑿𝟐 + 𝟒 𝑿𝟑 + 𝑺𝟐 = 𝟔𝟎𝟎
𝟓 𝑿𝟏 + 𝟗 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟑 = 𝟒𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏, 𝑺𝟐, 𝑺𝟑 ≥ 𝟎

Igualando a cero (0) la función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 + 𝟐𝟖𝟎. 𝟎𝟎𝟎𝑿𝟐 + 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑 𝒊𝒈𝒖𝒂𝒍𝒂𝒏𝒅𝒐 𝒂 𝒄𝒆𝒓𝒐 (𝟎)

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 − 𝟐𝟖𝟎. 𝟎𝟎𝟎 𝑿𝟐 − 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑 = 𝟎

La forma estándar del método simplex primal del modelo de programación lineal es:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 − 𝟐𝟖𝟎. 𝟎𝟎𝟎𝑿𝟐 − 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑 = 𝟎

Sujeto a:
𝟏𝟎 𝑿𝟏 + 𝟕 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟏 = 𝟓𝟎𝟎
𝟖 𝑿𝟏 + 𝟓 𝑿𝟐 + 𝟒 𝑿𝟑 + 𝑺𝟐 = 𝟔𝟎𝟎
𝟓 𝑿𝟏 + 𝟗 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟑 = 𝟒𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏, 𝑺𝟐, 𝑺𝟑 ≥ 𝟎

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

METODO SIMPLEX PRIMAL

Método de solución:

CONDICION DE OPTIMIDAD:

• Para maximización:

La variable entrante en una maximización es la variable no básica, con el coeficiente más

negativo en la ecuación Z objetivo. Un empate se rompe arbitrariamente. El óptimo se
alcanza cuando los coeficientes no básicos en la ecuación Z son no negativos.

• Para minimización:

La variable entrante en una minimización es la variable no básica, con el coeficiente más

positivo en la ecuación Z objetivo. Un empate se rompe arbitrariamente. El óptimo se
alcanza cuando los coeficientes no básicos en la ecuación Z son no positivos.

CONDICION DE FACTIBILIDAD:

• Tanto en problemas de maximización como de minimización, la variable saliente es la

variable básica actual, con la menor intersección (razón mínima con denominador
estrictamente positivo) en dirección de la variable entrante. Un empate se rompe
arbitrariamente.

Pasos iterativos formales del método simplex primal:

Paso 0: Usando la forma estándar (con los segundos miembros no negativos) determine una
solución inicial factible.

Paso 1. Seleccione una variable entrante entre las variables actuales no básicas, usando la
condición de optimidad.

Paso 2. Seleccione la variable saliente entre las variables actuales básicas, usando la condición de
factibilidad.
Paso 3. Determine los valores de las nuevas variables básicas, haciendo a la variable entrante
básica y a la variable saliente no básica. Vuelva al Paso 1.

Paso 4. Identificadas las variables entrantes y salientes, determinar la nueva solución básica
aplicando el MÉTODO DE ELIMINACIÓN DE GAUSS JORDAN. El método comienza identificando la
columna de la variable entrante como columna entrante. El renglón asociado con la variable
saliente se denominará ecuación pivote, y el elemento en la intersección de la columna entrante y
la ecuación pivote se denominará elemento pivote.

Con el método de eliminación de Gauss Jordan se efectúa un cambio de base empleando dos
operaciones de cálculo:

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2
1. Ecuación pivote:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆 = 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆/𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒑𝒊𝒗𝒐𝒕𝒆

2. Las demás ecuaciones, incluyendo Z:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏
= (𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓) − (𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒍𝒖𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆)
∗ (𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆)

Tabla inicial del método simplex primal:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏: 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅𝒆𝒔, 𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔 , 𝑩𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐𝒔

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 … Xn S1 S2 S3 … Sm
Z 1 - U1 - U2 - U3 … - Un 0 0 0 … 0 0
S1 0 a11 a12 a13 … a1n 1 0 0 … 0 b1
S2 0 a21 a22 a23 … a2n 0 1 0 … 0 b2
S3 0 a31 a32 a33 … a3n 0 0 1 … 0 b3
… … … … … … … … … … … .. …
Sm 0 am1 am2 am3 … amn 0 0 0 … 1 bm

𝑴𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏: 𝑪𝒐𝒔𝒕𝒐𝒔, 𝑷𝒆𝒓𝒅𝒊𝒅𝒂𝒔

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 … Xn S1 S2 S3 … Sm
Z 1 - C1 - C2 - C3 … - Cn 0 0 0 … 0 0
S1 0 a11 a12 a13 … a1n 1 0 0 … 0 b1
S2 0 a21 a22 a23 … a2n 0 1 0 … 0 b2
S3 0 a31 a32 a33 … a3n 0 0 1 … 0 b3
… … … … … … … … … … … .. …
Sm 0 am1 am2 am3 … amn 0 0 0 … 1 bm

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

SOLUCION DE UN PROBLEMA DE PROGRAMACION LINEAL POR EL METODO SIMPLEX PRIMAL

Sea la situación problema de programación lineal:

Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca con las siguientes
utilidades: A, $250.000, cada unidad; B, $280.000; C, $260.000. Producir cada unidad de A necesita
10 horas de trabajo, 8 horas de acabado y 5 unidades de materia prima. Producir una unidad de B
necesita 7 horas de trabajo, 5 horas de acabado y 9 unidades de materia prima. Producir una unidad
de C necesita 6 horas de trabajo, 4 horas de acabado y 6 unidades de materia prima. Para este
período de planificación están disponibles como máximo 500 horas de trabajo, 600 horas de
acabado y 400 unidades de materia prima. Formule, construya y solucione el problema como un
Modelo de Programación Lineal que maximice las utilidades de la empresa.

El problema como modelo de programación lineal, es:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 = 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 + 𝟐𝟖𝟎. 𝟎𝟎𝟎 𝑿𝟐 + 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑

Sujeto a:

𝟏𝟎 𝑿𝟏 + 𝟕 𝑿𝟐 + 𝟔 𝑿𝟑 ≤ 𝟓𝟎𝟎
𝟖 𝑿𝟏 + 𝟓 𝑿𝟐 + 𝟒 𝑿𝟑 ≤ 𝟔𝟎𝟎
𝟓 𝑿𝟏 + 𝟗 𝑿𝟐 + 𝟔 𝑿𝟑 ≤ 𝟒𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 ≥ 𝟎

La forma estándar del modelo de programación lineal, es:

Función objetivo:

𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝒁 − 𝟐𝟓𝟎. 𝟎𝟎𝟎 𝑿𝟏 − 𝟐𝟖𝟎. 𝟎𝟎𝟎 𝑿𝟐 − 𝟐𝟔𝟎. 𝟎𝟎𝟎 𝑿𝟑 = 𝟎

Sujeto a:
𝟏𝟎 𝑿𝟏 + 𝟕 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟏 = 𝟓𝟎𝟎
𝟖 𝑿𝟏 + 𝟓 𝑿𝟐 + 𝟒 𝑿𝟑 + 𝑺𝟐 = 𝟔𝟎𝟎
𝟓 𝑿𝟏 + 𝟗 𝑿𝟐 + 𝟔 𝑿𝟑 + 𝑺𝟑 = 𝟒𝟎𝟎
𝑿𝟏 , 𝑿𝟐 , 𝑿𝟑 , 𝑺𝟏, 𝑺𝟐, 𝑺𝟑 ≥ 𝟎

Llevando la información a la Tabla inicial del método simplex primal:

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2
Variables Variables No Básicas
Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 -250.000 -280.000 -260.000 0 0 0 0
S1 0 10 7 6 1 0 0 500
S2 0 8 5 4 0 1 0 600
S3 0 5 9 6 0 0 1 400

Iteración 1

Identificación de variables:

• Variable entrante:
Condición de optimidad: para maximización, variable no básica con el coeficiente más negativo.

-250.000
-280.000

-260.000

• Variable saliente:

Condición de factibilidad: variable básica actual, razón mínima con denominador estrictamente
positivo en la dirección de la variable entrante.

500 / 7 = 71.42
600 / 5 = 120

400 / 9 = 44.44

• Elemento pivote:

Intersección de la columna entrante con la ecuación pivote: 9

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 -250.000 -280.000 -260.000 0 0 0 0
S1 0 10 7 6 1 0 0 500
S2 0 8 5 4 0 1 0 600
S3 0 5 9 6 0 0 1 400

• Aplicando el método de eliminación de Gauss Jordan:

1. Ecuación pivote:
𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆 = 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆/𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒑𝒊𝒗𝒐𝒕𝒆
2. Las demás ecuaciones, incluyendo Z:

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2
𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏
= [(𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆)
∗ (− 𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒍𝒖𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆)] + (𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓)

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 -850.000 / 0 -220.000 0 0 280.000 11.200.000
9 /3 /9 /9
S1 0 55 / 9 0 4 /3 1 0 -7 / 9 1.700 / 9
S2 0 47 / 9 0 2 /3 0 1 -5 / 9 3.400 / 9
X2 0 5/9 1 2/ 3 0 0 1/9 400 /9

Iteración 2

Identificación de variables:

• Variable entrante:
Condición de optimidad: para maximización, variable no básica con el coeficiente más negativo.

-850.000 / 9 = -94.444

-220.000 / 3 = -73.333

• Variable saliente:
Condición de factibilidad: variable básica actual, razón mínima con denominador estrictamente
positivo en la dirección de la variable entrante.

(1.700 / 9) / (55 / 9) = 30.90

(3.400 / 9) / (47 / 9) = 72.34

(400 /9) / (5 / 9) = 80

• Elemento pivote:

Intersección de la columna entrante con la ecuación pivote: 55 / 9

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 - 0 - 0 0 280.000 11.200.000
850.000 220.000 /9 /9
/9 /3
S1 0 55 / 9 0 4 /3 1 0 -7 / 9 1.700 / 9
S2 0 47 / 9 0 2 /3 0 1 -5 / 9 3.400 / 9
X2 0 5/9 1 2/ 3 0 0 1/9 400 /9

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

Aplicando el método de eliminación de Gauss Jordan:

1. Ecuación pivote:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆 = 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆/𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒑𝒊𝒗𝒐𝒕𝒆

2. Las demás ecuaciones, incluyendo Z:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏
= [(𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆)
∗ (− 𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒍𝒖𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆)] + (𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓)

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 0 0 -580.000 170.000 0 210.000 16.900.000
/ 11 / 11 / 11 / 11
X1 0 1 0 12 / 55 9 / 55 0 -7 / 55 340 / 11
S2 0 0 0 -26 /55 -47 /55 1 6 / 55 2.380 / 11
X2 0 0 1 6 /11 -1 /11 0 2 / 11 300 /11

Iteración 3:

Identificación de variables:

• Variable entrante:

Condición de optimidad: para maximización, variable no básica con el coeficiente más negativo.

0
-580.000 / 11

• Variable saliente:

Condición de factibilidad: variable básica actual, razón mínima con denominador estrictamente
positivo en la dirección de la variable entrante.

(340 / 11) / (12 /55) = 113.3333

(2.380 / 11) / ( -26 / 55) = No aplica

(300 /11) / (6 / 11) = 50

• Elemento pivote:

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2
Intersección de la columna entrante con la ecuación pivote: 6 / 11

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 0 0 -580000 170000 0 210000 16.900.000
/ 11 / 11 / 11 / 11
X1 0 1 0 12 / 55 9 / 55 0 -7 / 55 340 / 11
S2 0 0 0 -26 /55 -47 /55 1 6 / 55 2380 / 11
X2 0 0 1 6 /11 -1 /11 0 2 / 11 300 /11

• Aplicando el método de eliminación de Gauss Jordan:

1. Ecuación pivote:
𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆 = 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆/𝒆𝒍𝒆𝒎𝒆𝒏𝒕𝒐 𝒑𝒊𝒗𝒐𝒕𝒆
2. Las demás ecuaciones, incluyendo Z:

𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏
= [(𝒏𝒖𝒆𝒗𝒂 𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒑𝒊𝒗𝒐𝒕𝒆)
∗ (− 𝒄𝒐𝒆𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒆 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒍𝒖𝒎𝒂𝒏 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆)] + (𝒆𝒄𝒖𝒂𝒄𝒊ó𝒏 𝒂𝒏𝒕𝒆𝒓𝒊𝒐𝒓)

Variables Variables No Básicas

Solución
Básicas Z X1 X2 X3 S1 S2 S3
Z 1 0 290.000 0 20.000 0 110.000 18.000.000
/3 /3 /3
X1 0 1 -2 / 5 0 1/5 0 -1/ 5 20
S2 0 0 13 /15 0 -14 /15 1 4 / 15 240
X3 0 0 11 / 6 1 -1 /6 0 1/3 50

• Condición de optimidad:

El óptimo se alcanza cuando los coeficientes no básicos de la ecuación Z son no negativos.

Resultados:

𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐𝒔 𝑨: 𝑿𝟏 = 𝟐𝟎
𝑪𝒂𝒏𝒕𝒊𝒅𝒂𝒅 𝒅𝒆 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒐𝒔 𝑪: 𝑿𝟑 = 𝟓𝟎
𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒄𝒊ó𝒏 𝒅𝒆 𝑰𝒏𝒈𝒓𝒆𝒔𝒐𝒔: 𝒁 = 𝟏𝟖. 𝟎𝟎𝟎. 𝟎𝟎𝟎

Interpretación de los resultados:

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022
 METODO SIMPLEX PRIMAL – TAREA 2

La empresa debe producir 20 unidades del producto A con una utilidad de $250.000 por unidad y
50 unidades del producto C con una utilidad de $260.000 por unidad para maximizar las
utilidades a $18.000.000

Ejemplo Solución de un modelo de programación lineal por el método simplex primal en hoja de
cálculo (Excel), Excel QM y Solver (Excel) (consulte aquí).

Álvaro Javier Rojas Baracaldo Director de curso

Red de curso 100404 Programación Lineal 16-02 2022