Optimización por programación lineal

Método simplex

Romualdo Vilca Curo

romualdov@gmail.com
Contenido
• Introducción
• Etapas del método
• Requisitos
• Procedimiento de solución de problemas
• Tipos de solución del método
• Solución de problemas
Propósito
Comprender el uso método Simplex en la resolución
problemas de programación lineal con tres o mas variables
Introducción
• Es un procedimiento matricial interactivo fundamentado en la
metodología Gauss Jordán en el manejo de variables no
negativas
• Su uso permite la solución de problemas de programación
lineal con mas dos variables.

• Es un procedimiento iterativo que permite hallar la mejor

solución a la función objetivo. El proceso concluye cuando no
es posible seguir mejorando dicho valor, es decir, se ha
alcanzado la solución optima.
Etapas del método

Etapa inicial Etapa inicial: consiste en dar la primera solución factible en el

vértice correspondiente al origen.

Etapa iterativa: el método busca una mejor solución que la

Etapa iteractiva anterior.

Etapa prueba de optimalidad: se logra cuando la solución de

Etapa prueba de un vértice es mejor que la de los vértices adyacentes.
optimalidad
Requisitos para la solución de problemas
1. Se deben expresar como ecuaciones todas las restricciones

2. El lado derecho de las restricciones no puede ser negativo

3. Todas las variables se limitan a valores no negativos

Procedimientos de resolución
1. Convertir la desigualdad en igualdad mediante la incorporación de
variable holgura o artificiales (S, H).

Tipo de restricción Coeficiente de la variable Coeficiente de las

holgura variables artificiales
Menor o igual que (≤) +1 0
Mayor igual que (≥) -1 +1
Igualdad 0 +1

2. Incluir las variables holgura y/o artificiales en las dela función

restricción, con un coeficiente S para el caso de las variables de holgura y
con un coeficiente H para las variables artificiales.
Procedimientos de resolución
3. Formular la tabla simplex que contenga la columna de constantes, el
cuerpo y la parte identidad.

4. Encontrar una mejor solución que la anterior

Tipos de solución de método simplex
1. Solución factible. Es cualquier conjunto de valores para n variables
que satisfagan tanto las restricciones estructurales como las restricciones
de no negatividad.
2. Solución básica. Se obtiene al despejar del sistema de ecuaciones
lineales los valores de las variables

3. Solución factible básica. Es una solución que también satisface las

restricciones de no negatividad
Ejemplo
Se desea formular un alimento para perros que consiste en tres ingredientes:
Harina guau, trocitos fido y un rellenador carente de valor nutritivo. Cien
kilogramos del producto final deben contener por lo menos 10 kilogramos de
proteína, 6 kilogramos de grasa y 15 kilogramos de fibra. Los ingredientes tiene
los siguientes porcentajes de componentes: la harina guau contiene 10% de
proteína, 12% grasa y 75% de fibra, y los trocitos fido contienen 50% de proteína,
15% de grasa y 20% de fibra. Los índices de precio de esta mañana indican que los
cien kilogramos de harina Guau se están vendiendo a $ 2.50 y los trocitos fido a $
3.00. Calcule cual es la formulación de menor costo que cumple con las
especificaciones. Suponga que el costo del rellenador es tan bajo que se puede
pasar por alto.
Datos
𝑀𝑖𝑛 𝑍 = 0.025𝑥1 + 0.030𝑥2 Forma real

0.1𝑥1 + 0.5𝑥2 ≥ 10
0.12𝑥1 + 0.15𝑥2 ≥ 6 Forma real
0.75𝑥1 + 0.20𝑥2 ≥ 15
𝑥1, 𝑥2 ≥ 0

Solución
Paso 1: Convertir la función objetivo en forma estándar

Forma real Forma estándar

𝑀𝑖𝑛 𝑍 = 0.025𝑥1 + 0.030𝑥2 𝑀𝑖𝑛 𝑍 = −0.025𝑥1 − 0.030𝑥2

 Paso 2: Convertir la función de restricción en forma estándar, y se añade la variable holgura.

Forma origina Forma estándar

0.1𝑥1 + 0.5𝑥2 ≥ 10 0.1𝑥1 + 0.5𝑥2 − 𝑆1 = 10
0.12𝑥1 + 0.15𝑥2 ≥ 6 0.12𝑥1 + 0.15𝑥2 − 𝑆2 = 6
0.75𝑥1 + 0.20𝑥2 ≥ 15 0.75𝑥1 + 0.20𝑥2 − 𝑆3 = 15
𝑥1, 𝑥2 ≥ 0 𝑥1, 𝑥2 ≥ 0

Paso 3: Utili𝑧𝑎𝑟 𝑡𝑎𝑏𝑙𝑎 𝑑𝑜𝑛𝑑𝑒 𝑠𝑒 𝑑𝑒𝑏𝑒 𝑎ñ𝑎𝑑𝑖𝑟 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑒𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠.

Variable/ X1 X2 S1 S2 Disponibilidad/solución
holgura
Restricción 1 S1 0.1 0.5 -1 0 10
Restricción 2 S2 0.12 0.15 0 -1 6
Función objetivo Z -0.025 -0.030 0 0 0
Paso 4: Utili𝑧𝑎𝑟 𝑐𝑟𝑖𝑡𝑒𝑟𝑖𝑜 𝑑𝑒 𝑝𝑖𝑣𝑜𝑡𝑒, tomando el mayor valor negativo de la funcion objetivo. El que se
convertirá en la columna donde este el valor pivote, el mismo que será considerado como variable entrada.

Valor entrada
Variable/ X1 X2 S1 S2 Disponibilidad/solución
holgura
S1 0.1 0.5 -1 0 10
S2 0.12 0.15 0 -1 6
Z -0.025 -0.030 0 0 0

Paso 5: Obtener el 𝐯𝐚𝐥𝐨𝐫 𝐬𝐚𝐥𝐢𝐝𝐚 con disponibilidad y variable de entrada. Posteriormente calular el nuevo valor:

𝑆1 10/0.1=100
𝑆2 6/0.12=50 Respuesta: El valor pivote es 50

Nota:
• La obtención de los valores salida solo es aplicable para la función restricción mas no para función objetivo.
• Elegimos el valor positivo mas pequeño
• El valor pivote, debe ser un valor de 1.
 Valor entrada Valor salida

Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0.1 0.5 -1 0 10 100
Región
x1 0.12 0.15 0 -1 6 50
Salida
Z -0.025 -0.030 0 0 0

El valor pivote será X1: 0.12 para fines de calculo deberá convertirse en 1
Conversión del valor pivote en 1:

x1 0.12 0.15 0 -1 6
0.12 0.15 0 −1 6
=1 =1.25 =0 = −8.33 = 50
0.12 0.12 0.12 0.12
0.12

Variable/ X1 X2 S1 S2 Disponibilidad/solución
holgura
S1 0.1 0.5 -1 0 10
x1 1 1.25 0 -8.33 50
Z -0.025 -0.030 0 0 0
Nota:
* Convertir los valores de entra en cero.

* Conversión de valor pivote en valor inverso y/o valor inverso de variable

* Multiplicar la región Xi, por el inverso del valor pivote, para obtener un
valor cero

(Valor inverso)*( valor pivote) = respuesta + fila variable holgura

* La holgura S2 se convierte en X1 (termino de valor de entrada)

 Variable S1 vs X1

Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0.1 0.5 -1 0 10
X1 1 1.25 0 -8.33 50
Valor inverso de
variable holgura

A = (-0.1)*(pivote)= respuesta
−0.1 ∗ 1 = −0.1 −0.1 ∗ 1.25 = −0.125 −0.1 ∗ 0 = 0 −0.1 ∗ −8.33 = 0.833 −0.1 ∗ 50 =-5

Adición de A + valor de variable

−0.1 + 0.1 = 0 −0.125 + 0.5 = 0.375 0 − 1 =-1 0.833 + 0 = 0.833 −5 + 10 = 5
 Variable X1 vs Z
Variable/ X1 X2 S1 S2 Disponibilidad/solución
holgura
x1 1 1.25 0 -8.33 50
Z -0.025 -0.030 0 0 0

0.025 ∗ 1 = 0.025 0.025 ∗ 1.25 = 0.0312 0.025 ∗ 0 = 0 0.025 ∗ −8.33 =-0.208 0.025 ∗ 50 = 1.25

0.025 − 0.025 = 0 0.0312 − 0.030 = 0.0012 0+0=0 −0208 + 0 = −0.208 1.25 + 0 = 1.25

Resultado:

Variable/ X1 X2 S1 S2 Disponibilidad/solución
holgura
S1 0 0.375 -1 0.833 5
x1 1 1.25 0 -8.33 50
Z 0 0.0012 0 -0.208 1.25
 Respuesta: Los resultados de Z deberán ser positivos, en caso de ser lo contrario, se deberá volver a
calcular:
Valor entrada

Variable/ X1 X2 S1 S2 Disponibilidad
holgura /solución
Región S2 0 0.375 -1 0.833 5
Salida
x1 1 1.25 0 -8.33 50
Z 0 0.06125 0 -0.208 1.25

𝑆1 5/0.833 = 6
𝑥1 50/-8.33 = - 6 Respuesta: El valor pivote es 6

S2 0 0.375 -1 0.833 5
0 0.375 −1 0.833 5
0.833
=0 =0.45 = −1.20 =1 = 6 (0.6)
0.833 0.833 0.833 0.833
 Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S2 0 0.45 -1.20 1 0.60
x1 1 1.25 0 -8.33 50
Z 0 0.06125 0 -0.208 1.25

Variable S2 vs X1
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
s2 0 0.45 -1.20 1 6
x1 1 1.25 0 -8.33 50
Valor inverso de
variable holgura

(8.33)(pivote)= respuesta

8.33 ∗ 0 =0 8.33 ∗ 0.45 = 3.74 8.33 ∗ −1.20 = −9.996 8.33 ∗ 1 = 8.33 8.33 ∗ 6 =49.98

0+1=1 3.74 + 1.25 =4.99 −9.996 + 0 =-9.996 8.33 − 8.33 = 0 49.98 + 50 = 99.98
Variable X1 vs Z
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S2 0 0.45 -1.20 1 6
Z 0 0.06125 0 -0.208 1.25
Valor inverso de
variable holgura

(0.208)(pivote)= respuesta
0.208 ∗ 0 =0 0.208 ∗ 0.45 =0.0936 0.208 ∗ −1.20 =-0.249 0.208 ∗ 1 = 0.208 0.208 ∗ 6 = 1.248

0+0=0 0.0936 + 0.06125 =0.15 −0.249 + 0 =-0.249 0.208 − 0.208 = 0 1.248 + 1.25 = 2.498

Resultado:
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S2 0 0.45 -1.20 1 6
x1 1 4.99 -9.996 0 99.98
Z 0 0.15 -0.249 0 2.498
 Respuesta: Los resultados de Z deberán ser positivos, en caso de ser lo contrario, se deberá volver a
calcular:
Valor entrada

Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
Región
Salida S2 0 0.45 -1.20 1 6
x1 1 4.99 -9.996 0 99.98
Z 0 0.15 -0.249 0 1.37

𝑆1 6/-1.20=-5
𝑥1 99.98/-9.996=-10 Respuesta: El valor pivote es -5

S1 0 0.45 -1.20 1 0.60

0 0.45 −1.20 1 6
=0 = −0.375 =1 =-0.83 = −5
−1.20 −1.20 −1.20 −1.20 −1.20
 Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0 -0.375 1 -0.83 -5
x1 1 4.99 -9.996 0 99.98
Z 0 0.15 -0.249 0 2.498

Variable S1 vs X1
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0 -0.375 1 -0.83 -5
x1 1 4.99 -9.996 0 99.98
Valor inverso de
variable holgura

(9.996)(pivote)= respuesta

9.996 ∗ 0 =0 9.996 ∗ −0.375 =-3.748 9.996 ∗ 1 = 9.996 9.996 ∗ −0.83 =-8.296 9.996 ∗ −5 = −49.98

0+1=1 −3.748 + 4.99 = 1.2415 9.996 − 9.996= 0 −8.296 + 0 = −8.296 −49.98 + 99.98 = 50
Variable S1 vs Z
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0 -0.375 1 -0.83 -5
Z 0 0.15 -0.249 0 2.498
Valor inverso de
variable holgura

(0.249)(pivote)= respuesta
0.249 ∗ 0 =0 0.249 ∗ −0.375 =-0.093 0.249 ∗ 1 =0.249 0.249 ∗ −0.83 = −0.206 0.249 ∗ −5 = −1.245

0+0=0 −0.093 + 0.15 =0.057 0.249 − 0.249 =0 −0.206 + 0 = −0.206 −1.245 + 2.498 = 1.253

Resultado:
Variable/ X1 X2 S1 S2 Disponibilid
holgura ad/solución
S1 0 -0.375 1 -0.83 -5
x1 1 1.2415 0 -8.296 50
Z 0 0.057 0 -0.206 1.253
La variables X1 , X2 y Z será:
𝑥1 = 50 𝑥2 = 0 Z=1.253 Valores de solución
 Comprobación:

𝑀𝑖𝑛 𝑍 = 0.025𝑥1 + 0.030𝑥2

𝑥1 = 50 𝑥2 = 0 Z= 1.253

1.253 = 0.025(50) + 0.030(0)

Conclusión:
Para obtener un costo de 1.25 por
saco de 100kg de alimento 1.253 = 1.25
formulado, se necesitarían 50kg de
harina Guau, 0kg de trocitos de
fido y 50kg de rellenador.
1.25 = 1.25
Solución mediante solver
Actividad. Resolver el siguiente ejercicio mediante
método simplex:

Una exitosa fabrica de muebles elabora sofás tipo A y otro tipo B, en cuatro
departamentos como se muestra en la tabla:
TIEMPO REQUERIDO
TIEMPO DISPONIBLE EN EN HORAS (h)
DEPARTAMENTOS HORAS (h) SOFA A SOFA B
CORTE 80 1 2
ARMADO 20 0.75 0.5
TAPICERIA 50 1 0
CUBIERTAS 10 0 1

La dueña desea saber cuantos sofás del tipo A y B deben fabricarse para
maximizar las ganancias. El precio de cada sofá A es de 10 euros y el sofá B 25
euros por cada pieza.