LICENCIATURA EN INFORMATICA ADMINISTRATIVA

JORGE ALBERTO AGUILERA MACIAS

33202

ACTIVIDAD SEM 8:

METODO SIMPLEX

DR. FIDENCIO SANCHEZ RUEDA

LCIA006-22T2

GPO: A

MONTERREY, NUEVO LEON

09/07/2022
 INTRODUCCION

El Método Simplex es un método analítico de solución de problemas de programación lineal

capaz de resolver modelos más complejos que los resueltos mediante el método gráfico sin
restricción en el número de variables.
El Método Simplex es un método iterativo que permite ir mejorando la solución en cada paso.

Existen casos especiales que se encuentran a menudo en las aplicaciones del método
simplex, los más importantes son:

1. Degeneración.

2. Soluciones óptimas múltiples.

3. Soluciones óptimas no acotadas.

4. Soluciones factibles no existentes.

5. Variables no restringidas en signo.

En esta actividad resolveremos problemas utilizando el método simplex y también algunos

casos especiales del mismo método como lo es la degeneración.
ACTIVIDAD A REALIZAR:
Para esta tarea deberás estudiar los incisos 7.4 y 7.5 del libro de texto. además de ver los
videos que se adjuntan.
Posteriormente, resolver los siguientes problemas, del libro mencionado:
a) Ejercicios 7.4 página 330: 1, 3, 5, 8, 12, 17 y 19
MAXIMIZAR
1.- Z = x1 + 2x2 Función Objetivo
Sujeta a:
Maximizar: Z = 0X1 + 2X2 + 0S1 + 0S2
2x1 + x2 ≤ 8, Sujeto a:
2x1 + 3x2 ≤ 12, 2X1 + 0X2 + 1S1 + 0S2 = 8
2X1 + 3X2 + 0S1 + 1S2 = 12
x1, x2 ≥ 0. X1, X2, S1, S2 ≥ 0

Matriz Inicial

Ta bl a 1 Cj 0 2 0 0
Cb Bas e X 1 X 2 S 1 S 2 R
0 S1 2 0 1 0 8
0 S2 2 3 0 1 12
Z 0 -2 0 0 0
Ingresa la variable X2 y sale de la base la variable S2. El elemento pivote es 3.

Iteración 1

T ab la 2 Cj 0 2 0 0
Cb Base X 1 X 2 S1 S2 R
0 S1 2 0 1 0 8
2 X2 2/3 1 0 1/3 4
Z 4/3 0 0 2/3 8
La solución óptima es Z = 8
X1= 0, X2= 4, S1= 8, S2= 0

2.- Z = -x1 + 3x2, Función Objetivo

Sujeta a: Maximizar: Z = 0X1 + 3X2 + 0S1 + 0S2
x1 + x2 ≤ 6, Sujeto a:
0X1 + 0X2 + 1S1 + 0S2 = 6
-x1 + x2 ≤ 4, 0X1 + 0X2 + 0S1 + 1S2 = 4
x1, x2 ≥ 0. X1, X2, S1, S2 ≥ 0
Matriz Inicial

Ta bl a 1 Cj 0 3 0 0
Cb Bas e X 1 X 2 S 1 S 2 R
0 S1 0 0 1 0 6
0 S2 0 0 0 1 4
Z 0 -3 0 0 0
El problema tiene solución ilimitada (no acotada). La variable X2 debe entrar a la base pero
ninguna variable puede salir.

3.- Z = 8x1 + 2x2, Función Objetivo

Sujeta a: Maximizar: Z = 8X1 + 2X2 + 0S1 + 0S2 + 0S3
x1 - x2 ≤ 1, Sujeto a:
x1 + 2x2 ≤ 8, 0X1 + 0X2 + 1S1 + 0S2 + 0S3 = 1
x1 + x2 ≤ 5, 0X1 + 2X2 + 0S1 + 1S2 + 0S3 = 8
x1, x2 ≥ 0. 0X1 + 0X2 + 0S1 + 0S2 + 1S3 = 5
X1, X2, S1, S2, S3 ≥ 0

Solución Matriz Inicial

T ab la 1 Cj 8 2 0 0 0
Cb Base X 1 X 2 S 1 S 2 S 3 R
0 S1 0 0 1 0 0 1
0 S2 0 2 0 1 0 8
0 S3 0 0 0 0 1 5
Z -8 -2 0 0 0 0
El problema tiene solución ilimitada (no acotada). La variable X1 debe entrar a la base pero
ninguna variable puede salir.

4.- Z = 2x1 - x2 + x3 Función Objetivo

Sujeta a: Maximizar: Z = 2X1 + 0X2 + 0X3 + 0S1 + 0S2
2x1 + x2 - x3 ≤ 4 Sujeto a:
2X1 + 0X2 + 0X3 + 1S1 + 0S2 = 4
x1 + x2 + x3 ≤ 2 0X1 + 0X2 + 0X3 + 0S1 + 1S2 = 2
x1, x2, x3 ≥ 0. X1, X2, X3, S1, S2 ≥ 0
Matriz Inicial

T ab la 1 Cj 2 0 0 0 0
Cb Base X 1 X 2 X 3 S 1 S 2 R
0 S1 2 0 0 1 0 4
0 S2 0 0 0 0 1 2
Z -2 0 0 0 0 0
Ingresa la variable X1 y sale de la base la variable S1. El elemento pivote es 2

Iteración 1

Ta bl a 2 Cj 2 0 0 0 0
Cb Bas e X 1 X 2 X 3 S 1 S 2 R
2 X1 1 0 0 1/2 0 2
0 S2 0 0 0 0 1 2
Z 0 0 0 1 0 4
Nos encontramos en un punto óptimo y hay variables no básicas con coste reducido igual a 0,
por lo que existen múltiples valores para las variables de decisión que permiten obtener el
valor óptimo de Z = 4, los cuales están contenidos en el segmento de la recta:
2X1 + 0X2 + 0X3 = 4
Una de las soluciones es:
X1= 2, X2= 0, X3= 0, S1= 0, S2= 2

Matriz Segunda Fase

Ta bl a 1 Cj 2 0 -2 0 0 0
Cb Bas e X 1 X 2 X 3 S 1 S2 S3 R
2 X1 1 0 0 -1/2 0 0 1
0 S2 0 0 0 0 1 0 4
0 S3 0 0 0 0 0 1 6
Z 0 0 2 -1 0 0 2
El problema tiene solución ilimitada (no acotada). La variable S1 debe entrar a la base pero
ninguna variable puede salir.

5.- W = 2x1 + x2 - 2x3 Función Objetivo Función Objetivo

Sujeta a: Maximizar: Z = 0X1 + 0X2 + 0X3 + 0S1 +
Maximizar: Z = 2X1 + 0X2 - 2X3
-2x1 + x2 + x3 ≤ -2, 0S2 + 0S3 + 1A1
Sujeto a:
x1 - x2 + x3 ≤ 4, Sujeto a:
-2X1 + 0X2 + 0X3 ≤ -2
x1 + x2 + 2x3 ≤ 6, 2X1 + 0X2 + 0X3 - 1S1 + 0S2 + 0S3 + 1A1 = 2
0X1 + 0X2 + 0X3 ≤ 4
x1, x2, x3 ≥ 0. 0X1 + 0X2 + 0X3 + 0S1 + 1S2 + 0S3 + 0A1 = 4
0X1 + 0X2 + 0X3 ≤ 6
X1, X2, X3 ≥ 0 0X1 + 0X2 + 0X3 + 0S1 + 0S2 + 1S3 + 0A1 = 6
X1, X2, X3, S1, S2, S3, A1 ≥ 0
Solución Matriz Inicial Primera Fase

Ta bl a 1 Cj 0 0 0 0 0 0 1
Cb Bas e X 1 X 2 X 3 S 1 S 2 S 3 A 1 R
1 A1 2 0 0 -1 0 0 1 2
0 S2 0 0 0 0 1 0 0 4
0 S3 0 0 0 0 0 1 0 6
Z 2 0 0 -1 0 0 0 2
Ingresa la variable X1 y sale de la base la variable A1. El elemento pivote es 2

Iteración 1

Ta bl a 2 Cj 0 0 0 0 0 0 1
Cb Bas e X 1 X 2 X 3 S 1 S2 S3 A1 R
0 X1 1 0 0 -1/2 0 0 1/2 1
0 S2 0 0 0 0 1 0 0 4
0 S3 0 0 0 0 0 1 0 6
Z 0 0 0 0 0 0 -1 0
Se finalizaron las iteraciones de la primera fase y existe alguna solución posible para
el problema. Eliminamos las variables artificiales y pasamos a la segunda fase:

Matriz Segunda Fase

Ta bl a 1 Cj 2 0 -2 0 0 0
Cb Bas e X 1 X 2 X 3 S 1 S2 S3 R
2 X1 1 0 0 -1/2 0 0 1
0 S2 0 0 0 0 1 0 4
0 S3 0 0 0 0 0 1 6
Z 0 0 2 -1 0 0 2
El problema tiene solución ilimitada (no acotada). La variable S1 debe entrar a la base pero
ninguna variable puede salir.

6.- Flete por envío Una compañía de fletes maneja los envíos de dos corporaciones, A y B,
que están ubicadas en la misma ciudad. La corporación A envía cajas que pesan 3 lb cada
una y tienen un volumen de 2 pies3; B envía cajas de 1 pie3 que pesan 5 lb cada una.
Ambas corporaciones envían al mismo destino. El costo de transporte para cada caja de A es
$0.75 y para B es $0.50. La compañía de fletes tiene un camión con capacidad de carga de
2400 pies3 y una capacidad máxima de 36,800 lb. En un acarreo, ¿cuántas cajas desde
cada corporación debe transportar este camión de modo que el ingreso de la compañía de
fletes sea máximo? ¿Cuál es el ingreso máximo?
Desde la corporación A no debe transportar ninguna mientras que de la 2400
cajas para que el ingreso de la compañía de fletes sea máximo
Explicación paso a paso:
METODO SIMPLEX 
 Compañia de fletes

PESO VOLUMEN

A 3lb 2 Pies2

B 5lb 1 Pies2

El costo de transporte para cada caja de A es $0,75 y para B es$0,50.

Z = 0,75x +0,5y
x: cantidad de cajas de la compañía A
y: cantidad de cajas de la compañía B
Restricciones:
3x+5y ≤36800
2x+y≤2400
¿cuántas cajas desde cada corporación debe transportar este camión de modo
que el ingreso de la compañía de fletes sea máximo?
Valor máximo
2x+y = 2400
y = 2400-2x
Reemplazamos :
3x+5(2400-2x) = 36800
3x-12000 -10x =36800
x = -6971
y = 2400
7.- Producción Una compañía fabrica tres tipos de muebles para patio: sillas, mecedoras y
sillones. Cada uno requiere madera, plástico y aluminio, como se muestra en la tabla
siguiente:

La compañía tiene disponibles 400 unidades de madera, 500 unidades de plástico y 1450
unidades de aluminio. Cada silla, mecedora y sillón se vende en $21, $24 y $36,
respectivamente. Suponiendo que todos los muebles pueden venderse, determine la
producción para que el ingreso total sea máximo. ¿Cuál es el ingreso máximo?

El problema de decisión se modela como uno de programación lineal (PPL) sobre tres
cantidades:
x = número de sillas producidas
y = número de mecedoras producidas
z = número de sillones producidos

De esta manera, la utilidad registrada por la venta de todos los productos es:
U = 21x + 24y + 36z

El problema, entonces, es elegir x, y, z de modo que se maximice el valor de U sujeto a las

restricciones de inventario en las materias primas:
x + y + z ≤ 400 [unidades de madera requeridas]
x + y + 2z ≤ 500 [unidades de plástico requeridas]
2x + 3y + 5z ≤ 1450 [unidades de aluminio requeridas]

Para iniciar el método simplex convertimos el PPL a la forma estándar del problema:
Maximizar U = 21x + 24y + 36z
sujeta a
x + y + z ≤ 400
x + y + 2z ≤ 500
2x + 3y + 5z ≤ 1450
x, y, z ≥ 0
Usando las variables de holgura s1, s2 y s3 para convertir las restricciones de desigualdades
a ecuaciones, el problema es:
Maximizar -21x - 24y - 36z + U = 0
sujeta a
x + y + z + s1 = 400
x + y + 2z + s2 = 500
2x + 3y + 5z + s3 = 1450
x, y, z, s1, s2, s3 ≥ 0
La tabla simplex en la primera iteración se compone, entonces, de los coeficientes del
sistema usando un renglón por cada restricción, y el renglón de la utilidad al principio o al
final, como en este caso. La solución básica factible (SBF) inicial es x = 0, y = 0, z = 0, así
que las variables básicas son s1, s2, s3.

Usando el coeficiente 2 como pivote, se elimina el resto de los coeficientes de esta columna mediante
el método de reducción de Gauss-Jordan. Con esto se obtiene la segunda iteración:

Usamos ahora 1/2 como pivote y aplicamos nuevamente el método de Gauss- Jordan para
eliminar los coeficientes de esta columna y obtener la tercera iteración. La tabla simplex
resultante es:

Como en el renglón U no hay coeficientes negativos, la SBF es óptima. Esto es, el valor
máximo de U es
Umáx = 10800 cuando y = 300, z = 100, s3 = 100 (x = s1 = s2 = 0 son variables no básicas).
Por lo tanto, la planeación óptima para la empresa es no producir ninguna silla y dedicarse,
en cambio, a fabricar 300 mecedoras y 100 sillones. Esto generará la mayor utilidad posible
de $10,800. Más aun: habrá un excedente de 100 unidades de aluminio con esta
combinación.
b) Ejercicios 7.5 Página 337: 1, 5, 9 y 11
¿El problema de programación lineal asociado con la tabla dada tiene degeneración? Si es así, ¿por
qué?

Sí; para la tabla, x2 es la variable que entra y los cocientes 6/2 y 3/1 empatan como los más
pequeños.

2. Z = 3x1 - 3x2, Función Objetivo Función Objetivo

Sujeta a: Maximizar: Z = 3X1 - 3X2 Maximizar: Z = 3X1 - 3X2 + 0S1 + 0S2 + 0S3
x1 - x2 ≤ 4, Sujeto a: Sujeto a:
0X1 + 0X2 ≤ 4 0X1 + 0X2 + 1S1 + 0S2 + 0S3 = 4
-x1 + x2 ≤ 4, 0X1 + 0X2 ≤ 4 0X1 + 0X2 + 0S1 + 1S2 + 0S3 = 4
x1 + x2 ≤ 6, 0X1 + 0X2 ≤ 6 0X1 + 0X2 + 0S1 + 0S2 + 1S3 = 6
X1, X2 ≥ 0 X1, X2, S1, S2, S3 ≥ 0
x1, x2 ≥ 0.
Solución Matriz Inicial

T ab la 1 Cj 3 -3 0 0 0
Cb Base X 1 X 2 S 1 S 2 S 3 R
0 S1 0 0 1 0 0 4
0 S2 0 0 0 1 0 4
0 S3 0 0 0 0 1 6
Z -3 3 0 0 0 0
El problema tiene solución ilimitada (no acotada). La variable X 1 debe entrar a la base
pero ninguna variable puede salir.

3. Z = 6x1 + 2x2 + x3, Función Objetivo Función Objetivo

Sujeta a: Maximizar: Z = 6X1 + 2X2 + 0X3 Maximizar: Z = 0X1 + 0X2 + 0X3 + 0S1 + 0S2 +
2x1 + x2 + x3 ≤ 7, Sujeto a: 1A1
2X1 + 0X2 + 0X3 ≤ 7 Sujeto a:
-4x1 - x2 ≤ -6, -4X1 + 0X2 + 0X3 ≤ -6 2X1 + 0X2 + 0X3 + 1S1 + 0S2 + 0A1 = 7
x1, x2, x3 ≥ 0. X1, X2, X3 ≥ 0 4X1 + 0X2 + 0X3 + 0S1 - 1S2 + 1A1 = 6
X1, X2, X3, S1, S2, A1 ≥ 0
Solución Matriz Inicial Primera Fase

Ta bl a 1 Cj 0 0 0 0 0 1
Cb Bas e X1 X2 X3 S1 S2 A1 R
0 S1 2 0 0 1 0 0 7
1 A1 4 0 0 0 -1 1 6
 Z 4 0 0 0 -1 0 6
Ingresa la variable X1 y sale de la base la variable A1. El elemento pivote es 4

Iteración 1

Ta bla 2 Cj 0 0 0 00 1
Cb B as e X1 X2 X3 S1
S2 A1 R
0 S1 0 0 0 1
1/2 -1/2 4
0 X1 1 0 0 0- 1/4 3/2
1/4
Z 0 0 0 0 0 -1 0
Se finalizaron las iteraciones de la primera fase y existe alguna solución posible para
el problema. Eliminamos las variables artificiales y pasamos a la segunda fase:

Matriz Segunda Fase

Ta bl a 1 Cj 6 2 0 0 0
Cb Bas e X 1 X 2 X 3 S 1 S2 R
0 S1 0 0 0 1 1/2 4
6 X1 1 0 0 0 -1/4 3/2
Z 0 -2 0 0 -3/2 9
El problema tiene solución ilimitada (no acotada). La variable X 2 debe entrar a la base
pero ninguna variable puede salir.

4. Producción Una compañía fabrica tres tipos de muebles para patio: sillas, mecedoras y
tumbonas. Cada uno requiere madera, plástico y aluminio, como se indica en la tabla que
sigue.

La compañía tiene disponibles 400 unidades de madera, 600 de plástico y 1500 de aluminio.
Cada silla, mecedora y tumbona se vende en $24, $32 y $48, respectivamente. Suponiendo
que todos los muebles pueden venderse, ¿cuál es el ingreso máximo total que puede
obtenerse? Determine las posibles órdenes de producción que generarán ese ingreso.
I max = 15,200
 CONLUSION

El método simplex, emplea básicamente, la estrategia de resolver los problemas de

programación lineal por medio de sistemas de ecuaciones lineales simultáneas siempre que
se tenga una solución factible.
            
El óptimo, si es que existe, se determina avanzando un punto esquina adyacente a la vez
y comprobando si aún existe un punto esquina que pueda mejorar el valor de la función
objetivo.

El mercado, las empresas, e incluso las personas están en una búsqueda constante de
mejoras, de nuevas ideas, de rendimiento y ahorro de recursos de todos los tipos, pero llevar
esto acabo requiere de toma de decisiones que podrían estar más allá de realizar una simple
selección escogiendo lo que para nuestros oídos suene como la mejor opción.

Bibliografía
Haeussler, E., & Paul, R. (Eds.). (2003). Funciones exponencial y logarítmica. En Matemáticas para
administración y economía (pp. 330 y 337). Pearson Education.