Solución de PPL por el

Método Simplex
 Mapa Conceptual de la Sesión

Forma estándar
M Métodos de Holguras y exceso,
O Solución artificial
Investigación de
Problema de D
Operaciones Soluciones
Programación E Método Uso de
Lineal L Básicas
Modelos de Simplex Computador
O Factibles
Programación
Lineal
Simplex Tabular
 METODO SIMPLEX

1. Objetivos
2. El Método Simplex
3. Conversión de modelos de PL a la
Forma Estándar
4. Soluciones Básicas
5. Simplex Tabular
 Objetivo de la Sesión
• Fijar los requerimientos para establecer un
modelo de programación lineal.
• Convertir el modelo de PL a su forma estándar
• Encontrar la solución de un PPL a través del
método simplex:

Competencia o Capacidad terminal a obtener

El Alumno será capaz de Formular el modelo de

programación lineal para un problema dado y
Resolver el modelo de programación lineal
utilizando el método simplex.
Breve historia de Método Simplex
George Bernard Dantzig

Fue un profesor, físico y matemático estadounidense,

reconocido por desarrollar el método
simplex y es considerado como el «padre de
la programación lineal». Recibió muchos honores, tales
como la Medalla Nacional de Ciencia en 1975 y el premio
de Teoría John von Neumann en 1974.
Fue miembro de la Academia Nacional de Ciencias,
la Academia Nacional de Ingeniería y la Academia
Americana de Artes y Ciencias.
 El Método Simplex

El método simplex es un procedimiento algebraico, pero

puede entenderse más fácilmente como un método
geométrico iterativo que empieza con una solución inicial
y sucesivamente la va mejorando hasta determinar la
solución óptima del problema.

Antes de explicar el método Simplex, veremos el

procedimiento que debe seguirse a cualquier modelo de
Programación Lineal al aplicar el Método Simplex.
Conversión de modelos de PL a la
Forma Estándar

Todo modelo de PL, para efectos de resolverse

con el Método Simplex, debe llevarse a una
Forma Estándar con las siguientes
características:
1. El lado derecho de las ecuaciones debe ser
no-negativo
2. Todas las restricciones deben convertirse a
Ecuaciones
3. Todas las variables del modelo
estandarizado deben ser no-negativas
 Conversión de modelos de PL a la Forma Estándar

EJEMPLO MODELO DE MAXIMIZACIÓN

Una empresa realiza mantenimiento a dos tipos de maquina, para el
mantenimiento de máquina 1 necesita de 1u de lubricante, 3 horas hombres y 2
unidades de repuestos, para el mantenimiento de máquina 2 necesita de 2u de
lubricante, 3 horas hombres y 1 unidad de repuesto. La utilidad que reporta por
mantenimiento de máquina 1 es de 8 dólares y La utilidad que reporta por
mantenimiento de máquina 2 es de 12 dólares. Si se dispone de 80u de
lubricantes, 132 horas hombres y 64u de repuestos. ¿Cuántas máquinas de
cada tipo se debe realizar mantenimiento a fin de maximizar las utilidades.

Su modelo de programación lineal será:

X1, X2 ≥ 0
X1: Número de sillas a Fabricar
X2: Número de mesas a Fabricar
 Conversión de modelos de PL a la Forma Estándar
MAXIMIZACIÓN

Como transformar un modelo de PL

en forma estándar

Max Z = 8X1 +12X2

Sujeto a:
1X1 + 2X2 ≤ 80
3X1 + 3X2 ≤ 132 Variables de
2X1 + 1X2 ≤ 64 holgura (Si)
X1, X2 ≥ 0

Max Z = 8X1 +12X2 + 0S1 + 0S2 + 0S3

Sujeto a:
1X1 + 2X2 + S1 = 80
3X1 + 3X2 + S2 = 132
2X1 + 1X2 + S3 = 64
X1, X2, S1, S2, S3 ≥ 0
 Interpretación de Variable de Holgura (Si)
Max Z = 8X1 +12X2 Max Z = 8X1 +12X2 + 0S1 + 0S2 + 0S3

Estándar
Sujeto a: Sujeto a:

Forma
1X1 + 2X2 ≤ 80u 1X1 + 2X2 + S1 = 80
3X1 + 3X2 ≤ 132hh 3X1 + 3X2 + S2 = 132
2X1 + 1X2 ≤ 64u 2X1 + 1X2 + S3 = 64
X1, X2 ≥ 0 X1, X2, S1, S2, S3 ≥ 0

1X1 + 2X2 + S1 = 80 Si S1 = 0 (se uso los 80u para mantenimiento de máquinas 1 y 2)

Si S1 = 5 (se uso 75u para mantenimiento de máquinas 1 y 2)
Si S1 = -10 (para mantenimiento de máquinas 1 y 2, necesitamos de
90u) (no es posible, no es factible)

En conclusión S1, S2 y S3 ≥ 0
Si Si = 0 (se uso todo el recurso)
Si Si > 0 (recurso no usado o sobrante)
PROCESO DE ESTANDARIZ PASOS A SEGUIR EN EL MÉTODO SIMPLEX
ACIÓN (CASOS DE MAXIMIZACION)
El Método Simplex trabaja con
ecuaciones y las restricciones
iniciales que se modelan
mediante programación lineal
generalmente son
inecuaciones, para ello hay
que convertir estas
inecuaciones en ecuaciones
utilizando unas variables
denominadas de holgura,
exceso y artificial
relacionadas con el recurso al
cual hace referencia la
restricción y que en el
tabulado final representa el
Slack (variable de holgura),
surplus (variable de exceso) o
artificial (variable artificia),
estas variables adquieren un
gran valor en el análisis de
sensibilidad y juegan un rol
fundamental en la creación de la
matriz identidad positiva del
orden del número de
restricciones que se asocia al
modelo original que es la base
del Simplex.

VARI ABLE DE HOLGURA (SLACK, +Si)

Es aquella variable que se adiciona a
cada restricción del tipo (≤), y en la
función objetivo se adiciona dicha variable
con coeficiente cero.
Simplex Tabular Pasos a seguir:
EN64= 64 – (80*1/2) 1)UB(P) = 1
2)SC = 0
Semipivote
Pivote 3)SF/P
Fila (SF)
(P) 4)EN= ET – (SF*SC/P)
SOLUCIÓN 1

Variable X2 S1 S2 S3 Ratio
Coeficientes s Solución X1 12 0 0 0 θ
en FO(Cj) Básicas (R.H.S.) 8
0 S1 80 1 2 1 0 0 40

sale S1
0 S2 132 3 3 0 1 0 44
0 S3 64 2 1 0 0 1 64
Zj 0 0 0 0 0 0 El < θ +
Cj-Zj 8 12 0 0 0 El >
SOLUCIÓN 2 Semipivote Entra x2
Columna (SC)

Variable X2 S1 S2 S3 Ratio
Coeficientes s Solución X1 12 0 0 0 θ
en FO(Cj) Básicas (R.H.S.) 8
12 X2 40 0.5 1 0.5 0 0 80
0 S2 12 1.5 0 -1.5 1 0 8

sale S2
0 S3 24 1.5 0 -0.5 0 1 16
Zj 480 6 12 6 0 0 El < θ +
Cj-Zj 2 0 -6 0 0 El >
Entra X1
 SOLUCIÓN 2

Variable X2 S1 S2 S3 Ratio
Coeficientes s Solución X1 12 0 0 0 θ
en FO(Cj) Básicas (R.H.S.) 8
12 X2 36 0 1 1 -0.33 0
8 X1 8 1 0 -1 0.66 0
0 S3 12 0 0 1 -1 1
Zj 480 8 12 4 1.32 0 El < θ +
Cj-Zj 0 0 -4 -1.32 0 ≤ 0 (S.O.)
 Cj 8 12 0 0 0
Ck Xk B X1 X2 S1 S2 S3 R
0 S1 80 1 2 1 0 0 40
0 S2 132 3 3 0 1 0 44
0 S3 64 2 1 0 0 1 64
ZJ 0 0 0 0 0 0 El < R+
CJ-ZJ 8 12 0 0 0 El >
12 X2 40 0.5 1 0.5 0 0 80
0 S2 12 1.5 0 -1.5 1 0 8
0 S3 24 1.5 0 -0.5 0 1 16
ZJ 480 6 12 6 0 0 El < R+
CJ-ZJ 2 0 -6 0 0 El >
12 X2 36 0 1 1 -0.33 0
8 X1 8 1 0 -1 0.66 0
0 S3 12 0 0 1 -1 1
ZJ 496 8 12 4 1.32 0
CJ-ZJ 0 0 -4 -1.32 0 ≤ 0 (S.O.)
 PROCESO ALGEBRAICO
Modelo Estandarizado

SOL AMP APT Z

SOL1, No producir 1 S1=80 X1=0 0
X1=0, X2=0, S1=80 S2=132 S3=64 Z=0 S2=132 X2=0
S3=64
SOL2, Producir un producto ¿cuál?
El más rentable X2, ¿cuánto producir? 2 S1=0 X1=0 480
S2=12 X2=40
REC PROD REC NECESARIO
S3=24
S1=80 (0,40) 80M2, 120HH, 40M
3 S1=0 X1=36 480
S2=132 (0,44) 88M2, 132HH, 44M
S2=0 X2=8
S3=64 (0,64) 128M2, 192HH, 64M S3=12
X1=0, X2=40, S1=0 S2=12 S3=24 Z=480
SOL3, Evaluar si se producen X1
1P1 requiere de 1S1, 3S2 y 2S3 (no tenemos S1=0, los otros si disponemos S2=12 y
S3=24), la única forma de obtener S1 es disminuir la producción de P2 o X2=40)
Si disminuimos 1X2 retornan (2S1, 3S2, 1S3), en total tendríamos (2S1, 15S2, 25S3) con lo
que produciríamos 2X1, requiriendo de (2S1, 6S2, 4S3) y los recursos quedarían (0S1, 9S2,
21S3), la utilidad aumentaría en $4, por producción de 2X1 ($16) y reducción de 1X2 (-$12).
Si disminuimos 4X2 retornan (8S1, 12S2, 4S3), en total tendríamos (8S1, 24S2, 28S3) con lo
que produciríamos 8X1, requiriendo de (8S1, 24S2, 16S3) y los recursos quedarían (0S1,
0S2, 12S3), la utilidad aumentaría en $4, por producción de 8X1 ($64) y reducción de 4X2 (-
$48). La utilidad anterior de 480 aumentaría en 16 a 496 que es la solución optima con la
producción de X1=36, X2=8, S1=0, S2=0 y S3=12
 CASO: MINIMIZACION

Aplicación
LUBRICANTE
TIPO DE REQUERIMIENTO
MAQUINA 1 2 MINIMO
A 3U 2U 60U
B 1U 1U 26U
C 1U 2U 36U
COSTO $4 $1

Su modelo:
 Conversión de modelos de PL a la Forma Estándar

MINIMIZACIÓN Como transformar un modelo de

PL en forma estándar

Min Z = 4X1 + 1X2

Sujeto a:
3X1 + 2X2 ≥ 60
1X1 + 1X2 ≥ 26
1X1 + 2X2 ≥ 36
X1, X2 ≥ 0

Min Z = 4X1 + 1X2 + 0S1 + 0S2 + 0S3

Sujeto a: No cumple con
Variables de 3X1 + 2X2 - S1 = 60 factibilidad,
exceso (Si) necesario usar
1X1 + 1X2 - S2 = 26 variable artificial (Ai)
1X1 + 2X2 - S3 = 36
X1, X2 ≥ 0

Min Z = 4X1 + 1X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3

Variables Sujeto a:
artificial (Ai) 3X1 + 2X2 - S1 + A1 = 60
1X1 + 1X2 - S2 + A2 = 26
1X1 + 2X2 - S3 + A3 = 36
X1, X2 ≥ 0
 Conversión de modelos de PL a la Forma Estándar

MINIMIZACIÓN Como transformar un modelo de

PL en forma estándar

Min Z = 4X1 + 1X2

Sujeto a:
3X1 + 2X2 ≥ 60
1X1 + 1X2 ≥ 26
1X1 + 2X2 ≥ 36
X1, X2 ≥ 0

Min Z = 4X1 + 1X2 + 0S1 + 0S2 + 0S3

Sujeto a: No cumple con
Variables de 3X1 + 2X2 - S1 = 60 factibilidad,
exceso (Si) necesario usar
1X1 + 1X2 - S2 = 26 variable artificial (Ai)
1X1 + 2X2 - S3 = 36
X1, X2 ≥ 0

Min Z = 4X1 + 1X2 + 0S1 + 0S2 + 0S3 + MA1 + MA2 + MA3

Variables Sujeto a:
artificial (Ai) 3X1 + 2X2 - S1 + A1 = 60
1X1 + 1X2 - S2 + A2 = 26
1X1 + 2X2 - S3 + A3 = 36
X1, X2 ≥ 0
 Interpretación de Variable de Exceso (Si)

Min Z = 4X1 + 1X2 Min Z = 4X1 + 1X2 + 0S1 + 0S2 + 0S3

Estándar
Sujeto a: Sujeto a:

Forma
3X1 + 2X2 ≥ 60u 3X1 + 2X2 - S1 = 60
1X1 + 1X2 ≥ 26u 1X1 + 1X2 - S2 = 26
1X1 + 2X2 ≥ 36u 1X1 + 2X2 - S3 = 36
X1, X2 ≥ 0 X1, X2 ≥ 0

3X1 + 2X2 –(-10) = 60 Si S1 = 0 (se uso lo mínimo de A (60u) para usar lubricantes 1 y 2)
Si S1 = 5 (se uso un excedente de 5u de A sobre el mínimo para para usar
lubricantes 1 y 2)
Si S1 = -10 (para para usar lubricantes 1 y 2 necesitamos de 50u de A, y eso no
es posible ya que el mínimo es 60u) (no es posible, no es factible)

En conclusión para S1, S2 y S3 sean

factibles sus valores deben ser ≥ 0
Si Si = 0 (se uso el mínimo del recurso)
Si Si > 0 (se usa un excedente sobre el
mínimo recurso requerido)

Como la solución inicial es no usar ningún lubricante (X1=0 y X2=0) luego

(S1=-60, S2=-26 y S3=-36) (SOLUCIÓN NO FACTIBLE)
Por eso es que el Simplex hace un artificio y recurre a las variables artificiales
(Ai) para generar soluciones factibles)
Simplex Tabular Pivote Pasos a seguir:
Semipivote
(P) EN26= 26 – (1*36/2) 1)UB(P) = 1
Fila (SF)
2)SC = 0
Semipivote
Columna (SC) 3)SF/P
SOLUCIÓN 1 4)EN= ET – (SF*SC/P)

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 M M M θ

sale S1
M A1 60 3 2 -1 0 0 1 0 0 30
M A2 26 1 1 0 -1 0 0 1 0 26
M A3 36 1 2 0 0 -1 0 0 1 18
Zj 122M 5M 5M -M -M -M M M M El < θ +
Cj-Zj 4-5M 1-5M M M M 0 0 0 El <

SOLUCIÓN 2 Entra x2

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 M M M θ
M A1 24 2 0 -1 0 1 1 0 -1 12
M A2 8 0.5 0 0 -1 0.5 0 1 -0.5 16
1 X2 18 0.5 1 0 0 -0.5 0 0 0.5 36
Zj 18+32M 0.5+2.5M 1 -M -M -0.5+1.5M M M 0.5-1.5M El < θ +
Cj-Zj 3.5-2,5M 0 M M 0.5-1.5M 0 0 -0.5+2.5M El <
 Simplex Tabular
SOLUCIÓN 3

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B RHS 4 1 0 0 0 M M M θ
4 X1 12 1 0 -0.5 0 0.5 0.5 0 -0.5 24
M A2 2 0 0 0.25 -1 0.25 -0.25 1 -0.25 8
1 X2 12 0 1 0.25 0 -0.75 -0.25 0 0.75 -

sale A2
Zj 60+2M 4 1 -1.75+0.25M -M 1.25+0.25M 1.75-0.25M M -1.25-0.25M El < θ +
Cj-Zj 0 0 1.75-0.25M M -1.25-0.25M -1.75+1.25M 0 1.25+1.25M El <
Entra S3

SOLUCIÓN 4

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 M M M θ
4 X1 8 1 0 -1 2 0 1 -2 0 4
0 S3 8 0 0 1 -4 1 -1 4 -1 -

sale X1
1 X2 18 0 1 1 -3 0 -1 3 0 -
Zj 50 4 1 -3 5 0 3 -5 0 El < θ +
Cj-Zj 0 0 32 -5 0 M-3 M+5 M El <
Entra S2
Simplex Tabular
SOLUCIÓN 5

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 M M M θ
0 S2 4 0.5 0 -0.5 1 0 0.5 -1 0
0 S3 24 2 0 -1 0 1 1 0 -1
1 X2 30 1.5 1 -0.5 0 0 0.5 0 0
Zj 30 1.5 1 -0.5 0 0 0.5 0 0
Cj-Zj 2.5 0 0.5 0 0 M-0.5 M M ≥ 0(S.O.)
 PASOS A SEGUIR EN EL MÉTODO SIMPLEX
VARIABLE DE
(CASOS DE MINIMIZACIÓN)
EXCESO
(SURPLUS, -
Si)
Es aquella
variable que
se adiciona a
cada
restricción del
tipo (≥), y en
la función
objetivo dicha
variable con
coeficiente
cero. Si el
valor de la
variable es
cero significa
que se ha
usado la
cantidad
mínima
permitida, si
por el
contrario es
mayor a cero
implica que se
ha usado el
recurso un
excedente
mayor al
mínimo
permitido.

VARIABLE ARTIFICI AL (ARTIFICI AL, +Ai)

Una variable artificial es un artificio que aplica el simplex para convertir inecuaciones "≥" en ecuaciones, la característica principal de estas
variables es que no deben formar parte de la solución, dado que no representan recursos reales. Estas variables siempre se suman a las
restricciones y se agregan a la función objetivo dichas variables con coeficiente +MAi si se trata de minimización o con coeficiente –MAi si se
trata de maximización, siendo M un valor muy grande muy poco atractivo para la función objetivo.
Simplex (cuando usamos costos prohibitivos conocidos, M=10) Pasos a seguir:
1)UB(P) = 1

Pivote
EN60= 60 – (36*2/2) 2)SC = 0

Semipivote 3)SF/P
(P) Semipivote
SOLUCIÓN 1 Fila (SF) 4)EN= ET – (SF*SC/P)
Columna (SC)

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 10 10 10 θ
10 A1 60 3 2 -1 0 0 1 0 0 30

sale A3
10 A2 26 1 1 0 -1 0 0 1 0 26
10 A3 36 1 2 0 0 -1 0 0 1 18
Zj 1220 50 50 -10 -10 -10 10 10 10 El < θ +
Cj-Zj -46 -49 10 10 10 0 0 0 El <

SOLUCIÓN 2 Entra x2

sale A1
Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 10 10 10 θ
10 A1 24 2 0 -1 0 1 1 0 -1 12
10 A2 8 0.5 0 0 -1 0.5 0 1 -0.5 16
1 X2 18 0.5 1 0 0 -0.5 0 0 0.5 36
Zj 392 25.5 1 -10 -10 14.5 10 10 -14.5 El < θ +
Cj-Zj -21.5 0 10 10 -14.5 0 0 24.5 El <
Entra X1
 Simplex Tabular
SOLUCIÓN 3

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B RHS 4 1 0 0 0 10 10 10 θ
4 X1 12 1 0 -0.5 0 0.5 0.5 0 -0.5 24
10 A2 2 0 0 0.25 -1 0.25 -0.25 1 -0.25 8
1 X2 12 0 1 0.25 0 -0.75 -0.25 0 0.75 -

sale A2
Zj 80 4 1 -3.25 -10 3.75 -0.75 10 -3.75 El < θ +
Cj-Zj 0 0 3.25 10 -3.75 10.75 0 13.75 El <
Entra S3

SOLUCIÓN 4

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 10 10 10 θ
4 X1 8 1 0 -1 2 0 1 -2 0 4
0 S3 8 0 0 1 -4 1 -1 4 -1 -

sale X1
1 X2 18 0 1 1 -3 0 -1 3 0 -
Zj 50 4 1 -3 5 0 3 -5 0 El < θ +
Cj-Zj 0 0 32 -5 0 7 15 10 El <
Entra S2
Simplex Tabular
SOLUCIÓN 5

Coef. X1 X2 S1 S2 S3 A1 A2 A3 Ratio
(Cj) V.B R.H.S. 4 1 0 0 0 10 10 10 θ
0 S2 4 0.5 0 -0.5 1 0 0.5 -1 0
0 S3 24 2 0 -1 0 1 1 0 -1
1 X2 30 1.5 1 -0.5 0 0 0.5 0 0
Zj 30 1.5 1 -0.5 0 0 0.5 0 0
Cj-Zj 2.5 0 0.5 0 0 9.5 10 10 ≥ 0(S.O.)