Algoritmo del método simplex

Paso 1: Modelación del problema

Dado el enunciado de un problema de programación lineal, se realiza la modelación de este y se

asume que dicho modelo tiene la forma canónica caso de máximos.

Paso 2: Estandarización del modelo

Por este paso se trata de expresar el MPLC en forma estándar caso máximos; para lograrlo, solo
basta con agregar una variable de holgura distinta en cada una de las restricciones del tipo ≤. Para
no afectar la función objetivo, los respectivos coeficientes de estas variables en dicha función son
cero.

**Conversión de desigualdades a ecuaciones

En las restricciones (<), el lado derecho se puede imaginar cómo representando el límite de
disponibilidad de un recurso, y en ese caso el lado izquierdo representaría el uso de ese recurso
limitado por parte de las actividades (variables) del modelo.

La diferencia entre el lado derecho y el lado izquierdo de la restricción (<) representa, por
consiguiente la cantidad no usada u holgura del recurso.

Para convertir una desigualdad (<) en ecuación, se agrega una variable de holgura al lado izquierdo
de la restricción.

6𝑥1 + 4𝑥2 ≤ 24 6𝑥1 + 4𝑥2 + 𝑠1 = 24 𝑠1 ≥ 0

Los pasos para aplicar del método simplex son los siguientes:

Paso 0. Determinar una solución básica factible de inicio.

Paso 1. Seleccionar una variable de entrada aplicando la condición de optimidad, detenerse si no

hay variable de entrada; la última solución es la óptima.

Condición de optimidad: la variable de entrada en un problema de maximización (minimización)

es la variable no básica que tenga el coeficiente más negativo (positivo) en el renglón de z. los
empates se rompen en forma arbitraria. Se llega al óptimo en la iteración en la que todos los
coeficientes de las variables no básicas en el renglón z son no negativos (no positivos).

Paso 2. Seleccionar una variable de salida aplicando la condición de factibilidad.

Condición de factibilidad: en los problemas de maximización y minimización, la variable de salida

es la variable básica asociada con la mínima razón no negativa (con denominador estrictamente
positivo). Los empates se rompen en forma arbitraria.
Paso 3. Determinar la nueva solución básica con los cálculos adecuado de Gauss- Jordan.

Los cálculos de Gauss-Jordan necesarios para obtener la nueva solución básica son de dos tipos:

1. Renglón pivote (ecuación pivote)

Nuevo renglón pivote (ecuación pivote)= (renglón pivote actual / elemento pivote)

2. Todos los demás renglones incluyendo Z

Nuevo renglón= (renglón actual) – ((su coeficiente en la columna pivote)* (nuevo renglón pivote))

Ir al paso 1.

Ejercicio paso a paso.

Ejercicio del libro de investigación de operaciones de WAYNE L. WINSTON pag. 140

 Paso 1: Modelación del problema

La Dakota Furniture Company, fabrica escritorios, mesas y sillas. La manufactura de cada tipo de
mueble requiere madera y dos tipos de trabajo especializado: Acabado y carpinteria. La cantidad que
se necesita de cada recurso para fabricar cada tipo de mueble se da en la tabla siguiente.

Recurso Escritorio Mesa Silla

Madera 8 pies de tabla 6 pies de tabla 1 pie de tabla
Hrs. De acabado 4 hrs. 2 hrs. 1.5 hrs.
Hrs. De carpinteria 2 hrs. 1.5 hrs. 0.5 hrs.

Por ahora se dispone de 48 pies de tabla de madera, 20 horas de acabado y 8 horas de carpinteria.
Se vende un escritorio a 60 dolares, una mesa en 30 dolares y una silla en 20 dolares.
La empresa cree que la demanda de escritorios y sillas es ilimitada, pero se puede vender a los mas
5 mesas. Dakota quiere maximizar el ingreso total, porque se ha ncomprado ya los recursos.

Definiendo las variables de decisión como:

x1= Numero de escritorios producidos

x2= Número de mesas producidas.

x3= Número de sillas producidas.

El modelo PL es el siguiente:
Max. Z= 60x1+ 30x2+ 20x3

s.a.
8x1+ 6x2 + x3 ≤ 48 (restricción de la madera) (1)
4x1+ 2x2+ 1.5x3 ≤ 20 (restricción del acabado) (2)
2x1+ 1.5x2+ 0.5x3 ≤ 8 (restricción de la carpintería) (3)
x2 ≤ 5 (rest. demanda limitada de mesas) (4)
xi ≥ 0 (i= 1, 2, 3) condición de No negatividad

 Paso 2: Estandarización del modelo

Max. Z - 60x1-30x2 - 20x3 =0

s.a.

8x1+ 6x2 + x3 +s1 = 48

4x1+ 2x2+ 1.5x3 +s2 = 20

2x1+ 1.5x2+ 0.5x3 +s3 =8

x2 +s4 = 5

VARIABLES BÁSICAS (s1, s2, s3 , s4 ) VARIABLES NO BÁSICAS (x1 ,x2 , x3 )

Los pasos para aplicar del método simplex son los siguientes:

Paso 0. Determinar una solución básica factible de inicio, su forma canónica.

Agregamos las ecuaciones de acuerdo a la variable básica de cada renglón.

Z x1 x2 x3 s1 s2 s3 s4 Solución
Z 1 -60 -30 -20 0 0 0 0 0
s1 0 8 6 1 1 0 0 0 48
s2 0 4 2 1.5 0 1 0 0 20
s3 0 2 1.5 0.5 0 0 1 0 8
s4 0 0 1 0 0 0 0 1 5

**En el cuadro azul se forma el Gauss-Jordan

Entonces la solución básica factible (sbf) inicial:

Z=0
s1= 48
s2= 20
s3= 8
s4= 5
Paso 1. Seleccionar una variable de entrada aplicando la condición de optimidad, detenerse si no
hay variable de entrada; la última solución es la óptima.

Variable de entrada
y
Z x1 x2 x3 s1 s2 s3 s4 Solución
Z 1 - 60 -30 -20 0 0 0 0 0
s1 0 8 6 1 1 0 0 0 48
s2 0 4 2 1.5 0 1 0 0 20
s3 0 2 1.5 0.5 0 0 1 0 8
s4 0 0 1 0 0 0 0 1 5

Paso 2. Seleccionar una variable de salida aplicando la condición de factibilidad.

Z x1 x2 x3 s1 s2 s3 s4 Solución Razón
Z 1 - 60 -30 -20 0 0 0 0 0
s1 0 8 6 1 1 0 0 0 48 48/8= 24

s2 0 4 2 1.5 0 1 0 0 20 20/4= 5
vs
s3 0 2 1.5 0.5 0 0 1 0 8 8/2= 4
s4 0 0 1 0 0 0 0 1 5

** no dividimos entre ceros ni megativos, los empates se rompen en forma arbitraria, es decir usted
decide cuan variable sacar.

Paso 3. Determinar la nueva solución básica con los cálculos adecuado de Gauss- Jordan.

2. Renglón pivote (ecuación pivote)

Nuevo renglón pivote (ecuación pivote)= (renglón pivote actual / elemento pivote)
0 2 1.5 .5 0 0 1 0 8
𝑟𝑒𝑛𝑔𝑙ó𝑛 𝑝𝑖𝑣𝑜𝑡𝑒
2 2 2 2 2 2 2 2 2
𝑟𝑒𝑛𝑔𝑙ó𝑛 𝑝𝑖𝑣𝑜𝑡𝑒 0 1 .75 .25 0 0 .5 0 4

2. Todos los demás renglones incluyendo Z

Nuevo renglón= (renglón actual) – ((su coeficiente en la columna pivote)* (nuevo renglón pivote))

**Nueva z, su elemento pivote es (-60)

Z 1 - 60 -30 -20 0 0 0 0 0
-(-60) 0 1 .75 .25 0 0 .5 0 4
1 0 15 -5 0 0 30 0 240

**Nueva s1, su elemento pivote es (8)

s1 0 8 6 1 1 0 0 0 48
-(8) 0 1 .75 .25 0 0 .5 0 4
0 0 0 -1 1 0 -4 0 16
**Nueva s2, su elemento pivote es (4)

s2 0 4 2 1.5 0 1 0 0 20
4 0 1 .75 .25 0 0 .5 0 4
0 0 -1 .5 0 1 -2 0 4

**Nueva s2, su elemento pivote es (0)

s4 0 0 1 0 0 0 0 1 5

Entonces la primera tabla nos queda de la siguiente manera y no terminamos, porque en el renglón
z hay negativos, en un problema de maximización terminamos hasta que todos los
coeficientes son positivos.

Z x1 x2 x3 s1 s2 s3 s4 Solución
Z 1 0 15 -5 0 0 30 0 240
s1 0 0 0 -1 1 0 -4 0 16
s2 0 0 -1 .5 0 1 -2 0 4
x1 0 1 .75 .25 0 0 .5 0 4
s4 0 0 1 0 0 0 0 1 5

Entonces la solución factible:

Z = 240
s1= 16
s2= 24
x1=4
s4= 5

Al sustituir en la función objetivo:

Max. Z= 60x1+ 30x2+ 20x3

Max. Z= 60 (4) =240

Al interpretar esta solución, entenderiamos que la compañía Dakota, solo fabricara 4 escritorios para
obtener una ganancia de $240 dolares, le queda materia prima de madera y horas de acabado.
Como no llegamos a la solución óptima Ir al paso 1.

Paso 1. Seleccionar una variable de entrada X3

Paso 2. Seleccionar una variable de salida S2

Z x1 x2 x3 s1 s2 s3 s4 Solución vs
Z 1 -60 -30 -20 0 0 0 0 0
s1 0 8 6 1 1 0 0 0 48
s2 0 4 2 1.5 0 1 0 0 20
s3 0 2 1.5 0.5 0 0 1 0 8
s4 0 0 1 0 0 0 0 1 5
Z 1 0 15 -5 0 0 30 0 240
s1 0 0 0 -1 1 0 -4 0 16
s2 0 0 -1 .5 0 1 -2 0 4
x1 0 1 .75 .25 0 0 .5 0 4
s4 0 0 1 0 0 0 0 1 5

La nueva ecuación pivote

0 0 -2 1 0 2 -4 0 8

Elementos pivote para las nuevas:

Z = -5

S1=-1

X1 =.25

S4= 0

Obtenemos la segunda tabla y la solución óptima porque en el renglón z las variables son positivas.

Z x1 x2 x3 s1 s2 s3 s4 Solución
Z 1 -60 -30 -20 0 0 0 0 0
s1 0 8 6 1 1 0 0 0 48
s2 0 4 2 1.5 0 1 0 0 20
s3 0 2 1.5 0.5 0 0 1 0 8
s4 0 0 1 0 0 0 0 1 5
Z 1 0 15 -5 0 0 30 0 240
s1 0 0 0 -1 1 0 -4 0 16
s2 0 0 -1 .5 0 1 -2 0 4
x1 0 1 .75 .25 0 0 .5 0 4
s4 0 0 1 0 0 0 0 1 5
Z 1 0 5 0 0 10 10 0 280
s1 0 0 -2 0 1 2 -8 0 24
 x3 0 0 -2 1 0 2 -4 0 8
x1 0 1 1.25 0 0 -.5 1.5 0 2
s4 0 0 1 0 0 0 0 1 5

Concluimos, la compañía para optimizar sus recursos debe fabricar 2 escritorios y 8 sillas para
maximizar sus ganancias en $280 dólares y le quedan 24 pies de tablón, además s4 es igual a 5
porque no se fabricó mesa.