ESCUELA PROFESIONAL

DE INGENIERÍA DE
SISTEMAS

INVESTIGACIÓN DE OPERACIONES I

Docente:
ANIVAL TORRE CAMONES

SEMESTRE
ACADÉMICO 2023B
 Semana 6
Orientaciones

MÉTODO SIMPLEX
 Contenido

1 Método Simplex

2 Procedimiento

3 Maximización con método Simplex

 Recomendaciones
Orientaciones

Contraste

Practique Revise
 Método Simplex:

PROCEDIMIENTO:
Es un algoritmo 1-Se halla el SISTEMA ESTÁNDAR
matemático iterativo i) Igualando la función objetivo a cero.
que permite ir
ii) Convirtiendo las restricciones en igualdades,
mejorando la solución
en cada vuelta. agregando las variables de holgura.
El proceso concluye 2-Se inicia la tabla simplex o matriz nueva.
cuando no es posible 3-Se busca el menor negativo y el menor positivo
seguir mejorando. para seleccionar el número pivote.
4-Se busca la matriz nueva.
 Ejercicio 1

Resolver el modelo aplicando el método Simplex. MAX X1+0.5X2

MODELO MATEMÁTICO ST
Max X1 + 0.5X2 2X1+X2<=4
X1+2X2<=3
Sujeto a :
2X1 + X2 ≤4 1 OBJECTIVE FUNCTION VALUE
4 1) 2.000000
X1 + 2X2 ≤3
VARIABLE VALUE REDUCED COST
X1 , X2 ≥0 X1 2.000000 0.000000
X2 0.000000 0.000000
Método
gráfico

Método
21,5
Simplex

Método
computacional 2 3
 Ejercicio 3

MODELO MATEMÁTICO
PROCEDIMIENTO:
Max Z = X1 + 0.5X2
Sujeto a : 1-Se halla el SISTEMA ESTÁNDAR
2X1 + X2 ≤4 i) Igualando la función objetivo a cero.
X1 + 2X2 ≤3 ii) Convirtiendo las restricciones en igualdades,
X1 , X2 ≥0 agregando las variables de holgura.
SISTEMA ESTÁNDAR
2-Se inicia la tabla simplex o matriz nueva.
Z - X1 -0.5X2 = 0
3-Se busca el menor negativo y el menor positivo
Sujeto a :
para seleccionar el número pivote.
2X1 + X2 + S1 = 4
X1 + 2X2 + S2 = 3 4-Se busca la matriz nueva.
 Ejercicio 1

2- Se inicia la tabla simplex o matriz nueva:

Cj 1 0,5 0 0 En las columnas están las

Bi variables de decisión y las
CB XB X1 X2 S1 S2 Ɵi variables de holgura.
Z -1 -0,5 0 0 0 En las filas, están los
coeficientes de las
0 S1 2 1 1 0 4
igualdades, la primera fila
0 S2 1 2 0 1 3 es para los coeficientes de
SISTEMA ESTÁNDAR la FO y las demás filas para
las restricciones.
Z -X1 -0.5X2 = 0 Z -1X1 - 0.5X2 + 0 +0 = 0
SUJETO A: 2X1 + 1X2 + 1S1 + 0 = 4
2X1 + X2 + S1 = 4
1X1 + 2X2 + 0 +1S2 = 3
X1 + 2X2 + S2 = 3
Variables de decisión Variables de holgura
 Ejercicio 1

3- Se busca el menor negativo y el menor positivo para seleccionar el

número pivote:
Cj 1 0,5 0 0 El menor negativo es: -1
Bi
CB XB X1 X2 S1 S2 Ɵi Para encontrar el menor
Z -1 -0,5 0 0 0 positivo se divide el lado
0 s1 2 1 1 0 4 2 derecho entre la columna
0 s2 1 2 0 1 3 3 pivote:
4÷2=2
3÷1=3
El menor positivo es: 2
El número pivote es el que
tienen en común la fila
pivote y la columna pivote
 Ejercicio 1

4- Se busca la matriz nueva; En la fila pivote se dividirán los valores de la fila pivote
de la matriz vieja entre el número pivote de la misma fila:
Cj 1 0,5 0 0
Bi
CB XB X1 X2 S1 S2 Ɵi
X1: 2 ÷ 2 = 1
Z -1 -0,5 0 0 0
X2: 1 ÷ 2 = 0.5
0 s1 2 1 1 0 4 2
S3: 1 ÷ 2 = 0.5
0 Z s2 1 2 0 1 3 3
R2+R1 S4: 0 ÷ 2 = 0
1 X1 1 0,5 0,5 0 2 R2 LD: 4 ÷ 2 = 2
0 s2 -R2+R3
 Ejercicio 1

4- Se busca la matriz nueva; En la fila pivote se dividirán los valores de la fila pivote
de la matriz vieja entre el número pivote de la misma fila:
Cj 1 0,5 0 0
Bi
CB XB X1 X2 S1 S2 Ɵi
Z -1 -0,5 0 0 0
0 s1 2 1 1 0 4 2
0 s2 1 2 0 1 3 3
Z 0 0 0,5 0 2 R2+R1
1 X1 1 0,5 0,5 0 2 R2
0 s2 0 1,5 -0,5 1 1 -R2+R3
Para encontrar el resto de los valores se realizarán los siguientes cálculos matemáticos:
X1: 1 - 1 = 0 X1: -1 + 1 = 0
X2: 0,5 -0,5 = 0 X2: -0,5 + 2 = 1,5 La multiplicación del número pivote de la fila por
X3: 0,5 + 0 = 0,5 X3: -0,5 – 0 = -0,5 el valor de la otra fila ya encontrada se suma o
X4: 0 + 0 = 0 X4: 0 + 1 = 1 resta al valor de la fila de la Matriz Vieja.
LD: 2 + 0 = 2 LD: -2 + 3 = 1
 Ejercicio 1

Cj 1 0,5 0 0
Bi
CB XB X1 X2 S1 S2 Ɵi
Z -1 -0,5 0 0 0
0 s1 2 1 1 0 4 2
0 Z s2 1
0 2
0 0
0,5 1
0 3
2 3
0 X1 1 0,5 0,5 0 2
0 s2 0 1,5 -0,5 1 1
El ejercicio concluye cuando en la matriz nueva, los valores en Z son
todos positivos. Como Z representa la producción, sus valores no
pueden ser negativos.
Solución optima: X1=2 X2=0
El valor que toma la F.O. es: Z = 2
 Ejercicio 2

MAX 3X1+2X2 OBJECTIVE FUNCTION VALUE

MODELO MATEMÁTICO ST 1) 33.00000
2X1+X2<=18 VARIABLE VALUE REDUCED COST
MAX 3X1 + 2X2 2X1+3X2<=42 X1 3.000000 0.000000
Sujeto a: 3X1+X2<=24 X2 12.000000 0.000000
2X1 + X2 ≤ 18 Cj 3 2 0 0 0
2X1 + 3X2 ≤ 42 Bi
CB XB X1 X2 S1 S2 S3 Ɵi
3X1 + X2 ≤ 24
X1 ≥ 0 , X2 ≥ 0 Z -3 -2 0 0 0 0
0 s1 2 1 1 0 0 18 9
0 s2 2 3 0 1 0 42 21
SISTEMA ESTÁNDAR
0 s3 3 1 0 0 1 24 8
Z -3x1 - 2x2 =0
2x1 + x2 + s1 = 18 Cuando minimizamos se toma el valor (+) positivo de FO para convertirlo en negativo.
2x1 + 3x2 + s2 = 42 Cuando maximizamos se toma el valor (-) negativo de FO para convertirlo en positivo.
3x1 + x2 + s3 = 24
 Ejercicio 2

Se busca el menor negativo y el menor

positivo para seleccionar el numero
pivote.

En este caso, la variable X1 de

coeficiente -3. Cj 3 2 0 0
Bi
CB XB X1 X2 S1 S2 S3 Ɵi
Z -3 -2 0 0 0 0
Si existiesen dos o más coeficientes
0 s1 2 1 1 0 0 18 9
iguales que cumplan la condición
anterior, entonces se elige cualquiera. 0 s2 2 3 0 1 0 42 21
0 s3 3 1 0 0 1 24 8
Z 0
Si en la primera fila no existiese ningún 0,00 s1 0
coeficiente negativo, significa que se ha 0,00 s2 0
alcanzado la solución óptima. 3,00 x1 1,00 0,33 0,00 0,00 0,33 8,00

La columna de la variable que entra en

la base se llama columna pivote.
 Ejercicio 2

Para encontrar la fila pivote, se divide

cada término del lado derecho entre el
término correspondiente de la columna
pivote, siempre y cuando estos últimos
sean mayores que cero.
Cj 3 2 0 0
Bi
En el caso de que todos los elementos CB XB X1 X2 S1 S2 S3 Ɵi
fuesen menores o iguales a cero,
entonces tendríamos una solución no
Z -3 -2 0 0 0 0
acotada y no se puede seguir. 0 s1 2 1 1 0 0 18 9
0 s2 2 3 0 1 0 42 21
El menor cociente positivo 8, indica la fila 0 s3 3 1 0 0 1 24 8
de la variable de holgura que sale de la Z 0 -1 0 0 1 24 3R4+R1
base y es S3. Esta fila se llama fila pivote. 0,00 s1 0 0,33 1 0 -0,67 2 -2R4+R2
0,00 s2 0 2,33 0 1 -0,67 26 -2R4+R3
Si al calcular los cocientes, dos o más son
iguales, indica que cualquiera de las 3,00 x1 1,00 0,33 0,00 0,00 0,33 8,00 R4
variables correspondientes pueden salir
de la base.
 Ejercicio 2

El elemento pivote, 3, indica que la

variable de decisión X1 entra y la variable
de holgura S3 sale.
Cj 3 2 0 0
Bi
Se busca la matriz nueva. Los nuevos CB XB X1 X2 S1 S2 S3 Ɵi
coeficientes de la fila pivote se obtienen Z -3 -2 0 0 0 0
dividiendo todos los coeficientes de la fila 0 s1 2 1 1 0 0 18 9
por el pivote operacional “3”, ya que este 0 s2 2 3 0 1 0 42 21
se debe convertir en 1.
0 s3 3 1 0 0 1 24 8
Z 0 -1 0 0 1 24 3R4+R1
Luego hacemos cero los restantes 0,00 s1 0,00 0,33 1,00 0,00 -0,67 2,00 6,00 -2R4+R2
términos de la columna pivote, con lo que 0,00 s2 0,00 2,33 0,00 1,00 -0,67 26,00 11,14
obtenemos los nuevos coeficientes de las 3,00 x1 1,00 0,33 0,00 0,00 0,33 8,00 24,00
-2R4+R3
R4
otras filas incluyendo los de la función
objetivo Z.
 Ejercicio 2

Como en los elementos de la última fila hay

un numero negativo, -1, significa que no
hemos llegado todavía a la solución óptima.
Hay que repetir el proceso: Cj 3 2 0 0
Bi
• La variable que entra en la base es x2, CB XB X1 X2 S1 S2 S3 Ɵi
por ser la columna pivote que Z -3 -2 0 0 0 0
corresponde al coeficiente -1. 0 s1 2 1 1 0 0 18 9
• Para calcular la variable que sale o la fila 0 s2 2 3 0 1 0 42 21
pivote, dividimos los términos de la 0 s3 3 1 0 0 1 24 8
columna solución entre los términos de la Z 0 -1 0 0 1 24 3R4+R1
nueva columna pivote y como el menor 0,00 s1 0,00 0,33 1,00 0,00 -0,67 2,00 6,00 -2R4+R2
cociente positivo es 6, tenemos que la fila 0,00 s2 0,00 2,33 0,00 1,00 -0,67 26,00 11,14 -2R4+R3
pivote y la variable de holgura que sale 3,00 x1 1,00 0,33 0,00 0,00 0,33 8,00 24,00
es S1.
• El elemento pivote, que ahora hay que
hacer 1, es 1/3. Y se opera de forma
análoga a la anterior iteración
 Ejercicio 2

Cj 3 2 0 0
Como en los elementos de la última fila Bi
hay uno negativo, -1, significa que no CB XB X1 X2 S1 S2 S3 Ɵi
hemos llegado todavía a la solución Z -3 -2 0 0 0 0
óptima. Hay que repetir el proceso: 0 s1 2 1 1 0 0 18 9
• La variable que entra en la base es S3, 0 s2 2 3 0 1 0 42 21
por ser la variable que corresponde 0 s3 3 1 0 0 1 24 8 3R4+R1
al coeficiente -1 Z 0 -1 0 0 1 24
-2R4+R2
• Para calcular la variable que sale, 0,00 s1 0,00 0,33 1,00 0,00 -0,67 2,00 6,00
-2R4+R3
dividimos los términos de la última 0,00 s2 0,00 2,33 0,00 1,00 -0,67 26,00 11,14
columna entre los términos 3,00 x1 1,00 0,33 0,00 0,00 0,33 8,00 24,00
correspondientes de la nueva Z 0,00 0,00 3,00 0,00 -1,00 30,00
R2+R1

columna pivote: 6/(-2) [=-3] , 12/4 2,00 X2 0,00 1,00 3,00 0,00 -2,00 6,00 -3,00
[=3], y 6:1 [=6] 0,00 s2 0,00 0,00 -7,00 1,00 4,00 12,00 3,00
-7/3R2+R3

• Como el menor cociente positivo es -1/3R2+R4

3,00 X1 1,00 0,00 -1,00 0,00 1,00 6,00 6,00
3, tenemos que la variable de Z 0,00 0,00 1,25 0,25 0,00 33,00
R3+R1

holgura que sale es S2. El elemento 2,00 X2 0,00 1,00 -0,50 0,50 0,00 12,00
2R3+R2

pivote, que ahora hay que hacer 1, 0,00 S3 0,00 0,00 -1,75 0,25 1,00 3,00
es 4. 3,00 X1 1,00 0,00 0,75 -0,25 0,00 3,00
-R3+R4
 Ejercicio 2

MAX 3X1+2X2
Como todos los coeficientes de la fila de la ST
función objetivo son positivos, hemos llegado a 2X1+X2<=18
la solución óptima. 2X1+3X2<=42
3X1+X2<=24
Los solución óptima viene dada por el valor de
Z en la columna de los valores solución, en OBJECTIVE FUNCTION VALUE
nuestro caso: 33.
1) 33.00000
VARIABLE VALUE REDUCED COST
X1 3.000000 0.000000
X2 12.000000 0.000000
 Ejercicio 3

MODELO MATEMÁTICO A un grupo de artesanos se les presenta la oportunidad de

exportar cinturones confeccionados con piel de paiche al
I. Identificación de las variables
X1: cantidad de cinturones tipo A mercado europeo. Los dos tipos de cinturones
X2: cantidad de cinturones tipo B confeccionados son: A (alta calidad) y B (baja calidad). Las
estimaciones de las utilidades son: 4 soles por cinturón tipo A
II. Identificación de la función objetivo y 3 soles por cinturón tipo B. La confección de un cinturón
MAX 4X1 + 3X2 tipo A requiere el doble de tiempo de confección que uno tipo
B. Si confeccionaran sólo cinturones tipo B podrían
III. Identificación de las restricciones confeccionar 1 000 diarios. En todo caso, el abastecimiento
2X1 + 1X2 ≤ 1000 de piel es suficiente para confeccionar un total de 800
1X1 + 1X2 ≤ 800 cinturones diarios. Los cinturones usan diferentes tipos de
1X1 ≤ 800 hebilla según su calidad. Se pueden abastecer de 800
1X2 ≤ 700 hebillas elegantes al día para los cinturones tipo A y 700
Xj ≥ 0 hebillas corrientes al día para los cinturones tipo B. Formular
un modelo de Programación Lineal y resolver usando el
método simplex.
 Ejercicio 3

MODELO MATEMÁTICO SISTEMA ESTÁNDAR

I. Identificación de las variables Z - 4X1 - 3X2 + 0S1 + 0S2 + 0S3 + 0S4 =0
X1: cantidad de cinturones tipo A SUJETO A:
X2: cantidad de cinturones tipo B 2X1 + 1X2 + S1 = 1000
1X1 + 1X2 + S2 = 800
II. Identificación de la función objetivo 1X1 + S3 = 800
MAX 4X1 + 3X2 1X2 + S4 = 700
III. Identificación de las restricciones
2X1 + 1X2 ≤ 1000 MAX 4X1 + 3X2 OBJECTIVE FUNCTION VALUE
1X1 + 1X2 ≤ 800 ST 1) 2600.000
2X1 + 1X2 <= 1000 VARIABLE VALUE REDUCED COST
1X1 ≤ 800 1X1 + 1X2 <= 800 X1 200.000000 0.000000
X2 600.000000 0.000000
1X2 ≤ 700 1X1 <= 800
1X2 <= 700
Xj ≥ 0
 Ejercicio 3

Cj 4 3 0 0 0 0
Bi
CB XB X1 X2 S1 S2 S3 S4 Ɵi
Z -4 -3 0 0 0 0 0
0 s1 2 1 1 0 0 0 1000 500
0 s2 1 1 0 1 0 0 800 800
0 s3 1 0 0 0 1 0 800 800
0 s4 0 1 0 0 0 1 700
Z 0 4R2+R1
4 X1 1,0 0,5 0,5 0,0 0,0 0,0 500,0 R2
0 s2 0 -R2+R3
0 s3 0 -R2+R4
0 s4 0
 Ejercicio 3

Cj 4 3 0 0 0 0
Bi
CB XB X1 X2 S1 S2 S3 S4 Ɵi
Z -4 -3 0 0 0 0 0
0 s1 2 1 1 0 0 0 1000 500
0 s2 1 1 0 1 0 0 800 800
0 s3 1 0 0 0 1 0 800 800
0 s4 0 1 0 0 0 1 700
Z 0 -1 2 0 0 0 2000 4R2+R1
4 X1 1,0 0,5 0,5 0,0 0,0 0,0 500,0 1000,0
0 s2 0,0 0,5 -0,5 1,0 0,0 0,0 300,0 600,0 -R2+R3
0 s3 0,0 -0,5 -0,5 0,0 1,0 0,0 300,0 -600,0 -R2+R4
0 s4 0,0 1,0 0,0 0,0 0,0 1,0 700,0 700,0
Z R3+R1
4 X1 (-1/2)R3+R2
3 X2 0,0 1,0 -1,0 2,0 0,0 0,0 600,0 R3
0 s3 (1/2)R3+R4
0 s4 -R3+R5
 Ejercicio 3

Cj 4 3 0 0 0 0
Bi
CB XB X1 X2 S1 S2 S3 S4 Ɵi
Z -4 -3 0 0 0 0 0
0 s1 2 1 1 0 0 0 1000 500
0 s2 1 1 0 1 0 0 800 800
0 s3 1 0 0 0 1 0 800 800
0 s4 0 1 0 0 0 1 700
Z 0 -1 2 0 0 0 2000 4R2+R1
4 X1 1,0 0,5 0,5 0,0 0,0 0,0 500,0 1000,0
0 s2 0,0 0,5 -0,5 1,0 0,0 0,0 300,0 600,0 -R2+R3
0 s3 0,0 -0,5 -0,5 0,0 1,0 0,0 300,0 -600,0 -R2+R4
0 s4 0,0 1,0 0,0 0,0 0,0 1,0 700,0 700,0
Z 0,0 0,0 1,0 2,0 0,0 0,0 2600,0 R3+R1
4 X1 1,0 0,0 1,0 -1,0 0,0 0,0 200,0 (-1/2)R3+R2
3 X2 0,0 1,0 -1,0 2,0 0,0 0,0 600,0 R3
0 s3 0,0 0,0 -1,0 1,0 1,0 0,0 600,0 (1/2)R3+R4
0 s4 0,0 2,0 -1,0 2,0 0,0 1,0 1300,0 -R3+R5
 Ejercicio 4

MODELO MATEMÁTICO SISTEMA ESTÁNDAR

Max z= 50x1 + 80x2 Z- 50x1 -80x2 = 0
sujeto a: x1 + 2x2 + s1 =120
1x1 + 1x2 + s2 = 90
x1 + 2x2 ≤ 120
x1 + 1x2 ≤ 90
xj ≥ 0
Max 50x1 + 80x2
ST
x1 + 2x2 <=120
Método x1 + 1x2 <= 90
gráfico OBJECTIVE FUNCTION VALUE
1) 2600.000
Método VARIABLE VALUE REDUCED COST
Simplex
X1 200.000000 0.000000
X2 600.000000 0.000000
Método
computacional
 Ejercicio 4

Cj 50 80 0 0
Bi
CB XB X1 X2 S1 S2 Ɵi
Z -50 -80 0 0 0
0 s2 1 2 1 0 120 60
0 s3 1 1 0 1 90 90
Z -10 0 40 0 4800 80R2+R1
4 X2 0,5 1,0 0,5 0,0 60,0 120
0 s3 0,5 0,0 -0,5 1,0 30,0 60,0 -R2+R3
Z 0 0 30 20 5400 10R3+R1
3 X2 0,0 1,0 1,0 -1,0 30,0 (-1/2)R3+R2
4 X1 1,0 0,0 -1,0 2,0 60,0
 Seamos dueños de nuestro propio
destino

Donde quiera que usted vea un negocio exitoso,

alguien ha tomado una decisión valiente.

Gracias

27