REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR DE EDUCACIÓN SUPERIOR UNIVERSIDAD
NACIONAL EXPERIMENTAL DE LA GRAN CARACAS
UNEXCA
SECCIÓN: 30142 TRAYECTO: 4 TRIMESTRE
METODO SIMPLEX
UNIDADCURRICULAR:
FORMACION INVESTIGACIÓN DE OPERACIONES I
PARTICIPANTES.
Participantes
Álvarez Dairy V. 19.509.547
Álvarez Reina V. 15.610.758
Álvarez Sara V. 20.910.633
Núñez Patricia V. 13.310.590
PROFESOR: Enrique Moreno G. CI 5.892.240 .
Caracas, 12 de abril 2021
BASES DEL MÉTODO SIMPLEX
Desarrollado en 1947 por George B. Dantzing, el método simplex se ha
convertido en el método general para resolver problemas de programación lineal, a
diferencia del método gráfico puede ser usado cuando las variables del problema son
más de 2 caracterizándose por buscar soluciones “mejores” que el método grafico para
optimizar la función objetivo del problema. Antes de desarrollar el método habrá que
hacer algunas especificaciones: Formulación del Modelo Usar un modelo matemático
para la resolución de problemas es la base de la programación lineal recordando que
modelo se refiere a la representación simplificada de la realidad; los modelos
matemáticos en específico hacen uso de símbolos matemáticos y presentan elementos
como:
Variables: representan las incógnitas del problema
Restricciones: se contemplan las limitaciones a las que se encuentra sujeta la
resolución del problema considerando la escasez de recursos en tiempo y espacio.
Función objetivo: representa la meta que se pretende alcanzar y en la cual se
basan las decisiones principales para maximizar los beneficios o bien para minimizar
los costos (considere que en la programación lineal el calificativo “lineal” hace
referencia que las ecuaciones usadas en el modelo serán siempre de primer grado, es
decir, sin exponentes).
Sin embargo, los resultados no siempre deberán tomarse literalmente pues es
deber del interprete considerar que hay factores externos como el cambio climático, la
competencia, las condiciones de seguridad, entre otros; por lo tanto los resultados del
modelo deberán ser usados como una base para el tomador de decisiones con el
objetivo de conseguir los mejores resultados en diferentes situaciones. Por lo tanto, es
importante señalar cuestiones que debe considerar la persona encargada del
modelado:
Entre más sencillo sea el modelo, mejor será el resultado. Un modelo complejo
no siempre será la mejor solución.
El modelo debe ser validado antes de ser implementado para saber si
representa la situación real y en caso de no ser así habrá que hacer los ajustes
correspondientes.
Si se hacen las cosas de manera apresurada, el modelo saldrá mal. Debe
hacerse un minucioso análisis de la información recabada para identificar que en
verdad será útil para el modelo.
Los modelos son un herramienta más el tomador de decisiones tendrá siempre
la última palabra.
Ejemplo: La empresa “Kekos” se dedica a la producción de 3 tipos de lámparas:
de escritorio, manuales y colgantes. Para su uso se destinan 3 materias primas básicas
denominadas A, B y C de las cuales su uso por día para cada lámpara y la
disponibilidad máxima diaria se encuentra en la siguiente tabla:
Materia Uso por producto (piezas) Disponibilidad
prima Lámparas de Lámparas Lámparas máxima
escritorio manuales colgantes (pieza
A 100 80 ------------ 200
B 90 50 100 250
C 30 100 40 180
La utilidad ($) que obtiene diariamente es
Lámparas de escritorio $1000.00
Lámparas manuales $500.00
Lámparas colgantes $2500.00
Para formular el modelo el primer paso será identificar las variables y asignarles
nombres, en este caso:
𝑋1 = 𝐿á𝑚𝑝𝑎𝑟𝑎𝑠 𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜
𝑋2 = 𝐿á𝑚𝑝𝑎𝑟𝑎𝑠 𝑚𝑎𝑛𝑢𝑎𝑙𝑒𝑠
𝑋3 = 𝐿á𝑚𝑝𝑎𝑟𝑎𝑠 𝑐𝑜𝑙𝑔𝑎𝑛𝑡𝑒𝑠
Considerando el modelo lineal como se conoció en el paso anterior (forma
original), el método simplex requiere que éste se convierta a la forma estándar, es decir,
cada restricción se convertirá en una igualdad además de incorporar variables holgura
que permiten expresar la cantidad de recurso no utilizado durante las actividades Se
plantea el siguiente modelo en su forma original:
𝑀𝑎𝑥 𝑍 = 100𝑋1 + 125𝑋2
6𝑋1 + 4𝑋2 ≤ 24
𝑋1 + 𝑋2 ≥ 800
𝑋1, 𝑋2 ≥ 0
Una vez que se tiene el primer paso se puede plantear la función objetivo,
en este caso lo que se pretende es maximizar la ganancia (utilidad) por la venta de
cada producto (como los datos de ganancia son diarios, así como el uso de materia
prima no es necesario hacer ninguna conversión dejando los datos tal y como se
presentan), por lo tanto la ecuación resultante es:
𝑀𝑎𝑥 𝑍 = 1000𝑋1 + 500𝑋2 + 2500𝑋3
Las restricciones del modelo hacen referencia a la disponibilidad máxima que
tenemos de cada una de las materias primas que se emplean en el proceso, de esta
forma se obtiene:
100𝑋1 + 80𝑋2 ≤ 200
Es decir, la materia prima A sólo se emplea para la fabricación de lámparas de
escritorio y manuales en ciertas cantidades (100 y 80 respectivamente), su uso no
puede ser mayor a las 200 piezas diarias (≤).
Este procedimiento se hace con cuantas limitaciones se tenga, entonces:
90𝑋1 + 50𝑋2 + 100𝑋3 ≤ 250
30𝑋1 + 100𝑋2 + 40𝑋3 ≤ 180
Existe una restricción más llamada “de no negatividad” en la que nos indica que
no se pueden producir cantidades negativas del bien X ¡no fabricamos menos 10
tazas o menos 5 lápices!
𝑋1 ,𝑋2, 𝑋3 ≥ 0
Juntando la función objetivo y las restricciones el modelo queda conformado de la
siguiente manera (s.a. significará que la función objetivo estará sujeta a):
𝑀𝑎𝑥 𝑍 = 1000𝑋1 + 500𝑋2 + 2500𝑋3
s.a
100𝑋1 + 80𝑋2 ≤ 200
90𝑋1 + 50𝑋2 + 100𝑋3 ≤ 250
30𝑋1 + 100𝑋2 + 40𝑋3 ≤ 180
𝑋1 ,𝑋2, 𝑋3 ≥ 0
MODELO SIMPLEX PASO A PASO
Considerando el modelo lineal como se conoció en el paso anterior (forma original),
el método simplex requiere que éste se convierta a la forma estándar, es decir, cada
restricción se convertirá en una igualdad además de incorporar variables holgura
que permiten expresar la cantidad de recurso no utilizado durante las actividades.
Se plantea el siguiente modelo en su forma original:
𝑀𝑎𝑥 𝑍 = 100𝑋1 + 125𝑋2
6𝑋1 + 4𝑋2 ≤ 24
𝑋1 + 𝑋2 ≥ 800
𝑋1, 𝑋2 ≥ 0
Paso 1. Cambiar el modelo a forma estándar
Las desigualdades del tipo ≤ implican la cantidad no usada u holgura del recurso.
Para convertirla en una igualdad y hacer uso de ella en el método simplex, se
adiciona una variable holgura al lado izquierdo de la ecuación (𝑆𝑛), de tal forma que:
6𝑋1 + 4𝑋2 ≤ 24
Se convertirá en
6𝑋1 + 4𝑋2 + 𝑆1 = 24
Por su parte una restricción del tipo ≥ representará un límite inferior para las
actividades a las que se encuentra sujeta la función objetivo; por lo tanto, la cantidad
por la que el lado izquierdo de la ecuación es mayor al lado derecho o límite se
considera un excedente y para convertirla en una igualdad será necesario restar la
variable de excedencia
𝑋1 + 𝑋2 ≥ 800
Se convertirá en
𝑋1 + 𝑋2 − 𝑆2 = 800
Deberán ponerse tantas variables holgura como restricciones existan.
Por su parte, la función objetivo deberá cambiar de signo (de positivo a negativo y
viceversa), de tal modo que.
𝑀𝑎𝑥 𝑍 = 100𝑋1 + 125𝑋2
Será:
𝑀𝑎𝑥 𝑍 = −100𝑋1 − 125𝑋2
De tal forma que el modelo estándar completo se escribirá así:
𝑀𝑎𝑥 𝑍 = −100𝑋1 − 125𝑋2
6𝑋1 + 4𝑋2 + 𝑆1 = 24
𝑋1 + 𝑋2 − 𝑆2 = 800
𝑋1, 𝑋2, 𝑆1 𝑆2 ≥ 0
Note que las variables holgura también se consideraran positivas, mayor a cero.
Paso 2. Armar la tabla simplex
Los valores del modelo serán introducidos a la tabla simplex
Var. Holgura X1 X2 S1 S2 Solución
S1 6 4 1 0 24
S2 1 1 0 -1 800
Z -100 -125 0 0 0
Observe que en la primer columna se han colocado las variables holgura (𝑆𝑛) y en
las filas, de acuerdo a dicha variable, se coloca la restricción que corresponde y en
la última fila (ó llamado también renglón objetivo) los valores de la función objetivo.
Cuando las variables holgura no aparecen el valor que tomará será cero.
Paso 3. Elegir el valor de Z más negativo
En la fila donde aparecen los datos de Z (la función objetivo) habrá que localizar el valor más
negativo excluyendo la última columna. La columna en dónde se encuentre dicho valor se
denominará columna de entrada o columna de trabajo.
Var. Holgura X1 X2 S1 S2 Solución
S1 6 4 1 0 24
S2 1 1 0 -1 800
Z -100 -125 0 0 0
COLUMNA DE ENTRADA O TRABAJO
Paso 4. Determine la variable de salida y el pivote
Dividiendo cada número de la columna solución entre los valores de la columna
entrada (a excepción del renglón objetivo). Entonces:
𝟐𝟒 = 6
𝟒
800 = 800
1
Del resultado, se elige el valor positivo más pequeño sin tomar en cuenta los valores
negativos y a la intersección se le denominará piv ote.
Var. Holgura X1 X2 S1 S2 Solución
S1 6 4 1 0 24
S2 1 0 -1 800
1
Z -100 0 0 0
-125
PIVOTE
Es muy importante que el pivote tome el valor 1; si no se tiene ese valor habrá que
dividir el renglón objetivo entre el valor del pivote.
6 = 1,5 1= 0,25 24 = 6 4=1 0=0
4 4 4 4 4
Var. Holgura X1 X2 S1 S2 Solución
X1 1,5 1 0,25 0 6
S2 1 0 -1 800
1
Z -100 0 0 0
-125
Los nuevos valores se colocarán en la tabla simplex, en el renglón que corresponde;
en este caso 𝑠1 retomará el valor de la variable en donde se encontró la columna
entrada 𝑋2
Paso 5. Hacer ceros los demás valores de la columna entrada
Para el ejemplo los demás valores que deben hacerse cero son 1 y – 125
X2
-125
Para eso habrá que multiplicar el renglón 𝑋2 por el inverso del valor que se hará
cero y a este resultado se le sumará al renglón que desea convertirse (donde está el
inverso), de manera más precisa:
Inverso del valor Renglón que
Renglón X2 Resultado Nuevo valor
que se hará cero desea convertirse
1,5 -1 1,5 1 -0,5
-1
1 1 1 0
-1
0,25 0,25 0 0,25
-1
0 0 -1 -1
-1
6 6 800 794
Inverso del Renglón
Renglón X2 valor que se Resultado que desea Nuevo valor
hará cero convertirse
1,5 125 187,5 -100 87,5
1 125 125 -125 0
0,25 125 31,25 0 31,25
0 125 0 0 0
6 125 750 0 750
El nuevo valor encontrado se asignará en el renglón que corresponde:
Var. Holgura X1 X2 S1 S2 Solución
X2 1,5 1 0,25 0 6
S2 -0,5 -0,25 -1 794
0
Z 87,5 31,25 0 750
0
Como usted puede apreciar, los valores junto al pivote en la columna entrada se han
convertido en ceros, señal de que hasta este momento se han hecho los cálculos
correctos.
X2
1
0
De la misma manera puede apreciar que en el renglón de Z ya no ha quedado ningún valor negativo,
por lo tanto ya ha terminado el procedimiento
Z 87,5 31,25 0 750
0
Nota: si hubiese un valor negativo en Z, habría que repetir el procedimiento a partir
del paso 3. Otra comprobación de que hemos llegado al final del procedimiento es
usar precisamente los datos encontrados en la tabla simplex (específicamente los
de la columna solución) y sustituirlos en la función objetivo del modelo. Si recuerda
en el procedimiento cambio el nombre de la variable holgura 𝑆1 por 𝑋2 y en la tabla
simplex su solución ha sido de 6, mientras que Z ha tomado el valor de 750.
Nota: En este caso en la columna denominada Var. Holgura no se ha hecho
sustitución en ningún momento por 𝑋1, por lo que ésta tomará el valor de cero.
Var. Holgura X1 X2 S1 S2 Solución
X2 1,5 1 0,25 0 6
S2 -0,5 -0,25 -1 794
0
Z 87,5 31,25 0 750
0
De tal forma que haciendo la sustitución en Z tenemos que
𝑍 = 100(0) + 125(6) = 750
Por lo que se comprueba que la solución ha sido la adecuada.
