UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA

FACULTAD DE CIENCIAS BIOLÓGICAS

ESCUELA PROFESIONAL DE INGENIERÍA PESQUERA

MATEMÁTICA II

“PROBLEMAS APLICADOS CON METODO SIMPLEX”

DOCENTE:

● SIERRA HUAHUACHAMPI, BRITO ELMER

ESTUDIANTES:

● GUARDIA HUERTA, CESAR AGUSTÍN (100%)

● SULLCA QUINUA, ALDO YOSVALDO (100%)

AREQUIPA - PERÚ

2025 - A
 Índice

1. Introducción. ................................................................................................................................... 1

2. Objetivos. ........................................................................................................................................ 2

3. Marco teórico. ................................................................................................................................. 2

3.1. Programación lineal ............................................................................................................... 2

3.2. Métodos de programación lineal ........................................................................................... 2

3.3. Que es el método simplex ...................................................................................................... 3

3.4. Importancia del método simplex............................................................................................ 3

3.5. Ventajas ................................................................................................................................. 4

4. Problemas. ....................................................................................................................................... 4

5. Conclusiones. ................................................................................................................................ 11

6. Referencias. ................................................................................................................................... 12
 1. INTRODUCCIÓN

La industria pesquera, como las otras actividades productivas, se enfrenta a retos continuos

en la gestión de recursos escasos como los tiempos, el consumo de energía, la capacidad de

transformación o la disponibilidad de las materias primas. Por este motivo, la toma de decisiones

óptimas es importante para la obtención de una producción que, al mismo tiempo, sea

económicamente rentable y sostenible. La programación lineal es un recurso matemático para el

modelado de estos problemas de optimización, dentro del cual el método simplex es una técnica que

se puede considerar como la más fuerte y la más general para la búsqueda de soluciones óptimas de

sistemas lineales con muchas variables y restricciones. La finalidad de este trabajo es la aplicación

del método simplex a un conjunto de problemas de la ingeniería pesquera, la elaboración de productos

de conservas, la producción de hielo industrial o el envasado de filetes, entre otros. El objetivo es

encontrar la solución que optimice el beneficio y la eficiencia en la utilización de los recursos

limitados y poder poner de manifiesto la capacidad del método simple para guiar las decisiones que

se tomen tanto a nivel operativo como a nivel estratégico en contextos de alta densidad técnica. La

aplicación del método no sólo destaca su capacidad desde una perspectiva matemática sino también

su utilidad en la producción de un modo directo y sin intermediarios, siendo el método simplex una

herramienta de análisis, planificación y decisión que permite guiar la actividad productiva.

 2. OBJETIVOS:

● Utilizar el método simplex para maximizar los gastos totales de los problemas aplicados.

● Utilizar el método simplex con el objetivo de optimizar las ganancias en la elaboración de

conservas, teniendo en cuenta las limitaciones de recursos tales como tiempo, materias primas

y energía.

● Mejorar la eficiencia en la utilización de recursos escasos, como la energía, el tiempo de

procesamiento o el pescado fresco, a través de la aplicación de programación lineal utilizando

el método simplex.

3. MARCO TEÓRICO

3.1. Programación lineal

La programación lineal es una técnica matemática que se utiliza para optimizar el rendimiento

o la eficiencia de un sistema. Esta técnica es ampliamente utilizada en el mundo empresarial para

resolver problemas de planificación, asignación de recursos y toma de decisiones. En un problema de

programación lineal, se busca encontrar el valor máximo o mínimo de una función objetivo, como

por ejemplo maximizar las ganancias de una empresa o minimizar los costos de producción de un

producto. La función objetivo se encuentra sujeta a restricciones que deben cumplirse, como por

ejemplo el presupuesto disponible para la empresa o la cantidad de recursos disponibles para la

producción del producto (Ortega, 2022).

3.2. Métodos de programación lineal

Los problemas de programación lineal se pueden resolver utilizando técnicas como el método

simplex o el método de los multiplicadores de Lagrange. Estas técnicas permiten encontrar la solución

óptima del problema de forma eficiente.

 Conozcamos más de los métodos para resolver problemas de programación lineal:

Método gráfico: Este método es útil cuando se trabaja con problemas de programación lineal

con sólo dos variables. En este método se grafican las restricciones y la función objetivo en un plano

cartesiano y se busca la intersección de las restricciones para encontrar la solución óptima (Ortega,

2022).

Método simplex: Este es uno de los métodos más utilizados para resolver problemas de

programación lineal con varias variables. En este método se construye una tabla que muestra las

variables y las restricciones, y se realiza una serie de iteraciones para encontrar la solución óptima

(Ortega, 2022).

Método de los multiplicadores de Lagrange: Este método se utiliza cuando hay

restricciones en forma de igualdad en el problema de programación lineal. En este método se

construye una función Lagrangiana y se utilizan los multiplicadores de Lagrange para encontrar la

solución óptima (Ortega, 2022).

Método de las regiones factibles: Este método se utiliza cuando hay restricciones en forma

de desigualdad en el problema de programación lineal. En este método se divide el espacio de

variables en varias regiones factibles, y se prueba cada una de ellas para encontrar la solución óptima

(Ortega, 2022).

3.3. Que es el método simplex

El método símplex es un algoritmo utilizado en programación lineal para resolver problemas

de optimización. En pocas palabras, busca encontrar la mejor solución posible a un problema dado,

considerando ciertas restricciones y maximizando o minimizando una función objetivo. Imagina que

tienes una fábrica que produce dos tipos de productos: A y B. Para fabricarlos, necesitas ciertas

cantidades de materia prima y mano de obra, y tienes un límite en la cantidad disponible. Además,
tienes el objetivo de maximizar tus ganancias. Esto puede representarse como un problema de

programación lineal. El método símplex funciona en un espacio geométrico llamado espacio de

soluciones factibles. Cada punto en este espacio representa una combinación de las cantidades de los

productos A y B que puedes fabricar dentro de las restricciones dadas. El algoritmo se mueve de un

punto a otro, mejorando gradualmente la solución, hasta encontrar el punto óptimo que maximiza tus

ganancias. Imagina que inicialmente produces 0 unidades de ambos productos. El método símplex

evaluará si puedes aumentar la producción de cualquiera de los dos productos para mejorar tus

ganancias. Si es posible, la solución se trasladará a un punto adyacente que representa un aumento en

la producción de uno de los productos, manteniendo las restricciones dentro de los límites

establecidos. Esto se repite hasta que no sea posible realizar más mejoras y se alcance la solución

óptima (Ortega, 2025).

3.4. Importancia del método simplex

SIMPLEX facilita la localización eficiente y eficaz de una solución, ubicado entre los

extremos de un problema de la programación lineal. De modo que, la gran ventaja de este método es

práctica y sencilla, pues solo trabaja con los coeficientes de acuerdo a las restricciones y su función

objetivo. El método SIMPLEX es sumamente importante en el sector empresarial, porque actúa como

una herramienta para ofrecer soluciones a los problemas relacionados con pérdidas, inventario y

ganancias. Con esta metodología, es posible visualizar cuánto se debe comprar, producir y vender,

según sea el caso. Esto con la finalidad de que la compañía obtenga las ganancias suficientes para

posicionarse y competir en el mercado. En base a ello, es conveniente afirmar que el método

SIMPLEX presenta una excelente opción para las industrias y empresas especializadas en el sector

del transporte, específicamente en el área de inventarios (Aner, 2020)

 3.5. Ventajas

El método símplex tiene varias ventajas que lo convierten en una herramienta muy útil.

Algunas de ellas son:

Aplicable a problemas a gran escala: El método símplex puede aplicarse a problemas con

un gran número de variables y restricciones. Aunque su eficiencia puede disminuir a medida que

aumenta el tamaño del problema, sigue siendo una opción viable para resolver problemas complejos

(Ortega, 2025).

Solución óptima: Si se sigue correctamente, el método símplex garantiza la solución óptima

a un problema de programación lineal. Esto significa que se obtendrá el mejor resultado posible dentro

de las restricciones y objetivos establecidos (Ortega, 2025).

Flexibilidad en la formulación del problema: El método símplex permite formular

problemas en términos de maximizar o minimizar una función objetivo. Esto significa que el

problema puede adaptarse a necesidades específicas, ya sea maximizar beneficios, minimizar costes

o cualquier otro objetivo deseado (Ortega, 2025).

Permite la identificación de soluciones inviables o ilimitadas: Durante el proceso de

resolución, el método símplex puede detectar si el problema no tiene una solución factible o si existen

múltiples soluciones óptimas. Esto resulta útil para comprender mejor la naturaleza del problema y

tomar decisiones adecuadas (Ortega, 2025).

Interpretación geométrica: El método símplex se basa en conceptos geométricos y utiliza

un conjunto de soluciones factibles para encontrar la solución óptima. Esto proporciona una

visualización intuitiva del problema y sus restricciones, lo que facilita la comprensión y el análisis de

los resultados (Ortega, 2025).

 Puede incorporar variables no lineales: Aunque el método símplex está diseñado para

problemas de programación lineal, puede extenderse para abordar problemas con variables no lineales

mediante técnicas de programación lineal entera o programación no lineal (Ortega, 2025).

4. PROBLEMAS

1) Una planta procesadora de productos pesqueros elabora dos tipos de conservas: atún en aceite y

sardinas en salsa. Cada lote de atún requiere 4 horas de procesamiento y 3 kg de pescado fresco,

generando una utilidad de S/ 15 por lote. Por su parte, cada lote de sardinas requiere 2 horas de

procesamiento y 4 kg de pescado fresco, con una utilidad de S/ 10 por lote. La planta cuenta con

un máximo de 160 horas de procesamiento y 200 kg de pescado fresco por día. Se desea

determinar cuántos lotes de cada tipo de conserva deben producirse para maximizar la utilidad,

utilizando el método simplex.

variables:

X1 Atún

X2 Sardina

Función objetivo:

Max z=15X1+10X2

Restricciones:

4X1+2X2≤ 160

3X1+4X2≤ 200

Modelo algebraico

Max z=15X1+10X2

4X1+2X2≤ 160

3X1+4X2≤ 200

X, Y ≥0

Max z -15X1-10X2= 0
 4X1+2X2+S1 =160

3X1+4X2+S2 =200

Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 -15 -10 0 0 0

S1 0 4 2 1 0 160 /4=40

S2 0 3 4 0 1 200 /3=66,7

Toda la fila 2 se multiplicará por ¼

Z X1 X2 S1 S2 Sol

Z 1 -15 -10 0 0 0

X1 0 1 ½ ¼ 0 40

S2 0 3 4 0 1 200

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

15(f2) +f1

15(0) +1=1 15(1)-15=0 15(½)-10=-5/2 15(¼)+0=15/4 15(0) +0=0 15(40) +0=600

-3(f2) +f3

-3(0) +0=0 -3(1) +3=0 -3(½)+4=5/2 -3(¼)+0=-¾ -3(0) +1=1 -3(40) +200=80
 Z X1 X2 S1 S2 Sol

Z 1 0 -5/2 15/4 0 600

X1 0 1 ½ ¼ 0 40

S2 0 0 5/2 -3/4 1 80

Cuando nuestras variables no básicas sean 0 o mayores habremos terminado el ejercicio de ser caso

contrario resolver nuevamente

Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 0 -5/2 15/4 0 600

X1 0 1 ½ ¼ 0 40 /(1/2)=80

S2 0 0 5/2 -3/4 1 80 /(5/2)=32

Toda la f3 se multiplicará por ⅖

Z X1 X2 S1 S2 Sol

Z 1 0 -5/2 15/4 0 600

X1 0 1 ½ ¼ 0 40

X2 0 0 1 -3/10 2/5 32

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

5/2 (f3) + f1

❖ 5/2 (0) + 1= 1 ❖ 5/2 (-3/10) + 15/4 = 3

❖ 5/2 (0) + 0= 0 ❖ 5/2 (2/5) + 0 = 1

❖ 5/2 (1)-5/2=0 ❖ 5/2 (32) + 600 = 680

 -½ (f3) + f2

❖ -½ (0) + 0 = 0 ❖ -½ (-3/10) + ¼ = ⅖

❖ -½ (0) + 1 = 1 ❖ -½ (2/5) + 0 = -⅕

❖ -½ (1) + ½ = 0 ❖ -½ (32) + 40 = 24

Z X1 X2 S1 S2 Sol

Z 1 0 0 3 1 680

X1 0 1 0 ⅖ ⅕ 24

X2 0 0 1 -3/10 2/5 32

Respuesta:

• X1 Atún = 24 lotes de atún

• X2 Sardina = 32 lotes de sardina

• Ingresos = 680$

2) Una planta pesquera produce dos tipos de hielo que se utilizan en la conservación del pescado:

hielo en escamas e hielo en bloques. Cada tonelada de hielo en escamas requiere 3 kWh de energía

eléctrica y 2 horas de operación de maquinaria, generando una ganancia de S/ 60 por tonelada.

En cambio, el hielo en bloques requiere 5 kWh de energía y 4 horas de operación, con una

ganancia de S/ 80 por tonelada. La planta dispone diariamente de un máximo de 300 kWh de

energía y 200 horas de operación. Se desea determinar cuántas toneladas de cada tipo de hielo

deben producirse para maximizar la ganancia total, utilizando el método simplex.

variables:

• X1 Hielo en escamas

• X2 Hielo en bloques

Función objetivo:

Max z=60X1+80X2
Restricciones:

3X1+5X2≤ 300

2X1+4X2≤ 200

Modelo algebraico

Max z=60X1+80X2

3X1+5X2≤ 300

2X1+4X2≤ 200

X1, X2 ≥0

Max z -60X1-80X2=0

3X1+5X2 +S1=300

2X1+4X2+ S2=200

Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 -60 -80 0 0 0

S1 0 3 5 1 0 300 /5=60

S2 0 2 4 0 1 200 /4=50

Toda la fila 3 se multiplica por ¼

❖ ¼ (0) = 0 ❖ ¼ (200) = 50

❖ ¼ (2) = ½

❖ ¼ (4) = 1

❖ ¼ (0) = 0

❖ ¼ (1) = ¼
 Z X1 X2 S1 S2 Sol

Z 1 -60 -80 0 0 0

S1 0 3 5 1 0 300

X2 0 1/2 1 0 ¼ 50

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

80 (f3) + f1

❖ 80 (0) +1 =1 ❖ 80 (0) + 0 = 0

❖ 80 (½) -60 =-20 ❖ 80 (¼) + 0 = 20

❖ 80 (1) -80 = 0 ❖ 80 (50) + 0 = 4000

-5 (f3) + f2

❖ -5 (0) + 0 = 0 ❖ -5 (0) + 1 =1

❖ -5 (½) + 3 = ½ ❖ -5 (1/4) + 0 = -5/4

❖ -5 (1) + 5 = 0 ❖ -5 (50) + 300 = 50

Z X1 X2 S1 S2 Sol

Z 1 -20 0 0 20 4000

S1 0 1/2 0 1 -5/4 50

X2 0 1/2 1 0 ¼ 50

Cuando nuestras variables no básicas sean 0 o mayores habremos terminado el ejercicio de ser caso

contrario resolver nuevamente

Buscamos el pivote (el pivote es el numero menor)

 Z X1 X2 S1 S2 Sol

Z 1 -20 0 0 20 4000

S1 0 1/2 0 1 -5/4 50 /(½)=100

X2 0 1/2 1 0 ¼ 50 /(½)=100

Toda la fila 2 se multiplica por 2

❖ 2 (0) = 0 ❖ 2 (1) = 2

❖ 2 (1/2) = 1 ❖ 2 (-5/4) = -5/2

❖ 2 (0) = 0 ❖ 2 (50) = 100

Z X1 X2 S1 S2 Sol

Z 1 -20 0 0 20 4000

X1 0 1 0 2 -5/2 100

X2 0 1/2 1 0 ¼ 50

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

20 (f2) + f1

❖ 20 (0) + 1 = 1 ❖ 20 (2) + 0 = 40

❖ 20 (1) -20 =0 ❖ 20 (-5/2) + 20 = -30

❖ 20 (0) + 0 = 0 ❖ 20 (100) + 4000 =6000

-1/2 (f2) + f3

❖ -1/2 (0) + 0 = 0 ❖ -1/2 (0) + 1 = 1

❖ -1/2 (1) + ½ = 0 ❖ -1/2 (2) + 0 = -1

 ❖ -1/2 (-5/2) + ¼= 3/2 ❖ -1/2 (100) + 50 = 0

Z X1 X2 S1 S2 Sol

Z 1 0 0 40 -30 6000

X1 0 1 0 2 -5/2 100

X2 0 0 1 -1 3/2 0

Respuesta

• X1 Hielo en escamas = 100 toneladas de hielo en escamas

• X2 hielo en bloques = 0 toneladas de hielo en bloques

• Ingresos = 6000$

3) Una empresa procesadora de pescado empaca filetes de merluza y de anchoveta en cajas

destinadas a la exportación. Cada caja de filete de merluza requiere 1.5 horas de fileteado y 2 kg

de pescado fresco, generando una utilidad de S/ 20. Por otro lado, cada caja de anchoveta requiere

1 hora de fileteado y 1 kg de pescado fresco, con una utilidad de S/ 10. La planta dispone de un

total de 120 horas de trabajo en la línea de fileteado y 150 kg de pescado fresco. Se desea

determinar cuántas cajas de cada tipo deben producirse para maximizar la utilidad total, utilizando

el método simplex.

variables:

X1 Filete de merluza

X2 Filete de anchoveta

Función objetivo:

Max z=20X1+10X2
Restricciones:

1.5X1+1X2≤ 120

2X1+1X2≤ 150

Modelo algebraico

Max z=20X1+10X2

1.5X1+1X2≤ 120

2X1+1X2≤ 150

X1, X2 ≥0

Max z -20X1-10X2=0

1.5X1+1X2 +S1=120

2X1+1X2+ S2=150

Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 -20 -10 0 0 0

S1 0 1.5 1 1 0 120 /1.5=80

X1 0 2 1 0 1 150 /2=75

Toda la fila 3 se multiplica por 1/2

❖ ½ (0) = 0

❖ ½ (2) = 1

❖ ½ (1) = 1/2

❖ ½ (0) = 0

❖ ½ (1) = 1/2

❖ ½ (150) = 75
 Z X1 X2 S1 S2 Sol

Z 1 -20 -10 0 0 0

S1 0 1.5 1 1 0 120

X1 0 1 1/2 0 1/2 75

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

20 (f3) + f1

❖ 20 (0) + 1 = 1 ❖ 20 (0) + 0 = 0

❖ 20 (1) -20= 0 ❖ 20 (1/2) + 0 = 10

❖ 20 (1/2) -10 =0 ❖ 20 (75) + 0 = 1500

-1.5 (f3) + f2

❖ -1.5 (0) + 0 = 0 ❖ -1.5 (0) + 1 = 1

❖ -1.5 (1) + 1.5 = 0 ❖ -1.5 (1/2) + 0 = -3/4

❖ -1.5 (1/2) + 1 = ¼ ❖ -1.5 (75) + 120 = 15/2

Z X1 X2 S1 S2 Sol

Z 1 0 0 0 10 1500

S1 0 0 1/4 1 -3/4 15/2

X1 0 1 1/2 0 1/2 75

Respuesta:

• X1 Filete de merluza = 75 cajas de filete de merluza

• Ingresos =1500$
4) Una planta pesquera procesa dos productos: calamar y pota, utilizando dos máquinas. Cada lote

de calamar requiere 3 horas en la máquina 1 y 2 horas en la máquina 2, generando una utilidad

de S/ 50 por lote. Cada lote de pota requiere 2 horas en la máquina 1 y 4 horas en la máquina 2,

con una utilidad de S/ 70 por lote. Las máquinas tienen una disponibilidad semanal de 120 horas

en la máquina 1 y 160 horas en la máquina 2. Se desea determinar cuántos lotes de calamar y pota

deben procesarse para maximizar la utilidad total, resolviendo el modelo con el método simplex.

variables:

X1 lote de calamar

X2 lote de pota

Función objetivo:

Max z=50X1+70X2

Restricciones:

3X1+2X2≤ 300

2X1+4X2≤ 200

Modelo algebraico

Max z=50X1+70X2

3X1+5X2≤ 120

2X1+4X2≤ 160

X1,X2 ≥0

Max z -50X1-70X2=0

3X1+2X2 +S1=120

2X1+4X2+ S2=160
Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 -50 -70 0 0 0

S1 0 3 2 1 0 120 /2=60

S2 0 2 4 0 1 160 /4=40

Toda la fila 3 se multiplica por ¼

❖ ¼ (0) = 0 ❖ ¼ (0) = 0

❖ ¼ (2) = 1/2 ❖ ¼ (1) = 1/4

❖ ¼ (4) = 1 ❖ ¼ (160) = 40

Z X1 X2 S1 S2 Sol

Z 1 -50 -70 0 0 0

S1 0 3 2 1 0 120

X2 0 1/2 1 0 1/4 40

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote

70 (f3) + f1

❖ 70 (0) + 1 = 1 ❖ 70 (0) + 0 = 0

❖ 70 (1/2) -50 = -15 ❖ 70 (1/4) + 0 = 35/2

❖ 70 (1) -70 = 0 ❖ 70 (40) + 0 = 2800

-2 (f3) + f2

❖ -2 (0) + 0 = 0 ❖ -2 (0) + 1 =1

❖ -2 (1/2) + 3 = 2 ❖ -2 (1/4) + 0 = -1/2

❖ -2 (1) + 2 = 0 ❖ -2 (40) + 120 = 40

 Z X1 X2 S1 S2 Sol

Z 1 -15 0 0 35/2 2800

S1 0 2 0 1 -1/2 40

X2 0 1/2 1 0 1/4 40

Cuando nuestras variables no básicas sean 0 o mayores habremos terminado el ejercicio de ser caso

contrario resolver nuevamente

Buscamos el pivote (el pivote es el numero menor)

Z X1 X2 S1 S2 Sol

Z 1 -15 0 0 35/2 2800

S1 0 2 0 1 -1/2 40 /2=20

X2 0 1/2 1 0 1/4 40 /(½)=80

Toda la fila 2 se multiplica por ½

Z X1 X2 S1 S2 Sol

Z 1 -15 0 0 35/2 2800

X1 0 1 0 1/2 -1/4 20

X2 0 1/2 1 0 1/4 40

Tenemos que convertir en 0 los elementos que se encuentren por encima o debajo del elemento pivote
 Z X1 X2 S1 S2 Sol

Z 1 0 0 15/2 55/4 3100

X1 0 1 0 1/2 -1/4 20

X2 0 0 1 -1/4 3/8 30

Respuesta:

• X1 lote de calamar = 20 lotes de calama

• X2 lote de pota = 30 lotes de pota

• Ingresos = 3100$

5) Contexto:

Una empresa pesquera produce dos tipos de conservas:

● Producto x1 (filetes de merluza enlatados)

● Producto x2 (0 anchoas en aceite)

Recursos disponibles por día:

● Pescado: 1000 kg

● Horas de trabajo: 600 horas

Requisitos por lote producido:

● x1:

o Pescado: 2 kg

o Horas de trabajo: 3 horas

o Beneficio: $40

● x2:
 o Pescado: 4 kg

o Horas de trabajo: 2 horas

o Beneficio: $50

Objetivo:

Maximizar el beneficio diario sujeto a las restricciones de recursos.

Paso 1: Planteamiento del Problema

Función Objetivo (Maximizar):

𝑍 = 40𝑥1 + 50𝑥2

Sujeto a las restricciones:

2𝑥1 + 4𝑥2 ≤ 1000 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑒𝑠𝑐𝑎𝑑𝑜)

3𝑥1 + 2𝑥2 ≤ 600 (𝑅𝑒𝑠𝑡𝑟𝑖𝑐𝑐𝑖ó𝑛 𝑑𝑒 ℎ𝑜𝑟𝑎𝑠 𝑑𝑒 𝑡𝑟𝑎𝑏𝑎𝑗𝑜)

𝑥1 ≥ 0, 𝑥2 ≥ 0 (𝑁𝑜 𝑛𝑒𝑔𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑)

Paso 2: Convertir a Forma Estándar (Agregar Variables de Holgura)

Introducimos variables de holgura s1 y s2:

2𝑥1 + 4𝑥2 + 𝑠1 = 1000

3𝑥1 + 2𝑥2 + 𝑠2 = 600

La función objetivo se reescribe como:

𝑍 − 40𝑥1 − 50𝑥2 = 0

Paso 3: Tabla Inicial del Simplex

 BASE X1 X2 S1 S2 Solución

S1 2 4 1 0 1000

S2 3 2 0 1 600

Z -40 -50 0 0 0

Paso 4: Seleccionar Variable de Entrada

Se elige la columna con el coeficiente más negativo en la fila de Z:

● Columna de x2 (coeficiente −50)

Paso 5: Seleccionar Variable de Salida (Criterio de la Razón Mínima)

𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛
𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑥2

1000
● Para s1: 4
250

600
● Para s2: 2
300

La menor razón es 250, por lo que s1 sale de la base.

BASE X1 X2 S1 S2 Solución

S1 2 4 1 0 1000

S2 3 2 0 1 600

Z -40 -50 0 0 0

Paso 6: Pivote para Hacer 1 el Elemento Pivote y 0 los Demás

El elemento pivote es 4 (intersección de fila s1 y columna x2).

Dividimos la fila s1 entre 4:

 BASE X1 X2 S1 S2 Solución

X2 1/2 1 1/4 0 250

S2 3 2 0 1 600

Z -40 -50 0 0 0

Hacemos ceros en la columna de x2:

Fila s2:

𝑁𝑢𝑒𝑣𝑎 𝐹𝑖𝑙𝑎 𝑠2 = 𝐹𝑖𝑙𝑎 𝑠2 − 2 × 𝐹𝑖𝑙𝑎 𝑥2

Fila Z:

𝑁𝑢𝑒𝑣𝑎 𝑓𝑖𝑙𝑎 𝑍 = 𝐹𝑖𝑙𝑎 𝑍 50 × 𝑓𝑖𝑙𝑎 𝑥2

BASE X1 X2 S1 S2 Solución

X2 1/2 1 1/4 0 250

S2 2 0 -1/2 1 100

Z -15 0 25/2 0 12500

Paso 7: Segunda Iteración (Optimalidad no alcanzada)

BASE X1 X2 S1 S2 Solución

X2 1/2 1 1/4 0 250

S2 2 0 -1/2 1 100

Z -15 0 25/2 0 12500

Pivote en 2 (fila s2, columna x1):

● Dividimos la fila s2 entre 2:

Hacer ceros en columna x1:

Fila x2:

Nueva Fila x2=Fila x2−1/2×Fila x1

Fila Z:

Nueva Fila Z=Fila Z+15×Fila x1

BASE X1 X2 S1 S2 Solución

X2 0 1 3/8 -1/4 225

X1 1 0 -1/4 1/2 50

Z 0 0 85/4 15/2 12500

Paso 8: Verificar Optimalidad

Todos los coeficientes en la fila de Z son no negativos.

Solución:

● x1=50 lotes de merluza.

● x2=225 lotes de anchoas.

● Z=$13,250 (beneficio máximo)

Respuesta Final:

La solución óptima es producir 50 lotes de x1 y 225 lotes de x2, obteniendo un beneficio máximo

de:

𝑍𝑚𝑎𝑥 = 13250 𝑑ó𝑙𝑎𝑟𝑒𝑠

6) Contexto:

Una empresa procesadora de pescado produce dos tipos de harina:

● Harina Premium (x1): Utiliza pescado de alta calidad.

● Harina Estándar (x2): Utiliza pescado regular.

Recursos diarios disponibles:

● Pescado de alta calidad: 600 kg

● Pescado regular: 900 kg

● Horas de máquina: 480 horas

Requisitos por tonelada producida:

PRODUCTO PESCADO PESCADO HORAS BENEFICIO

ALTA (Kg) REGULAR MÁQUINA

(Kg)

X1 2 1 3 80

X2 1 3 2 60

Objetivo:

Maximizar el beneficio diario respetando las restricciones de recursos.

Paso 1: Planteamiento del Problema

Función Objetivo:

𝑀𝑎𝑥 𝑍 = 80𝑥1 + 60𝑥2

Sujeto a:

2𝑥1 + 𝑥2 ≤ 600(𝑃𝑒𝑠𝑐𝑎𝑑𝑜 𝑎𝑙𝑡𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑)

𝑥1 + 3𝑥2 ≤ 900(𝑃𝑒𝑠𝑐𝑎𝑑𝑜 𝑟𝑒𝑔𝑢𝑙𝑎𝑟)

3𝑥1 + 2𝑥2 ≤ 480(𝐻𝑜𝑟𝑎𝑠 𝑚𝑎ˊ𝑞𝑢𝑖𝑛𝑎)

𝑥1, 𝑥2 ≥ 0

Añadimos las variables de holgura

2𝑥1 + 𝑥2 + 𝑆1 = 600

𝑥1 + 3𝑥2 + 𝑆2 = 900

3𝑥1 + 2𝑥2 + 𝑆3 = 480

BASE X1 X2 S1 S2 S3 SOLUCIÓN

S1 2 1 1 0 0 600

S2 1 3 0 1 0 900

S3 3 2 0 0 1 480

Z -80 -60 0 0 0 0

Paso 2. Dividir fila s3 entre 3:

BASE X1 X2 S1 S2 S3 SOLUCIÓN

S1 0 -1/3 1 0 -2/3 280

S2 0 7/3 0 1 1/3 740

X1 1 2/3 0 0 1/3 160

Z 0 -20/3 0 0 80/3 12800

Paso 3: Segunda Iteración

BASE X1 X2 S1 S2 S3 SOLUCIÓN

S1 0 -1/3 1 0 -2/3 280

S2 0 7/3 0 1 1/3 740

X1 1 2/3 0 0 1/3 160

Z 0 -20/3 0 0 80/3 12800

Paso 4. Dividir fila s2 entre 7/3 para obtener 1 en s2:

Fila s1 dividir entre 1/3, asimismo x1 por -2/3 y fila z por 20/3 para obtener 0:

BASE X1 X2 S1 S2 S3 SOLUCIÓN

S1 0 0 1 1/7 -5/7 2260/7

x2 0 1 0 3/7 -1/7 2220/7

X1 1 0 0 -2/7 3/7 200/7

Z 0 0 0 20/7 220/7 96600/7

Paso 5: Solución Óptima

● Producción óptima:

200
o 𝑥1 = 7
= 28,57 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 ℎ𝑎𝑟𝑖𝑛𝑎 𝑝𝑟𝑒𝑚𝑖𝑢𝑚

2220
o 𝑥2 = 7
= 317,14 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑑𝑒 ℎ𝑎𝑟𝑖𝑛𝑎 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟

Beneficio máximo

95600
𝑥1 = = 13657.14 𝑑𝑜𝑙𝑎𝑟𝑒𝑠
7
7) Minimización de Costos en Producción de Alimentos Balanceados para Acuicultura

Contexto:

Una fábrica produce dos tipos de alimentos para peces:

● Alimento Regular (x1): Menor costo, menor contenido proteico.

● Alimento Premium (x2): Mayor costo, mayor contenido proteico.

Requisitos diarios mínimos:

● Proteína: 60 kg

● Carbohidratos: 40 kg

● Grasas: 30 kg

Contribución por tonelada:

ALIMENTO proteína carbohidratos grasas Costo

𝑥1 2 1 1 500

𝑥2 3 2 1 800

Objetivo:

Minimizar el costo diario cumpliendo los requisitos nutricionales.

Paso 1: Planteamiento del Problema

Función Objetivo:

𝑀𝑖𝑛𝑍 = 500𝑥1 + 800𝑥2

Sujeto a:

2𝑥1 + 3𝑥2 ≥ 60 (𝑃𝑟𝑜𝑡𝑒í𝑛𝑎)

 𝑥1 + 2𝑥2 ≥ 40 (𝐶𝑎𝑟𝑏𝑜ℎ𝑖𝑑𝑟𝑎𝑡𝑜𝑠)

𝑥1 + 𝑥2 ≥ 30 (𝐺𝑟𝑎𝑠𝑎𝑠)

𝑥1 , 𝑥2 ≥ 0

Paso 2: Convertir a Forma Estándar

Restar variables de exceso (𝑒𝑖 ) y añadir artificiales (𝑎𝑖 ) :

2𝑥1 + 3𝑥2 − 𝑒𝑖 + 𝑎𝑖 = 60

𝑥1 + 2𝑥2 − 𝑒2 + 𝑎2 = 40

𝑥1 + 𝑥2 − 𝑒3 + 𝑎3 = 30

Función objetivo modificada (Método M):

𝑍 = 500𝑥1 + 800𝑥2 + 𝑀𝑎1 + 𝑀𝑎2 + 𝑀𝑎3

Paso 3: Tabla Inicial Simplex

BASE 𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑎1 𝑎2 𝑎3 SOLUCIÓN

𝑎1 2 3 -1 0 0 1 0 0 60

𝑎2 1 2 0 -1 0 0 1 0 40

𝑎3 1 1 0 0 -1 0 0 1 30

Z -500 -800 0 0 0 M M M 0

Paso 4. Multiplicar 𝑥2 por 3 para convertir en 1 al elemento pivote. Así mismo la fila 𝑎2 multiplicar

por -2, la fila 𝑎3 por -1 y la fila z por 800 para convertir en 0

 BASE 𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑎1 𝑎2 𝑎3 SOLUCIÓN

𝑥2 2/3 1 -1/3 0 0 1/3 0 0 20

𝑎2 -1/3 0 2/3 -1 0 -2/3 1 0 0

𝑎3 1/3 0 1/3 0 -1 -1/3 0 1 10

Z 100/3 0 -800/3 0 0 M+ M M 16000

800/3

Paso 5: Segunda Iteración

Nueva fila en 𝑥2

[1,0,1,0,−3,−1,0,3,30]

Para fila 𝑥2 multiplicar por -2/3; para fila 𝑎2 multiplicar por -1/3 y fila z por -100/3

BASE 𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑎1 𝑎2 𝑎3 SOLUCIÓN

𝑥2 0 1 -1 0 0 1 0 0 0

𝑎2 0 0 1 -1 0 -1 1 0 10

𝑥1 1 0 1 0 -1 -1 0 1 30

Z 0 0 -300 0 0 M+ M M- 15000

300 100

Solución Óptima:

• 𝑥1 = 30

• 𝑥2 = 0

• Costo mínimo: Z=500×30+800×0= 15,000 dólares

8) Problema: Optimización de Producción en una Empresa Pesquera

Una empresa pesquera produce dos tipos de conservas:

● Conserva de atún (x₁): Utiliza 2 horas de mano de obra y 4 kg de materia prima por

unidad.

● Conserva de sardinas (x₂): Utiliza 4 horas de mano de obra y 2 kg de materia prima por

unidad.

La empresa dispone de:

● 120 horas de mano de obra al día.

● 90 kg de materia prima al día.

Las ganancias por unidad son:

● $30 por conserva de atún.

● $40 por conserva de sardinas.

Objetivo: Maximizar las ganancias diarias.

Paso 1: Planteamiento del Modelo Matemático

Función objetivo:

𝑀𝑎𝑥𝑍 = 30𝑥1 + 40𝑥2

Sujeto a:

2𝑥1 + 4𝑥2 ≤ 120 (𝑀𝑎𝑛𝑜 𝑑𝑒 𝑜𝑏𝑟𝑎)

3𝑥1 + 2𝑥2 ≤ 90 (𝑀𝑎𝑡𝑒𝑟𝑖𝑎 𝑝𝑟𝑖𝑚𝑎)

𝑥1 , 𝑥2 ≥ 0
Paso 2: Convertir a Forma Estándar (Agregar Variables de Holgura)

Introducimos variables de holgura 𝑆1 y 𝑆2 para convertir las desigualdades en igualdades:

2𝑥1 + 4𝑥2 + 𝑆1 = 120

3𝑥1 + 2𝑥2 + 𝑆2 = 90

La función objetivo se reescribe como:

𝑀𝑎𝑥𝑍 = −30𝑥1 − 40𝑥2 = 0

Paso 3: Construir la Tabla Simplex Inicial

BASE 𝑥1 𝑥2 𝑆1 𝑆2 SOLUCIÓN

𝑆1 2 4 1 0 120

𝑆2 3 2 0 1 90

Z -30 -40 0 0 0

Paso 4: Operaciones de Fila para Normalizar el Pivote

Dividimos la fila de 𝑆1 entre 4 para que el pivote sea 1:

Dividimos la fila de 𝑆2 entre -2 para que sea 0:

Dividimos Z entre 40 para que sea 0:

BASE 𝑥1 𝑥2 𝑆1 𝑆2 SOLUCIÓN

𝑋2 1/2 1 1/4 0 30

𝑆2 2 0 .1/2 1 30

Z -10 0 10 0 1200

Paso 7: Segunda Iteración

Dividir fila 𝑆2 entre 2 para que el pivote sea 1:

Dividimos la fila de 𝑥 entre -1/2 para que sea 0:

Dividimos Z entre 10 para que sea 0:

BASE 𝑥1 𝑥2 𝑆1 𝑆2 SOLUCIÓN

𝑥2 0 1 3/8 -1/4 45/2

𝑥1 1 0 .1/4 ½ 15

Z 0 0 15/2 5 1350

Solución Óptima:

• 𝑥1 = 15

• 𝑥2 = 22.5

• Ganancia máxima: Z=1350 dólares.

5. CONCLUSIONES

• El método simplex facilitó la identificación exacta de la combinación ideal de

productos, incluyendo atún, sardinas, filetes de pescado y hielo industrial, con el

objetivo de maximizar las ganancias dentro de las restricciones de recursos

disponibles, tales como el tiempo de procesamiento, la energía y las materias primas.

Su implementación en diversas situaciones de producción evidenció su efectividad

para abordar problemas concretos en la industria pesquera, optimizando el uso de

recursos escasos y guiando la toma de decisiones hacia resultados que son tanto

económicamente más rentables como técnicamente factibles.

 • En actividades como la fabricación de hielo a gran escala y la programación de

tiempo en equipos para el procesamiento de calamares y potas, el método simplex se

ha revelado como una herramienta efectiva para mejorar la asignación de recursos

limitados, tales como energía y horas de funcionamiento. Su implementación facilitó

la identificación de combinaciones productivas que optimizan los beneficios

económicos, respetando al mismo tiempo las limitaciones técnicas, lo que subraya su

relevancia en la planificación tanto estratégica como operativa en la industria

pesquera.

• Aplicando el método simplex se pudo hallar los máximos de los problemas aplicados

garantizando mayores ganancias y menores gastos de dinero.

6. REFERENCIAS.

• Ortega, C,. (2025). Método Simplex: Qué es y cómo funciona. QuestionPro.

[Link]

• Ortega, C,. (2022). Programación lineal: Qué es, usos y pasos para realizarla. QuestionPro.

[Link]

• Aner .,(2020). Metodo SIMPLEX.

[Link]