MTODO GRFICO

1. Disponemos de 210.000 euros para invertir en bolsa. Nos

recomiendan dos tipos de acciones. Las del tipo A, que rinden el
10% y las del tipo B, que rinden el 8%. Decidimos invertir un
mximo de 130.000 euros en las del tipo A y como mnimo 60.000 en
las del tipo B. Adems queremos que la inversin en las del tipo A
sea menor que el doble de la inversin en B. Cul tiene que ser la
distribucin de la inversin para obtener el mximo inters anual?
Solucin
Definimos variables
Llamamos x a la cantidad que invertimos en acciones de tipo A
Llamamos y a la cantidad que invertimos en acciones de tipo B
Tipo A
Tipo B

inversin
x
y

rendimiento
0,1x
0,08y

210000
0,1x+0,08y
Condiciones que deben cumplirse (restricciones):

R1
R2
R3
R4
Dibujamos las rectas auxiliares asociadas a las restricciones para
conseguir la regin factible (conjunto de puntos que cumplen esas
condiciones)
r1
r2 (paralela a OY)
r3(paralela a
r4
OX)
x
0
210000

y
210000
0

x
130000

y
0

x
0

y
60000

x
0
130000

y
0
65000

La regin factible es la pintada de amarillo, de vrtices A, B, C, D y

E

A(0, 60000), B(120000, 60000), C(130000, 65000), D(130000,

80000) y E(0, 210000)
La funcin objetivo es;
F(x, y)= 0,1x+0,08y
Si dibujamos la curva F(x, y) =0 (en rojo) y la desplazamos se
puede comprobar grficamente que el vrtice mas alejado es el D,
y por tanto es la solucin ptima.
Comprobarlo analticamente (es decir comprobar que el valor
mximo de la funcin objetivo, F, se alcanza en el vrtice D)
2. En una pastelera se hacen dos tipos de tartas: Vienesa y Real.
Cada tarta Vienesa necesita un cuarto de relleno por cada Kg. de
bizcocho y produce un beneficio de 250 Pts, mientras que una tarta
Real necesita medio Kg. de relleno por cada Kg. de bizcocho y

produce 400 Ptas. de beneficio. En la pastelera se pueden hacer

diariamente hasta 150 Kg. de bizcocho y 50 Kg. de relleno, aunque
por problemas de maquinaria no pueden hacer mas de 125 tartas de
cada tipo. Cuntas tartas Vienesas y cuantas Reales deben vender
al da para que sea mximo el beneficio?
Solucin
Hacemos una tabla para organizar los datos:
Tipo
T. Vienesa
T. Real

N
X
Y

Bizcocho
1.x
1.y
150

Relleno
0,250x
0,500y
50

Beneficio
250x
400y

Funcin objetivo (hay que obtener su mximo): f(x, y)=250x+ 400y

Sujeta a las siguientes condiciones (restricciones del problema):

Consideramos las rectas auxiliares a las restricciones y dibujamos

la regin factible:
Para

0.25x+0.50y=50, x + 2y=200

X
0

Y
10
0
0

200

Para x + y =150
X
0
15
0

Y
15
0
0

La otras dos son paralelas a los ejes

Al eje OY x=125
Al eje Ox
y =125

Y las otras restricciones (x e y mayor o igual a cero) nos indican que

las soluciones deben estar en el primer cuadrante
La regin factible la hemos coloreado de amarillo:

Encontremos los vrtices:

El O(0,0), el A(125, 0) y el D(0, 100) se encuentran directamente
(son las intersecciones con los ejes coordenados)
Se observa que la restriccin y
es redundante (es decir
sobra)
Resolviendo el sistema:
, por reduccin obtenemos y=50, x=100
Otro vrtice es el punto C(100, 50)
Y el ltimo vrtice que nos falta se obtiene resolviendo el sistema:
X+y=150
X=125
Cuya solucin es: X=125, Y=25 B(125, 25)
Los vrtices de la regin son O(0,0), A(125,0), B(125,25) y
C(100,50) y D(0,100),
Si dibujamos el vector de direccin de la funcin objetivo f(x,
y)=250x+ 400y
Haciendo 250x+ 400y =0, y=-(250/400)x=-125x/200

X
0
200

Y
0
-125

Se ve grficamente que la solucin es el punto (100, 50), ya que es

el vrtice mas alejado (el ltimo que nos encontramos al desplazar
la rectas 250x+400y=0 )
Lo comprobamos con el mtodo analtico, es decir usando el
teorema que dice que si existe solucin nica debe hallarse en uno
de los vrtices
La funcin objetivo es: f(x, y)=250x+400y, sustituyendo en los
vrtices obtenemos
f(125,0)=31.250
f(125,25)=31.250+10.000=41.250
f(100,50)=25.000+20.000=45.000
f(0,100)=40.000
El mximo beneficio es 45.000 y se obtiene en el punto (100, 50)
Conclusin: se tienen que vender 100 tartas vienesas y 50 tartas
reales.

MTODO SIMPLEX
El Mtodo Simplex publicado por George Dantzig en 1947 consiste en
un algoritmo iterativo que secuencialmente a travs de iteraciones se
va aproximando al ptimo del problema de Programacin Lineal en
caso de existir esta ltima.
La primera implementacin computacional del Mtodo Simplex es el
ao 1952 para un problema de 71 variables y 48 ecuaciones. Su
resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1,
implementado en un IBM con 4Kb en RAM, admite la resolucin de
modelos con 255 restricciones.

El Mtodo Simplex hace uso de la propiedad de que la solucin

ptima de un problema de Programacin Lineal se encuentra en un
vrtice o frontera del dominio de puntos factibles (esto ltimo en
casos muy especiales), por lo cual, la bsqueda secuencial del
algoritmo se basa en la evaluacin progresiva de estos vrtices hasta
encontrar el ptimo. Cabe destacar que para aplicar el Mtodo
Simplex a un modelo lineal, este debe estar en un formato especial
conocido como formato
estndar el cual definiremos a
continuacin.

FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL

Consideremos un modelo de Programacin Lineal en su forma
estandar, que denotaremos en lo que sigue por:

Min

c1x1 + c2x2 + ... + cnxn

sa

a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

...

am1x1 + am2x2 + ... + amnxn = bm

xi >= 0,

...

...

i = 1, 2, ..., n

m <= n

Matricialmente escrito como:

Min cX
s.a
AX=b
X>=0
No existe prdida de generalidad en asumir que un modelo de PL
viene dado en su forma cannica:

EJEMPLO

P)

Max
sa

9u + 2v + 5z
4u + 3v + 6z <= 50
u + 2v - 3z >= 8

2u - 4v + z = 5

u,v >= 0

z e IR
1. Siempre es posible llevar un problema de maximizacin a uno
de minimizacin. Si f(x) es la funcin objetivo a maximizar
y x* es la solucin ptima f(x*) >= f(x), para todo x factible. f(x*) <= - f(x), para todo x factible. En consecuencia: x* es
tambin mnimo de -f(x)
2. Cada restriccin del tipo <= puede ser llevada a una ecuacin
de igualdad usando una (nueva) variable de holgura no
negativa, con coeficiente nulo en la funcin objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin
de igualdad usando una (nueva) variable de exceso no
negativa, con coeficiente nulo en la funcin objetivo.
4. Siempre es posible escribir una variable libre de signo como la
diferencia de dos variables no negativas.
Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1
= x5 (holgura), s2 = x6 (exceso), el problema P) puede ser escrito
en forma equivalente como:

Min

- 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6

sa:

4x1 + 3x2 + 6x3 - 6x4 +

x5

x1 + 2x2 - 3x3 + 3x4

2x1 - 4x2 + x3

xi >= 0,

= 50
- x6 = 8

x4

= 5

i=1,2,3,4,5,6.

EJEMPLO:
Resolver el siguiente problema de Programacin Lineal utilizando
el Mtodo Simplex:

Max

40*X1 + 60*X2

s.a.

2*X1 + 1*X2 <= 70

1*X1 + 1*X2 <= 40

1*X1 + 3*X2 <= 90

X1 >= 0 X2 >= 0
Para poder aplicar el Mtodo Simplex, es necesario llevar
su formato estndar, para lo cual definimos X3, X4, X5
las respectivas variables de holgura para la restriccin
esta forma queda definida la tabla inicial del mtodo de
forma:
X1

X2

X3

X4

X5

70

40

90

-40

-60

el modelo a
>= 0 como
1, 2 y 3. De
la siguiente

En esta situacin, las variables de holgura definen una solucin

bsica factible inicial, condicin necesaria para la aplicacin del
mtodo. Luego, se verifican los costos reducidos de las variables no
bsicas (X1 y X2 en la tabla inicial) y se escoge como variable
que entra a la base aquella con el costo reducido "ms negativo".
En
este
caso, X2.
Luego, para escoger que variable bsica deja la base debemos buscar
el mnimo cuociente entre el lado derecho y los coeficientes asociados
a la variable entrante en cada fila (para aquellos coeficientes > 0
marcados en rojo en la tabla anterior). El mnimo se alcanza en Min
{70/1, 40/1, 90/3} = 30 asociado a la tercera fila, el cual corresponde

a la variable bsica actual X5, en consecuencia, X5 deja la base. En

la
posicin
que
se
alcanza
el
mnimo
cuociente
lo
llamaremos"Pivote" (marcado con rojo) el cual nos servir para
realizar las respectivas operaciones filas, logrando la siguiente tabla
al cabo de una iteracin:
X1

X2

X3

X4

X5

5/3

-1/3

40

2/3

-1/3

10

1/3

1/3

30

-20

20

1800

El valor de la funcin objetivo luego de una iteracin ha pasado de 0 a

1.800. Se recomienda hacer una representacin grfica del problema
y notar como las soluciones factibles del mtodo corresponden
a
vrtices
del
dominio
de
puntos
factibles.
La actual tabla no corresponde a la solucin ptima del problema P)
debido a que existe una variable no bsica con costo reducido
negativo, por tanto X1 entra a la base. Posteriormente, mediante el
criterio del mnimo cuociente calculamos la variable que debe dejar la
base: Min {40/(5/3), 10/(2/3), 30/(1/3)} = 15, asociado a la fila 2
(variable bsica actual X4), por tanto X4 deja la base. Obtenido lo
anterior se aplica una iteracin del mtodo:
X1

X2

X3

X4

X5

-5/2

1/2

15

3/2

-1/2

15

-1/2

1/2

25

30

10

2100

Finalmente se alcanza la solucin ptima del problema P) y se verifica

que los costos reducidos asociados a las variables no bsicas (X4 y X5
son mayores o iguales que cero). Ntese que la existencia de un costo
reducido igual a cero para una variable no bsica en esta etapa define
un
problema
con
"infinitas
soluciones".
La solucin alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100.

Algoritmo del mtodo Simplex

Este proceso que se repite una y otra vez, siempre inicia en un punto extremo
de la regin factible que normalmente es el origen, en cada iteracin se
mueve a otro punto extremo adyacente hasta llegar a la solucin ptima.
Los pasos del Mtodo Simplex son los siguientes:

1.

Utilizando la forma estndar, determinar una solucin bsica factible

inicial igualando a las n-m variables igual a cero (el origen).

2.

Seleccionar la variable de entrada de las variables no bsicas que al

incrementar su valor pueda mejorar el valor en la funcin objetivo. Cuando no
exista esta situacin, la solucin actual es la ptima; si no, ir al siguiente paso.

3.
4.

Seleccionar la variable de salida de las variables bsicas actuales.

Determinar la nueva solucin al hacer la variable de entrada bsica y la
variable de salida no bsica, ir al paso 2 (actualizar).

Ejemplo 1.- Utilizando el algoritmo Simplex resolver el

problema:
Una Carpintera elabora sillas y mesas. Una silla requiere 1 minuto de
torneado en tanto que la mesa requiere 2 minutos de torneado,
puesto que se le debe dar la forma y el peso especial. Por tanto, la
silla requiere 3 minutos de mquina lijadora y la mesa requiere 2
minutos. El laqueado es hecho a mano y entonces solo puede
producirse 400 mesas a la semana.
Cada semana se dispone 1000 minutos de torno y 1800 minutos de
mquina lijadora. Hay tanta demanda que garantiza las utilidades de
S/o 3.00 por cada silla y de S/o4.00 por mesa. Determine el programa
de produccin ptima que le d la mxima utilidad a la Carpintera.

Max z= 3x1 + 4x2 + 0x3 + 0x4 + 0x5

Sujeto a

X1 + 2x2 + x3 = 1000

3x1 + 2x2 + x4 = 1800

X2 + x5 = 400

Xj 0, j=1,2,3,4,5

x1

x2

x3

x4

x3

x4

x5

C-Z:

x5

1000

500

1800

900

400

400

200

ingresa x2 sale x5
x3

-2

200

x4

-2

1000

333.333

x2

400

Inf

C-Z: 3

-4

ingresa x1 sale x4
x1

-2

200

-100

x4

-3

400

100

x2

400

400

C-Z: 0

-3

ingresa x5 sale x4.- U3 = 2200

x1

1.0

x5 0

-0.5

-0.75

0.5
0.25

1.

400.0

100.0

x2 0

1.0

C-Z:

0.75

-0.25

0 -1.5000 -0.5000

300.0

Solucin ptima: X= [400 300], debe fabricar 400 sillas y

300 mesas, obteniendo una utilidad mxima de U = 2400

MTODO SIMPLEX DE 2 FASES

Esta estrategia se utiliza cuando no es inmediata una solucin bsica
factible inicial en las variables originales del modelo.
FASE 1: Se considera un problema auxiliar que resulta de agregar
tantas variables auxiliares a las restricciones del problema, de modo
de obtener una solucin bsica factible. Resolver por Simplex un
problema que considera como funcin objetivo la suma de las
variables auxiliares. Si el valor ptimo es cero, seguir a la Fase II, en
caso contrario, no existe solucin factible.
FASE 2: Resolver por Simplex el problema original a partir de la
solucin bsica factible inicial hallada en la Fase I.

P)

Max

2X1 + X2

sa

10X1 + 10X2 <= 9

10X1 + 5X2 >= 1

X1, X2 >= 0
Se debe agregar X3 como variable de holgura de la restriccin 1, X4
como variable de exceso de la restriccin 2 y X5 variable auxiliar para
poder comenzar la Fase 1. (Ntese que solo agregando X3 como
variable de holgura a la restriccin 1 y X4 como variable de exceso a
las segunda restriccin no se obtiene una solucin bsica factible
inicial, en particular X4<0).

F1)
sa

...............10X1 + 10X2 + X3
10X1 + 5X2

Min
= 9
- X4 + X5 = 1

X5

X1, X2, X3, X4, X5 >= 0

La tabla inicial asociada a la Fase I queda en consecuencia definida de
la siguiente forma:
X1

X2

X3

X4

X5

10

10

10

-1

Luego, se debe hacer 0 el costo reducido de X5, obteniendo la

siguiente tabla inicial para hacer el uso de Simplex:
X1

X2

X3

X4

X5

10

10

10

-1

-10

-5

-1

Se escoge X1 como variable que entra a la base al tener el costo

reducido ms negativo. Posteriormente, mediante el criterio del
mnimo cuociente se selecciona la variable que sale de la base: Min
{9/10; 1/10} = 1/10, X5 sale de la base:
X1

X2

X3

X4

X5

-1

1/2

-1/10

1/10

1/10

Se obtiene la solucin ptima de la Fase I, con valor ptimo cero.

Luego iniciamos la Fase II del mtodo tomando X1 yX3 como
variables bsicas iniciales.
FASE 2: Resolver por Simplex el problema original a partir de la
solucin bsica factible inicial hallada en la Fase I.
X1

X2

X3

X4

1/2

-1/10

1/10

-2

-1

Hacemos cero los costos reducidos de las variables bsicas:

X1

X2

X3

X4

1/2

-1/10

1/10

-1/5

1/5

X4 entra a la base. Por el criterio del mnimo cuociente, el pivote se

encuentra en la fila 1, por tanto X3 sale de la base:
X1

X2

X3

X4

1/10

9/10

1/5

9/5

Donde la solucin
ptimo V(P) = 9/5.

ptima

es: X1=9/10

X2=0

Con

valor

MTODO SIMPLEX - CASOS ESPECIALES

Llevar un problema de Programacin Lineal a su forma estndar no
siempre es inmediato. Un error frecuente es tratar de resolver por el
Mtodo Simplex un modelo que no cumple con el diseo que exige el
mtodo. A continuacin algunos ejemplos y casos especiales a tener
en cuenta:
CAMBIO DE VARIABLES
Resuelva el siguiente problema de Programacin Lineal utilizando el
Mtodo Simplex.
Max 2X1 + 2X2 + 4X3
S.A.
X2 + 2X3 <= 240 (R1)
X1 + X2 + X3 <= 400 (R2)
2X1 + X2 + X3 <= 360 (R3)
X1>=100 (R4) X2>=60 (R5) X3>=60 (R6)
Si quisiramos resolver directamente este problema utilizando
Simplex deberamos agregar variables de exceso para R4, R5 y R6 y
luego variables artificiales para disponer de una solucin bsica
factible de modo de utilizar el Mtodo Simplex de 2 Fases. Claramente
esto es un trabajo tedioso por el gran tamao de la tabla resultante.
En consecuencia, lo ms eficiente es hacer un cambio de variables de
modo que todas las restricciones queden del tipo "<=" y de esta
forma se dispone de una solucin bsica factible inicial. Sea Y1=X1100>=0; Y2=X2-60>=0; Y3=X3-60>=0. Reemplazamos en el
modelo anterior, el cual queda de la siguiente forma:

Max 2Y1 + 2Y2 + 4Y3 + 560

S.A.
Y2 + 2Y3 <= 60 (R1)
Y1 + Y2 + Y3 <= 180 (R2)
2Y1 + Y2 + Y3 <= 40 (R3)
Y1>=0 (R4) Y2>=0 (R5) Y3>=0 (R6)
Ntese que se podra obviar la restriccin 2 y obtener identicos
resultados. De todos modos definimos la tabla inicial asociada a este
nuevo problema:
Y1 Y2 Y3 S1 S2 S3
0

60

0 180

40

-2 -2 -4

Compruebe que Y1=5 (X1=105), Y2=0 (X2=60),Y3=30

(X3=90) con V(P)=690.
PROBLEMA INFACTIBLE
Esta situacin se detecta cuando el valor ptimo del problema de la
fase 1 es distinto de cero.
Max
s.a:

3x1 + 2x2
2x1 + x2 <= 2
3x1 + 4x2 >= 12
x1,x2 >= 0

Llevamos el modelo a su forma estndar agregando X3 como variable

de holgura de la restriccin 1, X4 como variable de exceso de la
restriccin 2 y X5 como variable artificial de la restriccin 2 que nos
permita formar la base. De esta forma el modelo de la fase 1 queda
definido por:
Min
s.a:

x5
2x1 + x2 + x3 = 2
3x1 + 4x2 -x4 + x5= 12
x1,x2,x3,x4,x5 >= 0

Con tabla inicial:

X1 X2 X3 X4 X5
2

-1

12

Y tabla final de la fase 1:

X1 X2 X3 X4 X5
2

-5

-4

-1

5
0
4
0
EJEMPLO PROBLEMA NO ACOTADO:

-4

Esta situacin se detecta cuando al realizar el clculo de la variable

que deja la base, todos los elementosykj de la columna j en la tabla,
son negativos para jel ndice de una variable no bsica con costo
reducido negativo.
Max
s.a:

2x1 + x2
x1 - x2 <= 10
2x1 <= 40
x1,x2 >= 0

Donde la tabla inicial del mtodo simplex luego de agregar X3 y X4

como variables de holgura para las restricciones 1 y 2
respectivamente es:
X1

X2

X3

X4

-1

10

40

-2

-1

Cabe destacar que en esta instancia ya se puede constatar que el

problema es no acotado. X2 siendo variable no bsica los elementos
de la respectiva columna son negativos o cero. Sin embargo, si el
usuario no se percata inmediatamente de esto, de todos modos
llegar a la misma conclusin en la iteracin posterior, luego de hacer
entrar X1 a la base como aquella variable no bsica con costo
reducido ms negativo.

MLTIPLES SOLUCIONES PTIMAS

Esta situacin se detecta cuando existen costos reducidos iguales a

cero en una o ms de las variables no bsicas ptimas.
Max
s.a:

3x1 + 2x2
5x1 + 2x2 <= 140
3x1 + 2x2 <= 120
x1,x2 >= 0

Con tabla final del Mtodo Simplex:

X1 X2

X3

X4

1/2

-1/2

10

-3/4

5/4

45

120

Ntese que se ha encontrado una de las infinitas soluciones ptimas

para el problema (X1=10,X2=45, V(P)=120). Esto debido a que la
variable no bsica X3 tiene costo reducido igual a cero en el
ptimo. Cmo se puede obtener otro vrtice con similar valor
ptimo?. Se debe forzar la entrada entonces de X3 a la base y sacar
de la base una de las variables bsicas actuales (si sigue el clculo
notar que esta corresponde a X1). Finalmente, el nuevo vrtice
ptimo es X1=0, X2=60, V(P)=120. El resto de las infinitas
soluciones ptimas esta contenida en tramo que une los 2 vrtices tal
como se muestra en la figura:

EJEMPLO.- Resolver mediante el mtodo simplex el siguiente problema:

Maximizar

Z = f(x,y) = 3x + 2y

sujeto a:

2x + y 18
2x + 3y 42
3x + y 24
x0,y0

Se consideran las siguientes fases:

1.

Realizar un cambio de variables y normalizar el signo de los trminos

independientes.
Se realiza un cambio en la nomenclatura de las variables. Establecindose
la correspondencia siguiente:

x pasa a ser X1

y pasa a ser X2

Como los trminos independientes de todas las restricciones son

positivos no es necesario hacer nada. En caso contrario habra que
multiplicar por "-1" en ambos lados de la inecuacin (teniendo en cuenta
que esta operacin tambin afecta al tipo de restriccin).

Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de
holgura, exceso y artificiales segn la tabla siguiente:
Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

En este caso se introduce una variable de holgura (X 3, X4 y X5) en cada

una de las restricciones del tipo , para convertirlas en igualdades,
resultando el sistema de ecuaciones lineales:
2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24

Igualar la funcin objetivo a cero.

Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0

Escribir la tabla inicial del mtodo Simplex.

La tabla inicial del mtodo Simplex est compuesta por todos los
coeficientes de las variables de decisin del problema original y las de
holgura, exceso y artificiales agregadas en el paso 2 (en las columnas,
siendo P0 el trmino independiente y el resto de variables P i coinciden con
Xi), y las restricciones (en las filas). La columna C b contiene los coeficientes
de las variables que se encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo,
mientras que la ltima fila contiene el valor la funcin objetivo y loscostes
reducidos Zj - Cj.
La ltima fila se calcula como sigue: Z j = (CbiPj) para i = 1..m, donde
si j = 0, P0 = bi y C0 = 0, y en caso contrario P j = aij. Aunque al tratarse de la
primera tabla del mtodo Simplex y ser todos los C b nulos se puede
simplificar el clculo, y por esta vez disponer Z j = -Cj.

Tabla I . Iteracin n 1
2

Base

Cb

P0

P1

P2

P3

P4

P5

P3

18

P4

42

P5

24

-3

-2

Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no
existe ningn valor negativo entre los costes reducidos (columnas P 1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la
base todos los valores son negativos o nulos. Esto indica que el problema
no se encuentra acotado y su solucin siempre resultar mejorable. Ante
esta situacin no es necesario continuar iterando indefinidamente y tambin
se puede dar por finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.

Eleccin de la variable entrante y saliente de la base.

Se determina en primer lugar la variable que entra en la base. Para ello se
escoge la columna cuyo valor en la fila Z sea el menor de entre todos los
negativos. En este caso sera la variable X1 (P1) de coeficiente -3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior (caso de empate), entonces se optar por aquella variable que sea
bsica.
La columna de la variable que entra en la base se llama columna
pivote (en color verde).
Una vez obtenida la variable que entra en la base, se procede a
determina cual ser la variable que sale de la misma. La decisin se toma
en base a un sencillo clculo: dividir cada trmino independiente (columna

P0) entre el elemento correspondiente de la columna pivote, siempre que

ambos elementos sean estrictamente positivos (mayores que cero). Se
escoge la fila cuyo resultado haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho
cociente. En caso de que todos los elementos de la columna pivote fueran
de sta condicin se habra cumplido la condicin de parada y el problema
tendra una solucin no acotada (ver teora del mtodo Simplex).
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El trmino de la columna pivote que en la divisin anterior dio lugar al
menor cociente positivo indica la fila de la variable de holgura que sale de la
base. En este caso resulta ser X 5 (P5), de coeficiente 3. Esta fila se
llama fila pivote (en color verde).
Si al calcular los cocientes, dos o ms resultados cumplen la condicin
para elegir el elemento saliente de la base (caso de empate), se escoge
aquella que no sea variable bsica (siempre que sea es posible).
La
interseccin
de
la fila
el elemento pivote, en este caso el 3.

pivote y columna

pivote marca

Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:

En la fila del elemento pivote cada nuevo elemento se calcula como:

Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote

En el resto de las filas cada elemento se calcula:

Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento
Fila en Columna Pivote * Nuevo Elemento Fila Pivote)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1,
mientras que el resto de elementos de la columna pivote se anulan (anlogo
al mtodo de Gauss-Jordan).
Se muestran a continuacin los clculos para la fila P 4:
Anterior fila P4

Anterior Elemento Fila en Columna Pivote

Nueva fila pivote

42

1/3

1/3

Nueva fila P4

26

7/3

-2/3

La tabla correspondiente a esta segunda iteracin es:

Tabla II . Iteracin n 2
3

Base

Cb

P0

P1

P2

P3

P4

P5

P3

1/3

-2/3

P4

26

7/3

-2/3

P1

1/3

1/3

24

-1

Al comprobar la condicin de parada se observa que no se cumple

ya que entre los elementos de la ltima fila hay uno negativo, -1. Se contina
iterando nuevamente los pasos 6 y 7.

6.1. La variable que entra en la base es X 2 (P2), por ser la variable

que corresponde a la columna donde se encuentra el coeficiente -1.

6.2. Para calcular la variable que sale, se dividen los trminos de la

columna P0 entre los trminos correspondientes de la nueva columna pivote: 2 /
1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3 [=24]. Como el menor cociente positivo es 6, la
variable que sale de la base es X3 (P3).

6.3. El elemento pivote es 1/3.

7. Actualizando nuevamente los valores de la tabla se obtiene:

Tabla III . Iteracin n 3
3

Base

Cb

P0

P1

P2

P3

P4

P5

P2

-2

P4

12

-7

P1

-1

Tabla III . Iteracin n 3

Z

30

Una nueva comprobacin de la condicin de parada revela que entre

los elementos de la fila indicadora vuelve a haber uno negativo, -1. Significa que
aun no se ha llegado a la solucin ptima y hay que seguir iterando (pasos 6 y 7):

6.1. La variable que entra en la base es X 5 (P5), por ser la variable

que corresponde al coeficiente -1.

6.2. Se escoge la variable que sale calculando el cociente entre los

trminos de la columna de trminos independientes y los trminos
correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. En
esta ocasin es X4 (P4).

6.3. El elemento pivote es 4.

7. Despus de actualizar todas las filas, se obtiene la tabla siguiente:

-1

Tabla IV . Iteracin n 4
2

Base

Cb

P0

P1

P2

P3

P4

P5

P2

12

-1/2

1/2

P5

-7/4

1/4

P1

3/4

-1/4

33

5/4

1/4

Fin del algoritmo.

Se observa que en la ltima fila todos los coeficientes son positivos
cumplindose, por tanto la condicin de parada.
La solucin ptima viene dada por el valor de Z en la columna de los
trminos independientes (P0), en este ejemplo: 33. En la misma columna se
puede ver el punto donde se alcanza, observando las filas correspondientes
a las variables de decisin que han entrado en la base: X 1 = 3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.