EJEMPLO:

Segn (Taha, 2004, pgs. 94-96):

Minimizar la siguiente funcin:
Z= 4X1 + X2
Sujeto a:
3X1 +X2 = 3
4X1 +3X2 6
X1 + 2X2 4
X1 ; X2 0

Si se usan x3 como excedente en la segunda restriccin y x4 como una holgura en la

tercera restriccin, la forma del problema en ecuacin es:
Minimizar z = 4x1 + x2
Sujeta a:

3X1 + X2

=3

4X1 + 3X2 X3

=6

X1 + 2X2

+ X4 = 4

X1, X2, X3, X3 0

La primera y segunda ecuaciones no tienen variables que puedan desempear el papel

de holguras, pero la tercera s, porque tiene la holgura x4. As, se agregan las variables

artificiales R1 y R2 en las dos primeras ecuaciones y se penalizan en la funcin objetivo

con MR1 _ MR2.
La programacin lineal que resulta es

Minimizar z = 4x1 + x2 + MR1 + MR2

Sujeta a
3X1 + 3x2 - + R1 + = 3
4x1 + 3x2 - x3 ++ R2 = 6
X1 + 2x22 + x4 = 4
X1, x2, x3, x4, R1, R2 0
En el nuevo modelo se pueden usar ahora R1, R2 y x como solucin bsica de inicio,
como se ve en la siguiente tabla (por comodidad se elimin la columna z, porque no
cambia en todas las iteraciones).

FIGURA 1.(Taha, 2004)

Antes de proseguir con los clculos del mtodo simplex se necesita hacer que el rengln
z sea consistente con el resto de la tabla. En forma especfica, en la tabla x1= x2= x3= 0,
lo cual produce la solucin bsica de inicio R1= 3, R2= 6 y x4 = 4. Esta solucin indica
que el valor de z debe ser M X 3 + MX 6 + 9M, en lugar de 0 como se ve en el lado
derecho del rengln de z. Esta inconsistencia se debe a que R1 y R2 tienen coeficientes
distintos de cero
(M, M).
Esta inconsistencia se puede eliminar sustituyendo a R1 y R2 en el rengln de z usando
las ecuaciones adecuadas de restriccin para eliminarlas. En particular, observe los
elementos marcados (=1) en el rengln R1 y en el de R2. Si se multiplica cada rengln
R1 y R2 por M y se agrega la suma al rengln z, R1 y R2 saldrn del rengln objetivo,
esto.
Nuevo rengln z = Rengln anterior z + (M X Rengln R1 + M X Rengln R2)
Entonces, la tabla modificada es la siguiente (verifquelo!):

FIGURA 2.(Taha, 2004)

Observe que la nueva z = 9M, lo que ahora es consistente con los valores de la solucin
bsica factible de inicio R1 = 3, R2 = 6 y x4 = 4.

La ltima tabla queda lista para aplicarle el mtodo simplex, con las condiciones de
optimalidad y factibilidad. Como se est minimizando la funcin objetivo, la variable
x1, que es la que tiene el coeficiente ms positivo en el rengln de z (= 4 +7M) entra a
la solucin. La razn mnima de la condicin de factibilidad especifica que R1 es la
variable que sale.
Una vez determinadas las variables de entrada y de salida, la nueva tabla se puede
calcular con las operaciones familiares de Gauss-Jordan. Observe que el nuevo rengln
de z se determina multiplicando el nuevo rengln pivote por (4 + 7M) y sumando el
resultado al Rengln actual de z.

FIGURA 3. (Taha, 2004)

Esta ltima tabla muestra que x2 y R2 son las variables de entrada y de salida,
respectivamente. Al continuar con los clculos simplex se necesitarn dos iteraciones
ms para llegar al ptimo: X1 = 2/5, X2 = 9/5, Z = 17/5

Observe que las variables artificiales R1 y R2 salen de la solucin bsica en las

iteraciones primera y segunda, resultado consistente con el concepto de penalizar las
variables artificiales en la funcin objetivo.

Bibliografa
Taha, H. A. (2004). Investigacin de Operaciones. Mxico: PEARSON.