Investigacin de

Operaciones

MSc. Jenny Gutierrez Lopez

II Trmino 2017-2018

INDG1004
Paralelo 2
Repaso
En la clase pasada

Aplicaciones de programacin lineal

Programa del Curso

1. Introduccin a la investigacin de operaciones

2. Introduccin a la programacin lineal

3. Solucin de problemas de programacin lineal: Mtodo simplex

4. Solucin informtica de los problemas de programacin lineal

5. Dualidad y anlisis de sensibilidad

6. Programacin entera mixta

Objetivos de Aprendizaje

1. Explicar la definicin de las soluciones bsicas factibles y sus caractersticas

mediante el mtodo de anlisis grfico para identificar los diferentes tipos de
problemas de programacin lineal.

2. Aplicar el mtodo simplex para resolver problemas de programacin lineal.

Resumen de la Unidad
Solucin de problemas de programacin lineal: Mtodo Simplex

1. Modelo de PL en forma estndar y cannica

2. Soluciones factibles, ptimas y bsicas

3. Fundamentos tericos del mtodo simplex

4. Forma operativa de mtodo simplex: estrategias de pivoteo

Mtodo Simplex
Introduccin

Es un procedimiento general para resolver problemas de programacin lineal con

varias variables (ms de dos variables)

Desarrollado por George Dantzig (1947), constituye un mtodo eficiente usado

rutinariamente para resolver problemas grandes en computadora.

Es un procedimiento algebraico
Modelo de PL en forma estndar

Antes de utilizar el algoritmo Simplex para resolver un problema de

PL, ste se debe convertir en un problema equivalente en el cual
todas las restricciones son ecuaciones y todas las variables son
No negativas.

De esta forma, el modelo de PL se convierte en la Forma

Estndar.
Modelo de PL en forma estndar

Para convertir un PL en forma estndar, cada restriccin de

desigualdad se debe reemplazar por una restriccin de igualdad.
Modelo de PL en forma estndar
Ejemplo 1

Una fbrica de cuero elabora dos tipos de cinturones: El modelo

de lujo y el modelo regular. Para cada tipo se requiere una yarda
cuadrada de piel.
Se necesita una hora de mano de obra calificada para un cinturn
regular, y para un cinturn de lujo se requieren 2 horas.
Se dispone cada semana de 40 yardas cuadradas de piel y 60 horas
de mano de obra calificada.
Cada cinturn regular aporta 3 dlares de utilidad, y cada cinturn de
lujo 4 dlares.
Modelo de PL en forma estndar
Ejemplo 1

Si definimos:
X1 = Cantidad de cinturones de lujo fabricados cada semana
X2 = Cantidad de cinturones regulares producidos cada semana

El modelo de PL es:

Max Z = 4X1 + 3X2

St. X1 + X2 40 (Restriccin de yardas de piel)
2X1 + X2 60 (Restriccin de mano de obra)
X1 , X2 0
 Modelo de PL en forma estndar

Cmo se pueden convertir las restricciones anteriores en igualdades?

Para cada restriccin se define una variable de holgura: Si

(Si = Variable de holgura para la restriccin i-sima)

Esta holgura representa la cantidad de recursos sin usar en la

restriccin i-sima.
 Modelo de PL en forma estndar
Para el ejemplo 1

Se tienen dos restricciones:

X1 + X2 40 (Restriccin de yardas de piel)

2X1 + X2 60 (Restriccin de mano de obra)
Entonces,

S1 = 40 - X1 - X2 (Restriccin de yardas de piel)

S2 = 60 - 2X1 - X2 (Restriccin de mano de obra)
O bien,
X1 + X2 + S1 = 40
2X1 + X2 + S2 = 60
 Modelo de PL en forma estndar
Para el ejemplo 1

Por lo tanto,

El modelo de PL en forma estndar para la fbrica de cuero es:

Max Z = 4X1 + 3X2

St. X1 + X2 + S1 = 40
2X1 + X2 + S2 = 60
X1 , X2 , S1, S2 0
 Modelo de PL en forma estndar
Cmo convertir en igualdad las restricciones ?

Ejemplo 2: Problema de la dieta

Min Z = 50X1 + 20X2 + 30X3 + 80X4

s.t.

400X1 + 200X2 + 150X3 + 500X4 500 (Restr. De Caloras)

3X1 + 2X2 6 (Restr. de chocolate)
2X1 + 2X2 + 4X3 + 4X4 10 (Restr. de Azcar)
2X1 + 4X2 + X3 + 5X4 8 (Restr. de grasa)
X1, X2, X3, X4 0
 Modelo de PL en forma estndar
Cmo convertir en igualdad las restricciones ?

Para cada restriccin se define una variable de excedente o

superflua: ei
ei = Variable de excedente para la restriccin i-sima

Se define ei como la cantidad con la cual la restriccin i-sima se

satisfice en exceso.
 Modelo de PL en forma estndar
Cmo convertir en igualdad las restricciones ?

Ejemplo 2: Problema de la dieta

400X1 + 200X2 + 150X3 + 500X4 - e1 = 500 (Restr. De Caloras)

3X1 + 2X2 e2 = 6 (Restr. de chocolate)
2X1 + 2X2 + 4X3 + 4X4 e3 = 10 (Restr. de Azcar)
2X1 + 4X2 + X3 + 5X4 e4 = 8 (Restr. de grasa)
 Modelo de PL en forma estndar
Cmo convertir en igualdad las restricciones ?

Ejemplo 2: Problema de la dieta forma estndar

Modelo de PL en forma estndar
Cmo convertir en igualdad problemas que tienen restricciones y ?

Ejemplo 3:

El modelo de PL se convierte en:

Soluciones factibles, ptimas y bsicas
Preliminares de un algoritmo simplex

Suponiendo que se ha convertido un modelo de PL con m cantidad de

restricciones en la forma estndar. Si se supone que la forma estndar
contiene n cantidad de variables, (denominadas X1, X2, , Xn), la
forma estndar para el modelo de PL es:
Soluciones factibles, ptimas y bsicas
Preliminares de un algoritmo simplex

Si se define:

Las restricciones para el modelo se pueden escribir como el Sistema

de ecuaciones Ax = b.
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Considerando un sistema Ax=b con m cantidad de restricciones y

n cantidad de variables (nm), se define:

Una solucin bsica para Ax=b se obtiene haciendo n-m

variables iguales a cero, y luego se determinan los valores de las
m variables restantes. As se assume que al hacer las n-m
variables iguales a cero se llega a valores nicos para las m
variables restantes, o que, en forma equivalente, las columnas
para las m variables restantes son linealmente independientes.
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Para hallar una solucin a Ax=b:

1. Primero se escoge un conjunto de n-m variables (Variables No

Bsicas, VNB), y se iguala cada una de las variables a cero.

2. Luego se encuentran los valores de nas n (n-m) = m variables

restantes (Variables Bsicas, VB) que satisfacen Ax=b
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Ejemplo: Considerado que existen 2 restricciones (ecuaciones) y 3

variables de decision:
m = 2 ecuaciones
n = 3 variables: X1, X2 y X3

Variables no Bsicas (VNB) = n m = 3 2 = 1

 Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Si se escoge como VNB a X3, entonces las VB seran X1, X2.

Los valores de las VB se obtienen haciendo las VNB = 0, es decir, X3 = 0

Resolviendo las Solucin bsica

ecuaciones para el problema
obtenemos:
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Si se escoge como VNB a X1, entonces las VB seran X2, X3.

Entonces:

Otra solucin bsica

para el problema
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Si se escoge como VNB a X2, entonces las VB seran X1, X3.

Entonces:

Solucin bsica para el

problema (Pero no es
factible)
Soluciones factibles, ptimas y bsicas
Variables Bsicas y No Bsicas

Algunos conjuntos de m variables no tienen solucin bsica.

Por ejemplo:

Si se escoge como VNB a X3, entonces las VB seran X1, X2.

Como este sistema no tiene solucin,

no hay una solucin bsica que
corresponda a VB = X1, X2
Soluciones factibles, ptimas y bsicas
Soluciones factibles

Cualquier solucin bsica de un modelo de PL en forma estndar en la

cual todas las variables son No negativas es una solucin factible
bsica (sfb).

Soluciones factibles bsicas (sfb)

Solucin bsica NO FACTIBLE,

porque X3<0
Soluciones factibles, ptimas y bsicas
Teorema

Un punto en la regin factible de un problema de PL es un punto

extremo si y solo si es una solucin factible bsica para una
programacin lineal.

Soluciones factibles bsicas (sfb)

Solucin bsica NO FACTIBLE,

porque X3<0
Soluciones factibles, ptimas y bsicas
Ejemplo fabrica de cuero

No es una sfb porque S2 <0

No es una sfb porque s1<0
Soluciones factibles, ptimas y bsicas
Teorema

Si un modelo de PL tiene una solucin ptima, entonces tiene una sfb ptima.
Soluciones factibles, ptimas y bsicas
Soluciones factibles adyacentes

Para cualquier modelo de Programacin lineal con m restricciones, se dice que

dos soluciones factibles bsicas son adyacentes si sus conjuntos de variables
bsicas tienen m-1 variables bsicas en comn.

Por ejemplo, dos soluciones factibles bsicas

sern adyacentes si tienen 2-1 = 1 variables
bsica en comn. Por lo tanto, la sfb
correspondiente al punto E es adyacente a la
sfb que corresponde al punto C.
Preguntas?
Conclusiones
Qu aprendimos hoy?
Prxima clase
3. Solucin de problemas de programacin lineal: Mtodo simplex

3.2 Soluciones factibles, ptimas y bsicas