Beruflich Dokumente
Kultur Dokumente
Contenido
INDICE.................................................................................................................................................. 1
INTRODUCCION ................................................................................................................................... 2
OBJETIVOS ........................................................................................................................................... 3
OBJETIVOS ESPECÍFICOS ...................................................................................................................... 3
JUSTIFICACION .................................................................................................................................... 4
MARCO TEORICO ................................................................................................................................. 5
Conceptos de Método algebraico. ...................................................................................................... 6
DESARROLLO ....................................................................................................................................... 8
SUBCOMPETENDIA II: PROGRAMACION LINEAL ................................................................................. 8
2.1 Formulación y aplicación de modelos de programación lineal ................................................... 13
2.2. Método grafico ........................................................................................................................... 14
2.3. Método simplex ......................................................................................................................... 21
2.3.1. Método algebraico .................................................................................................................. 28
2.3.2. Tabla simplex........................................................................................................................... 38
2.4 Método dual ................................................................................................................................ 42
2.5 Método Dual- Simplex ................................................................................................................. 47
2.6 Análisis de resultados. ................................................................................................................. 52
CONCLUSION ..................................................................................................................................... 53
Página | 1
INTRODUCCION
La programación lineal, como elemento fundamental de la investigación de
operaciones ha logrado un importante desarrollo científico a escala mundial, pues
es aplicable a cualquier empresa para solucionar problemas de optimización de
sus recursos.
Página | 2
OBJETIVOS
Aportar conocimientos generales de la estructura y las suposiciones en los
modelos de programación lineal.
OBJETIVOS ESPECÍFICOS
Conocer el modelo general de programación lineal.
Estudiar los diferentes métodos para resolver un problema de programación
lineal
Identificar problemas de dualidad cuando hayan llegado a una solución
optima
Implementar algoritmos para resolver un problema de programación lineal.
Página | 3
JUSTIFICACION
El presente trabajo de investigación se elaboró con la finalidad de que los alumnos
desarrollen habilidades y aprendan acerca de los temas de la unidad II, aplicando
los métodos de programación lineal esto con el fin de que cada uno sepa analizar
problemas que se presenten en la vida diaria ya sean personales o en el ámbito
laboral y sepan de qué manera resolverlo.
Página | 4
MARCO TEORICO
El marco teórico se denomina como una revisión de la literatura, que consiste en
comparar los conceptos de diferentes autores que dan sus opiniones acerca del
tema, estas son la base de la investigación.
El método grafico hace referencia a que puede ser utilizado solo cuando el
problema afecta a dos variables de decisión donde la solución óptima de un
problema se puede encontrar gráficamente (Elvis magno da silva).
Página | 5
Conceptos de método simplex
Página | 6
Concepto de método dual-simplex
Método dual-simplex este método se aplica a problemas óptimos, pero infactibles.
En este caso, las Restricciones se expresan en forma canónica (restricciones) la
función objetivo puede estar en la forma de maximización o de minimización
(Jorge arbey tobar de Jesús)
Concepto del Método de análisis de resultados
Análisis de resultados ayuda al administrador a usar más eficientemente sus
recursos, distribuyendo eficazmente los elementos con los que cuenta para la
actividad productiva. Además, los resultados numéricos obtenidos al usar
programación lineal, permiten tomar decisiones objetivas y dejar a un lado el modo
de pensar o de sentir.
Página | 7
DESARROLLO
Los hechos
La experiencia
La intuición
La autoridad
Página | 8
Resolver casos de combinación óptima de mezclas de producción,
disposición interna de procesos, maximización de beneficios, localización,
asignación de recursos, minimización de costos, transporte, entre otros
Página | 9
Programación de cuadrillas: encontrar una ruta óptima para utilizar recursos
como, por ejemplo: aviones, buses camiones, cuadrillas que los conducen
para ofertar servicios de transporte.
Control de procesos: tiene el objetivo de minimizar los desperdicios
generados en el proceso productivo.
Control de inventarios: determinar la combinación óptima de productos que
se deberá tener en almacenamiento.
Programación de la distribución: encontrar la combinación óptima de
embarques para distribuir la producción a los diferentes destinos.
Estudios para ubicar la planta: definir la ubicación acertada para una nueva
planta evaluando los costos de embarque, las fuentes de suministros y de
demanda.
Manejo de materiales: definir las rutas con el propósito de minimizar los
costos para el manejo de materias y maquinarias.
Página | 10
2. El siguiente paso consiste en la determinación de los mismos, mediante la
siguiente metodología:
1. Definir el
criterio de la
funcion
objetivo
4. Plantear 2. Identificar
la funcio y definir las
objetiva variables
3. Identificar
y definir las
restricciones
Pregunta
Fundamental • Funcion Objetivo
1. ¿Como se pueden
disminuir los costos? • MINIMIZAR Costos
2. ¿Que se debe hacer para
mejora las utilidades? • MAXIMIZAR Utilidades
Página | 11
Variables de decisión.
Similar a la relación que existe entre objetivos específicos y objetivo general, se
comportan las variables de decisión respecto a la función objetivo, puesto que
estas se identifican partiendo de una serie de preguntas derivadas de la pregunta
fundamental. Las variables de decisión, son en teoría, factores controlables del
sistema que se está modelando, y como tal, estas pueden tomar diversos valores
posibles, de los cuales se precisa conocer su valor óptimo, que contribuya con la
consecución del objetivo de la función general del problema.
Ejemplo.
Las restricciones
Cuando hablamos de las restricciones en un problema de programación lineal,
nos referimos a todo aquello que limita la libertad de los valores que pueden tomar
las variables de decisión.
La mejor manera de hallarlas consiste en pensar en un caso hipotético en el que
decidiéramos darles un valor infinito a nuestras variables de decisión, por ejemplo,
¿qué pasaría si en un problema que precisa maximizar sus utilidades en un
sistema de producción de calzado decidiéramos producir una cantidad infinita de
zapatos? Seguramente ahora nos surgirían múltiples interrogantes, como por
ejemplo:
Página | 12
¿Con cuánta materia prima cuento para producirlos?
¿Con cuánta mano de obra cuento para fabricarlos?
¿Pueden las instalaciones de mi empresa albergar tal cantidad de
producto?
¿Podría mi fuerza de mercadeo vender todos los zapatos?
¿Puedo financiar tal empresa?
𝑀𝑎𝑥 (𝑀𝑖𝑛) 𝐶1 𝑋1 + 𝐶2 𝑋2 + ∙ ∙ ∙ 𝐶𝑛 𝑋𝑛
Página | 13
actividades, es decir un resultado que alcance la meta en la mejor forma teniendo
en cuenta las restricciones propias de cada actividad.
La economía de negocios
Las finanzas
Página | 14
restricciones en un eje de coordenadas 𝑋1, 𝑋2 para tratar de identificar el área de
soluciones factibles (soluciones que cumplen con todas las restricciones).
La solución optima del problema se encuentra en uno de los vértices de esta área
de soluciones creada, por lo que se buscara en estos datos el valor mínimo o
máximo del problema.
Página | 15
Trazo de las ecuaciones de la función objetivo: dándole diferentes valores a
Z. Este paso puede omitirse, pues el objetivo es encontrar el punto que
corresponde a la solución del problema, el cual será aquel que optimice la
función objetivo.
Hallar la solución del problema: es aquella recta de las trazadas que
optimice la función objetivo. Pueden existir varias soluciones óptimas en un
problema, pero es importante determinar cuál de todas esas soluciones es
la factible. Recordando que la solución factible óptima es aquella admisible
para que la función objetivo alcance el óptimo propuesto.
Página | 16
un problema de maximización, será entonces el ultimo de los puntos
factibles que toque la función Z.
Sujeto a:
𝑋1 , 𝑋2 ≥ 0
2𝑋1 + 6𝑋2 = 72
1𝑋2 = 10
Para trazar las líneas en el plano cartesiano, cada variable toma el valor de cero y
se determina el valor de la otra variable.
Página | 17
4𝑋1 + 6𝑋2 = 120
𝑠𝑖 𝑋1 = 0, 𝑋2 = 20
𝑠𝑖 𝑋2 = 0, 𝑋1 = 30
2𝑋1 + 6𝑋2 = 72
𝑠𝑖 𝑋1 = 0, 𝑋2 = 12
𝑠𝑖 𝑋2 = 0, 𝑋1 = 36
1𝑋2 = 10
𝑃1 (0; 10)
Al tener esta restricción, una sola variable se graficará una línea paralela al eje de
las X. Al ser las variables no negativas, en el grafico se delimitan la región o zona
factible de solución en el primer cuadrante como se muestra en la figura.
Página | 18
En el eje de las X, esta representado el producto A y, el eje de las Y, el producto
B; la zona sombreada en color verde es la zona factible de solución, se
considerará la solución óptima el cruce de las regiones factibles de todas las
restricciones siendo el punto óptimo el C, que corresponde al cruce de la primera
con la segunda restricción.
2𝑋1 + 6𝑋2 = 72
1𝑋2 = 10
Donde:
X1 = 6
X2=10
Donde:
X1=24
X2=10
Página | 19
Luego de determinar las posibles soluciones como se muestra en la tabla,
reemplazando los puntos antes mencionados, se determina que la óptima solución
es 92 USD de utilidad diaria, produciendo 24 productos tipo A y cuatro productos
tipo B ninguna otra combinación de productos genera una mayor utilidad.
Página | 20
2.3. Método simplex
Una observación importante sobre el método es que puede ser muy sensible a
errores de redondeo, dado que se llevan a cabo gran cantidad de operaciones.
Para evitar este tipo de errores, se recomiendan dos acciones:
Página | 21
Existen varias formas de resolver un modelo de programación lineal. El método
más comúnmente usado es el método simplex. Este método encuentra la solución
óptima de un modelo de PL, evaluando la función objetivo, en cada vértice de la
región factible.
Metodología
Solución básica
2. Si un P.L. tiene una solución óptima y finita, ésta estará en un vértice del
poliedro convexo que representa al problema de P.L.
Ejemplo
Una empresa dedicada a la venta a granel de tres tipos de grano súper, regular y
saldo requiere maximizar sus utilidades. Se sabe que la utilidad que generan es
$5.00, $6.00 y $5.50 por kilogramo, respectivamente. Para la comercialización
elaboran paquetes combinados de 100 kg cada uno y la cantidad de kg del grano
regular debe ser por lo menos el doble de la cantidad de kg de grano súper y saldo
juntos. Sólo se pueden vender 30 kg del grano saldo debido a su disponibilidad.
¿En qué cantidad se deben mezclar los diferentes tipos de granos en cada
paquete para obtener una utilidad máxima?
Página | 23
Para dar lugar al modelo:
Sujeto a:
x1 + x 2 + x 3 ≤ 100 (1)Paquetes de 100 kg.
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 100
𝑥2 − 2(𝑥1 + 𝑥3) + ℎ2 = 0
𝑥3 + ℎ3 = 30
Paso 2. Escribir la función objetivo como una igualdad a cero sumando las
variables de holgura hi y conservando positivo el cociente de Z max , es
decir:
Página | 24
En la primera celda escribimos la etiqueta “Variables básicas”, en la
siguiente la etiqueta “Z”, después de esta celda se escriben los nombres de
las variables originales del modelo, seguidas de las variables de holgura.
En la última celda se coloca la etiqueta “Solución”. Además,
identificamos los renglones de la tabla para realizar operaciones entre
ellos con mayor facilidad.
El segundo renglón contiene los coeficientes correspondientes a cada
variable original de la función objetivo escrita como se obtuvo en el Paso 2,
con el coeficiente cero para todas las variables de holgura y la
“Solución”.
Página | 25
En este caso existen tres coeficiente negativos asociados al renglón de Z,
por lo que se debe continuar con el proceso.
Página | 26
matriz identidad.
La celda con doble marco es el elemento pivote para este ejemplo, ya que como
se tiene un 1 en la celda no es necesario convertirlo. Entonces, la nueva tabla
simplex se escribe como
Nota que la variable que entra se escribe en el lugar de la variable que sale, x2 en
el lugar de h2, para esta tabla, y que lo que se busca es formar una columna con
un 1 en el lugar del elemento pivote y ceros en los demás sitios de la misma
columna.
todos los coeficientes del renglón Z, con valores mayores o iguales a cero.
Página | 27
2.3.1. Método algebraico
El método algebraico es un procedimiento iterativo que permite ir mejorando la
solución a cada paso el proceso concluye cuando no es posible seguir mejorando
mas dicha solución partiendo
del valor de la función
objetiva en un vértice
cualquiera, el método
consiste en buscar
sucesivamente otro vértice
que mejore al anterior, la
mejor manera de dominar
este método es tener un
buen dominio de algebra y
un pensamiento lógico matemático. El método grafico consiste en generar una
solución básica posible, evaluar si la solución básica es óptima, en caso que no lo
es generar una nueva solución básica posible.
𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 𝑋1 + 𝑋2
𝑋𝐽 > 0; 𝐽 = 1,2
Página | 28
Algoritmo del Método Algebraico
5𝑋1 + 3𝑋2 + 𝑋3 = 15
Página | 29
3𝑋1 + 5𝑋2 + 𝑋4 = 15
b) Escoger en cada ecuación una variable que sirva como solución inicial al
problema y que tome un valor positivo (> 0), NO son elegibles las variables de
decisión o variables reales. Entonces, las variables de holgura o relleno (si las
hay), son las primeras opcionadas a ser escogidas como variables básicas y
factibles, lo que significa que deben tomar un valor mayor o igual a cero (> 0),
dicho de otra forma, las variables básicas factibles, deben cumplir con la condición
de no negatividad. De no conseguirse una variable de holgura que sea factible, se
utiliza el recurso de las variables de súper-avit o artificiales, pero de éste caso nos
ocuparemos en el segundo ejemplo, para el que usaremos el denominado método
de la gran M. Aquí tanto X3 como X4, variables de holgura, son escogidas como
variables básicas factibles, ya que ambas asumen valores positivos al ser X1 y X2
variables no básicas e iguales a cero (0), esto es:
𝑋1 = 𝑋2 = 0, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑥1 = 𝑥2 = 0, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
Página | 30
En la ecuación (0) siempre Z es la variable básica
Fíjese que en cada ecuación existe una y solo una variable básica con coeficiente
(1), lo que permite leer su valor de manera automática al lado derecho; esto es:
Aquí analizamos si existe una solución mejor que la solución básica factible, para
ello despejamos de la ecuación (0) del sistema de ecuaciones inmediatamente
anterior a Z y hacemos la siguiente pregunta
Dicho de otra forma, entrará la variable que tenga el coeficiente más positivo, si
estuviésemos minimizando se escoge la variable que haga que Z disminuya más,
o sea la que tenga el coeficiente más negativo.
Página | 31
Si no hubiese variable para entrar, ello indica que nos encontramos en la solución
óptima.
(1)𝑥3 = 15 − 5𝑥1
(2)𝑥4 = 15 − 3𝑥1
Fíjese que, para todos los casos, siempre quedarán despejadas las variables
básicas en función de la variable escogida para entrar.
𝑥1 = 3 𝑥1 = 5
X3 deja crecer a X1, como máximo X4 deja crecer a X1, como máximo
hasta 3 hasta 5
Página | 32
Resumiendo:
La variable básica que debe salir es aquella que restringa más el crecimiento de la
variable que entra, en caso de empate, se dirime arbitrariamente. Aquí se está
cuidando la factibilidad de las variables, esto es, que todas sean positivas (> 0).
En el caso de ser un problema de minimización, la presente regla de selección es
igual.
Para nuestro problema, la variable que sale es X3 ya que como máximo dejará
crecer a X1 hasta 3, mientras que X4 la deja crecer como máximo hasta 5.
Página | 33
Para encontrar el nuevo sistema de ecuaciones en el que en cada fila figure una y
solo una variable básica con coeficiente uno (1), de tal forma que se pueda leer
automáticamente su valor en el término independiente de cada ecuación,
multiplicamos la fila pivote por el coeficiente de X1 (multiplicado por –1), de cada
una de las otras ecuaciones y sumamos la fila pivote con cada una de las otras
ecuaciones para encontrar las nuevas ecuaciones del sistema. Para nuestro
problema, esto es:
• Multiplicamos la fila pivote, fila (1) por uno (1) y le sumamos la fila (0). El
resultado es la nueva fila (0).
1
(1)𝑥1 + 3𝑥2 + = 3 (1) (0) 𝑍 – 𝑥1 − 𝑥2 = 0
5𝑥 3
ecuación (2)
Página | 34
Una lista clasificada de variables para esta iteración es:
En cada fila hay una y solo una variable básica con coeficiente uno (1)
En la función objetivo, ecuación cero (0), la variable básica siempre es Z y
estará
acompañada por las variables no básicas.
Los términos independientes, siempre serán los valores de las variables
básicas para cada ecuación.
Página | 35
¿ES ÉSTA LA SOLUCIÓN ÓPTIMA?
II iteración
2 1
𝑍 = – + 3; 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑒 𝑒𝑛𝑡𝑟𝑎: 𝑥2
5𝑋2 5𝑋3
3
𝑋1 = 3 – 𝑥 < 5
5𝑋2 2
16 15
𝑋4 = 6 – 𝑥2 < = 1,875; 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑒 𝑠𝑎𝑙𝑒 𝑥4
5𝑋2 8
Página | 36
Nuevo sistema de ecuaciones
III Iteración
Solución óptima
𝑥2 = 15/8 = 1,875
𝑍 = 15/4 = 3,75
Página | 37
2.3.2. Tabla simplex
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
0 S1 24 4 6 1 0
0 S2 20 2 6 0 1
Zj 0 0 0 0 0
Cj - Zj 10 14 0 0
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
0 S1 24 4 6 1 0 4
0 S2 20 2 6 0 1 3.33
Zj 0 0 0 0 0
Cj - Zj 10 14 0 0
pivote cocientes
la tabla no es óptima!
X2 entra en la base con valor x2= 3.33 (s2=0 es la variable que sale)
Página | 38
1ra iteración:
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
0 S1
14 X2 3.33 0.33 1 0 0.166
Zj
Cj - Zj
se divide el renglón
del pivote entre él
Cj 10 14 0 0 CB base bj
0 S1 4 2 0 1 -1
14 X2 3.33 0.33 1 0 0.166
Zj
Cj - Zj
renglón anterior 24 4 6 1 0
- valor asociado -6 (3.33 0.33 1 0 0.166)
al pivote por el renglón actualizado del pivote
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
0 S1 4 2 0 1 -1 2
14 X2 3.33 0.33 1 0 0.166 10
Zj 46.66 4.66 14 0 2.33
Cj - Zj 5.33 0 0 -2.33
pivote cocientes
x1 entra a la base con valor x2 = 2 (s1 = 0 es la variable que sale)
Página | 39
2da iteración:
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
10 X1 2 1 0 0.5 -0.5
14 X2
Zj
Cj - Zj
se divide el renglón
del pivote entre él
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
10 X1 2 1 0 0.5 -0.5
14 X2 2.66 0 1 -.166 0.33
Zj
Cj - Zj
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
10 X1 2 1 0 0.5 -0.5
14 X2 2.66 0 1 -.166 0.33
Zj 57.24 10 14 2.66 -.33
Cj - Zj 0 0 -2.66 0.33
pivote
s2 entra a la base con valor s2=8 (x2=0 es la variable que sale)
Página | 40
3ra iteración:
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
10 X1
0 S2 8 0 3 -0.5 1
Zj
Cj - Zj
se divide el renglón
del pivote entre él
Cj 10 14 0 0
CB base bj X1 X2 S1 S2
10 X1 6 1 1.5 0.25 0
0 S2 8 0 3 -0.5 1
Zj
Cj - Zj
Página | 41
2.4 Método dual
Página | 42
Notación matemática:
Primo Contiene m ecuaciones y n variables.
Dual Contiene n ecuaciones y m variables.
La notación matricial del Primo es:
Max Z = CX
Sujeto a:
AXb
x0
Ejemplo:
Primo
Min Z = 3X1 - 2X2 + X3
Página | 43
Sujeto a:
:
2X1 - 3X2 + X3 1 2X1 - 3X2 + X3 1
2X1 - 3X2 + X3 - 1 - 2X1 + 3X2 - X3 -1
2X1 + 3X2 - X4 8 2X1 + 3X2 - X4 8
2X1 + 3X2 - X4 8 - 2X1 - 3X2 + X4 -8
x´s 0
Dual
Max Z = W1 - W2 + 8W3 - 8W4
Sujeto a:
El valor óptimo en el primo, es siempre igual al valor óptimo del dual. Los valores
absolutos de las variables del Dual (w`s) se encontrarán en la tabla final (Optima)
del primo en la fila Zj-Cj bajo las columnas de las variables que originalmente
aportaron las columnas para formar la matriz identidad.
De manera similar el valor absoluto de las variables del primo (x´s) se encontrará
en la tabla Optima del Dual en la fila Zj-Cj bajo las columnas de las variables que
originalmente aportaron las columnas para formar la matriz identidad.
Interpretación Económica de las variables del Dual.
La solución del problema Dual representa la interpretación económica que es una
forma de análisis marginal (¿Qué pasará si una entidad adicional del insumo es
utilizada?). Las variables del Dual Wm en un problema Primo de Maximización de
ganancias, son las ganancias marginales de cada insumo o producto adicional.
Página | 44
Las variables del Dual son llamadas algunas veces costos marginales o precios
sombra. Las variables del Dual Wm en un problema primo de Minimización de
costos, son los costos marginales de cada insumo o producto adicional. La
limitación b en las ecuaciones del Primo determina si las variables del Dual se
relacionan en insumos o productos marginales.
Del dual.
Por esto Wi* es la tasa de cambio de valor óptimo de la función objetivo, con el
incremento de una
Unidad en b (limitación). Ya que wi*³ 0, Z se incrementará o permanecerá
constante conforme bi se Incremente.
Económicamente, w* es un vector de precios sombra para el vector b.
Página | 45
Así, si la i va ecuación representa la demanda para producir al menos bi unidades
del producto i vo y.
Ejemplo:
Una compañía fabrica 4 modelos de escritorios, cada escritorio es primero
construido en el taller de carpintería y entonces es enviado al departamento de
acabados, donde este es barnizado, encerado y pulido, se proporciona a
continuación la siguiente información:
1. Los insumos (materia prima y accesorios) están disponibles en cantidades
suficientes y Todos los escritorios pueden ser vendidos.
2. La compañía desea determinar la mezcla óptima de productos tal que se
maximice la Ganancia.
3. Las limitaciones de capacidad por departamento para el próximo periodo de
planeación Son: 6000 H.H (Horas-Hombre) en el taller de carpintería y 4000 H.H
en el de acabados.
4. Las horas hombre requeridas por tipo de escritorio y sus ganancias se dan a
continuación:
Página | 46
Las variables del dual o precios sombra se encuentran en la fila Zj–Cj bajo las
columnas que. Aportaron en la tabla inicial las variables de holgura. (1ª.
Restricción que aporto la 1ª columna de la Matriz identidad, estará relacionada con
W1, 2ª restricción que aportó la 2ª columna de la matriz Identidad, estará
relacionada con W2 y así sucesivamente. El precio sombra o W, indicará que por
cada unidad que se incremente la disponibilidad del recurso i, la función objetivo Z
mejorará en W unidades.
Indicar:
a) si W= 0 en su ecuación correspondiente la variable de holgura es igual a cero,
es decir se usan todos los recursos de esta restricción.
b) Sí W=0, en su ecuación correspondiente la variable de holgura es diferente de
cero, es decir no se usan todos los recursos de esta restricción.
Para que adquirir más artículos ce cierto recurso si su precio sombra W es igual a
cero, es decir que no se han usado todos los artículos de este recurso.
Este método se aplica a problemas óptimos, pero infactibles. En este caso, las
Restricciones se expresan en forma canónica (restricciones)la función objetivo
puede estar en la forma de maximización o de minimización.
Después de agregar las variables de holgura y de poner el problema en la tabla, si
algún elemento de la parte derecha es negativo y si la condición de optimidad está
Satisfecha, el problema puede resolverse por el método dual simplex. Note que un
Página | 47
elemento negativo en el lado derecho significa que el problema comienza óptimo
pero infactible como se requiere en el método dual simplex. En la interacción
donde. la solución básica llega a ser factible esta será la solución óptima del
problema.
condición de factibilidad.
La variable que sale es la variable básica que tiene el valor más negativo (los
empates se rompen arbitrariamente si todas las variables básicas son no
negativas, el proceso termina y esta última tabla es la solución óptima factible).
condición de optimidad.
La variable que entra se elige entre las variables no básicas como sigue. Tome los
Cocientes de los coeficientes de la función objetivo entre los coeficientes
Correspondientes a la ecuación asociada a la variable que sale. Ignore los
cocientes asociados a denominadores positivos o cero. La variable que entra es
aquella con el cociente más pequeño si el problema es de Minimizar o el valor
absoluto más pequeño si el problema es de maximización (Rompa los empates
arbitrariamente). Si los denominadores son ceros o positivos El problema no tiene
ninguna solución factible.
Ejemplos:
S.A.
- X1 - 3X3 ≤ -3
- 2X2 - 2X3 ≤ -5
X1, X2, X3 ≥ 0
Página | 48
PASO 2: Se convierten las inecuaciones en ecuaciones.
F.O.
Z + 4X1 + 12X2 + 18X3 = 0
S.A.
- X1 - 3X3 + S1 = -3
– 2X2 - 2X3 + S2 = -5
・Básicas: S1 y S2
・No Básicas: X1 X2 y X3
S2 0 -2 -2 0 1 -5
Z 4 12 18 0 0 0
Página | 49
Variable Variables. Solución
básica X1 X2 X3 S1 S2
S1 -1 0 -3 1 0 -3
S2 0 -2 -2 0 1 -5
Z 4 12 18 0 0 0
Razón - -6 -9 - 0
0 -2 -2 0 1 -5 Fila pivote
-2 -2 -2 -2 -2 -2 Elemento
pivote
0 1 1 1 -0.5 2.5 Nueva fila
pivote.
b) Nuevas filas = fila anterior - coeficiente de la columna pivote x nueva fila pivote.
Página | 50
Nueva Tabla del Simplex.
S2 0 1 1 0 -1 2.5
Z 4 0 6 0 6 -30
Razón -4 - -2 0 -
Página | 51
2.6 Análisis de resultados.
Página | 52
CONCLUSION
En este trabajo determinamos que la programación lineal es una herramienta muy
útil, para personas con empresas, independientes como para grandes compañías,
que permite administrar de la mejor manera los recursos con los que cuentan para
poder aprovecharlos al máximo como también ayuda a obtener mayores
ganancias y minimizar costo.
De acuerdo a esta investigación nos dimos cuenta de que tan importantes son los
métodos ya que nos ayuda a obtener beneficios satisfactorios dentro de una
empresa porque determina un reconocimiento de la aplicabilidad tan amplia de
esta técnica.
Página | 53