Métodos Determinísticos

Pretarea del Curso

Universidad Nacional Abierta y a Distancia “UNAD”

Presentado por:

Cristian Guillermo Cruz Avila

Director de Curso: Tutora de Curso:

Esp. Ricardo Javier Pineda Ing. Jennifer Tovar

Nota del Autor

Estudiante Universitario, Universidad Nacional Abierta y a Distancia “UNAD”.

Boyacá – Tunja – Colombia

2018
 INTRODUCCIÓN

El siguiente trabajo, se realizó con el fin de abordar, estudiar y desarrollar autónoma, integral

y colaborativamente una serie de ejercicios prácticos y de carácter matemático; cuya finalidad

está orientada, al cumplimiento del sistema de aprendizaje propuesto por la institución unadista;

así como también, a la apropiación y análisis metodológico de los recursos y guías didácticas,

ofrecidas por su cuerpo docente. Por tanto, en acatamiento a los resultados de aprendizaje

programados, en esta ocasión se ha profundizado particularmente, en las unidades de estudio 1 y

2: (Modelos de Decisión determinísticos y Modelos de Optimización determinísticos);

temáticas sumamente interesantes y emblemáticas, cuyo uso no solo se limita al complejo mundo

matemático, sino a múltiples y variadas áreas del conocimiento, permitiéndole de esta manera al

estudiante, crecer intelectualmente y adoptar destrezas para resolver problemas de cualquier

índole, bien sea en el campo profesional, laboral o de la vida propiamente personal u cotidiana.

Finalmente, a través de este documento le será posible vislumbrar al lector, la implementación

de un modelo pedagógico e integral, basado en la participación y retroalimentación colaborativa,

mediante plataformas virtuales; así como también, en la gestión independiente de sus actores,

conforme al desarrollo inherente y necesario de actividades matemáticas, entrelazadas a su vez,

con la aplicación de los algoritmos, como herramienta práctica de implementación reglamentaria,

de comprobación y de validez; y finalmente la humanización, acompañamiento y ayuda

constante por parte del cuerpo docente hacia el estudiante Unadista, durante su etapa

universitaria y en lo que concierne a los retos asumidos para con el curso.

1
 OBJETIVOS

General

 Resolver ejercicios matemáticos, mediante la comprensión y aplicación de los contenidos

iniciales del curso. (Planteamiento canónico de problemas, solución gráfica, método

simplex)

Especificos

 Estudiar las temáticas propuestos por el cuerpo docente en el entorno de conocimiento.

 Realizar aportes significativos en el foro colaborativo y dentro de los tiempos estipulados

por la universidad.

 Consolidar un documento final en formato pdf, de acuerdo a las especificaciones

solicitada por el cuerpo docente, en el entorno de evaluación y seguimiento.

2
 ACTIVIDADES A DESARROLLAR

Ejercicio 1. Planteamiento de un problema de programación lineal:

Para desarrollar las tareas es necesario que se consulten las referencias bibliográficas:

Chediak, F. (2012). Investigación de operaciones. (3a. ed.) (pp. 234-239), Ibagué, Colombia:

Editorial Universidad de Ibagué. Disponible en el entorno de conocimiento del curso.

En una empresa fabricante de mesas desea encontrar la solución a la necesidad de producir

mesas rectangulares de tal forma que las dimensiones no sobrepasen 2 m y la suma de su

dimensión mayor y el doble de la menor no sea mayor a los 4 m.:

Con los datos anteriores:

a) Plantee con todos los elementos que caracterizan el modelo de programación lineal, las

condiciones del problema, teniendo en cuenta que la función objetivo es Max Z = 2X1 +

2X2.

b) Resuélvalo por los métodos simplex y gráfico.

c) ¿Cuál es el valor máximo del perímetro para las mesas a fabricar?

SOLUCIÓN

¿Cuáles son los elementos que caracterizan el modelo de programación lineal?

FUNCIÓN RESTRICCIONE
PRODUCTO DIMENSIONES
OBJETIVO S
MESAS 2m≤ R1: 2 m ≤
Max Z = 2X1 + 2X2
RECTANGULARES 2X1 + 2X2 R2: X1+X2 ≤ 4

3
 Variables de Estudio Modelo Canónico:

𝑿𝟏: 𝑫𝒊𝒎𝒆𝒏𝒔𝒊𝒐𝒏 𝒎𝒂𝒚𝒐𝒓

𝑿𝟐: 𝑫𝒊𝒎𝒆𝒏𝒔𝒊𝒐𝒏 𝒎𝒆𝒏𝒐𝒓

Restricciones:

DIMENSION X1 DIMENSION X2
MESAS ≤2m ≤2m

𝑿𝟏 = ≤ 𝟐

𝑿𝟐 = ≤ 𝟐

𝑿𝟏 + 𝟐𝑿𝟐 = ≤ 𝟒

𝑿𝟏 ≥ 𝟎, 𝑿𝟐 ≥ 𝟎

FUNCIÓN OBJETIVO:

Max Z = 2X1 + 2X2

¿Como se desarrolla el método simplex y gráfico?

 Transformaremos la inecuación en ecuación con el módelo de la matriz de

identidad:

Valores de Valores de
BASE Valores de Holgura
decisión Solución
RESULTAD
X1 X2 S1 S2 S3
O
S1 1 0 1 0 0 2
S2 0 1 0 1 0 2
S3 1 2 0 0 1 4
Z -2 -2 0 0 0 0

4
Determinamos la solución básica inicial: 𝒁 = (𝟎, 𝟎, 𝟐, 𝟐, 𝟒) = 𝟎

 Para descubrir el valor de decisión que aplica a la base, nos centraremos en la

última fila, la que contiene los coeficientes de la función objetivo y escogemos la

variable con el coeficiente negativo mayor (en valor absoluto).

Para nuestro ejemplo, la variable x de coeficiente – 2

 Si existen dos coeficientes iguales se escoge alguno de ellos.

 La columna sombreada en color verde la denominaremos pivote.

 Para descubrir la variable de holgura que tiene que salir de la base, se divide cada

término de la última columna (valores solución) por el término correspondiente de

la columna pivote, siempre que estos últimos sean mayores que cero. En nuestro

caso:

𝟐 𝟒
= 𝟐, = 𝟒
𝟏 𝟏

Procedemos a buscar otra solución, intercambiando los valores de la tabla, teniendo

en cuenta las siguientes premisas:

PRIMERA FILA

 La variable donde se entrelazan la fila y la columna pivote es el valor pivote, el cual

tranformaremos en, dividiendo la fila pivote entre el valor del valor pivote;para

posteriormente anular los valores restantes de la columna pivote, usando el uno como

referencia universal.

 Multiplicaremos la fila 1 por -1 y sumaremos la obtención a la fila 3.

 Multiplicaremos la fila 1 por 2 y sumaremos la obtención a la fila 4

 Intercambiaremos las de la columna pivote y la fila pivote respectivamente.

5
 Valores de Valores de
BASE Valores de Holgura
decisión Solución
RESULTAD
X1 X2 S1 S2 S3
O
X1 1 0 1 0 0 2
S2 0 1 0 1 0 2
S3 0 2 -1 0 1 2
Z 0 -2 2 0 0 4

Obtenemos una segunda solución: 𝒁 = (𝟐, 𝟎, 𝟐, 𝟎, 𝟐) = 𝟒

Para obtener un nuevo y último resultado repetimos los pasos anteriores, gracias a

que hay valores negativos en la variable y o X2

Valores de Valores de
BASE Valores de Holgura
decisión Solución
RESULTAD
X1 X2 S1 S2 S3
O
X1 1 0 1 0 0 2
1 1
S2 0 0 1 1
2 2
1 1
X2 0 1 − 0 1
2 2
Z 0 0 1 0 1 6

Según lo anterior, podemos inferir que la solución definitiva para la función objetivo,

en esta ocasión seria Z=6, asumiendo como referencia las dimensiones del perimetro

( 2x1) Metros

Perimetro: 2(a+b)= 2 (2)=1+(1))= 6

Max Z = 2x1

Metódo Gráfico

 Para desarrollar la gráfica se efectuar la evaluación de los vertices, con relación a la

función objetivo y se dictaminara a su vez como solución maxima con respecto al

perímetro, el mayor valor obtenido en este estudio.

6
 X1, X2 EQUIPARACIÓN O MAXIMIZACIÓN (Z)
REEMPLAZO
(0,0) 2 (0) ´+ 2(0) 0
(0,2) 2 (0) + 2(2) 4
(1,2) 2 (1) + 2(2) 6
(2,0) 2 (2) + 2(0) 4

Procedemos a graficar en Geogebra

Ejercicio 2. Análisis gráfico de la solución del problema de programación lineal:

Para desarrollar las tareas es necesario que se consulten las referencias bibliográficas:

Chediak, F. (2012). Investigación de operaciones. (3a. ed.) (pp. 234-239), Ibagué, Colombia:

Editorial Universidad de Ibagué. Disponible en el entorno de conocimiento del curso.

Según la gráfica, que describe un problema típico de programación lineal:

7
El cual está sujeto a las condiciones de:

Minimizar Z= 21X1 + 23X2

Sujeto a:

3X1 + 7X2 ≥ 17

1X1 + 5X2 ≥ 21

3X1 + 1X2 ≥ 19

X1, X2 ≥ 0

Identifique las condiciones respuesta de:

a) Función objetivo, valor minimizado.

b) Valor de la variable X1.

c) Valor de la variable X2.

d) Valor de las coordenadas limitantes del gráfico y el valor de la función objetivo.

8
 SOLUCIÓN

Planteamiento de los vertices

𝑣é𝑟𝑡𝑖𝑐𝑒 𝐹 ( 0,19)
𝑣é𝑟𝑡𝑖𝑐𝑒 𝐸 3X1 + 1X2 ≥ 19
1X1 + 5X2 ≥ 21 ∗ −3
Desarrollo del sistema de ecuaciones

𝑋2 ≥ 3,14
3𝑋1 + 1(3,14) ≥ 19
𝑋1 ≥ 19 − 3,14/3
𝑋1 ≥ 5,2777
Planteamiento de los vertices

𝑣é𝑟𝑡𝑖𝑐𝑒 𝐸: (5,27; 3,14)

𝑣é𝑟𝑡𝑖𝑐𝑒 𝐷: (21; 4,09)

Función Objetivo Minimización

𝑍 = 21𝑋1 + 23𝑋2
𝑍 = 21(5,27) + 23(3,14)
𝑍 = 182,89

a) Función objetivo, valor minimizado. 𝟏𝟖𝟐, 𝟖𝟗

b) Valor de la variable X1. 𝟓, 𝟐𝟕𝟕(5,27-5,28)

c) Valor de la variable X2. 𝟑, 𝟏𝟒

Valor de las coordenadas limitantes del gráfico y el valor de la función objetivo.

𝒗é𝒓𝒕𝒊𝒄𝒆 𝑫: (𝟐𝟏; 𝟒, 𝟎𝟗)

𝒗é𝒓𝒕𝒊𝒄𝒆 𝑬: (𝟓, 𝟐𝟕; 𝟑, 𝟏𝟒)
𝒗é𝒓𝒕𝒊𝒄𝒆 𝑭: (𝟎, 𝟏𝟗)

9
 CONCLUSIONES

 La programación lineal nos sirve para hallar soluciones viables a interrogantes

complejos, sujetos a condiciones o variaciones especiales, en donde se solicita

maximinar o minimizar los margenes estadisticos.

 Se puede concluir que la programación lineal esta orientada esencialmente a promover

la maximización de utilidades o beneficios y eventualmente reducir riesgos, pérdidas o

gastos.

10
 BIBLIOGRAFÍA

Chediak, F. (2012). Investigación de operaciones. (3a. ed.), Ibagué, Colombia:

Editorial Universidad de Ibagué. Recuperado de

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10692458

Pineda, R. (2018, noviembre 15). OVI – modelos de transporte [Archivo de video].

Recuperado de http://hdl.handle.net/10596/22349

Pineda, R. (2018, noviembre 15). OVI – modelos de asignación [Archivo de video].

Recuperado de http://hdl.handle.net/10596/21672

Pineda, R. (2018, noviembre 15). OVA – Unidad 1 modelos de decisión

determinísticos [Objeto Virtual de Aprendizaje]. Recuperado

de http://hdl.handle.net/10596/21499

11