Presentac.. (3

Universidad Nacional Experimental
Francisco de Miranda
rea de Tecnologa
Unidad Curricular: Investigacin de Operaciones
Tema Tema No. 3 No. 3
Mtodos de Resolucin de Modelos de Programacin Lineal Mtodos de Resolucin de Modelos de Programacin Lineal Mtodos de Resolucin de Modelos de Programacin Lineal Mtodos de Resolucin de Modelos de Programacin Lineal
Facilitador:
Dr. Juan J. Lugo Marn.
El Mtodo Grfico de solucin para problemas lineales
representa una manera til de resolver problemas lineales
Mtodo Grfico
representa una manera til de resolver problemas lineales
con dos variables de decisin; para modelos con tres o ms
variables de decisin el mtodo grfico es imprctico o
imposible. No obstante, se puede deducir conclusiones
generales del mtodo grfico que servirn como base para
el mtodo simplex.
Para la solucin grfica de programas lineales con dos
variables, lo que se tiene que hacer es trazar un eje de
Aplicacin del Mtodo Grfico
variables, lo que se tiene que hacer es trazar un eje de
coordenadas cartesianas, para graficar las desigualdades
dadas por el problema, despus encontrar el rea de
Soluciones Factibles y proceder a graficar la funcin objetivo
para conocer el valor ptimo (maximizar o minimizar) que
ser la solucin del problema.
Ejemplo #1:
Ejemplo: Problema de mezcla de productos.
Un fabricante est tratando de decidir sobre las cantidades de
produccin para dos artculos: mesas y sillas. Se cuenta con 96 unidades
de material y con 72 horas de mano de obra. Cada mesa requiere 12
unidades de material y 6 horas de mano de obra. Por otra parte, las
sillas usan 8 unidades de material cada una y requieren 12 horas de
sillas usan 8 unidades de material cada una y requieren 12 horas de
mano de obra por silla. El margen de contribucin es el mismo para las
mesas que para las sillas: $5.00 por unidad. El fabricante prometi
construir por lo menos dos mesas.
Paso 1: formulacin del problema.
El primer paso para resolver el problema es expresarlo en trminos
matemticos en el formato general de PL. Cul es el objetivo? Es
maximizar la contribucin a la ganancia. Cada unidad de mesas o sillas
producidas contribuir con $5 en la ganancia. As las dos alternativas
son la produccin de mesas y la produccin de sillas. Ahora puede
escribirse la funcin objetivo:
Ejemplo #1:
Maximizar Z = 5x
1
+ 5x
2
en donde: x
1
= nmero de mesas producidas
x
2
= nmero de sillas producidas
Cules son las restricciones o limitaciones del problema? Existen tres restricciones.
Primero, el material est limitado a 96 unidades. Cada mesa se lleva 12 unidades de
material y cada silla usa 8 unidades. La primera restriccin es, entonces:
material y cada silla usa 8 unidades. La primera restriccin es, entonces:
12x
1
+ 8x
2
<= 96
La segunda restriccin es el total de horas de mano de obra. Una mesa se lleva 6
horas, una silla 12 horas y se dispone de un total de 72 horas. As:
6x
1
+ 12x
2
<=72
Existe una limitacin ms. El fabricante prometi producir por lo menos dos mesas.
Esto puede expresarse como:
x
1
>= 2
Por ltimo, las restricciones de no negatividad son:
x
1
>= 0, x
2
>= 0
Ejemplo #1:
Poniendo todo junto el modelo se tiene:
Maximizar Z = 5x
1
+ 5x
2
Restricciones: 12x
1
+ 8x
2
<= 96
6x
1
+ 12x
2
<= 72
x
1
>= 2
x
1
>= 0, x
2
>= 0
Ejemplo #1:
Paso 2: grfica de las restricciones.
El siguiente paso en el mtodo grfico es dibujar todas las restricciones en una grfica. Esto puede
hacerse en cualquier orden. Por conveniencia se comenzar con las restricciones de no
negatividad. stas se muestran en la siguiente figura:
En esta grfica, una solucin se representara por un punto con coordenadas x
1
(mesas) y x
2
(sillas). Las coordenadas representaran las cantidades de cada artculo que se deben producir. El
cuadrante superior derecho se llama Regin Factible puesto que es el nico cuadrante en que
pueden estar las soluciones. Los otros tres cuadrantes no son factibles, ya que requeriran la
produccin de cantidades negativas de mesas o de sillas o de ambas.
Ejemplo #1:
La siguiente restriccin es x
1
>= 2. La manera ms sencilla de dibujar las restricciones de recursos
es en dos pasos: (1) convertir una desigualdad en una ecuacin y graficar la ecuacin y (2)
sombrear el rea apropiada arriba y abajo de la lnea que resulta en el paso 1. Convertir una
igualdad en una ecuacin aqu significa ignorar la parte de mayor que o menor que de la
restriccin. As, en el ejemplo, x
1
>= 2 se convierte en x
1
= 2. Esta ecuacin est trazada en la
siguiente figura:
siguiente figura:
Cualquier punto en la lnea x
1
= 2 satisface la ecuacin. Sin embargo, la restriccin es ms amplia,
ya que cualquier punto x
1
> 2 tambin la cumplir. Esto incluye todos los puntos que estn a la
derecha de la lnea x
1
= 2. Entonces, la regin factible incluye todos los valores de x
1
que estn
sobre o a la derecha de la lnea x
1
= 2.
Ejemplo #1:
La limitacin sobre las horas de mano de obra es la siguiente restriccin. Como antes, primero se
convierte en una ecuacin: 6x
1
+ 12x
2
= 72. Puede graficarse esta lnea si se encuentran dos puntos
sobre ella. El par de puntos ms sencillos de localizar son las intersecciones con los ejes X
1
y X
2
.
Para encontrar la interseccin con el eje X
2
se hace x
1
= 0. La ecuacin se reduce, entonces, a:
12x
2
= 72
x
2
= 6
La interseccin con el eje X
1
se encuentra haciendo x
2
= 0. As:
La interseccin con el eje X
1
se encuentra haciendo x
2
= 0. As:
6x
1
= 72
x
1
= 12
Estos dos puntos y la lnea que los une se muestran en la siguiente figura:
Cualquier punto que est sobre o abajo de esta lnea cumplir con la restriccin. Cualquier punto
arriba de esta lnea requerir ms de 72 horas de mano de obra y no es aceptable.
Ejemplo #1:
La ltima restriccin es la de material. Siguiendo el procedimiento anterior, primero se encuentran
las intersecciones para la igualdad. stas son x
1
= 0, x
2
= 12 y x
1
= 8, x
2
=0. Se localizan los dos
puntos en la grfica; se traza la lnea, y como la restriccin es del tipo menor o igual que, se
sombrea el rea que est abajo de la lnea. El resultado se muestra en la siguiente figura:
Cualquier punto que est sobre o abajo de esta lnea cumplir con la restriccin. Cualquier punto
arriba de esta lnea requerir ms de 72 horas de mano de obra y no es aceptable.
Ejemplo #1:
Paso 3: obtencin de la solucin ptima: lneas de indiferencia.
Para encontrar la solucin ptima, se grafica la funcin objetivo en la misma grfica de las
restricciones. La funcin objetivo en este problema es Z = 5x
1
+ 5x
2
. Como todava no se conoce el
mximo valor factible de Z, no puede trazarse el ptimo de la funcin objetivo. No obstante, es
posible suponer algunos valores para Z y graficar las lneas resultantes. En la siguiente figura se
muestran las lneas para Z = 25 yZ = 50:
Las lneas de este tipo se llaman lneas de indiferencia, porque cualquier punto sobre una lnea
dada da la misma ganancia total. Ntese que la distancia perpendicular del origen a la lnea
aumenta al aumentar el valor de Z. Tambin, todas las lneas de indiferencia son paralelas entre s.
Estas propiedades grficas pueden usarse para resolver el problema.
Ejemplo #1:
En la siguiente figura, se ilustran todas las restricciones y las dos lneas de indiferencia supuestas.
En la grfica puede observarse que la lnea de indiferencia para Z = 50 est completamente fuera
de la regin factible. Para Z = 25, parte de la lnea cae dentro de la regin factible. Por tanto, existe
alguna combinacin de x
1
y x
2
que satisface todas las restricciones y da una ganancia total de $25.
Por inspeccin, puede observarse que hay ganancias ms altas que son factibles.
Imaginando que la lnea de indiferencia Z = 25 se mueve hacia la lnea Z = 50, de las propiedades
de la grfica que se hicieron notar antes, el punto ptimo estar sobre la lnea de indiferencia ms
lejana al origen pero que todava toque la regin factible.
Ejemplo #1:
Lo planteado anteriormente se muestra en la siguiente figura:
Con el punto ptimo localizado grficamente, la nica tarea que queda es encontrar las coordenadas del punto. Ntese
que el punto ptimo est en la interseccin de las lneas de restriccin para materiales y horas de mano de obra. Las
coordenadas de este punto se pueden encontrar resolviendo el sistema de ecuaciones que forman estas dos restricciones
utilizando cualquiera de los mtodos de solucin (suma y resta, sustitucin o igualacin). Las coordenadas de este punto
resultan ser (6, 3). La sustitucin de este punto en la funcin objetivo da la ganancia mxima: Z = 5(6) + 5(3) = $45
Observacin: Otra forma de encontrar el ptimo es determinando cada una de las soluciones asociadas a los vrtices de la
regin factible (Soluciones bsicas) y sustituyendo esos valores en la Ecuacin Objetivo a objeto de evaluar y determinar la
solucin bsica que arroja el mejor valor objetivo (Solucin ptima)
Solucin ptima nica:
Este tipo de soluciones es la ms comn una vez que el modelo
Casos de Solucin en la Aplicacin del Mtodo Grfico
Este tipo de soluciones es la ms comn una vez que el modelo
ha sido formulado y orientado correctamente a problemas reales
de PL. Se llama ptima por ser la mejor de las soluciones
factibles; y nica porque slo hay una combinacin de valores
presentes y las condiciones tcnicas, optimizan el valor de XU.
Solucin ptima nica:
En una urbanizacin se van a construir casas de dos tipos: A y B. La empresa constructora dispone
para ello de un mximo de 1800 millones de pesetas, siendo el coste de cada tipo de casa de 30 y
20 millones, respectivamente. El Ayuntamiento exige que el nmero total de casas no sea superior
a 80.
Sabiendo que el beneficio obtenido por la venta de una casa de tipo A es 4 millones y de 3 millones
por una de tipo B, cuntas casas deben construirse de cada tipo para obtener el mximo por una de tipo B, cuntas casas deben construirse de cada tipo para obtener el mximo
beneficio?
Variables: x = n de casas tipo A ; y = n de casas tipo B
Funcin objetivo: Maximizar Z = f(x,y) = 4x + 3y
Conjunto de restricciones: El coste total 30x + 20y 1800 . El Ayuntamiento impone x + y 80 . De no
negatividad: x 0 , y 0.
Tiene por regin factible la regin coloreada.
Si hallamos los valores de la funcin objetivo en cada uno de los vrtices :
f(O) = f(0,0) = 0 ; f(C)=f(60,0) = 240 ;f(D) = f(20,60) = 260 ; f(E) = f(0,80) = 240
La solucin es nica, y corresponde al vrtice para el que la funcin objetivo toma el valor
mximo. En este caso es el vrtice D(20,60). Por tanto se deben construir 20 casas de tipo A y 60
de tipo B con un coste de 260 millones de pesetas.
Solucin infactible:
Se dice que un problema de PL tiene una solucin infactible cuando no se satisfacen de
manera simultanea las diversas restricciones involucradas en el modelo.
manera simultanea las diversas restricciones involucradas en el modelo.
Las causas de su aparicin son, en cierta medida, diferentes:
1. Formulacin de restricciones en conflicto, las mayora de las veces. Esto significa que
varias restricciones no pueden satisfacerse simultneamente.
2. Fallas en la modelacin y la formulacin.
3. Errores en los datos de entrada al mtodo de solucin.
Cuando un problema manifiesta una solucin infactible, el concepto de solucin ptima
es invalida, es decir, que no puede existir. Por lo tanto, la funcin objetivo pasa a ser
irrelevante.
Solucin Infactible:
Maximizar la funcin Z = f(x,y) = 3x + 8y sujeta a las restricciones x + y
6 , x + y 2 , x 0 , y 0.
No existe la regin factible, ya que las zonas coloreadas que aparecen
en la figura son nicamente soluciones de alguna de las inecuaciones .
Por tanto, el conjunto de soluciones del sistema de desigualdades no
determina ninguna regin factible.
Este tipo de problemas carece de solucin.
Solucin ptimas mltiples:
Cuando la funcin objetivo se traslada hacia su sentido de mejora y el ltimo
contacto con la regin factible no se realiza en punto, sino en uno de los dos
lados del polgono, todos los puntos que integran tal lado o segmento de recta
son soluciones ptimas. Dado que toda recta o segmento de ella se considera
son soluciones ptimas. Dado que toda recta o segmento de ella se considera
conformada por un nmero infinito de puntos, podemos afirmar que se ha
encontrado un nmero infinito de soluciones ptimas.
La solucin ptima mltiple provee una gran flexibilidad al tomador de
decisiones. Incluso podemos asegurar que con este tipo de solucin ptima, el
tomador de decisiones tiene la oportunidad de disear su propia solucin
ptima.
Debemos advertir que una condicin necesaria, ms no suficiente, para que
ocurra la solucin ptima mltiple, es que la funcin objetivo sea paralela a
una de las restricciones o una combinacin lineal de las mismas.
Soluciones ptimas Mltiples:
Maximizar la funcin Z = f(x,y) = 4x + 2y sujeta a las restricciones 2x + y 4 , x - y
1 , x 0 , y 0.
Los valores de la fucnin objetivo en cada uno de los vrtices son:
f(O)=f(0,0) = 0 , f(A) = f(1,0) = 4 ; f(B)=f(5/3,2/3) = 8 , f(C) = f(0,4) = 8
La funcin objetivo alcanza el valor mximo en los vrtices B y C, por tanto, en
todos los puntos del segmento BC.
Hay infinitas soluciones, solucin mltiple, que corresponden a los puntos del
segmento situado entre dos vrtices de la regin factible.
En estos casos, como ya vimos en el captulo anterior, la funcin objetivo es
paralela a una de las restricciones.
Solucin No Acotada:
Solucin No Acotada:
Cuando la regin factible es no acotada y a parte de ello se
puede desplazar ilimitadamente la ecuacin objetivo sin
que existan restricciones que limiten el incremento que
pueda experimentar la misma.
Solucin No Acotada:
Maximizar la funcin Z = f(x,y) = x + y sujeta a las restricciones y 2x , y x/2 .
Tiene por regin factible la zona coloreada que aparece en la figura, que es
una regin no acotada. una regin no acotada.
La funcin crece indefinidamente para valores crecientes de x e y.
En este caso no existe un valor extremo para la funcin objetivo, por lo que
puede decirse que el problema carece de solucin.
Para que suceda esta situacin la regin factible debe estar no acotada.
Un problema de programacin lineal puede venir de muchas formas: su
objetivo puede ser maximizar o minimizar; puede tener restricciones de
Modelo de PL en forma estndar
objetivo puede ser maximizar o minimizar; puede tener restricciones de
igualdad o de desigualdad (menor o igual que, mayor o igual que); las
variables pueden ser no negativas (0), no positivas (0); o sin
restricciones. En lugar de desarrollar un mtodo para manejar cada una de
estas formas diferentes, es ms sencillo disear un algoritmo que resuelva
solamente una forma especfica, conocida como forma estndar (una
forma particular de un problema de programacin lineal en el que
solamente existen restricciones de igualdad y todos los lados derechos y
variables son no negativas).
Caractersticas claves: la forma especfica del algoritmo se escoge para
Caractersticas claves: la forma especfica del algoritmo se escoge para
permitir a la computadora llevar a cabo las manipulaciones algebraicas con
facilidad. Por consiguiente, forma estndar querr decir un programa
lineal en el que,
La funcin objetivo puede ser de maximizar o minimizar.
Todos los valores del lado derecho de las restricciones son no negativos.
Todas las restricciones son igualdades.
Todas las variables son no negativas.
Una pregunta que surge de manera natural es: Qu sucede si su problema, despus de
formularlo, no est en forma estndar? La mayora de los problemas de cmputo
formularlo, no est en forma estndar? La mayora de los problemas de cmputo
especiales para resolver problemas de programacin lineal crean automticamente un
problema lineal en forma estndar equivalente, a partir del problema original.
Equivalente quiere decir que todo lo que pertenezca al problema en la forma estndar
tambin pertenece al problema original.
1. Si el problema en forma estndar tiene una solucin ptima, tambin la tiene el
problema original. Adems, una solucin ptima del problema en forma estndar se
puede utilizar para construir una solucin ptima del problema original.
2. Si el problema en forma estndar no es factible, tampoco lo es el problema original.
3. Si el problema en forma estndar no est acotado, tampoco lo estar el problema
original.
El mtodo Simplex es un algoritmo iterativo que permite mejorar la solucin con cada
paso sucesivo. El algoritmo termina cuando no se puede seguir mejorando ms la
EL MTODO SIMPLEX
paso sucesivo. El algoritmo termina cuando no se puede seguir mejorando ms la
solucin.
Se parte de una solucin bsica inicial para la funcin objetivo en un vrtice cualquiera,
el mtodo consiste en buscar sucesivamente otro vrtice que mejore la anterior
solucin. La bsqueda se hace siempre a travs de los lados del polgono de soluciones
factibles o de las aristas de la regin solucin, si el nmero de variables es mayor. Cmo
el nmero de vrtices y de lados o aristas es finito, siempre se podr encontrar la
solucin.
El Mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z, no toma
su valor mximo en el vrtice A, entonces hay una arista o lado que parte de A, a lo
largo de la cual Z aumenta.
El Algoritmo Simplex emplea un proceso iterativo que
inicializa en un punto extremo factible (algunas veces el
EL ALGORITMO SIMPLEX
inicializa en un punto extremo factible (algunas veces el
origen) y se va desplazando sistematicamente a otro punto
extremo factible, adyacente al actual, que tenga el potencial
de mejorar el valor objetivo. El proceso se repite hasta
alcanzar el ptimo.
Paso 0: Formule el Modelo de Programacin Lineal respectivo.
Paso 1: Convierta todas las restricciones en igualdades de acuerdo a los criterios de la tabla
1.
Pasos para la Aplicacin del Mtodo Simplex
1.
Paso 2: Iguale la funcin objetivo a cero (tenga en cuenta la tabla 1 para completar los
coeficientes objetivos).
Paso 3: Construya la Tabla Simplex Inicial.
Paso 4: Seleccione una variable entrante las variables actuales no bsicas, usando la
condicin de optimizad.
Condicin de Optimidad: La variable entrante en el problema de maximizacin
(minimizacin) es la variable no bsica, con el coeficiente ms negativo (ms positivo) en la
ecuacin de Z. Un empate puede romperse arbitrariamente. La solucin ptima se alcanza
cuando todos los coeficientes no bsicos en la ecuacin Z son positivos (negativos).
Paso 5: Seleccione la variable saliente entre las variables actuales bsicas, usando la
condicin de factibilidad.
Condicin de Factibilidad: Tanto en los problemas de maximizacin como de minimizacin, la
variable saliente es la variable bsica actual, con la menor razn (con denominador positivo
variable saliente es la variable bsica actual, con la menor razn (con denominador positivo
distinto de cero) que resulta al dividir los valores del lado derecho entre el valor respectivo
de la columna de entrada.
Paso 6: Determine la nueva solucin bsica, haciendo a la variable entrante bsica y a la
variable saliente no bsica. Vuelva al paso 4. Esto se logra a travs de la aplicacin del
Mtodo de Gauss Jordan cuyo objetivo es transformar las ecuaciones, de manera que nos
permitan obtener una nueva solucin bsica mediante la asignacin de valores cero a las
variables actuales no bsicas. Con el mtodo de Gauss Jordan se efecta un cambio de base
empleando dos operaciones de clculo:
Ecuacin Pivote:
Nueva Ecuacin Pivote = (Vieja Ecuacin Pivote / Elemento Pivote.
Resto de ecuaciones incluyendo Z:
Nueva Ecuacin = Ecuacin Anterior (Coeficiente columna entrante)*(Nueva ecuacin Pivote.
Tabla 1
Tipo de Restriccin Problema de Maximizar Problema de Minimizar
Restriccin Menor o igual
(<=): Requiere una
Variable de holgura toma
coeficiente cero en la
coeficiente cero en la (<=): Requiere una
variable de holgura
positiva.
ecuacin objetivo.
ecuacin objetivo.
Restriccin Mayor o Igual
(>=): Requiere una
variable de holgura
negativa y la suma de una
variable artificial.
ecuacin objetivo.
La Variable artificial tomo
coeficiente +M en la
ecuacin objetivo.
ecuacin objetivo.
coeficiente -M en la
ecuacin objetivo.
Restriccin de igualdad:
Requiere que se le sume
una variable artifical.
coeficiente +M en la
ecuacin objetivo.
coeficiente - M en la
ecuacin objetivo.

EL MTODO SIMPLEX
Ejemplo de Aplicacin:
Vamos a resolver mediante el mtodo simplex el siguiente problema:
Maximizar
Z= f(x,y)= 3x + 2y Z= f(x,y)= 3x + 2y
sujeto a:
2x + y 18
2x + 3y 42
3x + y 24
X 0, y 0
Se consideran los siguientes pasos:
EL MTODO SIMPLEX
0. Formule el Modelo de PL
1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42 2x + 3y + s = 42
3x +y + d = 24
2. Igualar la funcin objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima fila
con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base Variable de decisin Variable de holgura Valores solucin
x Y H s d
Z -3 -2 0 0 0 0
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24

EL MTODO SIMPLEX
4. Encontrar la variable de decisin que entra en la base y la variable que sale de
la solucin base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la
ltima fila, la de los coeficientes de la funcin objetivo y escogemos la variable
con el coeficiente negativo mayor (en valor absoluto). con el coeficiente negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha
alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya
elementos negativos.
La columna de la variable que entra en la base se llama columna pivote (En
sombreado).

EL MTODO SIMPLEX
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila d
por el pivote operacional, 3, que es el que hay que convertir en 1.
A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos
Nueva fila del pivote= (Vieja fila del pivote) / (Elemento Pivote)
Resto de las filas:
Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable
entrante) X (Nueva fila del pivote)
de su columna, con lo que obtenemos los nuevos coeficientes de las otras filas
incluyendo los de la funcin objetivo Z.
Tambin se puede hacer utilizando el siguiente esquema:
Fila Pivote:
EL MTODO SIMPLEX
Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II):
Vieja fila de s 2 3 0 1 0 42
- - - - - -
Coeficiente 2 2 2 2 2 2
x x x x X x
Nueva fila pivote 1 1/3 0 0 1/3 8
= = = = = =
Nueva fila de s 0 7/3 0 1 -2/3 26

Tabla II . Iteracin n 2
x Y h s d
Z 0 -1 0 0 1 24
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos
llegado todava a la solucin ptima. Hay que repetir el proceso:
EL MTODO SIMPLEX
A. La variable que entra en la base es y, por ser la variable que corresponde al
coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna
entre los trminos correspondientes de la nueva columna pivote: entre los trminos correspondientes de la nueva columna pivote:
2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8]
y como el menor cociente positivo es 6, tenemos que la variable de holgura que
sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
EL MTODO SIMPLEX
Operando de forma anloga a la anterior obtenemos la tabla:
Tabla III . Iteracin n 3
X y h s d
Z 0 0 3 0 -1 30
y 0 1 3 0 -2 6
s 0 0 -7 0 4 12
x 1 0 -1 0 1 6
Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos
llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la variable que corresponde al
coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima columna
entre los trminos correspondientes de la nueva columna pivote:
6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]
y como el menor cociente positivo es 3, tenemos que la variable de holgura que
sale es s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
EL MTODO SIMPLEX
Obtenemos la tabla:
Tabla IV . Final del proceso
X y h s d X y h s d
Z 0 0 5/4 0 0 33
y 0 1 -1/2 0 0 12
d 0 0 -7/4 0 1 3
x 1 0 -3/4 0 0 3
Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos
llegado a la solucin ptima.
Los solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice
donde se alcanza, observando las filas correspondientes a las variables de decisin
que han entrado en la base: D(3,12)
Si todas las restricciones no son del tipo , es decir hay restricciones de = y ,
EL ALGORITMO SIMPLEX LA TCNICA M
Si todas las restricciones no son del tipo , es decir hay restricciones de = y ,
entonces no es posible obtener una solucin bsica inicial con las variables de
holgura, en este caso se utilizan otras variables llamadas variables artificiales (Rm)
que se agregan a las restricciones que son del tipo o de = con coeficiente 1, en la
funcin objetivo se penalizan agregndolas con coeficientes muy alto si es
minimizacin o muy bajo si es maximizacin (una M o M). Las iteraciones se
hacen igual que el simplex normal y las condiciones de optimidad y factibilidad
son las mismas.
Si en la solucin ptima hay variables artificiales, se dice que el modelo es
infactible.
Descripcin de la Tcnica de la gran M
Paso 1: modifique las restricciones de tal manera que el segundo miembro o lado derecho de cada uno
sea no negativo. Para lograrlo, cada restriccin con un segundo miembro negativo se multiplica por -1.
Recuerde que si usted multiplica una desigualdad por un nmero negativo, se invierte la direccin de la
Recuerde que si usted multiplica una desigualdad por un nmero negativo, se invierte la direccin de la
desigualdad.
Paso 1: identifique cada restriccin que es ahora (despus del paso1) una restriccin (=) o (). En el paso
3 se suma una variable artificial a cada una de estas restricciones.
Paso 2: convierta cada restriccin de desigualdad en forma estndar. Esto quiere decir que si la
restriccin i es una restriccin se suma una variable de holgura si y si la restriccin i es una restriccin
se resta una variable de excedente ei
Paso 3: si (despus de haber terminado el paso 1) la restriccin i es una restriccin () o (=), sume una
variable artificial ai . Tambin sume la restriccin de signo ai 0.
Paso 4: sea M un nmero positivo muy grande. Si el PL es un problema de minimizacin, sume (por cada
variable artificial) Mai a la funcin objetivo. Si el PL es un problema de maximizacin, sume (por cada
variable artificial) Mai a la funcin objetivo.
Paso 5: como cada variable artificial est en la base de inicio, todas las variables artificiales se tienen que
eliminar del rengln 0 antes de empezar el simplex. De esta manera se asegura que se empieza con una
forma cannica. Al elegir la variable entrante, recuerde que M es un nmero positivo muy grande.
Consideremos el siguiente problema:
Maximizar Z = 3x
1
+ 5x
2

sujeta a x
1
<= 4
2x
2
<= 12
3x
1
+ 2x
2
= 18
x
1
>=
0,
x
2
>=
0

1. Se aplica la tcnica de las variables artificiales introduciendo una variable
artificial no negativa (denotada por R
1
) en la ltima ecuacin, como si fuera una
variable de holgura:
3x
1
+ 2x
2
+ R
1
=18
2. Se asigna una penalizacin enorme al hecho de tener R
1
>= 0, cambiando la
funcin objetivo
Z = 3x
1
+ 5x
2
a:
Z = 3x
1
+ 5x
2
- MR
1
,
donde M simblicamente representa un nmero positivo muy grande. Este mtodo
que fuerza a R
1
hasta el nivel de R
1
= 0 en la solucin ptima se llama mtodo de
la M.
Nota: Para el caso de minimizacin, penalizamos a la variable artificial, hacindola
aparecer en la funcin objetivo con un coeficiente de +M (en el lado derecho
el coeficiente es positivo).
Ahora se encuentra la solucin ptima para el problema real aplicando el
mtodo smplex al problema artificial.
Como R
1
juega el papel de la variable de holgura en la tercera restriccin del
problema artificial, esta restriccin es equivalente a 3x
1
+ 2x
2
= 18. problema artificial, esta restriccin es equivalente a 3x
1
+ 2x
2
= 18.
En particular, el sistema de ecuaciones despus de aumentar el problema
artificial (en otras palabras, pasarlo a su forma de igualdades) es:
Maximizar Z,
sujeta a
Z - 3x
1
- 5x
2
+ MR
1
= 0
x
1
+ x
3
= 4
2x
2
+ x
4
= 12
3x
1
+ 2x
2
+ R
1
= 18
x
j
>= 0 Para j = 1, 2, , 5

En este momento estamos preparados para pasar los coeficientes a la tabla smplex:

Variable
Bsica

Z

x
1

x
2

x
3

x
4

R
5

Lado
derecho

Cociente

Es ptima?
Z 1 3 5 0 0 M 0
x
3
0 1 0 1 0 0 4
x 0 0 2 0 1 0 12 x
4
0 0 2 0 1 0 12
R
5
0 3 2 0 0 1 18
Esta tabla todava no est en la forma apropiada porque el coeficiente de x
5
es
diferente de cero en la ecuacin de Z (es M). Por lo tanto, antes de que el mtodo
smplex pueda aplicar la prueba de optimalidad y encontrar la variable bsica entrante,
debe pasarse esta tabla a la forma apropiada para que cumpla la condicin smplex.
Esta condicin que debe cumplir toda tabla del mtodo smplex para que pueda
reportarnos la siguiente solucin bsica factible dice que: Toda variable bsica debe
tener un 1 en la interseccin de su rengln y columna correspondiente y cero en los
dems renglones incluido el rengln de Z, en otras palabras, que toda variable que
sea bsica solamente debe aparecer en el rengln de la restriccin que representa.
Para hacer cero el coeficiente M, utilizamos el rengln de x
5
como rengln pivote
multiplicndolo por M y sumando el resultado al rengln de Z. Realizando el
procedimiento anterior, la tabla smplex queda de la siguiente manera:
Variable
Bsica

Z

x
1

x
2

x
3

x
4

x
5

Lado
derecho

Cociente

Es ptima?
Z 1 -3M-3 -2M-5 0 0 0 18M Mx
5
+ Z
x
3
0 1 0 1 0 0 4 (0, 0, 4, 12, 18)
x
4
0 0 2 0 1 0 12 Z = 18M
x
5
0 3 2 0 0 1 18
Podemos observar que la tabla anterior ya se encuentra en la forma apropiada
y podemos leer la solucin bsica factible actual, que es (0, 0, 4, 12, 18), la cual
aplicando la prueba de optimalidad vemos que no es ptima ya que todava tenemos
coeficientes negativos en el rengln de Z (los correspondientes a x
1
y x
2
). Aplicando el
mtodo smplex a la tabla anterior tenemos: el coeficiente negativo con el mayor valor
absoluto corresponde a x
1
(3M3), recordemos que M es un nmero muy grande
positivo, por lo tanto, x
1
se convierte en la variable bsica entrante, realizando los
cocientes correspondientes, vemos que x
3
se convierte en la variable bsica saliente.
El procedimiento completo para resolver este ejemplo se muestra en el siguiente
conjunto de tablas:
Variable
Bsica

Z

x1

x2

x3

x4

x5
Lado
derecho

Cociente

Es ptima?
Z 1 -3M-3 -2M-5 0 0 0 18M
x3 0 1 0 1 0 0 4 4/1 = 4 (0, 0, 4, 12, 18)
x4 0 0 2 0 1 0 12 Z = 18M
x5 0 3 2 0 0 1 18 18/3 = 6
Z 1 0 -2M-5 3M+3 0 0 6M+12
x1 0 1 0 1 0 0 4 (4, 0, 0, 12, 6)
x4 0 0 2 0 1 0 12 12/2 = 6 Z = 6M+12
x5 0 0 2 3 0 1 6 6/2 = 3
Z 1 0 0 9/2 0 M+5/2 27
x1 0 1 0 1 0 0 4 4/1 = 4 (4, 3, 0, 6, 0)
x4 0 0 0 3 1 1 6 6/3 = 2 Z = 27
x2 0 0 1 3/2 0 1/2 3
Z 1 0 0 0 3/2 M+1 36
x1 0 1 0 0 1/3 1/3 2 (2, 6, 2, 0, 0)
x3 0 0 0 1 1/3 1/3 2 Z = 36
x2 0 0 1 0 1/2 0 6 ptima

CASOS ESPECIALES DE SOLUCIN EN LA APLICACIN DEL MTODO SIMPLEX
Problema Degenerado:
En el apartado del mtodo simplex indicamos que en la aplicacin de la condicin
de factibilidad una coincidencia de la razn mnima se debe descomponer en forma
arbitraria para los fines de determinar la variable que sale. Sin embargo, cuando sucede esto
con una o ms veces las variables bsicas, ser necesariamente igual a cero en la siguiente
iteracin. En este caso decimos que la nueva solucin es degenerada. No hay nada
alarmante con respecto al manejo de la solucin degenerada, con la excepcin de una ligere
desventaja terica, que analizaremos brevemente. Desde el punto de vista prctico, la
condicin revela que el modelo tiene cuando menos una restriccin redundante.
Ejemplo:
Maximizar: Z= 3X1 9X2
Sujeto a: X1 + 4X2 <= 8
Problema Degenerado:
Sujeto a: X1 + 4X2 <= 8
X1 + 2X2 <= 4
X1, X2 >= 0

Iteracin VB Z X1 X2 X3 X4 LD
0 (entre X2
sale X3)
Z
X3
X4
1
0
0
-3
1
1
-9
1
1
0
1
0
0
0
1
0
8
4
1 (entre X1
sale X4)
Z
X2
X4
1
0
0
-3/4

1/2
0
1
0
9/4

-1/2
0
0
1
18
2
0
2 0 (ptima) Z
X2
X1
1
0
0
0
0
1
0
1
0
3/2

-1
3/2
-1/2
2
18
2
0

Problema No Acotado:
En algunos modelos de programacin lineal, los valores de las
variables se pueden aumentar en forma indefinida sin violar ninguna de
las restricciones, lo que significa que el espacio de soluciones es no
acotado cuando menos en una direccin. Como resultado el valor de la
funcin objetivo puede crecer (caso de maximizacin) o decrecer (caso de
minimizacin) en forma indefinida. En este caso decimos que el espacio
de soluciones y el valor ptimo de la funcin objetivo son no acotados.
Ejemplo:
Maximizar: Z = 2X1 + X2

Sujeto a:
X1 - X2 <= 10
2X1 <= 40
X1, X2>= 0

Iteracin inicial:
VB Z X1 X2 S1 S2 LD
Z 1 -2 -1 0 0 0
S1 0 1 -1 1 0 10
S2 0 2 0 0 1 40

Problema Infactible:
Si las restricciones no se pueden satisfacer de manera simultnea se
Si las restricciones no se pueden satisfacer de manera simultnea se
dice que el modelo no tiene solucin factible. Esta situacin no puede ocurrir si
todas las restricciones son del tipo <= (suponiendo constantes no negativas en el
segundo miembro) ya que la holgura produce siempre una solucin factible. Sin
embrago cuando empleamos los otros tipos de restricciones, recurrimos al uso de
variables artificiales, que por su diseo no ofrecen una solucin factible al modelo
original. Aunque se toman medidas (a travs del uso de la penalizacin) para
hacer que las variables artificiales sean cero en el nivel ptimo, esto solo puede
ocurrir si el modelo tiene un espacio de solucin factible. Si no lo tiene, cuando
menos una variable artificial ser positiva (bsica) en la iteracin ptima.
Problema Infactible:
Ejemplo
Maximizar: Z= 3X1 + 2X2

Sujeto a: 2X1 + X2 <= 2
3X1 + 4X2 >12
X1, X2>= 0 X1, X2>= 0
Tabla inicial
VB Z X1 X2 X4 X3 R1 LD
Z 1 -3-3M -2-4M M 0 0 -12M
X3 0 2 1 0 1 0 2
R1 0 3 4 -1 0 1 12

Tabla Seudo ptima
VB Z X1 X2 X4 X3 R1 LD
Z 1 1+5M 0 M 2+4M 0 4-4M
X2 0 2 1 0 1 0 2
R1 0 -5 0 -1 -4 1 4

Problema con Mltiples Soluciones ptimas:
Cuando la funcin objetivo es paralela a una
CASOS ESPECIALES DE SOLUCIN EN LA APLICACIN DEL
MTODO SIMPLEX
Cuando la funcin objetivo es paralela a una
restriccin de enlace ( o sea una restriccin que se
satisface en el sentido de la igualdad a travs de la
solucin ptima), la funcin objetivo tomar el
mismo valor ptimo en ms de un punto de la
solucin. Por esta razn recibe el nombre de
mltiples soluciones ptimas.
Problema con Mltiples Soluciones ptimas:
Ejemplo
Maximizar: Z= 2X1 + 4X2
Sujeto a: X1 + 2X2 <= 5
X1 + X2 <= 4
X1, X2 >= 0

Iteracin VB Z X1 X2 X3 X4 LD
0 (X2 entre
X3 sale)
Z
X3
X4
1
0
0
-2
1
1
-4
1
1
0
1
0
0
0
1
0
5
4
1 (X1 entra
X4 sale)
Z
X2
X4
1
0
0
0

0
1
0
2

-1/2
0
0
1
10
5/2
3/2
2
(alternativa
ptima)
Z
X2
X1
1
0
0
0
0
1
0
1
0
2
1
-1
0
-1
2
10
1
3

Presentac.. (3

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Presentac.. (3

Enviado por

Direitos autorais:

Formatos disponíveis

Universidad Nacional Experimental

Você também pode gostar