Unidad:

MODELAMIENTO MATEMÁTICO

Capitulo y Tema: Actividad (Número y nombre):

I. Conceptos PL Resumen
II. Método Grafico
III. Método simplex

Módulo: Nombre (s):

Noveno “B” MARIA CRISTINA CARRILLO M.
Profesor:
LUIS ANTONIO CHAMBA ERAS
Fecha en la cual el profesor Fecha en la cual el profesor recibe la actividad:
encarga la actividad:
Lu 27/Sep/2010 Domingo 03/Oct/2010

Bibliografía:

1HILLER, Frederick. "INTRODUCCION A LA INVESTIGACION DE OPERACIONES".

Editorial Mc. Graw Hill. Mexico, 1997. Pag. 265

http://www.investigaciondeoperaciones.net/index.html
http://thales.cica.es/rd/Recursos/rd99/ed99-0045-01/secciones/grafico.html

1. RESUMEN
I. ROGRAMACIÓN LINEAL

Método matemático que consiste en la optimización de una función objetivo que es

una función lineal sometida a restricciones, en forma de ecuaciones e inecuaciones
también lineales, y donde las variables no pueden tomar valores negativos. Todo
problema de programación lineal (también llamado programa primal) tiene su
correspondiente programa dual, con el que mantiene una serie de relaciones
totalmente determinadas. Su principal aplicación en el campo de la economía es la
asignación óptima de recursos tanto micro como macroeconómicamente

La PL es una técnica determinista, no incluye probabilidades y utiliza un modelo

matemático para describir el problema. El adjetivo lineal significa que todas las
funciones matemáticas del modelo deben ser funciones lineales. En este caso, la
palabra programación no se refiere a programación en computadoras; en esencia es
un sinónimo de planeación. Así, la PL trata la planeación de las actividades para
obtener un resultado óptimo, esto es, el resultado que mejor alcance la meta especificada
(según el modelo) entre todas las opciones de solución. Aunque la asignación de
recursos a las actividades es la aplicación más frecuente, la PL tiene muchas otras
posibilidades. De hecho, cualquier problema cuyo modelo matemático se ajuste al
formato general del modelo de PL es un problema de PL.

Para resolver problemas relacionados con la PL se debe establecer

Variables de decisión.
Es lo que se trata de determinar, y para lo cual se requiere una decisión.
Generalmente se designan con letras subindizadas. Cada variable debe representar
una cantidad que corresponda con una misma unidad de medida.

Función Objetivo.
El objetivo es lo que se quiere maximizar o minimizar. En el caso de la programación
lineal está expresado como una función lineal.

Restricciones.
Representan los límites del escenario de la situación planteada. Se muestran por
medio de desigualdades de tipo lineal. El sistema completo muestra una región del
plano

II. METODO GRAFICO

El Método Gráfico se utiliza para ilustrar tres conceptos básicos: la metodología para
la resolución de un problema de dos variables de decisión, la interpretación de la
solución del problema modelado y la observación gráfica de como afectan los cambios
a la solución del problema. El Método Gráfico es poco poderoso ya que está limitado a
resolver problemas de dos o máximo tres variables de decisión. Sin embargo, su
importancia radica en que permite visualizar los conceptos matemáticos implicados
en la Programación Línea

RESOLUCIÓN GRÁFICA

Consiste en construir la gráfica de cada una de las ecuaciones del sistema

El proceso de resolución de un sistema de ecuaciones mediante el método gráfico se
resuelve en los siguientes pasos:
1.- Se despeja la incógnita (y) en ambas ecuaciones.

2.- Se construye para cada una de las dos ecuaciones de primer grado obteniendo la
tabla de valores correspondientes.

3.- Se representan gráficamente ambas rectas en los ejes coordenados.

4.- En este último paso hay tres posibilidades:

 a) Si ambas rectas se cortan, las coordenadas del punto de corte son los únicos
valores de las incógnitas (x, y). "Sistema compatible determinado"
b) Si ambas rectas son coincidentes, el sistema tiene infinitas soluciones que son
las respectivas coordenadas de todos los puntos de esa recta en la que
coinciden ambas. "Sistema compatible indeterminado".
c) Si ambas rectas son paralelas, el sistema no tiene solución. "Sistema
incompatible".

III. METODO SIMPLEX

El método Simplex es un procedimiento iterativo que permite ir mejorando la

solución a cada paso. El proceso concluye cuando no es posible seguir mejorando más
dicha solución.

Partiendo del valor de la función objetivo en un vértice cualquiera, el método consiste

en buscar sucesivamente otro vértice que mejore al anterior. La búsqueda se hace
siempre a través de los lados del polígono (o de las aristas del poliedro, si el número
de variables es mayor). Cómo el número de vértices (y de aristas) es finito, siempre se
podrá encontrar la solución

El método Simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma

su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de
la cual f aumenta.

Deberá tenerse en cuenta que este método sólo trabaja para restricciones que tengan
un tipo de desigualdad "≤" y coeficientes independientes mayores o iguales a 0, y
habrá que estandarizar las mismas para el algoritmo. En caso de que después de éste
proceso, aparezcan (o no varíen) restricciones del tipo "≥" o "=" habrá que emplear
otros métodos, siendo el más común el método de las Dos Fases.

Para ello se deben cumplir las siguientes condiciones:

1. El objetivo es de la forma de maximización o de minimización.

2. Todas las restricciones son de igualdad.
3. Todas las variables son no negativas.
4. Las constantes a la derecha de las restricciones son no negativas.
PRIMER EJERCICIO

Primer paso: Convertir las inecuaciones en ecuaciones (agregar las variables de

holgura necesarias)
F.O.: Max Z = 100X1 + 200X2 + 0S1 + 0S2 + 0S3 = 0
S.A.: 4X1 + 2X2 + S1 = 16 (Ecuación 1)
8X1 + 8X2 + S2 = 16 (Ecuación 2)
2X2 + S3 = 10 (Ecuación 3)
X1, X2, 0S1, 0S2, 0S3 _ 0
Segundo paso: Determinar las variables básicas y las no básicas.

Tercer paso: Elaborar la tabla inicial del Simplex.

Cuarto paso: Elección de la columna pivote (variable que entra).

El coeficiente de Z más negativo = Columna X2

Quinto paso: Elección de la fila pivote (variable que sale).

Razón = Solución / Coeficiente columna pivote
Razón Menor = Fila perteneciente a S1

Sexto paso: Elaborar la nueva tabla del simplex.

a. Nueva fila pivote = Fila Pivote / Elemento Pivote

b. Nueva filas = Fila Anterior – Coeficiente de la Columna Pivote x Fila Pivote

Fila de S2
Fila de S3

Fila de Z

Nueva tabla del simplex:

NOTA: No hay más iteraciones debido a que no existen coeficientes de Z negativos en

la nueva tabla.
R/ El valor máximo se alcanza para un X2 = 2, con un Z = 400.

SEGUNDO EJERCICO

Una empresa química “Chemical” produce limpiadores para automóviles X y pulidores

Y y gana $10 en cada lote de X, y $30 en Y. Ambos productos requieren procesarse en
las mismas máquinas, A y B, pero X requiere cuatro horas en A y ocho en B, mientras
que Y requiere seis horas en A y cuatro en B. Durante la semana entrante las
máquinas A y B tienen 12 y 16 horas de capacidad disponible, respectivamente.
Suponiendo que existe demanda de ambos productos, cuántos lotes de cada uno
deben producirse para alcanzar la unidad óptima Z?.

La función objetivo es:

Max Z = $10X + $30Y

Las restricciones son:

h maquina A : 4X + 6Y = 12
h máquina B : 8X + 4Y =16
X,Y ≥ 0
Formato simplex
C 10 30 0 0 Valores de solución
Variables de la solución Variables de decisión
X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0

1. Seleccionar una columna y un renglón pivotes

a) La columna pivote es la que tiene el número positivo más grande en el renglón

inferior
C-Z 10 30 0 0 0
En este ejercicio es 30.

b) El renglón pivote es el que tiene la razón más pequeña, del renglón pivote

12 16
= 2 (mínimo) =4
6 4

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0

Por lo tanto el renglón 1 es el renglón pivote.

 c) El elemento pivote es encerrado en un círculo 6

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
0 S1 4 6 1 0 12
0 S2 8 4 0 1 16
Z 0 0 0 0 0
C-Z 10 30 0 0 0

2. Divídase cada valor del renglón pivote 1 entre el elemento pivote (6) y colóquense
los valores en una nueva tabla.

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
0 Y 2/3 1 1/6 0 2

a) Genérense los otros renglones para la siguiente tabla, de tal manera que los
elementos de la columna pivote sean iguales a cero.

Se empieza con el renglón S2, el cual tiene 4 en la columna de Y. Se multiplica el

nuevo renglón (del paso 2) por el negativo del valor que se desea convertir (-
4), y se suma al anterior renglón de S2. Se multiplica el nuevo renglón por -4. el
resultado se muestra en la siguiente tabla.

X Y S1 S2 (LD)
El renglón del paso 2 se - -4(1) - -4(0) -4(2)
multiplica por -4 4(2/3) 4(1/6)
Obtener el resultado -8/3 -4 -2/3 0 -8
Sumarlo al renglón de S2 8 4 0 1 16
Para obtener el nuevo 16/3 0 .2/3 1 8
renglón

El renglón obtenido se introduce a la nueva tabla del paso 2.

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z
Si hay más renglones que convertir, debe repetirse este paso en el siguiente
renglón. Dado que ahí no hay más, puede procederse a calcular el renglón Z y C-
Z.

Los valores en el renglón Z son ∑ (elementos de la columna) (C) Elementos del

renglón Z

Para X: Z = 2/3(30) + 16/3(0) = 20

Para Y: Z = 1(30) + 0(0) = 30
Para S1: Z = 1/6(30) – 2/3(30) = 5
Para S2: Z = 0(30) + 1(0) = 0
Para LD: 2(30) + 8(0) = 60

Después de que se introducen éste y los valores de C-Z en la siguiente matriz,

se tiene:

C 10 30 0 0 Valores
Variables de Variables de decisión de
la solución solución
X Y S1 S2 (LD)
30 Y 2/3 1 1/6 0 2
0 S2 16/3 0 .2/3 1 8
Z 20 30 5 0 60
C-Z -10 0 -5 0

Repetir los pasos anteriores hasta que todos los valores del renglón inferior
sean ≤ 0. Dado que todos los valores son ≤ 0, ha sido alcanzada la solución
óptima. Las variables en la solución son identificadas por las columnas en la
parte central de la tabla que tienen un 1, y el resto de los valores son cero. Los
valores solución son datos en la columna del lado derecho, como se ve en la
siguiente tabla.

X Y S1 S2 (LD)
- 1 - 0 2
- 0 - 1 8
Z - - - - 60

Por tanto,

X = no está en la solución

Y = 2 unidades

Z = $60
TERCER EJERCICIO

Considere el siguiente modelo de Programación Lineal:

Paso 1: Se lleva el modelo a su forma estándar. En nuestro ejemplo esto se logra

agregando variables de exceso en cada una de las restricciones (3 primeras: S1, S2, S3,
respectivamente). Luego, se multiplica cada fila de las restricciones por -1 de modo de
disponer una solución básica inicial (infactible) en las variables de exceso S1, S2 y S3.
De esta forma se obtiene la siguiente tabla inicial.

A B C S1 S2 S3
-15 -2 -1 1 0 0 -200
-7,5 -3 -1 0 1 0 -150
-5 -2 -1 0 0 1 -120
315 110 50 0 0 0 0
Paso 2: Se selecciona el lado derecho "más negativo" lo cual indicará cuál de las
actuales variables básicas deberá abandonar la base. En el ejemplo el lado derecho
más negativo se encuentra en la primera fila, por tanto S1 deja la base. Para
determinar cual de las actuales variables no básicas (A, B, C) entrará a la base se busca
el mínimo de {-Yj/aij} donde aij es el coeficiente de la respectiva variable no básica en
la fija i (del lado derecho más negativo, marcado en verde) y donde Yj es el costo
reducido de la respectiva variable no básica. De esta forma se obtiene: Min {-315/-15,
-110/-2, -50/-1} = 21, donde el pivote (marcado en rojo) se encuentra al hacer el
primer cuociente, por tanto A entra a la base.

Paso 3: Se actualiza la tabla anterior siguiendo un procedimiento similar al utilizado

en el Método Simplex. En el ejemplo se debe dejar a la variable A como básica y S1
como no básica. La tabla que resulta es la siguiente:

A B C S1 S2 S3
1 2/15 1/15 -1/15 0 0 40/3
0 -2 -1/2 -1/2 1 0 -50
-
0 -4/3 -2/3 -1/3 0 1
160/3
0 68 29 21 0 0 -4.200
Paso 4: Continuar las iteraciones y siguiendo el mismo procedimiento hasta disponer
de una solución básica factible. Luego de unas iteraciones se obtiene la siguiente tabla
final:

A B C S1 S2 S3
1 0 0 -1/10 0 1/10 8
0 1 0 1/4 -1 3/4 10
0 0 1 0 2 -3 60
0 0 0 4 10 36 -6.620

La solución óptima es A=8, B=10, C=60 (marcado en verde) con valor óptimo
V(P)=6.620 (marcado en rojo - se obtiene con signo cambiado). También es
interesante notar que los costos reducidos de las variables artificiales S1, S2 y S3
(marcado en amarillo), corresponde a la solución óptima del modelo presentado en el
tutorial de solver, esto dado que dicho modelo resulta ser el problema dual de nuestro
ejemplo.

CUARTO EJERCCIO

F.O.
Min. Z = 4X1 + 12X2 + 18X3
S.A.
X1 + 3X3 ≥ 3
2X2 + 2X3 ≥ 5
X1, X2, X3 ≥ 0
PASO 1: Convertir el problema de minimizacion en uno de maximizacion. La funcion
objetivo se multiplica por -1
F.O.
Max. Z = - 4X1 - 12X2 - 18X3
Las restricciones se multiplican por -1
S.A.
- X1 - 3X3 ≤ -3
- 2X2 - 2X3 ≤ -5
X1, X2, X3 ≥ 0
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

PASO 3: Se determinan las variables basicas y no basicas.

・Básicas: S1 y S2
・No Básicas: X1, X2 y X3
PASO 4: Elaborar la tabla inicial del simplex

PASO 5: Determinar la variable que sale (fila pivote)

Es el numero mas negativo de la solucion de las restricciones = fila de S2
PASO 6: Determinar la variable que entra (columna pivote)
Razon = Coeficiente de Z / coeficiente fila pivote.
Razon Mayor = Columna X2 (-12 / 2)

PASO 7: Elaborar la nueva tabla del simplex

a) Nueva fila pivote = Fila pivote / elemento pivote

b) Nuevas filas = fila anterior - coeficiente de la columna pivote x nueva fila pivote.

Nueva Tabla del Simplex

Se realizan nuevamente los pasos del 5 al 7 obteniendo como solucion final:

NOTA: No hay mas iteraciones cuando no existan soluciones con coeficientes
negativos.
R\ El valor minimo se alcanza para un X2 = 3/2 y X3 = 1, para un Z = 36

QUINTO EJEJRCICIO

FO. 49X1+100 X2 (minimizar)

5 X1+43X2>= 23
9 X1+34 X2<=20
3 X1 +67 X2= 65
X1, X2 ≥ 0
1) Convertir desigualdades a igualdades
5 X1 + 43 X2 = 23
9 X1 + 34 X2 = 20
3 X1 + 67 X2 = 65
2) Igualar función objetivo a 0
Z+49+100=0

3)Realizar tablas

No existe solución para el problema