Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Restricciones de tipo , e =
Variables positivas, negativas o no restringidas en signo
Conversin de un problema lineal general a su forma cannica:
Cambiar el sentido de la optimizacin
Cambiar el sentido de la desigualdad
Cambiar una desigualdad en igualdad
Variable de holgura o slack
Variable surplus
Cambiar igualdades en desigualdades
Cambiar variables sin restriccin de signo a otras de signo positivo o
nulo
LECCION 13. TERMINOLOGIA Y CONCEPTOS BASICOS
Conjunto factible
Es el conjunto de puntos que satisfacen simultneamente todas las
restricciones (o filas) del problema
Actividades, columnas o variables (xj)
Representan los usos alternativos que deben competir entre s para la
obtencin de los recursos de forma que se optimice la funcin objetivo
Recursos (bi)
Son productos, tiempo, etc. Se cuantifican en el trmino independiente o
Right Hand Side (RHS) del problema
El conjunto factible de un problema de PL, si existe, es representable mediante
un poliedro convexo
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
UNIDAD 2
METODOS DE SOLUCION
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
CAPITULO 1
LECCION 14. INTRODUCCION METODO GRAFICO
LECCION 15. DEFINICION
LECCION 16. CONCEPTO GENERAL DEL METODO GRAFICO
LECCION 17. PASOS PARA LA SOLUCION MEDIANTE EL METODO
GRAFICO
LECCION 18. EJEMPLOS
LECCION 14. INTRODUCCION METODO GRAFICO
Antes de entrarnos por completo en los mtodos analticos de la investigacin de
operaciones es muy conveniente ver un poco acerca de las desigualdades de una
ecuacin lineal.
Por ejemplo tenemos la ecuacin
2X + 3Y = 60 en donde X, Y 0
Es decir que para que se cumpla la igualdad de la ecuacin nos tocara adquirir 15
unidades de X y 10 unidades de Y respectiva mente:
2(15) + 3(10) = 60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Y la solucin se dara por la misma lnea recta.
Pero por otra parte si en la ecuacin no se quiere llegar a la totalidad del resultado
se dar la ecuacin en una forma diferente llamada inecuacin:
2X + 3Y 60 en donde X, Y 0
Dndose como solucin factible un rea sombreada que depende del signo de la
desigualdad. Si el signo es el la solucin ser el rea inferior esa se sombrear o
si por el contrario el sigo es el rea a sombrear ser la de todos los puntos por
encima de la lnea obtenida.
En la anterior grafica la solucin ms factible es la de los punt os ms cerca del eje
X (bajo la recta de la solucin lineal ya que la ecuacin es precedida por el signo
.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 15. DEFINICION:
Por definicin de algunos libros una desigualdad entre dos variables es una
desigualdad que puede escribirse de la forma:
ax + by +c < 0 (o bien 0, 0, >0)
En donde a, b, c son constantes mientras que a y b son diferentes de cero
En trminos geomtricos, la solucin de una desigualdad lineal en x y y consiste
en todos los puntos del plano cuyas coordenadas satisfacen la desigualdad.
Observemos a continuacin las desigualdades y las regiones descritas por ellas:
EJEMPLO 1:
Determinar la regin descrita por la desigualdad y 5
Cuando veamos un problema como este no nos asustemos porque el hecho de
que no aparezca la x en ningn lugar de la ecuacin solo quiere decir que x es
cierto en cualquier punto de x.
SOLUCION
La regin sombreada es la solucin factible para la desigualdad planteada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
EJEMPLO 2:
Describir la regin definida por la desigualdad: x -2
EJEMPLO 3:
Dando valores a x y y determinamos las rectas con las reas correspondientes a
las desigualdades planteadas.
2x + y > 3
x y
y 1 > 0
Este sistema es equivalente
y > -2x + 3 x =0; y =3
Y=0; x= 3/2
y x x= 0; y= 0
x=1 ; y= 1
y > 1/2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Obsrvese que se ha escrito cada desigualdad de manera que y queda
despejada. Consecuencia las regiones apropiadas con respecto a las rectas
correspondientes restaran evidentes. En primer lugar se trazan las rectas
y = -2x + 3,
y = x Y
y = y
Despus se sombra la regin que se encuentra simultneamente por encima de la
recta, sobre o por debajo de la segunda de ellas y por encima de la tercera esta
regin es la solucin.
Entonces la solucin para el anterior ejercicio seria la regin sombreada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 16. CONCEPTO GENERAL DEL METODO GRAFICO
Ahora se considerara la forma en que se pueden resolver problemas de tipo lineal,
en donde la funcin dada se tendr que maximizar o minimizar. Una funcin lineal
en x y y tiene la forma:
Donde a y b son constantes. Tambin se requerir que las restricciones
correspondientes estn representadas mediante un sistema de desigualdades
lineales o ecuaciones en x y en y y que todas las variables sean no negativas.
A un problema en el que intervienen todas estas condiciones se le denomina
problema de programacin lineal.
La programacin lineal fue desarrollada por George B. danzing a fines de la
dcada de 1940 y se utilizo primero en la fuerza area de losa estados unidos
como auxiliar en la toma de decisiones. En la actualidad tiene amplia aplicacin en
el anlisis industrial y econmico.
En un problema de programacin lineal a la funcin que se desea maximizar o
minimizar se le denomina funcin objetivo. Aunque por lo general existe una
cantidad infinitamente grande de soluciones para el sistema de restricciones (a las
que se denomina soluciones factibles o puntos factibles), el objetivo consiste en
encontrar una de esas soluciones que represente una solucin ptima (es decir
una solucin que del valor mximo o mnimo de la fusin objetivo)
En conclusin con lo que acabamos de revisar en la parte anterior sobre las
inecuaciones nos da para definir literalmente el mtodo grafico y el mtodo
algebraico dentro del mbito de la programacin lineal.
ax+by=0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Entonces el mtodo grafico en la programacin lineal es simplemente sacar de
una situacin (problema) ecuaciones lineales y convertirlas en desigualdades o
inecuaciones para poder graficarlas y as sacar la regin mas optima dependiendo
del signo de la desigualdad esa rea se sombreara y esa ser la solucin mas
optima del problema.
LECCION 17. PASOS PARA LA SOLUCION MEDIANTE EL METODO
GRAFICO
Para llegar a una solucin ptima en el mtodo grafico se requiere seguir con una
serie de pasos que podemos dar a continuacin:
1. formulacin del problema
El primer paso para la resolucin por mtodo grafico es expresar el problema
en trminos matemticos en el formato general de la programacin lineal
(desigualdades) con un solo fin maximizar la contribucin a la ganancia.
2. graficar las restricciones
El prximo paso de la solucin por mtodo grafico es la graficacin de las
restricciones en el plano cartesiano para establecer todas las posibles
soluciones.
3. obtencin de la solucin optima
Para encontrar la solucin ptima, se grafica la funcin objetivo en la misma
grfica de las restricciones. Se graficara siempre la funcin objetivo del
problema y se dar la solucin de acuerdo con el smbolo que este presente en
las restriccin de la funcin objetivo.
LECCION 18. EJEMPLOS
EJEMPLO: 1
Maximizar la funcin objetivo:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Z= 3x + y
Sujeto a las restricciones:
2x + y 8
2x + 3y 12
x, y 0
a continuacin graficamos las desigualdades planteadas en las restricciones as:
2x + y 8 x=0; y=8
y=0; x=4
2x + 3y 12 x=0; y=4
Y=0; x=6
x, y 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Se observa que la regin factible esta conformada por los puntos A(0,0); D(0,4);
B(4,0) y el punto C que es el resultado de la interseccin de las 2 inecuaciones
cuyo valor aproximadamente en el plano esta dado por las coordenadas (3,2).
Ahora bien el problema solicita la maximizacin de Z = 3x + y que se obtiene
precisamente en el punto C(3,2).
EJEMPLO: 2
Minimizar la funcin objetivo:
Z= 2x + 3y
Sujeto a las restricciones:
x +2y 10
3x + 2y 18
x, y 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
a continuacin graficamos las desigualdades planteadas en las restricciones as:
x + 2y10 x=0; y=5
y=0; x=10
3x + 2y18 x=0; y=9
Y=0; x=6
x, y 0
Regin Factible
(4,3)
Se observa que la regin factible esta conformada por los puntos (0,9); (4,3);
(10,0), donde el punto (4,3) es el resultado de la interseccin de las dos
ecuaciones dadas como restricciones.
Ahora bien el problema solicita la maximizacin de Z = 3x + y que se obtiene
precisamente en el punto C(3,2).
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
CAPITULO 2
METODO ALGEBRAICO
INTRODUCCION
LECCION 19. PASOS PARA UTILIZAR EN METODO ALGEBRAICO
LECCION 20. EJEMPLOS DESARROLLADOS
LECCION 21. TALLER
INTRODUCCION
En ocasiones nos encontramos con problemas de ndole magnitud, a los cuales se
desea maximizar o minimizar una funcin sujeta a ciertas restricciones.
Muchas personas califican al mtodo algebraico, como uno de los mtodos ms
importantes en el campo de la programacin lineal. En la actualidad es una
herramienta comn, que se ha prestado para resolver problemas de gran
magnitud; por su simplicidad, sencillez y estilo de uso cientos de empresas,
compaas de todo el mundo han ahorrado miles y miles de pesos.
En este captulo se tratara la formulacin de problemas utilizando el mtodo
algebraico para la solucin de problemas de programacin lineal. Se hace un
enfoque a la variedad de aplicaciones del mtodo para que el estudiante
interesado pueda tener una visin y ejercitar sus conocimientos.
El mtodo algebraico contempla en su desarrollo al mtodo grafico y de la misma
manera el mtodo grafico no estara completo sin la rigurosidad del mtodo
algebraico pues la apreciacin visual que da el grafico en la solucin ptima puede
estar sujeta a error por parte del analista.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 19. PASOS PARA UTILIZAR EN METODO ALGEBRAICO
Dado que tenemos un problema de dos variables, podemos graficar las
soluciones posibles y comprender algunos puntos interesantes respecto a las
relaciones lineales. Veremos la siguiente manera de obtener grficamente las
soluciones al problema planteado y luego veremos como obtenerlas
algebraicamente.
1. Exprsense los datos del problema como una funcin objetivo y
restricciones.
2. Graficar las restricciones.
3. Definir el conjunto factible.
4. Encontrar la solucin ptima
A continuacin se presentan el anlisis algebraico y grafico de algunos problemas
de programacin lineal:
LECCION 20. EJEMPLOS DESARROLLADOS
PROBLEMA 1:
Supngase una compaa fabrica 2 tipos de artefactos, manuales y elctricos.
Cada uno de ellos requiere en su fabricacin el uso de 3 maquinas: A, B y C. un
artefacto manual requiere del empleo de la maquina A durante 2 horas, de una 1
en B y una 1 en C, un artefacto elctrico requiere de 1 hora en A, 2 horas en B y 1
hora en C. supngase adems que el numero mximo de horas disponible por
mes para el uso de las tres maquinas es 180, 160 y 100, respectivamente. La
utilidad que se obtiene con los artefactos manuales es de 4000 pesos y de 6000
pesos para los elctricos. Si la compaa vende todos los artefactos que fbrica,
Cuntos de ellos de cada tipo se deben elaborar con el objeto de maximizar la
utilidad mensual?
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
A B C UTILIDAD
MANUALES(X) 2 1 1 4000
ELECTRICOS(Y) 1 2 1 6000
HORAS
DISPONIBLES
180 160 100
SOLUCIN:
1. Paso: Planteamos la funcin objetivo y las restricciones correspondientes:
MAX Z= 4000X + 6000Y
SUJETO A:
2X + Y 180
X + 2Y 160
X + Y 100
2. Paso: Elaboramos el grfico correspondiente a las restricciones con el fin
de precisar la regin factible y determinar los puntos que la conforman:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
2X + Y 180 X=0 Y= 180
Y=0 X= 90
X + 2Y 160 X=0 Y=80
Y=0 X=160
X + Y 100 X=0 Y=100
Y=0 X=100
3. Paso: Resolvemos el sistema de ecuaciones para determinar las
coordenadas del punto B y C as:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Para B: X + 2Y 160 Para C: 2X + Y 180
X + Y 100 X + Y 100
Y= 60 X = 80
X= 40 Y = 20
4. Paso:
Con los puntos de la regin factible:
O(0,0) ; B(40,60) ; C(80,20) ; A(0,80); D(90,0) Maximizamos la funcin
objetivo :
MAX Z = 4000x + 6000 y
(0,0) 4000(0) + 6000(0) = 0
(0,80) 4000(0) + 6000(80) = 480000
(40,60) 4000(40) + 6000(60)= 520000
(90,0) 4000(90) + 6000(0) = 360000
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
5. Paso: La solucin para el problema est representada por la fabricacin de
40 artefactos manuales y 60 artefactos elctricos generando una mxima
utilidad de $ 520.000.
EJEMPLO 2:
Un granjero va a comprar fertilizante que contiene tres ingredientes nutritivos, A, B
Y C. Las necesidades mnimas son 160 unidades de A, 200 de B y 80 de C.
Existen en el mercado dos marcas populares de fertilizante. El llamado
crecimiento rpido que cuesta $ 4000 el costal y contienen 3 unidades de A, 5 de
B y 1 de C, y el de crecimiento normal que cuesta $3000 y contiene 2 unidades de
cada ingrediente. Si el granjero desea minimizar el costo al tiempo que mantiene
el mnimo de los ingredientes nutritivos que se requieren, cuantos costales de
cada marca debe comprar?.
A B C COSTO
CRECI/RAPIDO 3 5 1 4000
CRECI/NORMAL 2 2 2 3000
REQUERIMIENTO 160 200 80
SOLUCIN:
1. Paso: Determinamos la funcin objetivo y sus restricciones:
MIN Z= 4000X + 3000Y
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
SUJETO A LAS RESTRICCIONES:
3X + 2Y 160
5X + 2Y 200
X + 2y 80
2. Paso: Elaboramos la grfica y determinamos la regin factible:
3X + 2Y 160 X=0 Y= 80
Y=0 X= 53,33
5X + 2Y 200 X=0 Y= 100
Y=0 X= 40
X + 2y 80 X=0 Y=40
Y=0 X=80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. PASO: Determinar las coordenadas de los puntos A y B:
Para A: 3X + 2Y 160 Para B: 3X + 2Y 160
5X + 2Y 200 X + 2y 80
-2X = -40 2X = 80
X = 20 X= 40
Y = 50 Y = 20
4. Paso: Optimizamos la funcin objetivo:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Z= 4000X + 3000Y
(80,0) 4000(80) + 3000(0) = 320000
(40,20) 4000(40) + 3000(20) = 220000
(20,50) 4000(20) + 3000(50) = 230000
(0.100) 4000(0) + 3000(100) = 300000
5. Paso: La solucin del problema para el granjero est en comprar 40
unidades de crecimiento rpido y 20 de crecimiento normal, con un costo
mnimo de $ 220.000.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 21. TALLER
1. MAXIMIZAR
P= 10x + 12y
Sujeta a:
x + y 60
x - 2y 0
x, y 0
2. MAXIMIZAR
P= 5x + 6y
Sujeta a
x + y 80
3x + 2y 220
2x + 3y 210
x, y 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. MAXIMIZAR
Z= 4x - 10y
Sujeta a
x 4y 4
2x y 2
x, y 0
4. MINIMIZAR
Z= 7x + 3y
Sujeta a
3x y -2
x + y 9
x y = -1
x, y 0
5. Un fabricante de juguetes que esta preparando un programa de produccin
para 2 nuevos artculos, maravilla y fantstico, debe utilizar la i informacin
respecto a sus tiempos de construccin que se proporcionan en la siguiente
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
tabla. Por ejemplo, cada juguete maravilla requiere de 2 horas en la maquina
A. las horas de trabajo disponibles de los empleados por semana, son: para la
maquina A, 70 horas; para la B, 40 horas; para terminado, 90 horas. Si las
utilidades de cada juguete maravilla y cada juguete fantstico son de
$40.000 y $60.000, respectivamente, Cuntas unidades de cada uno deben
fabricarse por semana con el objeto de maximizar las utilidades? cual seria la
utilidad mxima?
MAQUINA A MAQUINA B TERMINADO
MARAVILLA 2h 1h 1h
FANTASTICO 1h 1h 3h
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
CAPITULO 3
METODO SIMPLEX
INTRODUCCION
LECCION 22. PASOS PARA DESARROLLAR EL METODO simplex
LECCION 23. DUALIDAD
LECCION 24. COMPARACION ENTRE EL METODO SIMPLEX DUAL Y EL
DUAL-SIMPLEX
LECCION 25. ANALISIS DE SENCIBILIDAD
LECCION 26. TALLER METODO SIMPLEX
LECCION 27. TALLER DUALIDAD
LECCION 28. DEGENERACION
LECCION 29. PROBLEMAS DE PL CON VARIABLES ACOTADAS
LECCION 30. ALGORITMOS DE DESCOMPOSICION
LECCION 31. LA PROGRAMACION LINEAL BASADA EN LOS
COMPUTADORES
INTRODUCION
En los captulos 1 y 2 de esta unidad vimos como resolver problemas de
programacin lineal a travs del mtodo grafico y el mtodo algebraico, surgen
grandes limitaciones a la hora de trabajar con estos dos mtodos, es decir que no
es posible darle ptima solucin a un problema. Esto se debe a que el mtodo
grafico no resulta prctico cuando el nmero de variables se aumenta a tres, y con
ms variables resulta imposible de utilizar. Por otra parte el mtodo algebraico
tarda demasiado tiempo aun para problemas de pocas variables y restricciones.
El mejor mtodo para resolver un problema de programacin lineal es el mtodo
simplex, ya que es un mtodo de fcil aplicacin, de tipo algortmico y conduce a
una eficiente solucin del problema.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
CONCEPTO
El mtodo simplex fue desarrollado por George dantzig (1947) y es un mtodo
algebraico que se utiliza para resolver problemas de programacin lineal en un
nmero finito de pasos en una computadora. Este mtodo establece una solucin
factible y luego prueba si es ptima o no. Si no lo es busca una mejor solucin y si
esta no es optima entonces repite el proceso hasta hallar una solucin ptima.
LECCION 22. PASOS PARA EL DESARROLLO DEL METODO SIMPLEX
1. Elaborar la tabla simplex inicial.
X1 X2 X3 S1 S2 S3 S4 Z b
S1 a11 a12 a13 1 0 0 0 0 b1
S2 a21 a22 a23 0 1 0 0 0 b2
S3 a31 a32 a33 0 0 1 0 0 b3
S4 a41 a42 a43 0 0 0 1 0 b4
Z -C1 -C2 -C3 0 0 0 0 1 0
Indicadores
Existen cuatro variables de holgura, S1, S2, S3, y S4; una para cada restriccin.
2. Si todos lo indicadores del ltimo rengln son no negativos, entonces Z tiene
un mximo cuando X1=0, X2=0 y X3=0. El valor mximo es 0. Si existen
indicadores negativos, localizar la columna en la que aparezca el indicador
ms negativo. Esta columna seala la variable entrante.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. Dividir cada uno de los elementos de la columna de b que se encuentran por
encima de la recta punteada entre el correspondiente elemento de la columna
de la variable entrante. Se debe realizar esta divisin solo en los casos en los
que el elemento de la variable que entra sea positivo.
4. encerrar en un crculo el elemento de la columna de la variable entrante que
corresponde al menor cociente del paso 3. Este es un elemento pivote. La
variable saliente es la que se encuentra al lado izquierdo del rengln del
elemento pivote.
5. Utilizar operaciones elementales sobre renglones para transformar la tabla en
otra tabla equivalente que tenga un 1 en donde se encuentra el elemento
pivote y 0 en las dems posiciones de esa columna.
6. la variable entrante debe reemplazar a la variable saliente en el lado izquierdo
de esta nueva tabla.
7. si todos los indicadores de la tabla nueva son no negativos, ya se tiene una
solucin ptima. El valor mximo de Z es el elemento del ltimo rengln y la
ltima columna. Ocurre esto cuando las variables se encuentran del lado
izquierdo de la tabla son iguales a lo elementos correspondiente de la ltima
columna. Todas las dems variables son ceros. Si cuando menos uno de los
indicadores es negativo, se debe repetir el mismo proceso con la nueva tabla,
comenzando con el paso 2.
EJEMPLOS DESARROLLADOS
EJEMPLO 1
Maximizar Z= 5X1+4X2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Sujeto a: X1+X2 20
2X1+X2 35
-3X1+X2 12
X10, X20
Este problema de programacin lineal se ajusta a la forma normal. La tabla
simplex inicial es:
x1 x2 S1 S2 S3 Z b Cocientes
S1 1 1 1 0 0 0 20 201=20
Variable S2 2 1 0 1 0 0 35 352=17.5
Saliente S3 -3 1 0 0 1 0 12
Z -5 -4 0 0 0 1 0
Indicadores
Variable
Entrante
El indicador mas negativo, -5, aparece en la columna x1. Por ello, x1 es la variable
entrante. El menor cociente es 17.5, de modo que, S2 es la variable saliente. El
elemento pivote es 2. Utilizando operaciones elementales sobre los renglones
para obtener un 1 en la posicin del pivote y 0 en las dems posiciones de esa
columna, se tienen:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
x1 x2 S1 S2 S3 Z b
1 1 1 0 0 0 20
2 1 0 1 0 0 35
-3 1 0 0 1 0 12
-5 -4 0 0 0 1 0
1 1 1 0 0 0 20
1 1/2 0 1/2 0 0 35/2 (Multiplicando el rengln 2 por 1/2)
-3 1 0 0 1 0 12
-5 -4 0 0 0 1 0
0 1/2 1 -1/2 0 0 5/2 (Sumando al rengln uno el rengln 2
1 1/2 0 1/2 0 0 35/2 multiplicado por -1; sumando al rengln
0 5/2 0 3/2 1 0 129/2 tres el rengln 2 multiplicado por 3;
Sumando al rengln cuatro el rengln dos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
0 -3/2 0 5/2 0 1 175/2 multiplicado por 5)
La nueva tabla es:
x1 x2 S1 S2 S3 Z b Cocientes
Variable S1 0 1/2 1 -1/2 0 0 5/2 5/2 1/2=5
Saliente x1 1 1/2 0 1/2 0 0 35/2 35/2 1/2=35
S3 0 5/2 0 3/2 1 0 129/2 129/25/2=25(4/5)
Z 0 -3/2 0 5/2 0 1 175/2
Indicadores
Variable Entrante
Obsrvese que en el lado izquierdo, x1 reemplaz a S2. Ya que -3/2 es el
indicador ms negativo se debe continuar con el proceso. La variable entrante es
ahora x2. El menor cociente es 5. De modo que S1 es la variable saliente y es
el elemento pivote. Utilizando operaciones elementales sobre renglones, se tiene:
x1 x2 S1 S2 S3 Z b
0 1 -1/2 0 0 5/2
1 1/2 0 1/2 0 0 35/2
0 5/2 0 3/2 1 0 129/2
0 -3/2 0 5/2 0 1 175/2
0 1/2 1 -1/2 0 0 5/2 (Sumando al rengln dos el rengln uno
1 0 -1 1 0 0 15 multiplicado por -1; sumando al rengln
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
0 0 -5 4 1 0 52 tres el rengln uno multiplicado por -5;
Sumando al rengln cuatro el rengln
0 0 3 1 0 1 95 uno multiplicado por 3)
0 1 2 -1 0 0 5
1 0 -1 1 0 0 15
0 0 -5 4 1 0 52 (Multiplicando el rengln uno por 2)
0 0 3 1 0 1 95
La nueva tabla es:
x1 x2 S1 S2 S3 Z b
x2 0 1 2 -1 0 0 5
x1 1 0 -1 1 0 0 15
S3 0 0 -5 4 1 0 52
Z 0 0 3 1 0 1 95
Indicadores
En donde x2 reemplazo a S1 en el lado izquierdo. Como todos los indicadores son
no negativos, el valor mximo de Z es 95 y aparece cuando x2=5 y x1=15 (y
S3=52, S1=0, S2=0).
EJEMPLO 2
Maximizar Z= 3x1 + 4x2 + 3/2x3
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Sujeta a: -x1-2x2 -10
2x1+2x2+x3 10
x1, x2, x3 0
La restriccin (10) no se ajusta a la forma normal. Sin embargo, multiplicando
ambos lados de (10) por -1 resulta.
TABLA SIMPLEX I
x1 x2 x3 S1 S2 Z b Cocientes
Variable S1 1 2 0 1 0 0 10 102=5
Saliente S2 2 2 1 0 1 0 10 102=5
Z -3 -4 -3/2 0 0 1 0
Indicadores
Variable
Entrante
La variable entrante es x2. Dado que existe un empate en el menor cociente, se
puede elegir cualquiera de los dos, S1 o S2, como la variable saliente. Se escoge
S1. Se encierra en un crculo el pivote. Utilizando operaciones elementales sobre
renglones, se obtiene la tabla 2.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
TABLA SIMPLEX II
x1 x2 x3 S1 S2 Z b Cocientes
Variable x2 1/2 1 0 1/2 0 0 5 no hay puesto
Saliente S2 1 0 1 -1 1 0 0 que 0 No es positivo
Z -1 0 -3/2 2 0 1 20 01=0
Indicadores
Variable
Entrante
La tabla II corresponde a una SFB (solucin bsica factible) en la que una variable
bsica S2 es 0. Por ello, la SFB es degenerada. Ya que existen indicadores
negativos, se contina el proceso. La variable entrante es ahora x3, la variable
saliente es S2 y el pivote se encuentra encerrado en un crculo. Utilizando
operaciones elementales sobre renglones, se obtiene la tabla III.
TABLA SIMPLEX II
x1 x2 x3 S1 S2 Z b
x2 1/2 1 0 1/2 0 0 5
x3 1 0 1 -1 1 0 0
Z 1/2 0 0 1/2 3/2 1 20
Indicadores
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
En virtud de que todos los indicadores son no negativos, Z es mxima cuando
x2=5 y x3=0, y x1=S1=S2=0. El mximo valor es Z=20. Obsrvese que este valor
es igual al valor de Z correspondiente a la tabla II. En problemas con degeneracin
es posible llegar al mismo valor de Z en varias etapas del proceso simplex.
EJEMPLO 3:
Considere el siguiente problema de programacin lineal:
Maximizar Z=2x1+5x2+8x3
Sujeto a x1+ x2+ x3 12
8x1-4x2+4x3 24
x2+ x3 8
x1, x2, x3 0
PASO 1: INICIALIZACIN:
Maximizar Z
Z-2x1-5x2-8x3 = 0 (0)
x1+ x2+ x3+ x4 =12 (1) (II)
8x1-4x2+4x3 +x5 =24 (2)
x2+ x3 +x6 =8 (3)
xj0, j=1,2,,6
Donde las variables de holgura son x4, x5 y x6.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
La tabla inicial para la aplicacin del algoritmo Simplex es:
La solucin bsica falible de partida se obtiene fcilmente del sistema de
ecuaciones (II). Cada una de las ecuaciones tiene una sola variable bsica. Por
ejemplo, la variable bsica de la ecuacin (2) es x5 ya que tiene coeficientes de +1
en esa ecuacin y no aparece en ninguna de las otras ecuaciones.
Esto quiere decir que, en esa ecuacin, la dems variables, al ser no bsicas, sus
valores son ceros y, por consiguiente, podemos deducir que el valor de x5 es igual
a 24.
De manera similar, de la ecuacin (0) se obtiene que Z = 0, de la (1) se obtiene
que x4 = 12 y de la (3) que x6 = 8.
Observe que en la tabla se pueden leer estos valores directamente. Bastar hacer
corresponder a cada variable bsica indicada en la primera columna, (V.B.) los
valores de la ltima columna (b).
Observe adems que la matriz correspondiente a las variables bsicas de las
restricciones, es una matriz unidad.
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
PASO 2: PROCESO ITERATIVO
Primera Iteracin
La variable bsica entrante es x3, puesto que es la que tiene mayor coeficiente en
la funcin objetivo de (I), o bien es la de coeficientes ms negativos en la tabla
inicial (-8 en este ejemplo).
La variable bsica saliente se determina de la siguiente manera: la cota superior
de la variable bsica entrante xent = x3, viene dada por + si a'13 0 y b'1/a'13 si
a13>0. Entonces, los valores de a'13 y b1 son:
Restriccin
1 a'13 = 1 b'1 = 12
2 a'23 = 1 b'2 = 24
3 a'33 = 1 b'3 = 8
Como todos los coeficientes de las ecuaciones i (i = 1, 2,3) son posit ivos, entonces
la cota superior estar dada por b'1/a'13. O sea:
b1/a'13 = 12/1 = 12
b'2/a'23 = 24/4 = 6
b'3/a'33 = 8/1 = 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
La menor cota superior es 6, que corresponde a la restriccin numero 2. La
variable bsica que corresponde a esa ecuacin es x5 y es, en consecuencia, la
variable bsica saliente. Es decir, en el conjunto de variables bsicas se cambia a
x5 por x3, por lo que las nuevas variables bsicas son x4, x3 y x6.
Ahora x3 es una variable bsica, luego debe tener un coeficiente +1 en l a segunda
ecuacin y no debe aparecer en ninguna otra, es decir, en cualquier otra ecuacin
distinta de la segunda restriccin (que es la ecuacin donde la variable bsica es
x3) el coeficiente de x3 debe ser cero. Esto se logra de la siguiente manera:
1. Divida toda la ecuacin por 4, que es el coeficiente de x3 en la segunda
restriccin.
La ecuacin queda
2x1 - x2 + 1x3 + 1/4x5 = 6 (A)
2. Para lograr ceros en los coeficientes de x3 en las nuevas ecuaciones (0),
(1) y (3) multiplique la ecuacin (A) anterior por 8, -1 y -1 uno a la vez, y
sume el resultado a las ecuaciones anteriores (0), (1) y (3). O sea,
multiplicar la ecuacin (A) por 8 se obtiene:
16x1 - 8x2 + 8x3 + 2x5 = 48
Esta ecuacin sumada con la ecuacin (0) se partida queda:
Z + 14x1 13x2 + 2x5 = 48
Que vendra a ser la ecuacin (0).
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
De manera similar, para lograr un cero en el coeficiente de x3 de la ecuacin (1),
multipliquemos la ecuacin (A) por -1 y sumemos el resultado a la ecuacin (1).
(1) Ecuacin A: -2x1 + x2 x3 -1/4X5 = - 6
Ecuacin (1): x1 + x2 + x3 + x4 = 12
Nueva Ecuacin: - x1 + 2x2 + x4 1/4x5 = 6
Finalmente, para lograr un cero en el coeficiente de x3 de la ecuacin (3),
multipliquemos (A) por -1 y sumemos el resultado a (3). La nueva ecuacin (3)
despus de la transformacin es:
-2x1 + 2x2 - 1/4x5 + x6 = 2
La solucin presente despus de la primera iteracin es:
(x1, x2, x3, x4, x5, x6) = (0, 0, 6, 6, 0, 2); Z = 48
Estos resultados se presentan de una manera sencilla en forma tabular. Al igual
que se hizo con la tabla inicial, registramos solamente los coeficientes de las
variables y los colocamos inmediatamente debajo de la tabla inicial. Esta segunda
tabla proporciona una manera fcil de ver los valores actuales de las variables
bsicas despus de que se ha realizado la primera iteracin.
La tabla inicial y la que resulta despus de la primera iteracin son las siguientes:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
Tabla Inicial
Tabla Despus De La Primera Iteracin
Observe que si en la segunda tabla se intercambian las columnas de x5 y x3, de
nuevo se destaca la matriz unitaria.
En este momento, es oportuno preguntarse si la solucin que se ha obtenido
despus de la primera iteracin es la solucin ptima. Para responder la pregunta,
veamos si es posible incrementar una de las variables de tal manera que la
funcin objetivo aumente. La funcin objetivo despus de la primera iteracin es:
Z + 14x1 13x2 + 2x5 = 48, o bien
Z = -14x1 + 13x2 2x5 + 48
V.B x1 x2 x3 x4 x5 x6 b
Z 14 -13 0 0 2 0 48
x4 -1 2 0 1 -1/4 0 6
x5 2 -1 1 0 1/4 0 6
x6 -2 2 0 0 -1/4 1 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Si aumentamos x2 aumentar el valor de Z, puesto que su coeficiente es positivo
(+13). Por consiguiente, todava no hemos obtenido el valor ptimo y necesitamos
realizar otra iteracin. A esta misma conclusin hubisemos llegado si
observamos que en la tabla despus de la primera iteracin, todava existe un
coeficiente (el de x2) que es negativo.
Segunda iteracin
Despus de la primera iteracin, el sistema de ecuaciones queda:
Z = -14x1 + 13x2 -2x5 + 48
-x1 + 2x2 + x4 - 1/4x5 = 6
2x1 - x2 + x3 + 1/4x5 = 6
-2x1 +2x2 - 1/4x5 + x6 = 2
La variable bsica entrante es x2, puesto que es la que tiene mayor coeficiente en
la funcin objetivo, o bien es la del coeficiente ms negativo en la tabla despus
de la primera iteracin.
Para determinar la variable bsica saliente, procedemos de manera similar a lo
que hizo en la primera iteracin.
En este caso xent = x2
Restriccin
1 a'12 = 2 , b'1 = 6
2 a'22 = -1 , b'2 = 6
3 a'32 = 2 , b'3 = 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Las cotas superiores son:
6/2 = 2
+ ya que a'22 = -1 < 0
2/2 = 1
La menor cota superior es 1 y corresponde a la tercera restriccin. Entonces la
variable bsica saliente es x6, es decir, cambiamos x6 por x2. Las nuevas
variables son x4,x3 y x2.
Como x2 es ahora una variable bsica, debe tener un coeficiente +1 en la
ecuacin (3) y no debe aparecer en ninguna otra ecuacin. Esto se logra de la
siguiente manera:
1. Se divide toda la ecuacin (3) por 2, que es el coeficiente de x2 en esa
ecuacin.
2. Se multiplica la ecuacin resultante en el paso 1. por 13, -2 y +1, unos a
las vez, y se suman los resultados a las ecuaciones (0), (1) y (2).
El resultado es:
Z + x1 +3/8x5 + 13/2x6 = 61 (0)
x1 + x4 - x6 = 4 (1)
x1 + x3 + 1/8x5 + 1/2x6 = 7 (2)
x1 + x2 - 1/8x5 + 1/2x6 = 1 (3)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Regla de parada
Como todos los coeficientes de la ecuacin (0) son positivos, la solucin presente
es ptima; o sea: Z = 61, x4 = 4, x3 = 7, x2 =1 y el resto de las variables son
ceros.
Al igual que en la primera iteracin, los resultados se pueden presentar en forma
tabular. La tabla inicial y las que resultan despus de la primera y de la segunda
iteracin, son las siguientes:
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
Tabla Inicial
V.B x1 x2 x3 x4 x5 x6 b
Z 14 -13 0 0 2 0 48
x4 -1 2 0 1 -1/4 0 6
x5 2 -1 1 0 1/4 0 6
x6 -2 2 0 0 -1/4 1 2
Primera Iteracin
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
V.B x1 x2 x3 x4 x5 x6 b
Z 1 0 0 0 3/8 13/2 61
x4 1 0 0 1 0 -1 4
x5 1 0 1 0 1/8 1/2 7
x6 1 1 0 0 -1/8 1/2 1
Segunda Iteracin
La solucin ptima es (x1, x2, x3, x4, x5, x6) = (0, 1, 7, 4, 0, 0); Z = 61
Hemos visto la aplicacin del mtodo Simplex para obtener la solucin ptima de
un problema de Programacin Lineal y su forma tabular asociada. En realidad, el
proceso de hace bastante mas expedito utilizando directamente la tabla, sin tener
que pasar por las ecuaciones correspondientes. La determinacin de las variables
bsica entrantes y salientes en cada iteracin, puede hacerse directamente a
partir de cada una de las tablas.
Ejemplo 4:
Observemos el siguiente ejemplo, recordando los pasos fundamentales en el
mtodo simplex, adems del uso de variables artificiales, no confundir con
adicionales.
Maximizar Z = -5x
1
+ 8x
2
+ 3x
3
,
sujeto a
2x
1
+ 5x
2
- x
3
1
-3x
1
- 8x
2
+ 2x
3
4
-2x
1
- 12x
2
+ 3x
3
9
1. Expresamos estas condiciones en forma matricial. Se eligen 3 (m)
columnas linealmente independientes dentro de A ___ P
4
, P
5
, P
6
.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
P
4
P
5
P
6
2
5 -1 1 0 0
1
-3 -8 2 0 1 0 4
-2
-
12
3 0 0 1 9
Al introducir estas tres nuevas columnas, estamos utilizando tres variables
adicionales: x
4
, x
5
y x
6
.
Nuestra funcin objetivo tendr la siguiente expresin:
Z = -5x
1
+ 8x
2
+ 3x
3
+ 0x
4
+ 0x
5
+ 0x
6
Se resuelve el sistema en las variables correspondientes:
1 - 2x
1
- 5x
2
+ x
3
= x
4
4 + 3x
1
+ 8x
2
- 2x
3
= x
5
9 + 2x
1
+ 12x
2
- 3x
3
= x
6
Haciendo x
1
= x
2
= x
3
= 0 se obtiene el vrtice de salida:
(0,0,0,1,4,9)
Obtenemos, asimismo una "nueva" funcin objetivo:
Z =-5x
1
+ 8x
2
+ 3x
3
+ 0 (1 - 2x
1
- 5x
2
+ x
3
)+ 0 (4 + 3x
1
+ 8x
2
- 2x
3
) + 0 (9 + 2x
1
+ 12x
2
- 3x
3
)
2. De aqu obtenemos que z
0
= 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. Para ver si es posible mejorar z
0
, se examina la funcin z=f(x
1
, x
2
, x
3
) y de
todos los coeficientes que sean positivos, se coge el mayor. Mientras haya
coeficientes positivos se va a poder mejorar.
Se plantea como aumentar el valor de una variable, de forma que las otras
variables que aparecan en la expresin de Z sigan nulas y, al menos, una
de las que eran distintas de cero se anule.
Actuaremos sobre la variable x
2
, ya que es la de mayor coeficiente, 8.
Nuestro siguiente vrtice debe cumplir las siguientes condiciones:
x
2
=k>0,
x
1
= x
3
= 0
y x
4
, x
5
, x
6
0 y de estas tres variables, al menos, una nula.
Se resuelve el sistema en las variables sealadas, teniendo en cuenta
todas las anteriores condiciones:
1 - 5k = x
4
4 + 8 k = x
5
9 + 12k = x
6
Debemos anular x
4
, ya que es imposible anular x
5
y x
6
, con valores
positivos. La mejor eleccin ser k=1/5,
Con este valor obtenemos el nuevo vrtice de salida:
(0, 1/5 ,0,0, 28/5 ,57/5)
Ahora debemos rehacer las expresiones, expresadas en funcin de x
1
, x
3
y
x
4
.
4. Se cambia la columna de la variable sealada que acaba de anularse por la
de la sealada que aument su valor.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
P
2
P
5
P
6
2/5
1 -1/5 1/5 0 0
1/5
1/5 0 2/5 8/5 1 0 28/5
14/5 0 3/5 12/5 0 1 57/5
Se resuelve el sistema y se encuentra la expresin de la funcin objetivo
correspondiente a esa eleccin de columnas.
Z = 8/5 - 41/5 x
1
+ 23/5 x
3
+ 8/5 x
4
Obtenemos z
1
, que saldr de sustituir el valor del vrtice hallado en la nueva
expresin de la funcin objetivo:
z
1
= 8/5.
5. Se repite cuantas veces haga falta el proceso. (mientras haya coeficientes
positivos).
x
3
= k
x
1
, x
4
= 0
Por tanto,
1/5 + k/5 = x
2
28/5 - 2/5 k = x
5
57/5 - 3/5 k = x
6
Elegimos k= 14 (2 igualdad), obteniendo los siguientes valores:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
P
2
P
3
P
6
1/2 1 0 1 1/2 0
3
1/2 0 1 4 5/2 0 14
5/2 0 0 -3/2 0 1 3
Se resuelve el sistema y se encuentra la expresin de la funcin objetivo:
Z = 66 - 21/2 x
1
- 20 x
4
+ 23/2 x
5
Calculamos el vrtice de salida, haciendo x
1
= x
4
= x
5
= 0,
(0,3,14,0,0,3) z
2
= 66
Ya no se puede mejorar este valor (no hay coeficientes positivos). El
proceso ha finalizado.
vrtice solucin: (0,3,14)
Alcanzado para Z= 66
Comentarios
Para arrancar el simplex se precisa de un vrtice inicial. Cuando las
columnas de la matriz identidad estn dentro de A, este primer vrtice
siempre se puede hallar.
Si I
m
no est dentro de A:
(I
m
, matriz identidad de mxm, con m= n de condiciones.)
1. Debe elegirse m columnas linealmente independientes de A
cualesquiera. Aun as, puede que el simplex no arranque.
2. Manipular las ecuaciones del sistema para que ste sea equivalente
y la matriz identidad aparezca en el sistema final.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
1
1
-1
0
1
2 3 0 1 6
F
1
F
2
- 2F
1
1
1
-1
0
1
0 1 2 1 4
con Z, funcin objetivo del problema.
3. Introduccin de nuevas variables, variables artificiales (no confundir
con adicionales). Sern tantas como sean necesarias y donde sean
necesarias para obtener la matriz identidad.
-1 0 0 1 1
48
1 2 -1 0 0 97
0 2 0 -1 0 11
-1 0 0 1 1 0 0
48
1 2 -1 0 0 1 0 97
0 2 0 -1 0 0 1 11
5. con Z, funcin objetivo del problema.
Esta introduccin afecta a las condiciones y a la funcin objetivo que
quedar modificada en el sentido de que habr dos variables nuevas
ms (variables artificiales).
Se aaden tantos sumandos nuevos como variables artificiales
introducidas con coeficiente -M, siendo M arbitrariamente grande,
que no hace falta especificar.
Z = 2x
1
- x
2
+ x
4
- 3x
5
- M(x
6
+ x
7
)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Obtenemos un nuevo problema, llamado problema aumentado, de
cuya solucin se saca la solucin del problema estudiado:
I. Problema inicial (a su forma cannica): A X = B; Z = C
t
X
II. Problema aumentado: A' X = B; Z
*
= C'
t
X
Si el problema aumentado tiene solucin en un vrtice en el que todas las
variables artificiales toman el valor cero, tendremos un vrtice solucin para el
problema en la forma cannica.
V
s
* = (v
1
, v
2
,..., v
n
, ..., 0,..., 0
) solucin de II ___ V
s
= (v
1
, v
2
,..., v
n
) solucin de I.
Si el problema aumentado tiene una solucin en un vrtice en el que alguna de
sus componentes artificiales sea no nula, el problema inicial no tiene solucin.
LECCION 23. DUALIDAD
Para cada problema de programacin lineal hay una asociacin y una relacin
muy importante con otro problema de programacin lineal, llamado precisamente
dual. El dual permite resolver problemas de maximizacin resolviendo un
problema minimizacin relacionado con aquel.
El mtodo simplex adems de resolver un problema de programacin lineal
llegando a una solucin ptima nos ofrece ms y mejores elementos para la toma
de decisiones. La dualidad y el anlisis de sensibilidad son potencialidades de
ste mtodo
El dual es un problema de PL que se obtiene matemticamente de un modelo
primal de PL dado. Los problemas dual y primal estn relacionados a tal grado,
que la solucin simplex ptima de cualquiera de los dos problemas conduce en
forma automtica a la solucin ptima del otro.
23.1 PASOS PARA CONVERTIR UN PROBLEMA PRIMAL A UNO DUAL
1. Si el primal es un problema de maximizacin su dual ser un problema de
minimizacin y viceversa.
2. Los coeficientes de la funcin objetivo del problema primal se convierten en
los coeficientes del vector de la disponibilidad en el problema dual.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. Los coeficientes del vector de disponibilidad del problema original se
convierten en los coeficientes de la funcin objetivo (vector de costo o
precio) en el problema dual.
4. Los coeficientes de las restricciones en el problema primal, ser la matriz
de los coeficientes tecnolgicos en el dual.
5. Los signos de desigualdad del problema dual son contrarios a los del
primal.
6. Cada restriccin en un problema corresponde a una variable en el otro
problema. Si el primal tiene m restricciones y n variables, el dual tendr n
restricciones y m variables. As, las variables Xn del primal se convierte en
nuevas variables Ym en el dual.
PROBLEMA PRIMAL EN
FORMA CANONICA:
MAX Z= CX
Sujeto a:
AX b
X 0
PROBLEMA DUAL EN
FORMA CANONICA:
MIN Z= BY
Sujeto a:
AY C
Y 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
23.2 EJEMPLOS RESUELTOS
EJEMPLO 1
Encontrar el dual del siguiente problema:
Maximizar Z = 3X1 + 4X2 + 2X3
Sujeta a X1 + 2X2 + 0X3 10,
2X1 + 2X2 + X3 10,
X1, X2, X3 0.
El duaL es:
Minimizar W = 10Y1 + 10 Y2
Sujeta a Y1 + 2Y2 3,
2Y1 + 2Y2 4,
0Y1 + Y2 2,
Y1, Y2 0.
EJEMPLO 2
Encontrar el dual del siguiente problema:
Minimizar Z = 4X1+ 3X2
Sujeta a 3X1 - X2 3, (11)
X1 + X2 1, (12)
-4X1 + X2 3, (13)
Y1, Y2 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Debido a que es un problema de minimizacin, las restricciones (12) y (13) deben
quedar >. Multiplicando ambos lados de (12) y (13) por -1, tendremos -X1 - X2 > -
1 y 4X1 - X2 > -3. Por lo tanto:
3X1 - X2 2,
X1 - X2 -1,
4X1 - X2 -3.
El dual es:
Maximizar W = 2Y1 Y2 3Y3
Sujeta a 3Y1 Y2 + 4Y3 4,
-Y1 - Y2 - Y3 3,
Y1, Y2, Y3 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 24. COMPARACION ENTRE EL METODO SIMPLEX Y DUAL -
SIMPLEX
PRIMAL DUAL
Necesita para comenzar una base
(primal) factible.
Partiendo de una base primal factible,
se trata de alcanzar una factibilidad
del dual, manteniendo una factibilidad
del primal a travs de todo el proceso.
El criterio para optimizacin para el
primal es el criterio de factibilidad del
dual.
Los elementos pivote son posibles en
todas las iteraciones, a fin de
mantener la factibilidad del primal.
La columna pivote se selecciona
primero entre aquellas columnas que
corresponden a un coeficiente
negativo, luego se determina la fila
pivote de tal manera que se garantice
que la factibilidad del primal se
mantenga en la prxima base.
La no factibilidad del dual se
establece en el simplex primal, si la
columna pivote no tiene componentes
Necesita para comenzar una base
(dual) factible.
Partiendo de una base dual factible, el
mtodo trata de alcanzar factibilidad
del primal, manteniendo una
factibilidad del dual a travs del todo
el proceso.
El criterio de optimizacin para el dual
Es el criterio de factibilidad para el
primal.
Los elementos pivotes son negativos
en todas las iteraciones, a fin de
acercarse a la factibilidad del primal.
La fila pivote se selecciona primero y
entre aquellas filas que tienen un
valor actualizado negativo en el
segundo miembro de las ecuaciones.
Se determina luego la columna pivote
de tal manera que se mantenga la
factibilidad dual en la prxima base.
La no factibilidad del primal se
establece en el dual simples, si la
fila pivote no tiene componentes con
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
con valores positivos. valores negativos.
LECCION 25. ANALISIS DE SENSIBILIDAD
Una vez que se ha obtenido la solucin ptima de un problema de programacin
lineal, es muchas veces necesario realizar un anlisis de sensibilidad; esto es
estudiar cmo cambia la solucin del problema por cambios discretos que se
introduzcan en los distintos coeficientes de este problema. Los cambios discretos
en esos coeficientes pueden o no afectar la condicin de factibilidad (XB0) y la
llamada condicin de optimalidad (todos los Zj Cj 0 para los problemas del tipo
maximizacin).
Una forma de conocer los cambios que ocurren en la solucin ptima de un
problema de P.L. cuando ocurren cambios (discretos) en uno o ms coeficientes,
es resolver completamente el nuevo problema y comparar su solucin con la
obtenida en el problema original. Esto puede ser, sin embargo, completamente
ineficiente. Otra manera es hacer uso de las propiedades del primal-dual
estudiadas anteriormente. En general, esto ltimo reduce bastante el esfuerzo
computacional, comparando con el que tendramos que realizar si resolvemos el
nuevo problema y es precisamente lo que haremos en esta seccin.
Despus de llegar a la solucin de un problema de programacin lineal. Puede
ocurrir que el administrador necesite hacer ciertos cambios en los recursos
disponibles de la operacin, en el costo de operacin, en el precio de materia
producido, etc. Generalmente estos cambios dan origen a un nuevo problema, y
su resolucin requiere recursos financieros, humanos y tiempo; pero en ocasiones
no es factible gastar y esperar ms por el nuevo problema creado con el cambio
ocurrido en las disponibilidades. Con las propiedades del mtodo simplex no se
necesitar resolver el nuevo problema desde el principio, ya que es posible reducir
muchos clculos y ahorrar recursos y tiempo llegando a nuevas soluciones
ptimas, sin resolver el problema totalmente, pues ese es el objetivo del anlisis
de sensibilidad. El anlisis de sensibilidad permite utilizar la tabla final para realizar
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
operaciones con objeto de analizar los siguientes cambios en el problema de
programacin lineal:
Cambios en el vector de disponibilidad de recursos
Cambios en el vector de costos o precio, o sea, en los coeficientes de la
funcin objetivo
Adicin de nuevas actividades, es decir, las variables de decisin
Aumentar el nmero de restricciones.
CAMBIOS EN EL VECTOR DE DISPONIBILIDAD
Suponga el siguiente problema de programacin lineal:
Max Z= 8X1 + 6X2
Sujeta a:
4X1 + 2X2 60
2X1 + 4X2 48
X1 + X2 0
El presidente de la fbrica decidi aumentar 2 horas de cada da en la capacidad
de los dos departamentos (la fbrica trabaja 6 das a la semana, pero los sbados
trabajan hasta medio da). Al presidente le interesa saber que efectos tendrn sus
decisiones sobre la solucin ptima actual.
Z=132 X1= 12 X2= 6 H1= 0 H2= 0
Segn la decisin del presidente el nuevo problema ser:
Max Z= 8X1 + 2X2
Sujeto a:
4X1 + 2X2 71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
2X1 + 4X2 59
Para resolver ese problema utilizamos la tabla final del problema anterior.
Base Variables de
Decisiones
X1 X2
Variables de
Holgura
H1 H2
Solucin
Z 0 0 5/3 2/3 132
Final X1
X2
1 0
0 1
1/3 -1/6
-1/6 1/3
12
6
Multiplicamos la matrz de los coeficientes tecnolgicos de las variables que no
estn en la base, al nuevo vector de disponibilidad, por consiguiente los nuevos
valores de las variables bsicas actuales son:
X1 1/3 -1/6 71 14
= =
X2 -1/6 1/3 59 7.5
Como X1 y X2 no son negativos la nueva solucin es factible y ptima. Para
encontrar el valor Z multiplicamos el vector de costo o precio al vector de la nueva
solucin.
14
(8,6) = 157
7.5
Supngase que por dificultades econmicas no se puede vender el producto con
la misma rapidez que el ao pasado, y por problemas de liquidez no es posible
cubrir el sueldo de todos los trabajadores, pero como se sabe que la situacin es
temporal no se quiere cerrar la planta completamente, as que el presidente
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
decidi reducir la capacidad en ensamble y terminacin a 56 y 25 horas
respectivamente, pero su inquietud es saber qu efectos tendrn estas nuevas
decisiones en el nivel de produccin y en su ganancia, por consiguiente el nuevo
problema ser:
Max z= 8x1 + 6x2
SUJETO A:
4x1 + 2x2 56
2x1 + 4x2 25
Solucin:
X1 1/3 -1/6 56 14.5
= =
X2 -1/6 1/3 25 -1
Como los nuevos valores de las variables de decisin tienen signo negativo violan
la propiedad del simplex, o sea, cuando el sector [b] [0] la solucin no es factible.
Entonces la nueva solucin de la segunda restriccin X2= -1 no es factible; aqu
el mtodo de dual simplex llega a ser importante para restablecer la factibilidad del
problema.
Base X1 X2 H1 H2 Solucin
Z 0 0 5/3 2/3 110
X1
X2
1
0
0
1
1/3 -1/6
-1/6 1/3
14.5
-1
Z 0 10 0 4 100
X1
X3
1
0
2
-6
0
1 -2
12.5
6
ptimo
La solucin factible y ptima actual es: X1= 12.5, X2= 0, X3= 6, X4= 0, Z= 100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
No se debe olvidar que para encontrar cul recurso hay que aumentar a fin de
lograr el mejor rendimiento marginal, tenemos que ver en la tabla final de dual
aquella variable dual correspondiente a la restriccin primal que tiene el valor
positivo ms alto, y el recurso que rendir ms si aumentamos unas unidades.
Para ms informacin ver la interpretacin de dual.
CAMBIO AL VECTOR DE COSTO O PRECIO
Supongamos que la compaa tiene mucha mercanca almacenada que no puede
vender. El presidente decide bajar el precio de la mesa a 6 pesos y el de la silla a
5 pesos, pero antes de hacer vlida al decisin quiere saber qu efecto tendr en
su operacin y ganancia; el nuevo problema ser:
Max Z= 6X1 + 5X2
Sujeto a:
4X1 + 2X2 60
2X1 + 4X2 48
X1,X2 0
Solucin:
El anlisis de sensibilidad para este tipo de cambio toma como punto de partida la
solucin ptima del problema original multiplicando el nuevo vector de costo o
precio (valores de la funcin objetivo por la matriz de coeficientes tecnolgicos), o
sea, la matriz de los coeficientes de las variables que no estn en la base de la
tabla final de simplex: el resultado de esta multiplicacin le llamaremos Q.
Si Q 0 la solucin es factible, si Q 0 la solucin no es factible. Hay una mejor
explicacin con el procedimiento de simplex. Si la solucin es factible se debe
verificar que la solucin sea ptima tambin, si no es ptima, seguimos con el
procedimiento de simplex.
Para verificar si Q es el resultado de la F.O. por la matriz de coeficientes
tecnolgicos multiplicamos Q por la matriz de los coeficientes del dual, y
llamaremos al resultado de esta multiplicacin L, restamos L, con el nuevo vector
de costo o precio, si el resultado es el cero; la solucin es ptima si no seguimos
con el procedimiento simplex.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
C
(vector de costo y precio) x Mariz de = Q
Coeficientes
Tecnolgicos
Q matriz de las variables = L
De cual es dual
L C = 0, la solucin es ptima
1/3 -1/6
(6,5) = (7/6,2/3)
-1/6 1/3
Como Q, o verificamos la optimalidad
4 2
(7/6, 2/3) = (6,5)
2 4
Los nuevos coeficientes de la F.O. (Z) correspondientes a X1 y X2 de la tabla final
de simplex son:
(8 6) (8 5) = (2 1)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 26. TALLER METODO SIMPLEX
1. MAXIMIZAR
Z= x1 + 2x2
Sujeta a
2x1 + x2 8
2x1 + 3x2 12
x1, x2 0
2. MAXIMIZAR
Z= -x1 + 3x2
Sujeta a
x1 + x2 6
-x1 + x2 4
x1, x2 0
3. MAXIMIZAR
Z= 8x1 + 2x2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Sujeta a
x1 x2 1
x1 + 2x2 8
x1 + x2 5
x1, x2 0
4. Una compaa de carga maneja envos para 2 compaas, A y B, que se
encuentran en la misma ciudad. La empresa A enva cajas que pesan 3
libras cada una y tiene un volumen de 2 pies; la B enva cajas de 1 pie con
peso de 5 libras cada una. Tanto A como B hacen envos a los mismos
destinos. El costo de trasporte para cada caja de A es $7500 y para B es
$5000. la compaa transportadora tiene un camin con espacio de carga
para 2400 pies y capacidad mxima de 9200 libras. En un viaje, Cuntas
cajas de cada empresa debe transportar el camin para que la compaa
de transportes obtenga el mximo ingreso? cual es este mximo?
5. una compaa fabrica 3 productos X, Y, Z. cada producto requiere de los
tiempos de maquina y tiempo de terminado como se muestran en la tabla.
Los nmeros de horas de tiempo de maquinas y de tiempo de terminado
disponibles por mes son 900 y 5000 respectivamente. La utilidad por unidad
X, Y y Z es $3000, $4000 y $6000 respectivamente. Cual es la utilidad
mxima al mes que puede obtenerse?
TIEMPO DE
MAQUINA
TIEMPO DE
TERMINADO
X 1 4
Y 2 4
Z 3 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 27. TALLER DUALIDAD
En los siguientes problemas hay que encontrar solo la forma dual del
ejercicio no es necesario que los resuelva, sin embargo si es su deseo
hacerlo proceda.
1. MAXIMIZAR
Z= 2x1 + 3x2
Sujeta a
x1 + x2 6
-x1 + x2 4
x1, x2 0
2. MAXIMIZAR
Z= x1 + 8x2 + 5x3
Sujeta a
x1 + x2 + x3 8
-x1 + 2x2 + x3 2
x1, x2, x3 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
3. Una empresa est comparando los costos de publicidad en dos medios de
comunicacin: peridicos y radio. Para cada peso de publicidad la tabla que
aparece en seguida presenta el numero de personas por grupo de ingresos, de
cada uno de esos medios de comunicacin alcanza. La empresa desea llegar a
cuando menos 8000 personas de las que tienen ingresos de menos de
$500.000 y cuando menos 6000 de las que ganan mas de $500.000. utilizar el
dual y el mtodo simplex para hallar las cantidades que debe invertir la
empresa en publicidad en peridicos y en radio, para llegar a ese nmero de
personas, con un costo total mnimo. cual es el costo total mnimo de
publicidad?
MENOS DE
$500.000
MAS DE $500.000
PERIODICOS 40 100
RADIO 50 25
LECCION 28. DEGENERACION: INTRODUCCION
Las unidades anteriores cubren los aspectos fundamentales del modelo de
programacin lineal. Pero este captulo se presentan algunos tpicos avanzados
relacionados con la degeneracin en programacin lineal, as como algoritmos
para resolver problemas con estructuras especiales. Con el estudio de esta unidad
entonces, es complemento natural de un primer curso de investigacin de
operaciones para un estudiante de ingeniera.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
DEGENERACION EN PROGRAMACION LINEAL
En el desarrollo del mtodo simple, hemos visto que si existe una solucin bsica
factible (pero no optima) al conjunto de restricciones y en ausencia de
degeneracin, es posible ir combinando sucesivamente un vector de la base y
alcanzar una solucin optima (o una indicacin de que la solucin no esta
acotada) en un numero finito de pasos.
Para la solucin de la degeneracin en programacin lineal existen dos mtodos
importantes: mtodo de perturbacin de charnes y mtodo simplex generalizado.
1. METODO DE PERTURBACION DE CHARNES
Se considera solamente la resolucin de un problema particular, considerando un
conjunto de problemas cuyos valores son modificados a un valor en particular.
Cuando los valores no se modifican el conjunto de problemas incluye el problema
original a resolver.
PASOS PARA OBTENER UNA SOLUCION DEGENREADA APARTIR DE LA
SOLUCION BASICA
Numeramos los vectores de tal manera que aquellos que conforman la
matriz identidad estn de primero.
Comenzando con una matriz identidad como base podemos obtener
siempre una solucin bsica inicial para el problema perturbado.
En algunos casos no es importante hallar el valor de E (dado por algunos libros
como el coeficiente que acompaa el resultado de la solucin factible), ya que no
es necesario en la practica porque requiere de mucho trabajo sin embargo es
importante ya que demuestra que cualquier valor entre 0 y Emax puede perturbar
el resultado de la solucin degenerada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
2. USO DE LA TECNICA DE PERTURBACION EN EL METODO SIMPLEX EN
FORMA TABULAR
Para aplicar la tcnica de perturbacin de Charnes con el mtodo tabular del
algoritmo simplex se resuelve de la misma forma que el mtodo simplex para
realizar el clculo de la SBF (solucin bsica factible).
En primer lugar consideramos las menores potencias de E porque los valores mas
pequeos son los que cuentan.
Claro esta que en el uso de la tcnica de perturbacin con el mtodo simplex en
forma tabular, debemos proveer las columnas para los vectores artificiales que se
requieran.
Veamos a continuacin un ejemplo ilustrativo del procedimiento para seleccionar
el vector que debe salir de la base y que asegurar que el ciclaje no ocurrir.
V.B
a1
x1
a2
x2
a3
x3
a4
x4
a5
x5 b
Z 0 0 0 -4 -3 0
X1 1 0 0 2 4 2
X2 0 1 0 3 1 0
X3 0 0 1 4 2 0
En la primera iteracin el vector a4 entra a la base. Ahora bien, al dividir Xb/Yi4 se
tiene
Min {2/2;0/3;0/4}=0 (no es nico)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
El vector que sale de la base esta unvocamente determinado, puesto que
XB2/Y24=XB3/Y34=0 nos movemos entonces a la primera columna y
determinamos:
Y21/Y24 y Y31/Y34.
Y21/Y24=0/3=0
Y31/Y34=0/4=0
En ambos casos el coeficiente es cero. Tomemos entonces la columna de a2
(segunda columna) y calculamos Y22/Y24 y Y32/Y34, o sea:
Y22/Y24=1/3; Y32/Y34=0/4=0
En este caso se obtiene el coeficiente mnimo de cero.
Entonces sacamos de la base al vector a3. En otras palabras, la variable X4 entra
y sale X3. el elemento pivote es entonces Y34=4. la nueva tabla ser:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
V.B
a1
x1
a2
x2
a3
x3
a4
x4
a5
x5 b
Z 0 0 1 0 -1 0
X1 1 0 -1/2 0 3 2
X2 0 1 -3/4 0 -1/2 0
X3 0 0 1 0
Primera iteracin
Con una iteracin adicional obtenemos la solucin ptima. A partir de la
informacin dada en las tablas, vamos a mostrar la solucin correspondiente al
problema perturbado.
Para la primera tabla de acuerdo a la ecuacin
n+s
Xb(E) = Xb + E ^ (j)Yj
j=1
Tenemos:
XB1 (E) = 2 + E +2E^(4) +4E^(5)
XB2 (E) = 0 + E^(2) +3E^(4) +E^(5)
XB3 (E) = 0 + E^(3) +4E^(4) +2E^(5)
Z(E) = 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Los nuevos valores XnBi(E) cuando se incorpora el vector a4 se obtiene la
segunda tabla y son los siguientes:
XnB1 (E) = 2 + E^(3) (1/2)E^(3) +3E^(5)
XnB2 (E) = E^(2) (3/4) E^(3) (1/2)E^(5)
XnB4 (E) = 1/4E^(3) + 4E^(4) +2E^(5)
ZN(E) = E^(3) + 4E^(4) + 2E^(5)
Para los valores pequeos de E los XBi(E) son positivos. A dems
ZN(E) > Z(E).
METODO SIMPLEX GENERALIZADO
Esta tcnica utiliza el concepto de vectores ordenados lexicogrficamente.
Un vector X es lexicogrficamente positivo (y se denota por X>0) y su primer
componente distinto de 0 es positivo. Dicho de otra manera, si examinamos el
vector X de izquierda a derecha y encontramos que la primera componente
distinta de cero es positiva, entonces el vector es lexicogrficamente positivo.
Seleccin del vector que entra en la base
El vector que entra en la base en cualquier iteracin se determina de la misma
manera que el mtodo simplex comn, de hecho es el mismo vector que entrara
si tratramos con la solucin bsica factible XB del problema original.
Seleccin del vector que sale de la base
Para determinar el vector que sale de la base podemos utilizar una generalizacin
de la formula usual;
XBr/Yrk = min{ XBi/Yik, Yik > 0}
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
i
EJEMPLO
Utilicemos el mismo ejemplo anterior para mostrar la solucin obtenida utilizando
el mtodo simplex generalizado.
V.B x1 x2 x3 x4 x5 b
Z 0 0 0 -4 -3 0
X1 1 0 0 2 4 2
X2 0 1 0 3 1 0
X3 0 0 1 4 2 0
Z 0 0 1 0 -1 0
X1 1 0 -1/2 0 3 2
X2 0 1 -3/4 0 -1/2 0
X3 0 0 1 1/2 0
Para la tabla inicial
XB1=(2,1,0,0) XB2=(0,0,1,0) XB3=(0,0,0,1)
Z=(0,0,0,0)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Todos los vectores de las variables son lexicogrficamente positivos.
Para la segunda tabla se tiene
XBN1=(2,1,0,-1/2) XBN2=(0,0,1,-3/4) XBN=(0,0,0,-1/4)
ZN=(0,0,0,1)
Los nuevos vectores de las variables son tambin lexicogrf icamente positivos y
adems ZN > Z.
LECCION 29. PROBLEMAS DE PROGRAMACION LINEAL CON VARIABLES
ACOTADAS
En un problema de programacin lineal, frecuentemente ocurre que un cierto
numero de restricciones sin de la forma: 0<Xj <uj o bien 0< lj<X. estos tipos de
restricciones se denominan restricciones de variables acotadas; en el primer tipo
las variables tienen cotas superiores y en el segundo tipo tienen cotas inferiores.
En un problema de programacin lineal donde el nmero de restricciones de
variables acotadas es pequeo, se puede aplicar directamente el mtodo simplex
convencional sin tener inconveniente con el crecimiento de la base. Sin embargo,
si este nmero de restricciones es grande, entonces el tamao de la base puede
ser tal que la aplicacin directa del mtodo simplex convencional resulte poco
eficiente.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
LECCION 30. ALGORITMO DE DESCOMPOSICION
INTRODUCCION
Frecuentemente se presentan problemas de programacin lineal de gran tamao y
con una estructura especial, los cuales son computacionalmente imposibles de
resolver. Un ejemplo tpico ocurre cuando cada una de las actividades tiene el
mismo tiempo recursos propios y recursos compartidos con otras actividades.
A este tipo de problemas se les suele aplicar un procedimiento de
descomposicin, el cual consiste en dividir el problema original en subproblemas
de ms fcil manejo y luego resolver estos ltimos casi independientemente.
PRINCIPIO DE DESCOMPOSICION
Los problemas de programacin lineal con un gran numero de restricciones y una
estructura especial, son a menudo computacionalmente difciles de resolver,
puesto que el tiempo de de solucin se incrementa considerablemente con el
numero de restricciones.
Esto hace que sea conveniente utilizar el llamado principio de descomposicin, o
sea, dividir el problema original en un cierto nmero de subproblemas, resolver
estos ltimos casi independientemente y luego reunir las partes para obtener la
solucin optima.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
ALGORITMO DE DESCOMPOSICION
Pasos:
1. reducir el problema original de la forma modificada en funcin de las nuevas
variables.
2. encontrar una SBF al problema modificado. A menudo es necesario utilizar
la tcnica de las variables artificiales.
3. para la iteracin en curso y para cada subproblema determine un valor
optimo utilizando la relacin:
Minimizar Wj = (CB R0 Aj Cj)Xj
Sujeto A: BjXj=bj
Xj0
Luego determine (punto optimo)=min{j} para todo j. si 0, la solucin presente
es optima; en el caso contrario vaya al paso 4.
4. introduzca la variable que sea de la solucin optima correspondiente a y
calcule B exp(-1). Vaya al paso 2.
LECCION 31. LA PROGRAMACION LINEAL BASADA EN LOS
COMPUTADORES
Este apndice est basado en el uso de programas de computacin, para facilitar
la aplicacin de la Programacin Lineal y poder obtener resultados rpidamente.
PHP simplex es un programa gratis, que puede ayudar al estudiante a aclarar las
dudas en la aplicacin de la teora dada en este mdulo. Este programa fcil de
manejar, presenta paso a paso y calcula las operaciones usando el mtodo
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
Simplex, adems calcula y realiza las grficas cuando requiere realizar el
problema por el mtodo grfico.
Por el link: http://www.phpsimplex.com/simplex/simplex.htm entre, haciendo control +
clic sobre este vnculo.
En ayuda tutorial, encuentra la gua clara, para poder usar el programa php
simplex.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
FUENTES DOCUMENTALES
DOCUMENTOS IMPRESOS:
THA, Hamdy A. Investigacin de operaciones. Editorial Alfaomega, 5 edicin
1.995.
EPPEN, Gould y Schimidt. Investigacin de operaciones en las Ciencias de
Ingeniera. Editorial Prentice may, 3 edicin
GALLAGHER, Watson. Mtodos Cuantitativos para la Toma de decisiones.
Editorial McGraw Hill
SHAMBLIN, James. Investigacin de Operaciones.
KAUFMANN , A. Faure R. Invitacin a la investigacin de operaciones. 7 edicin.
C:E:C:S:A
MARTHUR Y SOLOW. Investigacin de Operaciones. Editorial Prentice Hall.
SASIENI, Yaspan. Investigacin de operaciones. Mxico. Limusa.
BARROS,Oscar. Investigacin operativa anlisis de sistemas. Chile, Universitaria.
MORA, Jose Luis. Investigacin de operaciones e informtica. Editorial Trillas.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
PRAWDA, Juan. Mtodos y Modelos de investigacin de operaciones. Editorial
Limusa, 1.979. Tomo I
THIERAUF, Robert. Introduccin a la investigacin de operaciones. Editorial
Limusa 1.982
HADLEY G. Linear Programming. Editorial Addison-Wesley. 1969
GASS, Saul I. Linear Programming. Methods and Applications. Editorial McGraw
Hill. 1969.
Revistas:
ters & Industrial Engineering.
Computers & Operations Research.
IIE Solutions.
Industrial Engineering.
Industrial World en Espaol.
International Journal of Operations & Production Management.
Management Science.
Manufacturing Engineering.
Mathematical Programming.
Mathematics of Operations Research.
Operations Research.
SOFTWARE EDUCATIVOS:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDCTICO DEL CUSO: 100404 PROGRAMACION LINEAL
CPLEX
NETPLOW
OPTIMA
PAFO
SOCRATES
MATLAB
SIAM 2000
PIMAD
DIRECCIONES SITIOS WEB:
SUN W.
NASDAQ.
TODAS LAS DIRECCIONES QUE LLEVEN A INVESTIGACIN DE
OPERACIONES.