INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

NATURALEZA DE LA INVESTIGACIN DE OPERACIN Concepto: Es la aplicacin, del mtodo cientfico a problemas relacionados con el control de la organizacin de un sistema (hombre-mquina). Como herramienta de toma de decisiones, la investigacin de operaciones es una ciencia y un arte. Es una ciencia por las tcnicas matemticas que presenta, y es un arte porque el xito de todas las fases que anteceden y siguen en la resolucin del modelado matemtico depende mucho de la creatividad y la experiencia de equipo. Caractersticas: Una de las caractersticas ms generales de la investigacin de operaciones es que las soluciones no se obtienen en formas cerradas, es decir, parecidas a frmulas. Se determina mediante algoritmos (por medio de repeticiones o mejor llamado como iteracin) donde se obtiene una solucin cada vez ms cercana a la ptima. Tambin tiende a representar el problema cuantitativamente para poder analizarlo y evaluar un criterio comn. Importancia: La importancia de la investigacin de operaciones para la informtica radica en la implementacin en los aspectos de coordinacin de operaciones y actividades de la organizacin o sistema que ste analice, mediante el empleo de modelos que describan las interacciones entre los componentes del sistema y de ste con su medio ambiente. Adems, por medio de la misma se pueden determinar toda importante variable, probabilidad y resultados razonables de una decisin, antes de emprender la accin. Objetivos: El objetivo fundamental de la investigacin de operaciones es la aplicacin de procedimientos, tcnicas y herramientas cientficas a problemas operativos con el objeto de ayudar a desarrollar y evaluar posibles soluciones.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

PROGRAMACIN LINEAL Conceptos: Es la tcnica ms importante de investigacin de operaciones, ya que fue diseada para modelos con funciones objetivos y restricciones estrictamente lineales.  Funcin objetivo: es una funcin lineal de varias

variables la cual se puede en su caso maximizar o minimizar. Formulacin de modelos matemticos: Los trminos claves son recursos y actividades, en donde M denota el nmero de distintos tipos de recursos que se pueden usar y N denota el nmero de actividades bajo consideracin. Z= Valor ver a medida global de efectividad. Xj (variables de decisin) = nivel de la actividad J (para J= 1,2,3 .,n). Cj = incrementado en Z quien resulta al aumentar una unidad en el nivel de la actividad J.
Constante de entrada al modelo o parmetros

Bi = cantidad de recurso i disponible para asignar a las actividades (para i= 1,2,3, .m). Aij
=

cantidad del recurso i consumido por cada unidad de la

actividad j . El modelo establece el problema en trminos de tomar decisiones sobre los niveles de actividades, por lo que X1, X2, . Xn, se llaman variables de decisin, los valores de Cj, Bi, Aij (para i = 1,2, ., m y j = 1,2, ., n) son las constantes de enterada al modelo.

Soluciones grficas: Se usa en los casos de modelos con dos variables de decisin. Adems, ilustra que la solucin ptima corresponda a un punto extremo, s hayamos estos con su correspondiente valor de Z, podramos encontrar la solucin ptima.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Regin Factible: es la regin determinada por el

sistema de restricciones de tipo lineal. Es un conjunto de puntos cuyas coordenadas satisfacen las restricciones del problema. Variables de holgura: Son las variables ficticias que se utilizan para llevar una desigualdad en la forma estndar. Se representa por Si, donde i es el nmero de restriccin a la que se aplica, se colocan siempre del lado izquierdo de la desigualdad. Ejemplo: ax1 + bx2 c Aplicando variables de holgura queda: ax1 + bx2 + s1 c Se crea una variable que satisface la ecuacin. Cuando se da el caso de ejemplo: ax1 + bx2 s1 = c Esta variable sirve para la determinacin de la solucin ptima. Variables artificiales: Sumar una variable no negativa al primer miembro de cada ecuacin o restriccin que no tenga variables bsicas iniciales evidentes. Esta variable desempea la misma funcin que una variable de holgura, al proporcionar una variable bsica inicial para una solucin bsica inicial. Las variables artificiales no tiene sentido fsico (artificial) y ser vlido cuando se hace igual a cero, cuando le llegue al valor ptimo. Se utilizan para la solucin y despus se hacen cero en la funcin final, de lo contrario, la solucin resultante ser no factible. es necesario restar la variable por

S todas las restricciones son de tipo menor o igual, se

utilizan las variables de holgura para determinar la solucin. y S las restricciones del problema son igual o mayor igual, se

debe emplear la tcnica de las variables artificiales.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Soluciones factibles: Cualquier punto dentro de la regin factible determina valores numricos para las variables que satisfacen las restricciones.  Solucin factible ptima:

Entre todas las soluciones factibles, buscamos aquella que maximice o minimice la funcin objetivo, adems que satisfaga la restricciones impuestas. Soluciones no factibles: Los modelos de programacin lineal con restricciones

inconsistentes no tienen solucin factible. Desde el punto de vista prctico, un espacio no factible indica la posibilidad de que el modelo no est bien formulado.  Regin factible no acotada: una regin es no

acotada si no se pueden cerrar en un crculo. Generalmente se piensa que el problema est mal planteado.

EJEMPLO DE PROGRAMACIN LINEAL Una empresa produce dos tipos de productos identificados como A y B. Cada unidad del producto A requiere para su produccin 2 horas- mquinas, 5 horas-hombre 6 unidades de materia prima. Cada unidad de producto B requiere 2 horas- mquinas, 10 horas hombre y 3 unidades de materia prima. El beneficio unitario de los productos A y B es de Bs. 5 y 4 respectivamente. Las disponibilidades diarias de los recursos son: 14 horas- mquina, 60 horas- hombre y 36 unidades de materia prima. Se pretende determinar cuntas unidades diarias deben producirse de A y B para maximizar los beneficios.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Solucin: S se designan con x1 y x2 las cantidades que los productos que se producirn diariamente, y z representa el beneficio total diario, el

problema puede formularse matemticamente as:

La funcin objetivo hacer maximizada es: Maximizar Z = 5x1 + 4x2 Sujeto a: 2x1 + 2x2 14 5x1 + 10x2 60
disponible funcin objetivo (se debe maximizar) ecuacin que especifica el nmero total de horas mquinas que no debe exceder lo

6x1 + 3x2 36 X 1 y x2 0

representacin de restricciones relativas a los recursos horas-hombres y materia prima. indica que el nmero de unidades producidas no puede ser negativo.

Si consideramos un eje de coordenadas cartesianas, el que medimos la variable x1 en el eje de abscisas y x2 en el eje de ordenadas; sabemos que las inecuaciones del modelo puede ser representadas grficamente como semiplanos. Al hacer la representacin grficas de las inecuaciones, vamos hallar los puntos que satisfacen todas las restricciones simultneamente; o sea, aquellos pares de valores de x1 y x2 que son posibles soluciones del modelo. Resolviendo: 2x1 + 2x2 = 14 X2 = 0 2x1 + 2(0) = 14 X1 = 0 2(0) + 2x2= 14 5x1 + 10x2 = 60 X2 = 0 5x1 + 10(0) = 60 5x1 = 60 x1 = 60/5 x1 = 12 2x2 = 14 x2 = 14/7 x2 = 7 2x1 = 14 x1 = 14/7 x1 = 7

X1 = 0

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

5(0) + 10x2= 60 6x1 + 3x2 = 36 X2 = 0 6x1 + 36(0) = 36 X1 = 0 6(0) + 3x2= 36

10x2 = 60

x2 = 60/10

x2 = 6

6x1 = 36

x1 = 36/6

x1 = 6

3x2 = 36

x2 = 36/3

x2 = 12

En primer lugar, las restricciones de no negatividad X1 y x2

0, implica que las

soluciones del modelo necesariamente tienen que estar en el primer cuadrante. Si no existieran otras restricciones, cualquier punto del primer cuadrante sera una posible solucin del modelo. Grficamente, las restricciones estn representadas por el conjunto de puntos de bajo o en la recta de las inecuaciones.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Cualquier punto fuera de la regin factible deja de satisfacer por lo menos una restriccin. Se habr observado que hay infinitas soluciones posibles del modelo; hay que escoger aquella que es ptima, es decir, aquella que maximiza Z. El punto adonde se cruzan unas de las rectas representadas en las inecuaciones representar la solucin ptima. El mismo, se encuentran en la interseccin de las rectas 2x1 + 2x2 = 14 y 6x1 + 3x2 = 36; luego, los coordenadas son x1 = 5, x2 = 2. Segn esto, la solucin ptima es la siguiente: se deben producir 5 unidades del producto A; 2 unidades del B, y esto da un beneficio de Z = 5x1 + 4x2 = 33 bolvares.

MTODO SIMPLEX Conceptos: Es el mtodo para resolver problemas de programacin lineal por medio de una herramienta esencial como lo es la computadora determinando en forma algebraica los puntos esquina. Esto se logra convirtiendo primero todas las restricciones de desigualdad en ecuaciones, para despus manipular esas ecuaciones en una forma sistemtica.  Puntos esquina: es una recta que marca el lmite de lo que permite la restriccin.  Puntos de intercepcin: son las soluciones en los vrtices para el problema. Naturaleza iterativa del mtodo Simplex:  El mtodo simplex comienza en el origen en el plano

cartesiano donde x1 = x2 = 0. En este punto de inicio, el valor de la funcin Z es cero.  El mtodo simplex proporciona una regla definida

principalmente para facilitar el desarrollo de la funcin. En forma especfica cuando ste est maximizando, la variable que tenga el coeficiente positivo en la funcin objetivo ms grande es la que se selecciona para aumentar Z. Si hay un empate, la seleccin se hace en forma arbitraria.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Cmo funciona el mtodo simplex? 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. Forma estndar de un problema: Un problema lineal est en forma estndar si todas las restricciones son igualdades y se conoce una solucin factible. En notacin matricial, la forma estndar es: Optimizar Con la condicin: Con: Dnde: X es el vector columna de todas las variables de holgura, superfluas (exceso) y artificiales. C a b es el vector rengln de los costos (utilidades) correspondientes. es la matriz de coeficientes de las ecuaciones de restricciones. es el vector columna de los lados derechos de las ecuaciones de restricciones (vector mano derecha o de disponibilidad de recursos). Solucin bsica: Una solucin bsica es aquella que es factible o se encuentra en uno de los vrtices de la regin solucin. Con m ecuaciones y n variables una solucin bsica se determina haciendo n-m variables iguales a cero. En general existen n!/[m!(n-m)!] soluciones bsicas posibles. Variables No Bsicas: Son las n -m variables que hemos hecho igual a cero. z = cx ax = b X=> 0

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Operaciones de rengln de Gauss- Jordan: los clculos de Gauss-Jordan para obtener una nueva solucin bsica.

OPERACIONES NECESARIAS: La fila de la variable que sale es la ecuacin pivote. Nueva ecuacin pivote: = ecuacin pivote / elemento pivote Las dems ecuaciones incluyendo Z: (Ecuacin anterior) ecuacin pivote) Variables bsicas: Son m variables restantes diferentes de cero. La solucin bsica ser factible si todos los valores de las variables bsicas son no negativos. Si alguna de las variables es negativa entonces la solucin ser no factible. Mtodo De La Gran 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 coeficiente [coeficiente de la columna de la variable que entra]x(nueva

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

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 no factible.

Tcnica De Las Dos Fases:  Fase I: Minimizar las variables artificiales sujetas a las restricciones originales. Si el valor mnimo es cero el problema tiene solucin y se pasa a la fase II. Si el valor mnimo es positivo el modelo es infactible.  Fase II: Se utiliza la solucin bsica ptima de la fase I como solucin inicial para el problema original.

Caso especiales del mtodo simplex:  Solucin degenerada: Si se presenta un empate en la variable que sale de forma repetida, una variable bsica tomar valor cero, esto hace que la solucin sea degenerada. Lo anterior es debido a la existencia de a lo menos una restriccin redundante.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

 Multiples soluciones optimas: Se presenta cuando la funcin objetivo es paralela a una restriccin activa (se satisface como igualdad en la solucin ptima), en este caso hay infinitas soluciones. Desde el punto de vista prctico permite escoger la solucin que mejor se adapte a la situacin.  Solucin infactible: Ocurre cuando las restricciones no se pueden satisfacer de forma simultnea. Este tipo de solucin no se presenta si todas las restricciones son del tipo , en otro tipo de restricciones hace falta el uso de variables artificiales, lo que puede dar lugar a soluciones no factibles. Un modelo con solucin infactible puede significar que ha sido mal planteado o que las restricciones no estn destinadas a cumplirse simultneamente, por lo que hara falta una estructura diferente del modelo. Mtodo Dual Simplex: Parte de una solucin ptima infactible, la diferencia con el mtodo simplex primal est en las condiciones para la variable que entra y la variable que sale: Condicin de Factibilidad: La variable que sale es aquella variable bsica con valor ms negativo, si todas son no negativas el proceso termina. Condicin de Optimidad: La variable que entra es aquella no bsica con la razn ms pequea (minimizacin), o con valor absoluto ms pequeo (maximizacin). Las razones se calculan dividiendo los coeficientes del primer miembro de la funcin objetivo entre los correspondientes coeficientes negativos en la ecuacin de la variable que sale. Si todos los valores son ceros o positivos el modelo es infactible (no hay solucin). En ambas condiciones los empates se rompen de forma arbitraria.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

INTRODUCCIN Cada vez es ms difcil asignar los recursos o actividades en la forma ms eficaz, pues los recursos cada vez Howard tres casos y crecen las complejidades de los sistemas generando problemas para decisiones ptimas. La investigacin de operaciones se le atribuye ms a los servicios militares prestados a principio de la II guerra mundial. Debido a los esfuerzos blicos, exista una necesidad urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades dentro de cada operacin, en la forma ms efectiva. Por esto, las administraciones militares americanas y britnicas hicieron un llamado a un gran nmero de cientficos para que apliquen el mtodo cientfico a ste y a otros problemas estratgicos y tcticos. Esto equipos de cientficos fueron los primeros equipos de investigacin de operaciones, el desarrollo de mtodos efectivos que contribuyeron a numerosos triunfos. Entonces, la investigacin de operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones (o actividades) dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones se ha aplicado de manera extensa en reas tan diversas. La investigacin de operaciones usa una de las tcnicas la cual se puede considerar como la ms importante es la programacin lineal, se disea para modelos con funciones objetivo y restricciones estrictamente lineales. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones a muchas compaas o negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo; su aplicacin a otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande que los clculos cientficos en computadoras est dedicada al uso de la programacin lineal. La variedad de situaciones a las que se puede aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de instalaciones de produccin a los productos, hasta la asignacin de los recursos nacionales a las necesidades de un pas. Dentro de la programacin lineal se encuentra una propiedad muy importante para resolver la misma, como lo es el mtodo Simplex, cuya funcin es mejorar potencialmente la funcin objetivo. A continuacin, se estudiar ms detalladamente lo anteriormente descrito.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

CONCLUSIN La investigacin de operaciones es el procedimiento cientfico que est auxiliado por modelos y tcnicas matemticas, servible para disear y operar los problemas complejos. Utiliza todas las herramientas cientficas pertinentes que prev una base cuantitativa para decisiones administrativas. Surgiendo as, equipos de investigacin integrados para la profundizacin de las diferentes opciones de accin. La investigacin de Operaciones es una herramienta cuantitativa para medir anticipadamente el impacto de la decisin, adems es generadora de valor agregado y su uso produce ventajas competitivas, permite que con stas tcnicas se lleve a cabo un adecuado proceso de toma de decisiones en la empresa, pero uno de los problemas que se presentan es que no es aplicable a todas las organizaciones y que slo se puede utilizar cuando los problemas son cuantificables. La programacin lineal utiliza un modelo matemtico para descubrir el problema. El adjetivo lineal significa que todas las funciones matemticas del modelo deben ser funciones lineales. En este caso, la palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata de planeacin de las actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo matemtico) entre todas alternativas de solucin. En el caso del mtodo simplex para sistemas lineales las condiciones de optimidad y factibilidad garantizan, partiendo de un punto extremo factible (solucin bsica), el poder mejorar el valor de la funcin objetivo hasta llegar al ptimo en cada iteracin.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Ejemplo del Mtodo Simplex: Vamos a resolver el siguiente problema: Maximizar Sujeto a: Z = f(x1,x2) = 3x1 + 2x2 2 x1 + x2 18 2x1 + 3x2 3x1 + x2 42 24

X 1 0 , x2 0 Paso I: Convertir las desigualdades en igualdades: Se introduce una variable de holgura por cada una de las restricciones, este caso s1, s2, s3 para convertirlas en igualdades y formar el sistema de ecuaciones estndar. FORMA ESTANDAR: 2x1 + x2 + s1 = 18 2x1 + 3x2 + s2 = 42 3x1 + x2 + s3 = 24 Paso II: Igualar la funcin objetivo a cero y despus agregar las variables de holgura del sistema anterior: Z - 3 x1 - 2 x2 = 0 Para este caso en particular la funcin objetivo ocupa la ltima fila del tablero, pero de preferencia siempre se deber de colocar como la primer fila Cuando minimizamos se toma el valor (+) positivo de F.O para convertirlo en negativo y cuando maximizamos tomamos el valor (+) negativo de F.O para convertirlo en positivo. Paso III: Escribir el tablero 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 ltima fila con los coeficientes de la funcin objetivo: restriccin y la

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Base

Variable de decisin X1 S1 S2 S3 Z 2 2 3 -3 X2 1 3 1 -2

Variable de holgura S1 1 0 0 0 S2 0 1 0 0 S3 0 0 1 0

Solucin

18 42 24 0

Paso IV: Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base. Para escoger la variable de decisin que entra en la base, (FLECHA ROJA PARTE SUPERIOR), observamos la ltima fila, la cual muestra los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente ms negativo (en valor absoluto). En este caso, la variable x1 de coeficiente - 3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige 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 color azulado).

Para encontrar la variable de holgura que tiene que salir de la base, (FLECHA ROJA COSTADO IZQUIERDO) se divide cada trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base, S3. Esta fila se llama fila pivote (en color azulado).

Iteracin No. 1

Base

Variable de decisin

Variable de holgura

Solucin

Operacin

X1 S1 S2 S3 Z 2 2 3 -3

X2 1 3 1 2

S1 1 0 0 0

S2 0 1 0 0

S3 0 0 1 0 18 42 24 0 18/2 = 9 42/2 = 21 24/3 = 8

Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes puede salir de la base. En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, 3, este indica que la variable de decisin X1 entra y la variable de holgura S3 sale. Paso V: Encontrar los coeficientes para el nuevo tablero de simplex. Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los coeficientes de la fila por el pivote operacional 3 , ya que este se debe convertir en 1.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de la columna pivote, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. Resultado de Iteracin No. 1

Base

Variable de decisin X1 X2 1/3 7/3 1/3 -1 S1 1 0 0 0

Variable de holgura

Solucin

Operacin

S2 0 1 0 0

S3 -2/3 -2/3 -1/3 1 2 26 8 24 f(S1) 2 f(X1) f(S2) 2 f(X1) (1/3) X1 f(Z) + 3 f(X1)

S1 S2 X1 Z

0 0 1 0

Como en los elementos de la ltima fila hay un nmero 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 x2, por ser la columna pivote que corresponde al coeficiente -1 . B. Para calcular la variable que sale o la fila pivote, dividimos los trminos de la columna solucin entre los trminos de la nueva columna pivote: y como el menor cociente positivo es 6, tenemos que la fila pivote y la variable de holgura que sale es S1. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Y se opera de forma anloga a la anterior iteracin.

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Iteracin No. 2 Base Variable de decisin X1 S1 S2 X1 Z 0 0 1 0 X2 1/3 7/3 1/3 -1 Variable de holgura S1 1 0 0 0 S2 0 1 0 0 S3 -2/3 -2/3 -1/3 1 2 26 8 24 2/(1/3) = 6 26/(7/3) = 78/7 8/(1/3) = 24 Solucin Operacin

Resultado de Iteracin No. 2 Base Variable decisin X1 X2 S2 X1 Z 0 0 1 0 X2 1 0 0 0 S1 3 -7 -1 3 S2 0 0 0 0 S3 -2 4 1 -1 6 12 6 30 3X2 f(S2) (7/3) f(X2) f(X1) (1/3) f(X2) f(Z) + f(X2) de Variable de holgura Solucin Operacin

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: La variable que entra en la base es S3, por ser la variable que corresponde al coeficiente -1. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote:

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

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 S2. El elemento pivote, que ahora hay que hacer 1, es 4. Obtenemos la tabla: Iteracin No. 3 Base Variable de decisin X1 X2 0 X2 1 S1 3 S2 0 S3 -2 6 No se toma por ser negativo S2 X1 Z 0 1 0 0 0 0 -7 -1 3 0 0 0 4 1 -1 12 6 30 12/4 = 3 6/1 = 6 Variable de holgura Solucin Operacin

Resultado de Iteracin No. 3 Base Variable decisin X1 X2 S3 X1 Z 0 0 1 0 X2 1 0 0 0 S1 -1/2 -7/4 -3/4 5/4 S2 0 0 0 0 S3 0 1 0 0 12 3 3 33 f(X2) + 2 f(S3) (1/4) S3 f(X1) f(S3) f(Z) + f(S3) de Variable de holgura Solucin Operacin

INVESTIGACIN DE OPERACIONES, PROGRAMACIN LINEAL Y MTODO SIMPLEX

Tablero Final Base Variable de decisin X1 X2 S3 X1 Z 0 0 1 0 X2 1 0 0 0 Variable de holgura S1 -1/2 -7/4 -3/4 5/4 S2 0 0 0 0 S3 0 1 0 0 12 3 3 33 Solucin

Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. La solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33.