You are on page 1of 68

1

2

3

Para los modelos de maximización se está considerando el desarrollo de ejercicios planteados con variables positivas y variables no restringidas.Como hemos visto en el material de trabajo autónomo 2 se trató de solucionar problemas de dos o tres variables. tanto para maximizar o minimizar la función objetivo. para el caso de los problemas con variables negativas se esta planteando un ejercicio bajo el enfoque de minimización. Para los modelos de minimización se está considerando el desarrollo de ejercicios planteados con variables positivas y variables negativas. Ahora. así como el análisis de sensibilidad de sus resultados. aplicando el método gráfico. en el material de trabajo autónomo 3 veremos el método de solución del SIMPLEX para solucionar problemas de n variables. 4 . considerando variables positivas. para el caso de los problemas con variables no restringidas se esta planteando un ejercicio bajo el enfoque de maximización. negativas y no restringidas.

5 . problemas bastante más grandes. desarrollado por George Dantzing en el año 1947 y es considerado como el "padre de la programación lineal". La implementación en computadoras personales del método SIMPLEX y sus variantes se han convertido en herramientas tan poderosas que se usan a menudo para resolver problemas de programación lineal en miles de restricciones y miles de variables y .El algoritmo SIMPLEX es un procedimiento general para resolver problemas de programación lineal. en ocasiones.

Los modelos de maximización buscan casi siempre obtener la máxima rentabilidad. el máximo cumplimiento del nivel de servicio. la mayor productividad. en el sector de servicios públicos. etc y se aplican en la industria . etc. A continuación veremos la aplicación del método SIMPLEX maximización con variables positivas. el máximo cumplimiento de los objetivos. sistemas de salud. en los sistemas de comercialización. para un modelo de 6 . transportes. sistemas financieros.

7 .

8 .

En nuestro ejemplo. mayores o iguales a cero. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas).Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de maximización. Recordemos que el método SIMPLEX se aplica sólo a modelos que tienen restricciones del tipo menor o igual. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. todas las variables son positivas. Como primer paso debemos aplicar la forma estándar al modelo planteado. estamos agregando las variables de holgura S1 y S2 a las dos restricciones. lo cual implica tres condiciones: La primera condición: que los lado derecho de las restricciones sean constantes. 9 . En nuestro ejemplo. los lado derecho de las restricciones ya son constantes positivas. En nuestro ejemplo.

y es la variable que ingresa a la base en el siguiente tablero. para nuestro caso corresponde al valor ‐3 de la columna asociada a la variable X2. implementamos el tablero inicial del simplex con la estructura de su forma estándar. 10 . debemos seleccionar el coeficiente del Costo Reducido más negativo para obtener nuestra columna PIVOT. Como se está maximizando.Ahora bien.

ya que tiene el costo reducido más negativo con el valor ‐3. y la variable S1 es reemplazada por la variable X2. El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. para ello dividimos la fila de la variable S1 entre 2. 11 . Esto significa que en el siguiente tablero debe salir de la base la variable S1 y su lugar debe ser remplazada por la variable X2. generalizamos esta operación para toda la fila. el menor ratio de cociente mínimo nos determina la fila PIVOT. La variable X2 es la variable que ingresa a la base en el siguiente tablero. para nuestro caso el menor ratio corresponde a la variable S1 que tiene como cociente mínimo 3. Posteriormente hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos).Luego obtenemos nuestra columna PIVOT asociada a la variable X2. ya que el elemento de intercepción es 2 y colocamos el resultado en el siguiente tablero en la posición del renglón que le corresponde.

mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el siguiente tablero. de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 3 y luego sumamos el valor ‐3 de la fila de los coeficientes reducidos en el primer tablero. El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero.Ahora bien. 12 .

replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. en el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por (– 1) y luego sumamos el valor 1 de la fila de S2 en el primer tablero. 13 .Luego. El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.

Para nuestro caso corresponde al valor ‐1/2 de la columna asociada a la variable X1. Luego. para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 10/3. El menor ratio de cociente mínimo nos determina la fila PIVOT.Continuando. 14 . y es la variable que ingresa a la base en el tercer tablero. Esto significa que en el tercer tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable X1. como se está maximizando debemos seleccionar el coeficiente del Costo Reducido más negativo del segundo tablero para obtener nuestra columna PIVOT. hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos).

ya que el elemento de intercepción es 3/2 y colocamos el resultado en el tercer tablero en la posición del renglón que le corresponde. y la variable S2 es reemplazada por la variable X1. Para ello dividimos la fila de la variable S1 entre 3/2. el elemento de intersección de la fila y columna PIVOT debe ser 1 en el siguiente tablero. 15 . generalizamos esta operación para toda la fila.Ahora bien.

16 .Luego mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X1 en el tercer tablero. replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del segundo tablero. El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. de la siguiente manera: En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por el valor 1/2 y luego sumamos el valor ‐1/2 de la fila de los coeficientes reducidos en el segundo tablero.

El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero. 17 . Replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero.Luego en el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por el valor (– 1/2) y luego sumamos el valor 1/2 de la fila de X2 en el segundo tablero. entonces se ha llegado a la solución final. Luego. vemos que en el tercer tablero ya no existen más costos reducidos negativos.

Finalmente el tercer tablero nos da el tablero óptimo del cual obtenemos el vector solución. el cual está compuesto por las variables básicas (son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por default. 18 . El valor de la función objetivo se obtiene del primer valor de la columna solución.

y La función objetivo asume un valor óptimo de 32/3 19 .La solución final se da en función a las variables de decisión: X1 asume un valor de 10/3 . X2 asume un valor de 4/3 .

20 .

A continuación mostraremos una formulación asociado a un modelo matemático donde se ilustra el uso de variables no restringidas. como por ejemplo la condición de disponibilidad de horas. sistemas financieros. etc. la condición de disponibilidad de capital. sistemas de salud. en los sistemas de comercialización. en el sector de servicios públicos. transportes.Los modelos de maximización con variables no restringidas. donde pueden existir horas sobrantes ó requerirse horas extras. 21 . donde el resultado de la función objetivo es casi siempre obtener la máxima rentabilidad y se aplican en la industria . donde puede existir capital sobrante ó requerirse capital adicional. entre otros casos. buscan modelar condiciones donde las variables puedan tomar valores positivos ó negativos.

Como primer paso debemos aplicar la forma estándar al modelo planteado. 22 . Encontrarán ocasiones en donde el modelo requiere hacer uso de variables que Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. también la variable Y debe ser igual a Y1‐Y2. S2 y S3 a las tres restricciones.Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de maximización con variables no restringidas. en nuestro ejemplo la variable X y Y esta definida como no restringidas. lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero. y luego hacemos el reemplazo en todo el modelo en su forma estándar. en nuestro ejemplo estamos agregando las variables de holgura S1 . por lo tanto debemos realizar un cambio de variable. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas). X debe ser igual a X1 – X2 . en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas.

En nuestro caso corresponde al valor ‐8 de la columna asociada a la variable X2. 23 . Como se está maximizando.Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. debemos seleccionar el coeficiente del Costo Reducido más negativo para obtener nuestra columna PIVOT. y es la variable que ingresa a la base en el segundo tablero.

para nuestro caso el menor ratio corresponde a la variable S3 que tiene como cociente mínimo 1. el menor ratio de cociente mínimo nos determina la fila PIVOT. Esto significa que en el segundo tablero debe salir de la base la variable S3 y su lugar debe ser remplazada por la variable X2.Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos). ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. generalizamos esta operación para toda la fila. y la variable S3 es reemplazada por la variable X2. para ello dividimos la fila de la variable S3 entre 1. 24 . El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero.

25 . de la siguiente manera: En el segundo tablero multiplicamos el valor “1” (el cual está resaltado en la fila de color rojo) por 8 y luego sumamos el valor ( ‐ 8 ) de la fila de los coeficientes reducidos en el primer tablero.Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el segundo tablero. replicamos ésta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. el resultado es “0” y lo colocamos en la misma posición pero del segundo tablero.

en el segundo tablero. 26 . replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. El resultado es “0” y lo colocamos en la misma posición pero del segundo tablero.Luego. multiplicamos el valor “1” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (‐1) de la fila de S1 en el primer tablero.

En el segundo tablero multiplicamos el valor “1” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (‐1) de la fila de S2 en el primer tablero. 27 . el resultado es “0” y lo colocamos en la misma posición pero del segundo tablero. Replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero.

para ello dividimos la fila de la variable S2 entre 3.Continuando. El elemento de intersección de la fila y columna PIVOT debe ser uno en el tercer tablero. debemos seleccionar el coeficiente del Costo Reducido más negativo del segundo tablero para obtener nuestra columna PIVOT. generalizamos esta operación para toda la fila. y la variable S2 es reemplazada por la variable Y2. Esto significa que en el tercer tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable Y2. el menor ratio de cociente mínimo nos determina la fila PIVOT. para nuestro caso corresponde al valor ‐7 de la columna asociada a la variable Y2. 28 . para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 5/3. Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elemento de la columna PIVOT (la división solo se hace para los elementos positivos). y es la variable que ingresa a la base en el tercer tablero. como se está maximizando. ya que el elemento de intercepción es 3 y colocamos el resultado en el tercer tablero en la posición del renglón que le corresponde.

de la siguiente manera: En el tercer tablero multiplicamos el valor “1” (el cual está resaltado en la fila de color rojo) por 7 y luego sumamos el valor ( ‐ 7 ) de la fila de los coeficientes reducidos en el segundo tablero. replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero. 29 .Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable Y2 en el tercer tablero. el resultado es “0” y lo colocamos en la misma posición pero del tercer tablero.

Luego. Replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero. en el tercer tablero multiplicamos el valor “1” (el cual está resaltado en la fila de color rojo) por 2 y luego sumamos el valor (‐2) de la fila de S1 en el segundo tablero. 30 . El resultado es “0” y lo colocamos en la misma posición pero del tercer tablero.

replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del segundo tablero. entonces. 31 .En el tercer tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (‐1) de la fila de Y2 en el segundo tablero. vemos que en el tercer tablero ya no existen más costos reducidos negativos. se ha llegado a la solución final. Luego. El resultado es “cero” y lo colocamos en la misma posición pero del tercer tablero.

las cuales obtienen su resultado de la columna solución. 32 . El valor de la función objetivo se obtiene del primer valor de la columna solución.El tercer tablero nos da el tablero óptimo del cual obtenemos el vector solución. y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por default. compuesto por las variables básicas (son aquellas variables que están en la columna base).

Y asume un valor de ‐ 5/3 .La solución final se da en función a las variables de decisión: X asume un valor de – 8/3 . y La función objetivo asume un valor óptimo de 59/3 33 .

34 .

el menor tiempo de espera. la menor cantidad de piezas rechazadas. sistemas de salud. veremos la aplicación del método SIMPLEX minimización con variables positivas. y se aplican en la industria. A continuación. etc.Los modelos de minimización buscan casi siempre obtener el mínimo costo. transportes. el menor tiempo de entrega. el menor desperdicio. para un modelo de 35 . en los sistemas de comercialización. sistemas financieros. en el sector de servicios públicos. etc. el menor tiempo de producción.

y una tonelada de harina tipo II destinada a la venta genera una ganancia de 3 mil soles y requiere 2 operarios. El área de ventas estima que la diferencia entre la harina tipo I y II debe ser a lo más 6 toneladas. Se dispone de 4 operarios.Una empresa produce harina de tipo I para uso interno y harina tipo II para venta. ¿Cuánto y qué tipo de harina se debe producir  para minimizar  los costos? 36 . Una tonelada de harina tipo I de uso interno genera un costo de 2 mil soles y requiere un operario.

37 .

lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. encontrarán ocasiones donde es necesario minimizar la función objetivo. en nuestro ejemplo estamos agregando las variables de holgura S1 y S2 a las dos restricciones. Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual. en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas) en nuestro ejemplo todas las variables son positivas. Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de minimización. Como primer paso debemos aplicar la forma estándar al modelo planteado.Hemos visto hasta aquí las aplicaciones del método SIMPLEX aplicado a problemas de maximización. sin embargo. 38 .

para nuestro caso corresponde al valor 3 de la columna asociada a la variable X2. Como se está minimizando debemos seleccionar el coeficiente del Costo Reducido más positivo para obtener nuestra columna PIVOT.Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. 39 . y es la variable que ingresa a la base en el segundo tablero.

ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. 40 . Esto significa que en el segundo tablero debe salir de la base la variable S1 y su lugar debe ser remplazada por la variable X2. el menor ratio de cociente mínimo nos determina la fila PIVOT. para ello dividimos la fila de la variable S1 entre 1. El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. Generalizamos esta operación para toda la fila. y la variable S1 es reemplazada por la variable X2. para nuestro caso el menor ratio corresponde a la variable S1 que tiene como cociente mínimo 1.Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos).

de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por (‐3) y luego sumamos el valor 3 de la fila de los coeficientes reducidos en el primer tablero.Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable X2 en el segundo tablero. 41 . el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero.

Luego. 42 . entonces. se ha llegado a la solución final. en el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (‐1) de la fila de S2 en el primer tablero. Luego. el resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero. vemos que en el segundo tablero ya no existen más costos reducidos positivos. Replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero.

el cual está compuesto por las variables básicas (son aquellas variables que están en la columna base) las cuales obtienen su resultado de la columna solución. El valor de la función objetivo se obtiene del primer valor de la columna solución. 43 .El segundo tablero nos da el tablero óptimo del cual obtenemos el vector solución. y las variables no básicas (aquellas variables que no aparecen en la columna base) que asumen valor cero por default.

X2 asume un valor de 4 .La solución final se da en función a las variables de decisión: X1 asume un valor de 0 . y La función objetivo asume un valor óptimo de ‐ 12 44 .

45 .Como en el caso de maximización. la condición de cociente mínimo se mantiene.

en los sistemas de comercialización. desembolsos de un flujo de dinero. mostraremos una formulación asociado a un modelo matemático donde se ilustra el uso de variables negativas. la condición de cuantificar costos. inventario faltante. transportes. capital faltante. como por ejemplo. sistemas financieros.Los modelos de minimización con variables negativas. donde el resultado de la función objetivo es casi siempre obtener el menor costo y se aplican en la industria. entre otros casos. en el sector de servicios públicos. buscan modelar condiciones donde las variables puedan asumir valores negativos. etc. sistemas de salud. A continuación. cuantificar pérdidas. 46 .

Como primer paso debemos aplicar la forma estándar al modelo planteado. estamos agregando las variables de holgura S1 y S2 a las dos restricciones. La tercera condición: que las variables que participan en el modelo sean mayores o iguales a cero (es decir que sean variables positivas).Ahora veremos el desarrollo del método SIMPLEX aplicado a un modelo de minimización con variable negativa. en nuestro ejemplo. Y debe ser igual a – Y1. en nuestro ejemplo los lado derecho de las restricciones ya son constantes positivas. por lo tanto debemos realizar un cambio de variable. y hacemos el reemplazo en todo el modelo en su forma estándar. La segunda condición: que las inecuaciones sean expresadas en forma de igualdades usando variables de holgura. En nuestro ejemplo la variable Y está definida como negativa. lo cual implica tres condiciones: La primera condición : que los lado derecho de las restricciones sean constantes mayores o iguales a cero. 47 . Recordar que el método SIMPLEX se aplica solo a modelos que tienen restricciones del tipo menor o igual.

48 . Como se está minimizando.Como primer paso implementamos el tablero inicial del simplex con la estructura de su forma estándar. y es la variable que ingresa a la base en el segundo tablero. Para nuestro caso corresponde al valor 1 de la columna asociada a la variable Y1. debemos seleccionar el coeficiente del Costo Reducido más positivo para obtener nuestra columna PIVOT.

49 .Luego hallamos el ratio del cociente mínimo dividiendo la columna del lado derecho (solución) entre los valores de los elementos de la columna PIVOT (la división solo se hace para los elementos positivos). para ello dividimos la fila de la variable S2 entre 1. El menor ratio de cociente mínimo nos determina la fila PIVOT. ya que el elemento de intercepción es 1 y colocamos el resultado en el segundo tablero en la posición del renglón que le corresponde. Generalizamos esta operación para toda la fila. y la variable S2 es reemplazada por la variable Y1. El elemento de intersección de la fila y columna PIVOT debe ser uno en el siguiente tablero. para nuestro caso el menor ratio corresponde a la variable S2 que tiene como cociente mínimo 4. Esto significa que en el segundo tablero debe salir de la base la variable S2 y su lugar debe ser remplazada por la variable Y1.

50 . de la siguiente manera: En el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por (‐1) y luego sumamos el valor 1 de la fila de los coeficientes reducidos en el primer tablero. Replicamos esta operación para toda la fila con el valor del coeficiente reducido correspondiente del primer tablero.Mediante operaciones suma fila debemos hacer canónico el vector columna asociado a la variable Y1 en el segundo tablero. El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.

51 . El resultado es “cero” y lo colocamos en la misma posición pero del segundo tablero.Luego. replicamos esta operación para toda la fila con el valor del coeficiente correspondiente del primer tablero. se ha llegado a la solución final. vemos que en el segundo tablero ya no existen mas costos reducidos positivos. en el segundo tablero multiplicamos el valor “UNO” (el cual está resaltado en la fila de color rojo) por 1 y luego sumamos el valor (‐1) de la fila de S1 en el primer tablero. Luego. entonces.

El segundo tablero nos da el tablero óptimo. 52 . y las variables no básicas (aquellas variables que no aparecen en la columna base) asumen valor cero por default. del cual obtenemos el vector solución. compuesto por las variables básicas (son aquellas variables que están en la columna base). las cuales obtienen su resultado de la columna solución. El valor de la función objetivo se obtiene del primer valor de la columna solución.

Y asume un valor de ‐ 4 . y La función objetivo asume un valor óptimo de ‐ 4 53 .La solución final se da en función a las variables de decisión: X asume un valor de 0 .

54

55

56

Para cada uno se pide: 1. Obtener el vector solución del tablero óptimo 4. Dar la solución en función a las variables de decisión 57 .A continuación. se proponen tres ejercicios de programación lineal para que pongas en práctica lo aprendido en este MTA. Hallar su forma estándar 2. Hallar la solución por el método SIMPLEX 3.

58 .

59 .

60 .

61 .

62 .

63 .

64 .

65 .

66 .

67 .

68 .