Professional Documents
Culture Documents
Evaluación Continua 2:
Construcción del Método Simplex
Asignatura:
Optimización Lineal
Docente:
Mg. Willy Condori Roca
Integrantes:
Abado Condori, Miguel Angel.
Montes de Oca Cárdenas, Guillermo Alberto.
Gonzales Taco, Cinthia Noimi.
Jove Yareta, Michael Williams.
Quispe Merma, Joseph Mendelshon.
Arequipa 2023
Índice
1. Abstract 2
2. Resumen 3
3. Introducción 4
4. Objetivos 5
5. Marco Teórico 6
5.1. Breve Historia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5.2. Importancia del Método Simplex . . . . . . . . . . . . . . . . . . . . . . 6
5.3. Construcción del Método Simplex . . . . . . . . . . . . . . . . . . . . . . 7
5.3.1. Problema de Fabricación . . . . . . . . . . . . . . . . . . . . . . . 8
5.3.2. Problema del Carpintero . . . . . . . . . . . . . . . . . . . . . . . 12
5.3.3. Problema Aplicado a la Ingenieria Civil . . . . . . . . . . . . . . . 15
6. Conclusiones 18
7. Referencias 19
1
1. Abstract
The simplex method is an analytical method for solving linear programming problems,
it is capable of solving more complex models than those solved by the graphical method,
without having a restriction on the number of variables. The main objective is to provide
an efficient algorithm to find the optimal solution, highlighting the construction of a
mathematical model applying the simplex method to calculate the level of production
that maximizes a linear function subject to linear constraints, allowing professionals and
analysts to take informed decisions based on the optimization of a linear function. To do
this, it is divided into the following stages:
The problem statement: Where the variables and the objective function are identi-
fied
Writing the initial Simplex table: The problem variables are added to the columns.
In one of the rows, each group of coefficients of each restriction is added and in the
other, the coefficients of the objective function are added.
2
2. Resumen
El método simplex es un método analı́tico de solución de problemas de programación
lineal, es capaz de resolver modelos más complejos que los que son resueltos mediante
el método gráfico, sin tener restricción en el número de variables. El objetivo principal
es proporcionar un algoritmo eficiente para encontrar la solución óptima, destacando la
construcción de un modelo matemático aplicando el método simplex para calcular el nivel
de producción que maximice una función lineal sujeta a restricciones lineales, permitiendo
a los profesionales y analistas tomar decisiones informadas basadas en la optimización de
una función lineal. Para ello, se divide en las siguientes etapas:
La escritura de la tabla inicial Simplex: Se agregan las variables del problema en las
columnas. En una de las filas se agrega cada grupo de coeficientes de cada restricción
y en la otra, se añaden los coeficientes de la función objetivo.
3
3. Introducción
En un mundo donde la toma de decisiones juegan un papel importante, es esencial
contar con herramientas poderosas que nos ayuden a maximizar nuestros resultados. Una
de esas herramientas es el método simplex que fue desarrollado por Dantzig, es un modelo
matemático que resuelve problemas cuando son representados por modelos de programa-
ción lineal, en otras palabras, el método simplex es un procedimiento para determinar la
mejor solución posible de un problema, considerando ciertas restricciones y maximizando
o minimizando una función objetivo. [1]
4
4. Objetivos
OBJETIVOS GENERALES.
Analizar la aplicación del Algoritmo Simplex en problemas del mundo real
aplicados en Programación lineal.
OBJETIVOS ESPECÍFICOS
Identificar la función objetivo, maximizar con restricciones y construir la pri-
mera tabla del simplex.
Entender las iteraciones que se deben establecer para mejorar la función ob-
jetivo de los problemas y poder hallar el óptimo.
Analizar el significado de cada uno de los resultados de las tablas del simplex.
5
5. Marco Teórico
5.1. Breve Historia
Dantzig desarrolló el método simplex para resolver problemas de programación lineal.
El problema de la resolución de un sistema lineal de inecuaciones se remonta, al menos,
a Fourier, después de quien nace el método de eliminación de Fourier-Motzkin. [7]
Más tarde, en 1984, Narendra Karmarkar introduce un nuevo método del punto in-
terior para resolver problemas de programación lineal, lo que constituirı́a un enorme
avance en los principios teóricos y prácticos en el área. El ejemplo original de Dantzig de
la búsqueda de la mejor asignación de 70 personas a 70 puestos de trabajo es un ejemplo
de la utilidad de la programación lineal.
Sin embargo, toma sólo un momento encontrar la solución óptima mediante el plantea-
miento del problema como una programación lineal y la aplicación del algoritmo simplex.
La teorı́a de la programación lineal reduce drásticamente el número de posibles soluciones
óptimas que deberán ser revisadas.
6
Flexibilidad en la formulación del problema: El método simplex permite
formular problemas en términos de maximización o minimización de una función
objetivo. Esto significa que puedes adaptar el problema a tus necesidades especı́fi-
cas, ya sea maximizando ganancias, minimizando costos o cualquier otro objetivo
deseado.
7
Condición de parada: Debes establecer una condición de parada para finalizar
el algoritmo. Por lo general, esto implica verificar si se ha alcanzado una solución
óptima o si no se pueden realizar más mejoras en la función objetivo. Puedes esta-
blecer criterios como la optimalidad de la solución, la estabilidad de las variables
básicas o un número máximo de iteraciones.
Una fábrica de muebles produce dos tipos de muebles de comedor que están muy
de moda: el América y el Europa. Dicha fábrica obtiene una utilidad (precio neto
de venta - costos variables de fabricación) de 400 y 480 euros de la venta de un
comedor América y un comedor Europa respectivamente. Como se ha producido
una alta demanda de ambos modelos, el gerente general cree que puede vender
todos los comedores que se produzcan. Los comedores requieren tiempo de proceso
de construcción y de pintura. Si los requerimientos y capacidades de producción
diarios son los que se muestran a continuación, determinar cuántos comedores se
deben fabricar para vender. [2]
Solución:
Vamos a buscar un modelo matemático que describa esta situación. Los pasos a
seguir son los siguientes:
En primer lugar hay que identificar las variables de decisión del problema. En este
caso llamaremos:
8
Análogamente para la sección de pintura:
8x1 + 4x2 ≤ 64
x1 , x2 ≥ 0
9
Tabla Simplex
10
Por lo tanto diremos que para maximizar los comedores tendrı́amos que fabricar 4 del
modelo América y 8 del modelo Europa. Los comedores son de 5440.
11
5.3.2. Problema del Carpintero
Solución:
Variables de decisión:
x = cantidad de mesas
y = cantidad de sillas
Maximizar z = 5x + 3y
Restricciones: Vienen dadas por los factores limitantes que son las limitaciones de
la mano de obra y los recursos de materia prima.
2x + 1y ≤ 40
1x + 2y ≤ 50
Condición de no negatividad
x≥0yy≥0
12
Tabla Simplex
13
Por lo tanto diremos que para maximizar los ingresos netos tendrı́amos que fabricar
10 mesas y 20 sillas. Los ingresos netos son de 110 dólares.
14
5.3.3. Problema Aplicado a la Ingenieria Civil
Solución:
Variables de decisión:
Restricciones
270x + 200y ≤ 40000
x ≤ 100
y ≤ 120
x + y ≤ 170
Condición de no negatividad
x≥0yy≥0
Variable de holgura
S1 , S2 , S3 , S4
z - 800x - 500y = 0
270x + 200y + s1 = 40000
x + s2 = 100
y + s3 = 120
x + y + s4 = 120
15
La función objetivo y las ecuaciones de las restricciones pueden ser representadas por
sus coeficientes en una tabla, conocida como tabla Simplex como podemos observar en la
siguiente tabla.
Z X Y S1 S2 S3 S4 SOL
Z 1 -800 -500 0 0 0 0 0
S1 0 270 200 1 0 0 0 40000
S2 0 1 0 0 1 0 0 100
S3 0 0 1 0 0 1 0 120
S4 0 1 1 0 0 0 1 170
Donde: Rojo Columna Pivote, Azul Renglón Pivote y Amarillo es elemento Pivote
por lo tanto aplicaremos los siguientes pasos
Paso 1: El elemento Pivote vamos a convertir a 1, en este caso podemos observar que
el elemento pivote ya es 1.
Paso 2: En la Columna pivote tenemos que convertir en cero todos los elementos
excepto el elemento pivote por lo tanto vamos a realizar lo siguiente.
800R3 + R1
−270R3 + R2
−1R3 + R5
Y finalmente nos queda la siguiente tabla.
Z X Y S1 S2 S3 S4 SOL
Z 1 0 -500 0 800 0 0 80000
S1 0 0 200 269 0 0 0 13000
x 0 1 0 0 1 0 0 100
S3 0 0 1 0 0 1 0 120
S4 0 0 1 0 -1 0 1 70
Donde: Rojo Columna Pivote, Azul Renglón Pivote y Amarillo es elemento Pivote
por lo tanto aplicaremos los siguientes pasos
Paso 1: El elemento Pivote vamos a convertir a 1, en este caso podemos observar que
el elemento pivote es 200 entonces vamos a multiplicar por 2001
a todo los elementos del
Renglón para obtener 1 en elemento pivote.
1
R2
200
Z X Y S1 S2 S3 S4 SOL
Z 1 0 -500 0 800 0 0 80000
y 0 0 1 1.345 0 0 0 65
x 0 1 0 0 1 0 0 100
S3 0 0 1 0 0 1 0 120
S4 0 0 1 0 -1 0 1 70
16
Paso 2: En la Columna pivote tenemos que convertir en cero todos los elementos
excepto el elemento pivote por lo tanto vamos a realizar lo siguiente.
500R2 + R1
−1R2 + R4
−1R2 + R5
Y finalmente nos queda la siguiente tabla.
Z X Y S1 S2 S3 S4 SOL
Z 1 0 0 672.5 800 0 0 112500
y 0 0 1 1.345 0 0 0 65
x 0 1 0 0 1 0 0 100
S3 0 0 0 1.345 0 1 0 185
S4 0 0 0 1.345 -1 0 1 135
Se concluye que para obtener un ingreso máximo, que corresponde a 112 millones y
medio de soles, se deberá proyectar el desarrollo urbano con 100 viviendas tipo I y 65
tipo II .
17
6. Conclusiones
Concluimos que el análisis de la aplicación del Algoritmo Simplex en problemas del
mundo real, especı́ficamente en Programación Lineal, revela su poderosa capacidad
para encontrar soluciones óptimas eficientemente.
Logramos entender las iteraciones requeridas para mejorar la función objetivo de-
muestra la eficacia del Algoritmo Simplex en la búsqueda sistemática de la solución
óptima.
Demostrar cada resultado en las tablas del Simplex que tiene un significado parti-
cular que contribuye al entendimiento global del proceso de optimización. Analizar
estos resultados proporciona información valiosa sobre el progreso del algoritmo.
18
7. Referencias
Referencias
[1] Moncayo Martinez L.y Muño D. (2018). Un Sistema de Apoyo para la Enseñanza
del Método Simplex y su Implementación en Computadora. vol.11 no.6, México.
[2] Pérez Lázaro F. (2004). Modelos de Programación Lineal. 1ra Edición, España.
[3] Arsham H. (1994). Modelos Determistas Optimización lineal. 8va Edición, América
Latin.
[4] Garcı́a M., Román P. (2018). Construcción del Método Simplex. Departamento de
Estadı́stica e I.O. Universidad de Granada, España.
19