Universidad Estatal De Bolvar Facultad De Ciencias Administrativas Gestin Empresarial E Informtica Escuela de Gestin Empresarial Carrera de Contabilidad y Auditora

Ciclo: Quinto ICA A Asignatura: Investigacin Operativa I Tema: Mtodo Simplex Estudiante: Mauricio Maldonado

Periodo:
Septiembre 2012 Febrero 2013

Investigacin Operativa I

Quinto Ciclo

INDICE 1.-Introduccin 1.1.-Biografa George Dantinz.. 2.- Objetivos 2.1.- Objetivo General. 2.2.- Objetivo Especifico. 3.- Fundamento Terico.. 3.1.- Identificando casos anmalos y soluciones... 3.1.1.- Infinitas soluciones. 3.1.2.- Solucin ilimitada 3.1.3.- No existe solucin.. 3.1.4.- Empate de variable entrante.. 3.1.5.- Empate de variable saliente.. 4.- Algoritmo Del Mtodo Simplex 4.2.- Igualar la funcin objetivo a cero.... 4.1.- Convertir las desigualdades en igualdades. 4.3.- Escribir la tabla inicial simplex.. 4.4.-Condicin de Parada. 4.5.- Condicin de entrada y salida de la base 4.6.- Aplicar la prueba de la razn.. 4.7.- Encontrar los coeficientes de la nueva tabla.. 4.8.- Condicin de parada, variable que entra, variable que sale. 4.8.1.- Actualizar Tabla 5.- Importancia Del Mtodo Simplex 6.- Aplicaciones Del Mtodo Simplex. 6.1.- Casos especiales en la aplicacin del mtodo simplex 6.1.1.- Degeneracin 6.1.2.- Opciones ptimas. 6.1.3.- Solucin No Acotada. 6.1.4.- Solucin Infactible. 7.- Ejercicio Mtodo Simplex.......... 8.- PHPSimplex. 8.1.- Ejercicios En El Software De Programacin Lineal Phpsimplex 9.- Limitaciones Del Mtodo Simplex. 10.- Conclusin Bibliografa Linkografia.. Glosario. Anexos..

Pg. 3 4 5 5 5 6 6 6 7 7 7 7 8 8 9 9 10 10 10 11 11 11 12 13 13 14 15 15 16 17 18 20 22 23 23 24 25

Pgina | 2

Investigacin Operativa I

Quinto Ciclo

1.- INTRODUCCION La Investigacin de Operaciones es una rama de las matemticas que hace uso de modelos matemticos y algoritmos con el objetivo de ser usado como apoyo a la toma de decisiones. Se busca que las soluciones obtenidas sean significativamente ms eficientes (en tiempo, recursos, beneficios, costos, etc) en comparacin a aquellas decisiones tomadas en forma intuitiva o sin el apoyo de una herramienta para la toma de decisiones. Los modelos de Investigacin de Operaciones son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilizacin. La Investigacin de Operaciones es una moderna disciplina cientfica que se caracteriza por la aplicacin de teora, mtodos y tcnicas especiales, para buscar la solucin de problemas de administracin, organizacin y control que se producen en los diversos sistemas que existen en la naturaleza y los creados por el ser humano, tales como las organizaciones a las que identifica como sistemas organizados, sistemas fsicos, econmicos, ecolgicos, educacionales, de servicio social, etc. Al principio, la investigacin de operaciones se refera a sistemas existentes de armas y a travs del anlisis, tpicamente matemtico, se buscaban las polticas ptimas para la utilizacin de esos sistemas. Hoy da, la investigacin de operaciones todava realiza esta funcin dentro de la esfera militar; sin embargo, lo que es mucho ms importante, ahora se analizan las necesidades del sistema de operacin con modelos matemticos, y se disea un sistema de operacin que ofrezca la capacidad ptima. La Investigacin Operativa en general y la programacin lineal en particular recibieron un gran impulso gracias a los ordenadores. Uno de los momentos ms importantes fue la aparicin del Mtodo del Simplex. Este mtodo, desarrollado por G. B. Dantzig en 1947, consiste en la utilizacin de un algoritmo para optimizar el valor de la funcin objetivo teniendo en cuenta las restricciones planteadas. Partiendo de uno de los vrtices de la regin factible, por ejemplo el vrtice P, y aplicando la propiedad: si la funcin objetivo no toma su valor mnimo en el vrtice P, entonces existe una arista que parte del vrtice P y a lo largo de la cual la funcin objetivo no aumenta, es decir, se pasa a otro vrtice donde el valor de funcin objetivo sea menor o igual que el alcanzado en P.

Pgina | 3

Investigacin Operativa I

Quinto Ciclo

Esta disciplina como se dijo antes, est compuesta por muchos mtodos matemticos para poder ofrecer solucin optima a una serie de problemas, estos mtodos y tcnicas son aplicables segn sea el caso del problema a resolver. En esta investigacin se tratar solo un mtodo que compone esta disciplina, el mtodo simplex El mtodo Simplex, introducido en su forma original por Spendley; Hext y Himsworth, en 1962, no se basa en planeamientos factoriales y por eso requiere pocos experimentos para moverse, desplazndose en la direccin del ptimo. La aplicacin del mtodo Simplex en Qumica Analtica fue efectuada por la primera vez en 1969. El mtodo Simplex original, a lo largo de estos aos, ha sufrido modificaciones que obligaron a la distincin del mismo dentro de las estrategias de optimizacin, as el mtodo Simplex original pas a ser llamado de Mtodo Simplex Bsico. Hoy en da el mtodo simplex es una tcnica muy utilizada en todos los mbitos especialmente en el rea de negocios determinando la optimizacin de un problema. 1.1.- BIOGRAFIA GEORGE DANTINZ George Bernard Dantzig naci el 8 de Noviembre de 1914 en Portland, Oregon, EEUU. Su padre era profesor de Matemticas, se retir dejando su puesto de Jefe del Departamento de Matemticas en la Universidad de Maryland poco despus de la Segunda Guerra Mundial. Dantzig se gradu de la universidad de Maryland en 1936, al ao siguiente hizo estudios de postgrado en la escuela de Matemticas de la Universidad de Michigan. El pensaba que en sus cursos de matemticas no haba visto ninguna aplicacin a la vida real a excepcin de la estadstica. En 1937 trabaj como empleado en Estadstica en el Bureau of Labor Statistics. Dos aos despus se inscribi a Berkeley para estudiar un doctorado de Estadstica. La tesis con la que obtuvo su doctorado tiene una historia muy peculiar ya que durante su primer ao en la escuela en un curso de Estadstica impartido por un famoso profesor llamado Jerzy Neymann. El profesor tenia la costumbre de elegir dos problemas y al inicio de clase escribirlos en el pizarron para que los alumnos los resolvieran como ejercicio de tarea, en una clase el profesor Neymann haba puesto dos problemas famosos no resueltos de Estadstica, Dantzig ingres tarde a esa clase y los copio para posteriormente hacerlos como tarea, despus de unas semanas el los termin y los

Pgina | 4

Investigacin Operativa I

Quinto Ciclo

mostr a su profesor disculpndose por haber tardado tanto. Las soluciones de esos problemas se convirtieron en su tesis doctoral a sugerencia de su profesor. Al inicio de la segunda guerra mundial Dantzig suspendi sus estudios para ir al ejercito y convertirse en la cabeza de la Rama de Anlisis de Combate de los Cuarteles Centrales Estadsticos de Fuerza erea de los Estados Unidos, este trabajo proporcion los problemas del mundo real que la programacin lineal vendra a resolver Dantzig lleg a la primera formulacin del mtodo simplex en el verano de 1947. El primer problema prctico que se resolvi con este mtodo fue uno de nutricin. Otro de sus grandes logros es la teora de la dualidad, ideado conjuntamente con Fulkerson y Johnson en 1954 para resolver el paradigmtico problema del Agente Viajero (resolviendo entonces problemas con 49 ciudades cuando, hoy da, mediante modernas implementaciones del mtodo, se resuelven problemas con varios miles de ciudades y hasta un milln de nodos) es el precursor de los hoy utilsimos mtodos de Branch-and Cut (Bifurcacin y corte) tan utilizados en programacin entera para resolver problemas de grandes dimensiones. El 13 de Mayo de 2004, George Bernard Dantzig, muri a la edad de 90 aos en su casa de Stanford debido a complicaciones con la diabetes y problemas cardiovasculares. 2.- OBJETIVOS 2.1.- OBJETIVO GENERAL Investigar todo los contenidos del Mtodo Simplex 2.2.- OBJETIVO ESPECIFICO Fundamentar tericamente el mtodo simplex Aplicar el mtodo simplex en problemas propuestos Explicar de forma terica y practica el mtodo simplex en clase

3.- FUNDAMENTO TERICO El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de Programacin Lineal en caso de existir esta ltima. La primera implementacin computacional del Mtodo Simplex es el ao 1952 para un problema de 71 variables y 48 ecuaciones. Su resolucin tarda 18 horas. Luego, en

Pgina | 5

Investigacin Operativa I

Quinto Ciclo

1956, un cdigo llamado RSLP1, implementado en un IBM con 4Kb en RAM, admite la resolucin de modelos con 255 restricciones. El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles (esto ltimo en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en la evaluacin progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para aplicar el Mtodo Simplex a un modelo lineal. Es una herramienta algebraica que permite localizar de manera eficiente el ptimo entre los puntos extremos de una solucin a un problema de programacin lineal. El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Deber tenerse en cuenta que este mtodo slo trabaja para restricciones que tengan un tipo de desigualdad "" y coeficientes independientes mayores o iguales a 0, y habr que estandarizar las mismas para el algoritmo. En caso de que despus de ste proceso, aparezcan (o no varen) restricciones del tipo "" o "=" habr que emplear otros mtodos, siendo el ms comn el mtodo de las Dos Fases. 3.1.- Identificando casos anmalos y soluciones Obtencin de la solucin: Cuando se ha dado la condicin de parada, obtenemos el valor de las variables bsicas que estn en la base y el valor ptimo que toma la funcin que estn en la base mirando la columna P0. En el caso de que estemos minimizando, se multiplicar por "-1" el valor ptimo. 3.1.1.- Infinitas soluciones: Cumplida la condicin de parada, si se observa que alguna variable que no est en la base, tiene un 0 en la fila Z, quiere decir que existe otra solucin que da el mismo valor ptimo para la funcin objetivo. Si estamos ante este caso, estamos ante un problema que admite infinitas soluciones, todas ellas comprendidas dentro del segmento (o porcin del plano, o regin del espacio, dependiendo del nmero de variables del problema) que define Ax+By=Z0. Si se desea se puede hacer otra iteracin haciendo entrar en la base a la variable que tiene el 0 en la fila Z, y se obtendr otra solucin. 3.1.2.- Solucin ilimitada: Si al intentar buscar la variable que debe abandonar la base, nos encontramos que toda la columna de la variable entrante tiene todos sus elementos

Pgina | 6

Investigacin Operativa I

Quinto Ciclo

negativos o nulos, estamos ante un problema que tiene solucin ilimitada. No hay valor ptimo concreto, ya que al aumentar el valor de las variables se aumenta el valor de la funcin objetivo, y no viola ninguna restriccin. 3.1.3.- No existe solucin: En el caso de que no exista solucin, seguro que tendremos que realizar las dos fases, por lo que al trmino de la primera sabremos si estamos en tal situacin. 3.1.4.- Empate de variable entrante: Se puede optar por cualquiera de ellas, sin que afecte a la solucin final, el inconveniente que presenta es que segn por cual se opte se harn ms o menos iteraciones. Se aconseja que se opte a favor de las variables bsicas, ya que son aquellas las que quedarn en la base cuando se alcance la solucin con estos mtodos. 3.1.5.- Empate de variable saliente: Se puede nuevamente optar por cualquiera de ellas, aunque se puede dar el caso degenerado y entrar en ciclos perpetuos. Para evitarlos en la medida de lo posible, discriminaremos a favor de las variables bsicas haciendo que se queden en la base. Ante el caso de estar en la primera fase (del mtodo de las Dos Fases), se optar por sacar en caso de empate las variables artificiales. Fase 1: Al finalizar la fase 1, si el problema original tiene solucin, todas las variables artificiales, en la fila Z deben tener el valor "1". Pivote puede ser 0?: No, ya que siempre se realizan los cocientes entre valores no negativos y mayores que cero. 4.- ALGORITMO DEL METODO SIMPLEX En optimizacin matemtica, el trmino algoritmo simplex habitualmente se refiere a un conjunto de mtodos muy usados para resolver problemas de programacin lineal, en los cuales se busca el mximo de una funcin lineal sobre un conjunto de variables que satisfaga un conjunto de inecuaciones lineales. Un algoritmo simplex es un algoritmo de pivote. El mtodo simplex siempre comienza en una solucin bsica factible y despus trata de encontrar otra solucin bsica factible que mejore el valor del objetivo. Esto es posible slo si incremento en una variable cero actual (no bsica) conduce a un mejoramiento del valor del objetivo. Sin embargo, para que una variable cero actual se convierta en positiva, debe eliminarse una de las variables bsicas actuales (volverse no bsica a

Pgina | 7

Investigacin Operativa I

Quinto Ciclo

nivel de cero) para garantizar que la nueva solucin incluir exactamente m variables bsicas. Construir la Tabla Inicial

Cumple la condicin de parada

SI NO

Dar Resultado

Elegir variable entrante

Elegir variable que sale

Actualizar tabla

Se consideran las siguientes fases: 4.1.- Convertir las desigualdades en igualdades Se introduce una variable de holgura por cada una de las restricciones del tipo , para convertirlas en igualdades, resultando el sistema de ecuaciones lineales: 2x + y + r = 18 2x + 3y + s = 42 3x +y + t = 24 4.2.- Igualar la funcin objetivo a cero - 3x - 2y + Z = 0

Pgina | 8

Investigacin Operativa I

Quinto Ciclo

4.3.- Escribir la tabla inicial simplex En las columnas aparecern todas las variables bsicas del problema y las variables de holgura/exceso. En las filas se observan, para cada restriccin las variables de holgura con sus coeficientes de las igualdades obtenidas, y la ltima fila con los valores resultantes de sustituir el valor de cada variable en la funcin objetivo, y de operar tal como se explic en la teora para obtener el resto de valores de la fila. Para construirla tabla primero se lleva a la forma estndar la funcin objetiva y las restricciones de la manera estndar. En la primera columna de la tabla aparecer lo que se llama base, en la segunda el coeficiente que tiene en la funcin objetivo cada variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el trmino independiente de cada restriccin (P0), y a partir de sta columna aparecern cada una de las variables de la funcin objetivo (Pi). Para tener una visin ms clara de la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre sta tabla que tenemos incluiremos dos nuevas filas: una que ser la que liderar la tabla donde aparecern las constantes de los coeficientes de la funcin objetivo, y otra que ser la ltima fila, donde tomar valor la funcin objetivo. Nuestra tabla final tendr tantas filas como restricciones. Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 ser el de sustituir Cim en la funcin objetivo (y cero si no aparece en la base). El resto de columnas se obtiene restando a este valor el del coeficiente que aparece en la primera fila de la tabla. Se observar al realizar el mtodo Simplex, que en esta primera tabla, en la base estarn las variables de holgura. Forma estndar de maximizacin Esta se da cuando el objetivo es maximizar y restricciones menor igual. Se construye una matriz con los valores de la funcin objetiva y restricciones donde las columnas representan las variables (Z1 + X1 + Y1,, S1, S2, Sn). 4.4.-Condicin de Parada Todos los coeficientes de la funcin objetiva deben ser positivos, es decir; si en la fila Z aparece algn valor negativo se de realizar otra iteracin. Si no aparece ninguno, es que se ha llegado a la solucin ptima del problema.

Pgina | 9

Investigacin Operativa I

Quinto Ciclo

4.5.- Condicin de entrada y salida de la base Primero debemos saber la variable que entra en la base. Para ello escogemos la columna de aquel valor que en la fila Z sea el menor de los negativos. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior (caso de empate), entonces se optar por aquella variable que sea bsica. La columna de la variable que entra en la base se llama columna pivote Una vez obtenida la variable que entra en la base, estamos en condiciones de deducir cual ser la variable que sale. Para ello se divide cada trmino independiente (P0) entre el elemento correspondiente de la columna pivote, siempre que el resultado sea mayor que cero, y se escoge el mnimo de ellos. Si hubiera algn elemento menor o igual a cero no se realiza dicho cociente, y caso de que todos los elementos de la columna pivote fueran de sta condicin tendramos una solucin no acotada y terminaramos el problema El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya que 8 es el menor cociente, indica la fila de la variable de holgura que sale de la base, t (P5). Esta fila se llama fila pivote. Si al calcular los cocientes, dos o ms son iguales (caso de empate), se escoge aquella que no sea variable bsica (si es posible). En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote. 4.6.- Aplicar la prueba de la razn Los nmeros de la columna variable se dividen entre los nmeros de la columna correspondiente a la variable de entrada y se elige como variable que sale el resultado menor. Encontrar una solucin bsica factible realizando operaciones sobre las filas utilizando la fila pivote (debe hacerse 1 y lo que se encuentra arriba y abajo 0). Regresar al paso 3 hasta hallar la solucin ptima. 4.7.- Encontrar los coeficientes de la nueva tabla. Encontrar una solucin bsica factible realizando operaciones sobre las filas utilizando la fila pivote (debe hacerse 1 y lo que se encuentra arriba y abajo 0). Regresar al paso 3 hasta hallar la solucin ptima.

Pgina | 10

Investigacin Operativa I

Quinto Ciclo

Los nuevos coeficientes de la fila pivote, t (P5), se obtienen dividiendo todos los coeficientes de dicha fila entre el elemento pivote, 3, que es el que hay que convertir en 1. A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de su columna, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. 4.8.- CONDICIN DE PARADA, VARIABLE QUE ENTRA, VARIABLE QUE SALE.
Coeficientes de FO aun negativos Variable que entra

Z 1 0 0

X1 -18 5 7

X2 -20 6 3

S1 0 1 0

S2 0 0 1

Vb 0 1100 1800

Pr 1100/6=183.33 1800/3=600
Variable que Sale

4.8.1.- ACTUALIZAR TABLA

Cero arriba Columna pivote

Z 1 0 0

X1 -4/3 5/6 9/2

X2 0 1 0

S1 10/3 1/6 -1/2

S2 0 0 1

Vb 1100/3 X2=550/3 1250

Pr

Cero abajo

Nota: Regresar al paso 3 hasta hallar la solucin ptima 5.- IMPORTANCIA DEL METODO SIMPLEX El mtodo simplex permite localizar de manera eficiente la ptima solucin entre los puntos extremos de un problema de programacin lineal. La gran virtud del mtodo simplex es su sencillez, mtodo muy prctico, ya que solo trabaja con los coeficientes de la funcin objetivo y de las restricciones.

Pgina | 11

Investigacin Operativa I

Quinto Ciclo

Este mtodo es muy importante en el rea empresarial ya que lo utilizan para obtener solucin a los problemas de las empresas en cuanto a inventario, ganancias y prdidas. Este mtodo permite visualizar cuanto se debe vender, cuanto se debe producir o cuanto se debe comprar segn sea el caso para que la empresa obtenga las ganancias optimas y suficientes para competir en el mercado La importancia de este mtodo radica en que gracias a su existencia se pueden resolver problemas complejos. Este mtodo conforma la base de la programacin lineal y es debido a este procedimiento (simplex) que se facilita la toma de decisiones en casos complejos o de incertidumbre ya que ha resultado ser muy eficiente en la prctica. Una gran parte de software para clculos estn estrictamente basados en el mtodo simplex, facilitndonos la interpretacin de datos en poco tiempo es decir que gracias a este mtodo y a los programas que se basan en el ejercicios que se tardaran das en resolverse se llevan a cabo en tan solo horas y hasta minutos optimizando el trabajo de todo aquel que necesite realizar este tipo de clculo. 6.- APLICACIONES DEL METODO SIMPLEX El mtodo simplex tiene muchas aplicaciones, especficamente en el rea de transporte, en la parte de inventarios y en lo empresarial en general. Este mtodo sirve para resolver problemas de la vida cotidiana ya que es muy simple y proporciona una solucin exacta, adems de la ms optima. En el rea empresarial a veces es necesario aplicar el mtodo simplex para resolver problemas de manera rpida y exacta. Como por ejemplo la distribucin de los productos que se van a comprar, de los productos que se van a vender, cuanto se debe compra o vender para tener una ganancia mxima o mnima, estos casos son pequeos problemas que se consiguen a diario en cualquier rea de una empresa. Se puede decir que el mtodo simplex puede cubrir cualquier rea y por lo tanto es aplicable a cualquier rea de trabajo o de la vida siempre que cumpla con los parmetros necesarios para resolver algn problema con este algoritmo. Este mtodo o procedimiento cuenta con un sinnmero de aplicaciones en programacin lineal, pero tambin uso en matemtica y geometra. De entre las aplicaciones ms comunes del mtodo simplex destacan: Es una tcnica utilizada para dar soluciones numricas a problemas de programacin lineal.

Pgina | 12

Investigacin Operativa I

Quinto Ciclo

Es comnmente aplicado para encontrar una solucin ptima en problemas de maximizacin y minimizacin. Es til para resolver problemas de gran tamao y complejos. A partir del mtodo simplex se han desarrollado variantes comnmente utilizadas en programacin lineal. Este mtodo ha sido de suma utilidad para el desarrollo de software que facilitan el proceso de clculos. Este modelo sirve para la correcta interpretacin de modelos de decisin basados en descripciones matemticas con la finalidad de ayudar en la toma de decisiones en situaciones de incertidumbre. 6.1.- Casos especiales en la aplicacin del mtodo simplex Consideraremos casos especiales que pueden presentarse en la aplicacin del mtodo simplex, entre los que se encuentran: 6.1.1.- Degeneracin. 6.1.2.- Opciones ptimas. 6.1.3.- Soluciones no acotadas. 6.1.4.- Soluciones inexistentes (o infactibles). 6.1.1.- DEGENERACION En la aplicacin de la condicin de factibilidad, una coincidencia de la razn mnima se debe descomponer en forma arbitraria para los fines de determinar la variable que sale. Cuando suceda esto una o ms veces de las variables bsicas, ser necesariamente igual a cero en la siguiente iteracin. En este caso, decimos que la nueva solucin es degenerada. Ejemplo (Solucin ptima degenerada) Maximizar z = 3x1 +9x2 Sujeto a
x1 + 4x2 8 x1 + 2x2 4

Pgina | 13

Investigacin Operativa I

Quinto Ciclo

x1,x2 0

6.1.2.- OPCIONES PTIMAS: Cuando la funcin objetivo es paralela a una restriccin de enlace (o sea, una restriccin que se satisface en el sentido de la igualdad a travs de la solucin ptima), la funcin objetivo tomara el mismo valor optimo en ms de un punto de solucin. Por esta razn reciben el nombre de opciones ptimas. Ejemplo (Infinidad de soluciones) Maximizar z = 2x1 + 4x2 Sujeto a
x1 + x2 5 x1 + x2 4 x1, x2 0

Pgina | 14

Investigacin Operativa I

Quinto Ciclo

6.1.3.- SOLUCION NO ACOTADA

En algunos modelos de programacin lineal los valores de las variables se pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo que significa que el espacio de soluciones es no acotado cuando menos en una direccin. Como resultado, el valor de la funcin objetivo puede crecer (caso de maximizacin) o de crecer (caso de minimizacin) en forma indefinida. En este caso decimos que el espacio de soluciones y el valor "ptimo" de la funcin objetivo son no acotados. Ejemplo (Funcin objetivo no acotada) Maximizar z = 2x1 + x2 Sujeto a
x1 - x2 10 2x1 40 x1, x2 0 Iteracin inicial

6.1.4.- SOLUCION INFACTIBLE

Si las restricciones no se pueden satisfacer en forma simultanea, se dice que el modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las restricciones son del tipo (suponiendo constantes no negativas en el segundo miembro) ya que la variable de holgura produce siempre alguna solucin factible. Sin embargo, cuando empleamos los otros tipos de restricciones, recurrimos al uso de variables artificiales que, por su mismo diseo, no ofrecen una solucin factible al modelo original. Aunque se toman medidas (a travs del uso de la penalizacin) para hacer que las variables artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo tiene un espacio factible. Si no lo tiene, cuando menos una variable artificial ser positiva en la iteracin ptima. Esta es nuestra indicacin que el problema no tiene solucin factible.

Pgina | 15

Investigacin Operativa I

Quinto Ciclo

Ejemplo de espacio de solucin infactible Maximizar z = 3x1 + 2x2 Sujeto a

2x1 + x2 2 3x1 + 4x2 12 x1, x2 0

7.- EJERCICIO MTODO SIMPLEX Ejercicio #02. Mx. Z= 32X + 20Y Sujeto a las siguientes restricciones. 2X + Y <= 18 3X + 5Y <= 24 Transformacin del modelo a su forma estndar e insercin de variables de holgura y artificiales a las restricciones segn corresponda. Mx. Z= 32X + 20Y Z 32X 20Y = 0 2X + Y <= 18 3X + 5Y <= 24 Creacin de la tabla Z Z S1 S2 1 0 0 X -32 2 3 Y -20 1 5 S1 0 1 0 S2 0 0 1 SOL 0 18 18/2 24 24/3 2X + Y +S1 = 18 3X + 5Y + S2 = 24

Pgina | 16

Investigacin Operativa I

Quinto Ciclo

Z Z S1 X 1 0 0

Y 0 33,344 0 -2,334 1 1,6666667

S1

S2 SOL 0 10,656 1 -0,666 0 0,33333

256 2 8

S1 Y

0 2 0 0

2 1 2 2 1 1,6666667 0 -2,334

1 0 2 2 0 0,33333 1 -0,666

18 2 8 2

Z Y Resultados: Z = 256 X=8 Y=0 Z=32X+20Y

1 -32 0 1

-32 -20 -32 -32 1 1,6666667 0 33,344

0 0 -32 -32 0 0,33333 0 10,656

0 -32 8 256

Z=32(8)+20(0) Z=256+0 Z=256 8.- PHPSimplex PHPSimplex es una herramienta online para resolver problemas de programacin lineal. Su uso es libre y gratuito. Esta herramienta est pensada principalmente para estudiantes de ingeniera, administracin, matemticas, y cursos de Investigacin Operativa ya que no solo muestra los resultados sino tambin las operaciones intermedias ayudando a aprender y comprender los mtodos. Otras de sus ventajas son que no precisa de ningn lenguaje en el que enunciar el problema, ofrece una interfaz amigable, es cercano al usuario, de manejo fcil e intuitivo, no es necesario instalar nada para poder usarlo, y est

Pgina | 17

Investigacin Operativa I

Quinto Ciclo

disponible en varios idiomas (si desea que PHPSimplex est en su idioma pngase en contacto con nosotros). PHPSimplex es capaz de resolver problemas mediante el Mtodo Simplex, el Mtodo de las Dos Fases, y el Mtodo Grfico, y no cuenta con limitaciones en el nmero de variables de decisin ni en las restricciones de los problemas. Est disponible tambin un manual de ayuda de PHPSimplex para aprender rpidamente a usar la herramienta. Adems en esta pgina encontrar teora de los mtodos utilizados, casos especiales a tener en cuenta, ejemplos de problemas resueltos paso a paso, una comparacin entre el Mtodo Simplex y el Mtodo Grfico, etc. 8.1.- EJERCICIOS EN EL SOFTWARE DE PROGRAMACIN LINEAL PHPSIMPLEX Ejercicio # 01

Pgina | 18

Investigacin Operativa I

Quinto Ciclo

Ejercicio #02

Pgina | 19

Investigacin Operativa I

Quinto Ciclo

9.- LIMITACIONES DEL METODO SIMPLEX En el algoritmo del Smplex, se parte de un programa base que estar formado por vectores unitarios (vector proceso unitario), realizando iteraciones sucesivas, de manera que en cada uno de ellos, la matriz de coeficientes asociada al programa base sea una matriz identidad. El procedimiento de optimizacin, en el mtodo Simplex, comienza por la eleccin de la n+1 puntos donde ser hecha la evaluacin de la respuesta. Este resultado ser evaluado contra las dems respuestas para que el proceso pueda continuar, siendo que este tipo de desarrollo convierte al simplex en un mtodo del tipo secuencial.

Pgina | 20

Investigacin Operativa I

Quinto Ciclo

El procedimiento es repetido sucesivamente, descartndose la peor respuesta. Por lo tanto, como vemos, el objetivo del mtodo Simplex secuencial es forzar al simplex a moverse para la regin de respuesta ptima. En particular, en el uso del mtodo simplex bsico, tres limitaciones son evidentes: Primero: El ptimo solamente es localizado con precisin. Segundo: Un ptimo falso puede ser localizado Tercero: El progreso del simplex en direccin al ptimo solamente puede ser efectuado en una proporcin constante. Los pasos a seguir en el algoritmo del Smplex son: Paso 1. Convertir desigualdades en igualdades, introduciendo para ello variables de holgura, que sern positivas en restricciones menores o iguales, y negativas en restricciones mayores o iguales. Paso 2. Obtener el programa base: Esta es la pregunta inicial de la cual partimos para determinar la solucin. Para encontrar el programa base, tomaremos un vector unitario de cada una de las restricciones del problema. Paso 2.1. Escoger aquellas variables de holgura con el mismo signo que el trmino independiente y coeficiente unitario. Paso 2.2. En su defecto, escoger aquellas variables Xi que aparezca en una nica restriccin, y tenga el mismo signo que el trmino independiente. Esta variable deber tener coeficiente unitario. Paso 2.3. En su defecto, introduciremos en aquellas restricciones de las cuales no hemos tocado an, un vector unitario una variable artificial Kj afectada de un rendimiento N si estamos maximizando, o de un rendimiento +N si estamos minimizando, y que tendr un coeficiente unitario.

Pgina | 21

Investigacin Operativa I

Quinto Ciclo

10.- CONCLUSIN Algunas personas se veran tentadas a aplicar mtodos matemticos a cuanto problema se presentase, pero podra ser ms caro el modelar y el llegar la solucin optima que a la larga no se obtenga un margen de ganancias muy superior al que ya se tiene. Para aplicar estos modelos matemticos es necesario conocer a fondo que modelo aplicar, como aplicarlo y para que aplicar, ya que aplicando el mtodo adecuado de la forma correcta es la nica manera de obtener los resultados deseados. Como se observo el mtodo simplex tiene sus requerimientos y exigencias para poder ser implementado, es por ello que se requiere de mucho cuidado al plantear una situacin y de la misma forma buscar una solucin con este mtodo ya que si no se cumple con estos requerimientos la solucin pudiera ser incorrecta. Se espera que esta investigacin sea informacin suficiente, clara y concisa para que el lector tenga la capacidad de entender y saber aplicar correctamente este mtodo.

Pgina | 22

Investigacin Operativa I

Quinto Ciclo

BIBLIOGRAFA Robert J. Thierauf y Richard Grosse, Investigacin de Operaciones, 2da edicin 1993, Caracas- Venezuela. Daniel Villalba, Sistemas de Decisin Empresarial, 1era edicin 2007, Caracas Venezuela.

LINKOGRAFIA Http://www.Wikipedia.com Http://www.Monografias.com Http://www.Investigacionoperaciones.com

Pgina | 23

Investigacin Operativa I

Quinto Ciclo

GLOSARIO DE TRMINOS Un simplex: Es una figura geomtrica de n dimensiones, constituido de n+1 puntos. Algoritmo: Es un proceso de calculo que permite llegara un resultado final. Variables de holgura: Siempre positivas, hacen que una restriccin que sea desigualdad se transforme en igualdad, y sus coeficientes en la funcin objetivo son ceros. Matriz: es una tabla formada por un conjunto de nmeros dispuestos en filas y columnas de una forma ordena para realizar una operacin. Variable Entrante: Es la variable elegida por un proceso y que entra a ser parte de la solucin de problema. Variable de Salida: Es la variable elegida por un proceso y que ya no forma parte de la solucin de problema. Mtodo: Conjunto de operaciones ordenadas con que se pretende obtener un resultado. Restriccin: es de una condicin o requerimiento, representan la cantidad de esa condicin o requerimiento que se obtiene por encima de un mnimo o que se deja de tener con relacin a un mximo. El Sistema Cannico en un Modelo: Significa que debe existir una variable bsica en cada restriccin. Esto permite obtener una primera solucin posible que satisface todas las restricciones. Variables de Decisin: Son las variable que dan la solucin del problema y que por lo general se determinan a travs del planteamiento del problema Variable Artificial: Debe tener incorporado un coeficiente muy alto en la Funcin Objetivo, con signo negativo en maximizacin y con signo positivo en minimizacin. Con esto se logra que el procedimiento Simplex las elimine de la solucin en las primeras iteraciones. Estas variables deben valer cero en la solucin ptima del modelo. Tabla Simplex: es un resumen detallado de toda la informacin del modelo para trabajar ms fcilmente con l.

Pgina | 24

Investigacin Operativa I

Quinto Ciclo

Pgina | 25

Investigacin Operativa I

Quinto Ciclo

Figura 01: Resolucin de un problema del mtodo simplex.

Figura 02: Determinando la columna pivote en un ejemplo propuesto

Pgina | 26

Investigacin Operativa I

Quinto Ciclo

Figura 03: Repaso de ejercicios propuestos del mtodo simplex.

Figura 04: Elaboracin del informe acerca del mtodo simplex.

Pgina | 27