INVESTIGACIN OPERATIVA

Ao del Buen Servicio al Ciudadano

UNIVERSIDA
D NACIONAL
JOS
FAUSTINO
SNCHEZ
CARRIN

FACULTAD
INGENIERIA QUIMICA Y METALURGIA

ESCUELA
INGENIERIA QUMICA

CURSO
INVESTIGACION OPERATIVA

DOCENTE
ING. SANCHEZ GUZMAN JORGE

CICLO
V
TEMA
PROGRACION LINEAL CON EL MTODO SIMPLEX

NOMBRE
- BERROSPI REYES BENITA MARIA
- HUAMN NORABUENA LUCILA TABITA
- NOSE TORRES ALINA NAMIKO
- CASTRO PICHILINGUE MILAGROS NAYDU
- DAMIAN SOTELO GENESIS SUMIKO

Huacho-Per

ING. SANCHEZ GUZMAN, JORGE 1

 INVESTIGACIN OPERATIVA

DEDICATORIA

Este trabajo est

dedicado a nuestros queridos
padres, por brindarnos su
apoyo incondicional da a da y
al docente por educarnos con
esfuerzo y entusiasmo, para
lograr nuestros objetivos y
agradecerle por su educacin.

ING. SANCHEZ GUZMAN, JORGE 2

 INVESTIGACIN OPERATIVA

NDICE

ING. SANCHEZ GUZMAN, JORGE 3

 INVESTIGACIN OPERATIVA

INTRODUCCIN

El mtodo algebraico es muy dispendioso, en razn a que

trabaja con todos los datos de las ecuaciones, para mejorar este
aspecto se cre el mtodo simplex cuya gran virtud es su sencillez,
mtodo muy prctico, ya que solo trabaja con los coeficientes de la
funcin objetivo y de las restricciones. Las reglas de decisin para
determinar la variable que entra, la que sale, la gran M, y cmo
determinar que estamos en el ptimo; Todas stas reglas de decisin
fueron deducidas del mtodo algebraico,

Mtodo Simplex
El mtodo Simplex es un procedimiento iterativo que permite ir
mejorando la solucin a cada paso. El proceso concluye cuando no es
posible seguir mejorando ms dicha solucin.

ING. SANCHEZ GUZMAN, JORGE 4

 INVESTIGACIN OPERATIVA

PROGRACION LINEAL CON EL MTODO

SIMPLEX
1. METODO SIMPLEX
El algoritmo simplex fue descubierto por el matemtico
norteamericano George Bernard Dnzig en 1947, es una tcnica
para dar soluciones numricas a problema de programacin lineal.
Un problema en su forma estndar se puede representar
como:

X, Xs 0.
Donde X son las variables de decisin de la forma estndar, Xs
son las variables de holgura o de exceso, c contiene los coeficientes
de la funcin objetivo y Z es la variable a ser maximizada o
minimizada.

El sistema es no determinado, debido a que el nmero de

variables excede el nmero de ecuaciones. La diferencia entre el
nmero de variables y el nmero de ecuaciones nos da los grados de
libertad asociados con el problema. Cualquier solucin, ptima o no,
incluir un nmero de variables de valor arbitrario.

Esta forma permite encontrar la solucin factible bsica inicial

haciendo Xsi = bj.

El mtodo Simplex es un algoritmo iterativo que permite

mejorar la solucin con cada paso sucesivo. El algoritmo termina
cuando no se puede seguir mejorando ms la solucin.

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.

El mtodo Simplex se basa en la siguiente propiedad: si la

funcin objetivo Z, no toma su valor mximo en el vrtice A,

ING. SANCHEZ GUZMAN, JORGE 5

 INVESTIGACIN OPERATIVA

entonces hay una arista o lado que parte de A, a lo largo de la cual Z

aumenta.

2. FORMA ESTANDAR DEL MODELO

Todas las restricciones son ecuaciones con los lados derechos
no negativos, en el caso del primal. Las restricciones del tipo
o se convierten en ecuaciones sumando una variable de
holgura (caso ) o restando una variable de exceso (caso )
en el lado izquierdo de la restriccin.
Todas las variables son no negativas, si una variable es
irrestricta se usa la sustitucin Yi = Y i Yi. Una variable
negativa se hace no negativa multiplicando por -1 a la variable
en la funcin objetivo y las restricciones.
La funcin objetivo es de maximizacin o minimizacin.
3. 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.

4. VARIABLES NO BSICAS
Son las n -m variables que hemos hecho igual a cero.

5. 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 infactible.

6. CONDICIONES PARA QUE UNA VARIABLE SEA

BSICA O NO BSICA
6.1. CONDICIN DE OPTIMIDAD
La variable que entra o pasa a ser bsica es aquella no
bsica con el coeficiente ms negativo si el problema es de
maximizacin, o ms positivo si es de minimizacin. Si todos
los coeficientes de las variables no bsicas en Z son no
negativos, la solucin es ptima en maximizacin y si son no
positivos entonces la solucin es ptima en minimizacin.
Otro mtodo utiliza para evaluacin la fila (Cj Zj) y elige

ING. SANCHEZ GUZMAN, JORGE 6

 INVESTIGACIN OPERATIVA

para entrar la variable que de el mayor mejoramiento por

unidad a la funcin objetivo.

6.2. CONDICIN DE FACTIBILIDAD

La variable que sale es la variable bsica, con la menor
razn (denominador positivo) en la direccin de la variable
que entra.
Tanto en la condicin de optimidad como de factibilidad, los
empates se rompen de forma arbitraria.
TABLA SIMPLEX
FORMA ESTANDAR DEL MODELO

7. 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) [coeficiente de la columna de la variable que
entra] x (nueva ecuacin pivote)

8. TCNICA 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

ING. SANCHEZ GUZMAN, JORGE 7

 INVESTIGACIN OPERATIVA

con coeficiente 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 infactible.

Otra tcnica se denomina de 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.

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.

PROGRAMACIN LINEAL
Mtodo Grfico

ING. SANCHEZ GUZMAN, JORGE 8

 INVESTIGACIN OPERATIVA

9. CASO ESPECIALES DEL MTODO SIMPLEX

9.1. 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.

PROGRAMACIN LINEAL
Mtodo Grfico

9.2. SOLUCIONES NO ACOTADA

Se presenta cuando el espacio de soluciones no est
acotado en la direccin hacia donde aumenta o disminuye la
funcin objetivo, segn el modelo sea de maximizacin o
minimizacin. Si en cualquier iteracin los coeficientes de las
restricciones de una variable no bsica son no positivos,
entonces el modelo no est acotado en la direccin de esa
variable. Si el coeficiente de la funcin objetivo es negativo
en maximizacin o positivo en minimizacin, entonces el
valor de la funcin objetivo tampoco est acotado.

PROGRAMACIN LINEAL
Mtodo Grfico

ING. SANCHEZ GUZMAN, JORGE 9

 INVESTIGACIN OPERATIVA

9.3. 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.

9.4. DEFINICIN DEL PROBLEMA DUAL

El dual se obtiene de un problema primal dado, y estn
relacionados hasta el punto que la solucin de uno dar
tambin la solucin del otro. El estudio del problema dual

ING. SANCHEZ GUZMAN, JORGE 10

 INVESTIGACIN OPERATIVA

permite tener una mayor profundidad en el anlisis de

sensibilidad.
Los siguientes puntos muestran como obtener un
modelo dual a partir de un primal:
1. Cada restriccin primala representa una variable dual (m
variables: Y1, Y2, . . ., Ym).
2. Cada variable del modelo primal pasa a ser una restriccin
en el modelo dual (n restricciones que corresponden a: X1,
X2, . . . , Xn).
3. Los coeficientes de las restricciones de una variable primal
pasan a ser los coeficientes del lado izquierdo de la
restriccin dual correspondiente, con el lado derecho igual
al coeficiente de la variable en la funcin Z. Los
coeficientes de las variables duales en la funcin objetivo
son los lados derechos de las restricciones en el modelo
primal.

DEFINICIN DEL PROBLEMA DUAL

OBSERVACIONES

ING. SANCHEZ GUZMAN, JORGE 11

 INVESTIGACIN OPERATIVA

Los Modelos de Programacin Lineal (PL) trabajan solo

con variables de primer grado, restringiendo as
operaciones con variables de segundo grado o
mayores.
El Modelo de Programacin Lineal (PL) es ampliamente
usado por empresas u organizaciones para optimizar
los costos, preciso, productos y otros en las labores
financieras.

CONCLUSIONES
El mtodo simplex es muy importante porque nos
permite mejorar el proceso a travs de tablas.
Programacin Lineal (PL), es un modelo de toma de
Decisiones Restringidas que son parmetros o
condiciones que se deben tomar.
En la Programacin Lineal (PL) se da una asignacin de
recursos limitados para optimizar un objetivo o un fin
al que se debe llegar.
Existen dos componentes bsicos en la Programacin
Lineal (PL), los cuales son:
Funcin objetivo
Variables de decisin
Restricciones
Limitaciones
Requerimientos

Existen dos mtodos para resolver un modelo de

Programacin Lineal (PL), los cuales son:
Mtodo Analtico o Mtodo de los Vrtices
Mtodo Grafico o Mtodo de las Rectas de Nivel.

RECOMENDACIONES

ING. SANCHEZ GUZMAN, JORGE 12

 INVESTIGACIN OPERATIVA

Programacin Lineal (PL) es ampliamente utilizado en

labores financieras y administrativas y sirve para
optimizar o maximizar las ganancias, precios y otros,
para mejorar las funciones en la empresa.
El modelo de Programacin Lineal (PL) brinda un a
pauta para la maximizacin de variables que pueden
servir en la empresa y se basa en restricciones reales
que se aplican a las funciones que se llegan a
optimizar.

BIBLIOGRAFIA
- file://metodos%20simplex%20expo..pdf
- https://www.inf.utfsm.cl/~mcriff/IOUAI/simplex2003-
2.pdf

ING. SANCHEZ GUZMAN, JORGE 13