Unidad:

Modelamiento Matemático
Capitulo y Tema: Actividad (Número y nombre):
Programación lineal, 1. Ensayo.
método grafico y método
simplex.

Módulo: Nombre (s):

Noveno “B” Ximena del Cisne Quevedo Rojas
Profesor: Ing.
LUIS ANTONIO CHAMBA ERAS
Fecha en la cual el profesor Fecha en la cual el profesor recibe la actividad:
encarga la actividad:
12/Octubre/2010 Miércoles 20/Oct./2010

Bibliografía:

 Hiller F. Y G. Lieberman “Introducción a la investigación de

operaciones”.McGraw Hill (5ª edición).

Disponible en url: www.monografias.com/trabajos6/proli/proli.shtml

 JORGE EDUARDO CALPA OLIVA, M.Sc. Docente Programa Ingeniería

Industrial Investigación de Operaciones I jcalpa@uao.edu.co

Disponible en url: www.buenastareas.com/programacionlineal

 Adriel R. Collazo Pedraja APUNTES SOBRE EL MÉTODO SÍMPLEX DE

PROGRAMACIÓN LINEAL

Disponible en url:
http://cicia.uprrp.edu/publicaciones/docentes/metodosimplexdePL.pdf

 Richard Mojena y Thomas Vollmann INVESTIGACIÓN DE OPERACIONES

 Serie Shaum de Investigación de Operaciones.
INTRODUCCIÓN:

Programación lineal, método grafico y método simplex.

Programación lineal

La técnica matemática conocida por programación lineal se utiliza para obtener

una solución óptima a un problema condicionado por unas variables de partida
sujetas a ciertas restricciones, es un método que trata de maximizar o minimizar
un objetivo, cuyo interés principal es tomar decisiones óptimas.

Un problema clásico de la programación sería el siguiente: teniendo n productos

del tipo A y m del tipo B, que pueden envasarse en dos clases de paquetes en
diferentes proporciones y con un precio distinto para cada paquete, cuántos
paquetes de cada tipo deberán formarse para obtener una cantidad máxima de
ingresos.
En el planteamiento del problema se manejan varios conceptos esenciales:

 Las variables.
 Las restricciones que se imponen, expresadas por inecuaciones lineales.
 La función objetivo, de tipo lineal, que describe el problema.

El grupo de las soluciones posibles recibe el nombre de conjunto restricción o

conjunto solución factible. La solución debe situarse en el área definida por las
inecuaciones de restricción, a esta se la conoce como región factible.

Método gráfico.

El método gráfico se utiliza para la solución de problemas de PL, representando

geométricamente a las restricciones, condiciones técnicas y el objetivo.

Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de
solución que presentan. Éstos pueden ser:

 FACTIBLES. Si existe el conjunto de soluciones o valores que satisfacen las

restricciones. Estas a su vez pueden ser: con solución única, con solución
múltiple (si existe más de una solución) y con solución no acotada (cuando
no existe límite para la función objetivo).

 NO FACTIBLES. Cuando no existe el conjunto de soluciones que cumplen las

restricciones, es decir, cuando las restricciones son inconsistentes.

El modelo se puede resolver en forma gráfica si sólo tiene dos variables. Para
modelos con tres o más variables, el método gráfico es impráctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el método es
llamado método gráfico en actividad. Cuando se relacionan las restricciones
tecnológicas se denomina método gráfico en recursos.

Los pasos necesarios para realizar el método son los siguientes:

1. graficar las soluciones factibles, o el espacio de soluciones (factible), que

satisfagan todas las restricciones en forma simultánea.
2. Las restricciones de no negatividad Xi>= 0 confían todos los valores posibles.
3. El espacio encerrado por las restricciones restantes se determinan sustituyendo
en primer término <= por (=) para cada restricción, con lo cual se produce la
ecuación de una línea recta.
4. trazar cada línea recta en el plano y la región en cual se encuentra cada
restricción cuando se considera la desigualdad lo indica la dirección de la flecha
situada sobre la línea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto factible.
6. Aunque hay un número infinito de puntos factibles en el espacio de soluciones,
la solución óptima puede determinarse al observar la dirección en la cual aumenta
la función objetivo.
7. Las líneas paralelas que representan la función objetivo se trazan mediante la
asignación de valores arbitrarios a fin de determinar la pendiente y la dirección en
la cual crece o decrece el valor de la función objetivo.

Método Simplex

En el año 1947 el doctor George Dantzig presentó el algoritmo que desarrolló y

que denominó SIMPLEX. A partir de este logro se pudieron resolver problemas que
por más de un siglo permanecieron en calidad de estudio e investigación con
modelos formulados pero no resueltos. El desarrollo paralelo de la computación
digital, hizo posible su rápido desarrollo y aplicación empresarial a todo tipo de
problemas.
El método simplex disminuye sistemáticamente un número infinito de soluciones
hasta un número finito de soluciones básicas factibles. El algoritmo simplex utiliza
el conocido procedimiento de eliminación en la solución de ecuaciones lineales de
Gauss- Jordan y, además aplica los llamados criterios del simplex con los cuales se
asegura mantener la búsqueda dentro de un conjunto de soluciones factibles al
problema; así valora una función económica Z, exclusivamente en vértices
FACTIBLES (posibles). También se consigue con eficiencia, debido a que se dirige
la búsqueda haciendo cambios a una solución básica factible adyacente, que se
distingue al tener m-1 variables básicas iguales; es decir, dos vértices adyacentes
sólo difieren en una variable básica; seleccionando la ruta de mayor pendiente,
para mejorar el valor de Z, o por lo menos conservarlo.
Primero se presenta el método simplex, específico para un modelo de PL en forma
canónica de máximo, aplicado con la conocida tabla matricial, (también
identificada como tabla), lo cual se resume mediante el diagrama funcional de la,
que muestra los fundamentos del algoritmo contenidos en niveles o bloques
numerados para la referencia en la descripción del mismo.

Algoritmo del método Simplex

Los pasos del algoritmo simplex son:

1. Determinar una solución básica factible inicial.

2. Prueba de optimidad: determinar si la solución básica factible inicial es
óptima y sólo si todos los coeficientes de la ecuación son no negativos (>= 0
). Si es así, el proceso termina; de otra manera se lleva a cabo otra
interacción para obtener la nueva solución básica factible inicial.
3. Condición de factibilidad.- Para todos los problemas de maximización y
minimización, variable que sale es la variable básica que tiene la razón más
pequeña (positiva). Una coincidencia se anula arbitrariamente.
4. Seleccionar las variables de holgura como las variables básicas de inicio.
5. Selecciona una variable que entra de entre las variables no básicas actuales
que, cuando se incrementan arriba de cero, pueden mejorar el valor de la
función objetivo. Si no existe la solución básica es la óptima, si existe pasar
al paso siguiente.
6. Realizar el paso iterativo.
a) Se determina la variable básica entrante mediante la elección de la
variable con el coeficiente negativo que tiene el valor mayor valor absoluto
en la ecuación. Se enmarca la columna correspondiente a este coeficiente y
se le da el nombre de columna pivote.
b) Se determina la variable básica que sale; para esta, se toma cada
coeficiente positivo (>0) de la columna enmarcada, se divide el lado
derecho de cada renglón entre estos coeficientes, se identifica la ecuación
con el menor cociente y se selecciona la variable básica para esta ecuación.
c) Se determina la nueva solución básica factible construyendo una nueva
tabla en la forma apropiada de eliminación de Gauss, abajo de la que se
tiene. Para cambiar el coeficiente de la nueva variable básica en el renglón
pivote a 1, se divide todo el renglón entre el número pivote, entonces

Renglón pivote nuevo = renglón pivote antiguo

número pivote
Para completar la primera iteración es necesario seguir usando la eliminación de
Gauss para obtener coeficientes de 0 para la nueva variable básica Xj en los otros
renglones, para realizar este cambio se utiliza la siguiente fórmula:

Renglón nuevo = renglón antiguo - (coeficiente de la columna pivote X renglón

pivote nuevo)

Cuando el coeficiente es negativo se utiliza la fórmula:

Renglón nuevo = renglón antiguo + (coeficiente de la columna pivote X renglón

pivote nuevo)

OBJETIVO:

 Encontrar el valor más óptimo.

 Aprender a distinguir las partes que constituyen un problema de PL.
 Comprender los conceptos para encontrar la solución utilizando cada uno de
los métodos estudiados.
 Saber hallar la solución más optima para la toma de decisiones.

RESULTADOS:
La Investigación de Operaciones es una ciencia gerencial, enfocada hacia la toma de
decisiones gerenciales, basada en el método científico para resolver problemas, razón
por la cual es muy importante su estudio ya que ayuda a construir modelos cuyo
propósito es optimizar los rendimientos de una empresa en otras palabras ayuda a
encontrar el camino más viable.
CONCLUSIONES:
Podemos concluir que la Investigación de Operaciones no es sólo un conjunto de
herramientas matemáticas, de hecho, es un enfoque sistemático que usa
herramientas analíticas para resolver problemas.