-INVESTIGACIN DE

OPERACIONES
-MTODO SIMPLEX
Presenta
Ingeniero Alberto Ortiz Corza
 Programacin Lineal
La programacin lineal es el campo de la optimizacin
matemtica dedicado a maximizar o minimizar (optimizar)
una funcin lineal, denominada funcin objetivo, de tal
forma que las variables de dicha funcin estn sujetas a
una serie de restricciones expresadas mediante un
sistema de inecuaciones tambin lineales. Los mtodos
ms recurridos para resolver problemas de programacin
lineal son algoritmos de pivote.
 Algoritmos de Pivote
Los algoritmos de pivote (o algoritmos de cambio de
base) son algoritmos de la optimizacin matemtica, y en
especial de la Programacin Lineal. Dado un sistema
de ecuaciones lineales cuyas variables deben adoptar
valores no negativos (esencialmente lo mismo que un
sistema de inecuaciones lineales), se busca la mejor de
entre muchas soluciones alternativas, es decir,
una solucin ptima del sistema.
 Inecuaciones
En matemticas, una inecuacin es una desigualdad
algebraica en la que aparecen una o ms incgnitas en
los miembros de la desigualdad. Si la desigualdad es del
tipo o se denomina inecuacin en sentido estricto y si es
del tipo o se denomina inecuacin en sentido amplio.
 Tipos de Variables
Variables de decisin. Una variable de decisin es un
elemento desconocido de un problema de optimizacin.
Tiene un dominio, que es una representacin compacta
del conjunto de todos los valores posibles de la variable.

Normalmente representados por X1, X2, Xn.

 Tipos de Variables
Variable de Holgura. Variables de holgura o excedente.
Son variables que se agregan a la restriccin para que la
relacin de la restriccin sea de igualdad (representa el
valor que le hace falta al lado izquierdo para ser igual al
lado derecho).

Normalmente representadas por S1, S2, Sn.

 Tipos de Variables
Variable Artificial. Una variable artificial es un truco
matemtico para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el
problema original, la caracterstica principal de estas
variables es que no deben formar parte de la solucin,
dado que no representan recursos. El objetivo
fundamental de estas variables es la formacin de la
matriz identidad.

Normalmente representadas por A1, A2, An. Su

objetivo principal es absorber la negatividad de una
variable de holgura o incluirse en una igualdad.
 Tipos de Variables
Cuando la inecuacin es:

1) X1 <= 0 se utiliza Sn.

2) X1 >= 0 Se utiliza Sn + An.
3) X2 = 0 Se utiliza A.
 Algoritmo Simplex
En optimizacin matemtica 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.
 Algoritmo Simplex
El algoritmo Smplex primal fue desarrollado por el
matemtico norteamericano George Dantzig en 1947, y
procede examinando vrtices adyacentes del poliedro de
soluciones. Un algoritmo Smplex es un algoritmo de
pivote.
 Mtodo Nelder-Mead
Un mtodo llamado de manera similar, pero no
relacionado al anterior, es el mtodo Nelder-Mead (1965)
o mtodo de descenso (o ascenso) smplex; un mtodo
numrico que busca un mnimo (o mximo) local de una
funcin cualquiera examinando en cada paso los vrtices
de un simplex.
 Ejemplo
Funcin Objetivo:

Maximizar Z= 50$ x1 + 80$ x2.

Restricciones:

X1 + 2 x2 <= 120
X1 + x2 <= 90
X1, x2 >= 0
 Ejemplo
Agregamos las variables de holgura para eliminar
inecuaciones.

Z = -50 x1 80 x2 = 0
x1 + 2 x2 + s1 = 120
x1 + x2 +s2 = 90

Paso siguiente Tabla simplex o tabla de coeficientes.

 Ejemplo
Tabla simplex:

Z1 X1 X2 S1 S2 R
R1 1 -50 -80 0 0 0
R2 0 1 2 1 0 120
R3 0 1 1 0 1 90

Buscar columna pivote: El ms negativo de las variables

de decisin.

X2= -80 columna pivote.

 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 -50 -80 0 0 0
R2 0 1 2 1 0 120 60
R3 0 1 1 0 1 90 90

Buscar rengln pivote: se divide el valor R entre el

coeficiente de la columna pivote y el menor es el rengln
pivote.
Por tanto R2 es el rengln pivote. 2 es el elemento pivote.
 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 -50 -80 0 0 0
R2 0 1 2 1 0 120
R3 0 1 1 0 1 90

Lo primero es convertir en 1 el elemento pivote por tanto

escribimos la siguiente ecuacin.

R2(1/2) = R2.
 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 -50 -80 0 0 0
R2 0 1/2 1 1/2 0 60
R3 0 1 1 0 1 90

El siguiente paso consta en convertir los valores de arriba

y abajo del elemento pivote en cero. Por tanto escribimos
las siguientes ecuaciones.

R2(80) + R1 = R1. R2(-1) + R3 = R3.

 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 -10 0 40 0 4800
R2 0 1/2 1 1/2 0 60 120
R3 0 1/2 0 -1/2 1 30 60

Dado que las variables de decisin aun no son >=0 el

procedimiento aun no termina por lo tanto se busca una
vez mas el elemento pivote.

El elemento pivote es por tanto R3(2) = R3. para tener

1.
 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 -10 0 40 0 4800
R2 0 1/2 1 1/2 0 60
R3 0 1 0 -1 2 60

El siguiente paso es volver ceros los valores de arriba del

elemento pivote.
R3(10) + R1 = R1.
R3(-1/2) + R2 = R2.
 Ejemplo
Z1 X1 X2 S1 S2 R
R1 1 0 0 30 20 5400
R2 0 0 1 1 -1 30
R3 0 1 0 -1 2 60

Respuesta:
Z= 5400.
X1= 60.
X2= 30.
Gracias por su Atencin