LINEAL
ALGEBRA
Y PROGRAMACION
noma de Occidente
Universidad Auto
tica
Departamento de Matema
Santiago de Cali, 2011
Contenido
1. Desigualdades lineales
1.1. Introduccion . . . . . . . . . . . . . . . . . . . .
1.2. DESIGUALDADES LINEALES . . . . . . . .
1.2.1. Ejercicios . . . . . . . . . . . . . . . . .
1.2.2. Respuestas . . . . . . . . . . . . . . . . .
1.3. SISTEMAS DE DESIGUALDADES LINEALES
1.3.1. Ejercicios . . . . . . . . . . . . . . . . .
1.3.2. Respuestas . . . . . . . . . . . . . . . . .
2. Optimizaci
on lineal.
2.1. Introduccion . . .
2.2. Antecedentes . .
2.2.1. Ejercicios
.
.
.
.
.
.
.
1
1
2
6
10
13
26
29
M
etodo Geom
etrico
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
32
32
47
3. Optimizaci
on lineal. M
etodo Simplex
3.1. Introduccion . . . . . . . . . . . . . . . . .
3.2. Algoritmo del metodo Simplex . . . . . . .
3.3. Metodo Simplex: Dualidad y minimizacion
3.4. Ejercicios propuestos . . . . . . . . . . . .
3.5. Instructivo para el software WINQSB . . .
3.5.1. Solucion por el metodo simplex . .
3.5.2. Reporte combinado . . . . . . . . .
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
52
52
54
79
90
92
99
101
Captulo 1
Desigualdades lineales
1.1.
Introducci
on
En situaciones reales, una empresa cuenta con un capital limitado para fabricar productos 1 , 2 , . . . , . Sea el n
umero de unidades producidas del producto para
= 1, 2, . . . , y las unidades monetarias que invierte por unidad producida del producto
.
Luego
la
inversion
total
en
los
productos
sera
1 1 + 2 2 + + y como no puede invertir mas del capital, la condicion que
debe cumplir es 1 1 + 2 2 + + .
En esta unidad se va a suponer que las empresas producen u
nicamente dos artculos
1 , 2 . Por ejemplo, se supone una empresa, que tiene un capital jo de $18 (en miles
de dolares) para producir dos tipos de productos A y B semestralmente. Cada artculo
A tiene un costo variable por unidad de $4 (en miles de dolares) y un artculo B de
$2 (en miles de dolares), la empresa tiene costos jos por $6 (en miles de dolares). Si
la variable representa las unidades producidas de A y la variable el n
umero de
unidades producidas de B, se plantea la ecuacion de costo total como:
Costo total, que es igual a costos variables mas costos jos, no puede ser mayor que el
capital de la empresa, por tanto
4 + 2 + 6 18
Equivalente a
4 + 2 12
que corresponde a una inecuacion lineal en las variables y . Como y representan
unidades de los artculos producidos, estas variables tiene que ser mayores o iguales que
cero, por eso el sistema de inecuaciones lineales completo a resolver es:
4 + 2 12
0
0
Cuales seran los valores de y que satisfacen el sistema de desigualdades?
1
1.2.
DESIGUALDADES LINEALES
Denici
on 1. Una ecuacion lineal con incognitas o variables 1 , 2 , . . . , , es de la
forma:
1 1 + 2 2 + + =
donde 1 , 2 , , se denominan coecientes de la ecuacion y es el termino constante.
Cada uno de los y son constantes reales.
=
Ejemplo 1.2.1. La ecuacion 22 + 3
5
tiene exponente 2.
6
7
+2
3
2
5
8
.
15
+2
3
2
5
8
.
15
Denici
on 3. Una desigualdad o inecuacion es la relacion entre dos expresiones algebraicas, a traves de los smbolos >, , <, .
Ejemplo 1.2.5.La expresion 2 es una desigualdad donde los distintos n
umeros
reales: 2, 3, , , 5 son algunas de sus soluciones. Su representacion en el eje real se
muestra en la gura 1.3.
es la pendiente de la recta y =
es el intercepto de la
= + , donde =
recta con el eje . La graca correspondiente sera una lnea recta en el plano cartesiano.
Ejemplo 1.2.6. La representacion graca de la ecuacion + 3 = 5 es una lnea recta
con pendiente = 3, que intercepta al eje en el punto (0, 5) y al eje en el punto
( 35 , 0). (Fig. 1.5). Cada punto que se encuentra sobre la recta satisface la ecuacion de la
misma, por ejemplo el punto (1, 2) al reemplazarlo en la ecuacion = 3 + 5 conduce
a la igualdad 2 = 2.
Denici
on 4. La solucion de una inecuacion lineal con dos variables tiene su representacion graca en el plano cartesiano. A la region del plano que satisface la inecuacion
se le da el nombre de regi
on factible.
Ejemplo 1.2.7. Dibuje la region solucion de la inecuacion o desigualdad + 3 5.
Solucion
Para hacer la graca de la region solucion de esta inecuacion se hace primera la graca
de + 3 = 5 que corresponde a la lnea recta que pasa por los puntos (0, 5) y ( 53 , 0),
ver gura 1.5. Al evaluar en la inecuacion el punto (4, 0), este no la satisface y se
encuentra ubicado al lado derecho de la recta, por tanto ning
un punto (, ) en esta
region sera solucion de la inecuacion + 3 5. Sin embargo, cualquier punto que se
encuentre ubicado en el lado izquierdo de la lnea recta satisfara la inecuacion, como se
muestra en la gura 1.6.
1.2.1.
Ejercicios
1. Para los siguientes literales, indique cuales de ellos representan una ecuacion y en
caso que lo sea, indique las variables.
) (3 + )2
)
5 3
2
5
2 +
) 23 + 5 3
) ( + 2 )3 = 32
3
5
= 9 2
) 4 + 3 = 2 52
) 2 +
+2
10
12 .
3+2
4
21 .
) 2 > 5 +
6. Un agricultor tiene 359 pies cuadrados para sembrar tomates y habichuelas. Determine la inecuacion que modela la situacion mencionada y trace la graca para
encontrar la region factible.
7. Una tienda de ropa proyecta vender dos estilos de vestidos. La tienda paga al
mayoreo $15000 por el vestido modelo A y $21000 por el vestido modelo B y se
tienen $3000000 para la inversion.
) Determine la inecuacion que modela la situacion mencionada
) Trace la graca de la region factible
) Si vende 5 vestidos del modelo y 4 vestidos del modelo , se esta dentro
de la region solucion?
8. Un fabricante produce dos modelos de zapatos. El modelo I recibe una ganancia
de $6500 y la ganancia del modelo II es de $8700. El sabe que para subsistir en el
medio requiere que las ganancias sean de por lo menos $2000000. Dibuje la region
factible o region solucion.
9. Un ganadero compra dos variedades de alimentos para sus animales. Una unidad
del alimento tipo I proporciona 450 kilocaloras y una unidad del alimento II
proporciona 320 kilocaloras. Se requiere que el ganado consuma mnimo 3800
kilocaloras diarias. Determine la inecuacion que modela la situacion mencionada
y trace la graca.
10. Un bus de servicio p
ublico lo abordan hombres y mujeres y tiene disponible 90
puestos. Si representa el n
umero de mujeres y el n
umero de hombres, plantee
una desigualdad que describa el n
umero de personas que abordan el bus. Es
posible que en el bus viajen 42 hombres y 56 mujeres? Explique su respuesta.
11. Un comerciante acude al mercado popular a comprar naranjas. Le ofrecen dos
tipos de naranjas: las de tipo A a $50 el kg y las de tipo B a $80 el kg. El
comerciante piensa vender el kg de naranjas tipo A a $58 y el kg de tipo B a $90.
Si es el n
umero de kg naranjas tipo A y el n
umero de kg naranjas tipo B,
que compra y vende, plantee una desigualdad que describa la utilidad si el espera
ganar por lo menos $5000. Dibuje la region factible e interprete el resultado en
terminos de las naranjas tipo A y tipo B.
12. Un fabricante produce dos tipos de mesas para computadores portatiles, tipo de
lujo y estandar. El fabricante tiene costos jos en dolares de $50. El costo de
produccion para una mesa tipo de lujo en dolares es de $0,90 y para una mesa
tipo estandar es de $0,70. El precio de venta para una mesa de lujo es de $2,00 y
para una mesa estandar de $1,50. Si es el n
umero de mesas de lujo y el n
umero
de mesas tipo estandar, que se producen y venden, plantee una desigualdad que
Figura 1.8:
Figura 1.9:
Figura 1.10:
10
Figura 1.11:
1.2.2.
Respuestas
11
Figura 1.14: Region solucion del ejercicio 7, con restricciones a soluciones positivas
Si vende 5 vestidos del modelo A y 4 vestidos del modelo B, se observa desde la graca
que el punto (5, 4) se encuentra dentro de la region factible.
12
13
Dentro de la region factible se podran comprar y vender 350 naranjas tipo A y 400
tipo B para obtener una ganancia de $8(350) + $10(400) = $6800 que sera mayor de
$5000 que es lo deseado. No se podran comprar y vender 200 naranjas tipo A y 300
tipo B porque la ganancia obtenida es $8(200) + $10(300) = $4600 que no supera la
expectativa.
17. Para encontrar la inecuacion que satisface la region factible, se debe encontrar
primero la ecuacion de la recta. Para ello se deben leer dos puntos de la recta, por
ejemplo (4, 0) y (0, 5). Con ellos se encuentra la pendiente de la recta empleando la
1
, dando = 54 . La ecuacion de la recta se obtiene empleando
ecuacion = 22
1
la ecuacion 0 = ( 0 ) . Reemplazando en ella el punto (0, 5) y = 54 se
obtiene 5 = 54 ( 0), que es igual a 4 20 = 5. Finalmente la ecuacion de la
recta es 5 + 4 = 20. Como el punto (0, 0) pertenece a la region factible entonces al
reemplazarlo en la ecuacion 5 + 4 = 20 se obtiene que del lado izquierdo cero y del
lado derecho 20, por tanto la inecuacion que cumple la region factible es 5 + 4 < 20
y es estrictamente menor porque la recta esta punteada en la graca.
1.3.
Denici
on 5. Un sistema de ecuaciones lineales con incognitas 1 , 2 , . . . , es
de la forma:
11 1 + 12 2 + + 1 = 1
21 1 + 22 2 + + 2 = 2
..
.
1 1 + 2 2 + + =
Matricialmente el sistema de ecuaciones anterior se puede escribir en la forma:
Ax = B
11
21
..
.
12
22
..
.
1 2
1
2
..
...
.
1
2
..
.
1
2
..
.
14
que la integra. En el caso que la inecuacion presente solamente dos incognitas, la solucion se puede gracar en el plano cartesiano.
Soluci
on de un sistema de inecuaciones lineales con regi
on factible acotada
Ejemplo 1.3.1. Dibuje la region factible del siguiente sistema de inecuaciones:
2 + 3 7
2 1
4 3 > 4
Solucion
Se encuentra primero la solucion para 2 + 3 7, que corresponde a la region debajo
de la recta 2 + 3 = 7 con ella incluida, la cual pasa por los puntos (0, 37 ) y ( 72 , 0),
como se muestra en la gura 1.17.
15
16
Figura 1.20: Representacion graca de la solucion para el sistema de inecuaciones lineales 2 + 3 7, 2 1 y 4 3 > 4. Region acotada.
Cualquier punto que se encuentre en la region se
nalada va a satisfacer las tres inecuaciones a la vez. Por ejemplo, dentro de la region se encuentra el origen de coordenadas,
el punto (0, 0) , al reemplazarlo en las tres inecuaciones se obtiene:
07
01
0 > 4
Que resultan ser inecuaciones verdaderas.
17
Soluci
on de un sistema de inecuaciones lineales con regi
on factible no acotada
Ejemplo 1.3.2. Dibuje la region factible del siguiente sistema de inecuaciones:
2 + 10
+ 4 20
0
0
Solucion
Las inecuaciones 0 y 0, obligan a las variables y a tomar valores cero
o positivos. Los puntos (, ) del plano que satisfacen esa condicion son los que se
encuentran en el primer cuadrante. Por esa razon las gracas se concentraran en esta
region. La solucion de 2 + 10 en el primer cuadrante se puede observar en la gura
1.21.
18
19
20
21
maximo de horas de mano de obra disponible por semana en los departamentos de fabricacion y acabado es de 180 y 45 horas respectivamente. Que combinaciones de sillas se
pueden producir cada semana de manera que no exceda el n
umero de horas disponibles
para los procesos de fabricacion y de acabado disponibles en cada departamento?
Solucion
Inicialmente se declaran las variables
: el n
umero de sillas modelo clasica a producir por semana
: el n
umero de sillas modelo moderna a producir por semana
Cada proceso tiene su restriccion o limitacion en tiempo, as:
Tiempo de fabricacion por semana para sillas modelo clasica + Tiempo de fabricacion
por semana para sillas modelo moderna debe ser menor o por lo menos igual al
n
umero maximo de horas de mano de obra disponibles por semana en el departamento
de fabricacion, lo que lleva a plantear la inecuacion:
9 + 12 180
Tiempo de acabado por semana para sillas modelo clasica + Tiempo de acabado
por semana para sillas modelo moderna debe ser menor o por lo menos igual al
n
umero maximo de horas de mano de obra disponibles por semana en el departamento
de acabado, lo que lleva a plantear la inecuacion:
9
3
+ 45
2
2
Se deben tener en cuenta, las restricciones de no negatividad, ya que no es posible
construir un n
umero negativo de sillas. Por lo tanto, 0 y 0
As, las variables y deben satisfacer el siguiente sistema de desigualdades lineales:
9 + 12 180
3
9
+ 45
2
2
0
0
22
23
Restriccion
Restriccion
Restriccion
Restriccion
Restriccion
24
recogidas de las dos especies no supere las 3000 toneladas. Por lo tanto, el par ordenado
(1500, 1800) no pertenece a la solucion del sistema.
Ejemplo 1.3.7. Anita visita a un profesional en nutricion porque desea iniciar una
dieta rica en vitaminas. Como Anita sufre una deciencia en calcio se le recomienda
ingerir por lo menos 1200 mg de calcio, ademas como suplemento debe administrarsele
1050 mg de vitamina A, y 750 mg de vitamina B-1, por mes. El medico le receta pldoras
de las marcas Arranque y Fortaleza. Cada pldora de Arranque contiene 20 mg de calcio,
5 mg de vitamina A y 2, 5 mg de vitamina B-1. Cada pldora de Fortaleza contiene 5
mg de calcio, 7,5 mg de vitamina A y 7,5 mg de vitamina B-1. Que combinaciones de
las dos pldoras puede ingerir Anita mensualmente, para satisfacer sus requerimientos
vitamnicos?
Solucion
Se debe plantear el sistema de desigualdades inherente al problema y luego proceder al
trazado de la region factible. Inicialmente se declaran las variables
: El n
umero de pldoras marca Arranque
: El n
umero de pldoras marca Fortaleza
La cantidad de calcio contenida en pldoras de Arranque y pldoras de Fortaleza
esta dada por 20 + 5 mg y esta suma debe ser mayor o igual a 1200 mg. Por lo
que se plantea la desigualdad 20 + 5 1200. Procediendo de la misma manera para
los requerimientos para Vitamina A y Vitamina B-1, se plantean las desigualdades:
5 + 7,5 1050 y 2,5 + 7,5 750. Teniendo en cuenta las condiciones de no
negatividad el conjunto de desigualdades sera:
20 + 5 1200
5 + 7,5 1050
2,5 + 7,5 750
0
0
Restriccion
Restriccion
Restriccion
Restriccion
Restriccion
25
1.3.1.
26
Ejercicios
1. Para los guras 1.29 y 1.30, escriba un conjunto de desigualdades lineales que
describa la region sombreada.
Figura 1.29:
.
Figura 1.30:
2. Dibuje la graca de la solucion del sistema de inecuaciones 2 > 5 y 1.
3. Dibuje la graca de la solucion del sistema de inecuaciones 3 2 5, > 1,
4, 0 y 0.
4. Un agricultor tiene 359 pies cuadrados para sembrar tomates y habichuelas.
Quiere que el espacio de tomate no sea mayor que la mitad del asignado para
la habichuela. Determine el sistema de inecuaciones que modela la situacion mencionada y encuentre la region factible.
5. Una tienda de ropa proyecta vender dos estilos de vestidos. La tienda paga al
mayoreo $15000 por el vestido modelo A y $21000 por el vestido modelo B y se
27
28
para una mesa tipo de lujo en dolares es de $0,90 y para una mesa tipo estandar
es de $0,70. El precio de venta para una mesa de lujo es de $1,90 y para una mesa
estandar de $2,70. Si en una semana el fabricante debe producir como maximo
50 mesas en total y desea una utilidad por lo menos de $120, cuantas mesas de
lujo y cuantas mesas tipo estandar, debe producir y vender para satisfacer sus
requerimientos? Plantee el sistema de desigualdades, dibuje la region e interprete
el resultado en terminos de las mesas.
11. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria.
La empresa A le paga $15 por cada impreso repartido y la empresa B, con folletos
mas grandes, le paga $17. En una semana el estudiante desea obtener un ingreso
por lo menos de $2550. Si el estudiante debe repartir como maximo 50 impresos
de la empresa A y 30 impresos de la empresa B, que combinacion de folletos le
permitira cumplir su deseo? Plantee el sistema de desigualdades asociado y dibuje
la region solucion.
12. Una empresa fabrica carroceras para automoviles y camiones. Para hacer la carrocera de un automovil, se invierten 2 das-operario, para fabricar la de un camion
se precisan 4 das-operario. Por limitaciones de mano de obra y maquinaria, se
dispone de 80 das-operario. Las carroceras pasan por dos departamentos el de
ensamblado y el de enlucimiento, los cuales tienen disponibles 60 horas y 100 horas
respectivamente. Una carrocera para automovil necesita 1 hora en el departamento de ensamblado y 3 horas en el departamento de enlucimiento. Una carrocera
para camion necesita 5 horas en el departamento de ensamblado y 2 horas en el
departamento de enlucimiento, cuantas unidades de cada clase, le permite al fabricante utilizar el tiempo disponible? Plantee el sistema de desigualdades asociado
y dibuje la region solucion.
13. Una empresa automotriz, lanza una oferta especial en dos de sus modelos de
automoviles, ofreciendo el modelo A, a un precio de $15 millones y el modelo B
en $20 millones. Para cubrir gastos de la campa
na y obtener alg
un benecio, se
espera que los ingresos obtenidos sean al menos de $600 millones. Se espera vender
al menos 200 automoviles entre los dos modelos y como maximo 250 del modelo
A y 180 del modelo B Cuantos automoviles de cada modelo debera vender para
alcanzar su proposito? Plantee el sistema de desigualdades asociado y dibuje la
region solucion.
14. En una bodega de almacenamiento de lavadoras, se tienen dos tipos de estos
aparatos, la lnea familiar que son lavadoras de 24 libras y la lnea economica
correspondiendo a lavadoras con capacidad de 18 libras. Se requiere almacenar
240 lavadoras. El n
umero de lavadoras lnea familiar no puede ser menor a 80 y
del modelo economico no puede ser menor a 60. Ademas una lavadora de 24 libras
ocupa un volumen 24 pies c
ubicos, mientras que el modelo de 18 libras ocupa 16
pies c
ubicos de volumen. Se dispone de 2400 pies c
ubicos para almacenamiento.
29
1.3.2.
Respuestas
2 + 1
2 + 6
+ 4
30
Bodegas
1
2
Total
Proyecto
x
120-x
120
de vivienda
y
180-y
180
200
240
+ 200
+ 60
0 120
0 180
Y la region factible es la cuadruple rayada de la graca siguiente
31
Captulo 2
Optimizaci
on lineal. M
etodo
Geom
etrico
2.1.
Introducci
on
2.2.
Antecedentes
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
33
Mas adelante, el matematico frances Jean Baptiste-Joseph Fourier (1768 1830) fue el
primero en distinguir, aunque de forma imprecisa, los metodos de lo que actualmente
llamamos programacion lineal y la potencialidad que de ellos se deriva.
Ya en 1939 se encontraron nuevos estudios relacionados con los metodos de la actual
programacion lineal. En ese a
no, el matematico ruso Leonid Vitalevich Kantorovitch
publica una extensa monografa titulada M
etodos matem
aticos de organizaci
on
y planeaci
on de la producci
on, en la que por primera vez se hace corresponder a
una extensa gama de problemas una teora matematica precisa y bien denida, llamada hoy en da programacion lineal. Kantorovitch fue el ganador del premio Nobel en
Economa en 1975 y ha sido el u
nico en esta modalidad por la Union Sovietica. Este
premio lo compartio con el economista estadounidense Tjalling Charles Koopmans,
juntos hicieron grandes contribuciones a la econometra y a la teora de la asignacion
optima de recursos y estudiaron entre 1941 y 1942 el ahora conocido como problema
del transporte.
En 1945, George Joseph Stigler, planteo el problema del regimen alimenticio optimo,
conocido ahora como problema de la dieta. Obtuvo el Premio Nobel de Economa en
1982 por sus investigaciones acerca de la estructura de la industria, el funcionamiento
de los mercados y las causas y efectos de las regulaciones p
ublicas.
Mas adelante en 1947, George Bernard Dantzing, formulo el enunciado general al que
se reduce cualquier problema de Programacion Lineal, considerado el autor del metodo
simplex para la resolucion de problemas. Es considerado como el padre de la programacion lineal.
Cuando empezo la Segunda Guerra Mundial, los estudios de doctorado que Dantzig
cursaba en Berkeley fueron suspendidos, y el se convirtio en la cabeza de la Rama de
Analisis de Combate de los Cuarteles Centrales Estadsticos de la Fuerza Aerea de los
Estados Unidos, lo cual lo llevo a lidiar con las logsticas de la cadena de abastecimiento
y gestion de cientos de miles de tems y personas. El trabajo proporciono los problemas
del mundo real que la programacion lineal vendra a resolver. Recibio muchos honores,
tales como la Medalla Nacional a la Ciencia en 1975 y el premio de Teora John von
Neumann en 1974.
El estadounidense John von Neumann de origen h
ungaro, quien fuera uno de los grandes
matematicos del siglo , con importantes contribuciones a la fsica cuantica, analisis
funcional, teora de conjuntos, ciencias de la computacion, economa, analisis numerico,
cibernetica, hidrodinamica (de explosiones), estadstica y muchos otros campos de la
matematica, proporciono los fundamentos matematicos de la programacion lineal, conjeturando la equivalencia entre la teora de la dualidad y los problemas de programacion
lineal con el desarrollo de la teora de matrices desarrollada en sus trabajos. Tambien
es notable su apertura de nuevas vas al desarrollo de la matematica estadstica a partir
de su estudio de 1928 sobre los juegos de estrategia, posteriormente desarrollado en la
famosa obra Theory of games and economic behavior, publicada en 1944 y escrita en
colaboracion con Oskar Morgenstern.
Respecto al metodo simplex, que se analizara mas adelante, se dice que su estudio
comenzo en 1951 y fue desarrollado por Dantzig en el United States Bureau of Stan-
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
34
(, ) = 5 + 9
Sujeta a
15
15
2 + 6 240
2 + 3 165
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
35
Para resolver este problema, primero se encuentra la region factible, que es la region
solucion del sistema de inecuaciones. Ver gura 2.1.
Figura 2.1: Region solucion del sistema de inecuaciones 15, 15, 2 + 6 240
y 2 + 3 165
En el mismo plano que se muestra en la gura 2.1, se traza la funcion
(, ) = 5 + 9 = 90. Como es la funcion utilidad, implica que los valores posibles
de (, ), con representando la cantidad de casas del primer tipo y la cantidad de
casas del segundo tipo a construir, satisfacen la ecuacion 5 + 9 = 90, lo que signica
que la utilidad sera de $90 millones. Observe en la gura 2.2, que la recta no toca la
region factible, sino que esta totalmente fuera de ella. As, si la utilidad fuese de 90
millones no se estaran cumpliendo las condiciones requeridas en el problema.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
36
Figura 2.3: Region del problema del ejemplo 2.2.1 con (, ) = 90 y (, ) = 210.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
37
La recta paralela a 5+9 = 90 y que pasa por el punto (15, 35) es la recta 5+9 = 390,
que se muestra en la gura 2.4. Lo que indica que si se construyen 15 casas del primer
tipo y 35 del segundo, la utilidad que obtendra la compa
na constructora sera de $390
millones. Observe que la recta esta mas arriba de las dos iniciales y el valor de la utilidad
obtenida es mas alto.
Figura 2.4: Region del problema del ejemplo 2.2.1 con (, ) = 90, (, ) = 210 y
(, ) = 390.
La recta paralela a 5+9 = 90 y que pasa por el punto (60, 15) es la recta 5+9 = 435,
que se muestra en la gura 2.5. Indica que si se construyen 60 casas del primer tipo y 15
del segundo, la utilidad que obtendra la compa
na constructora sera de $435 millones.
Se observa que la recta esta mas arriba de las tres iniciales y el valor de la utilidad
obtenida es mas alto.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
38
Figura 2.5: Region del problema del ejemplo 2.2.1 junto con las rectas (, ) = 90,
(, ) = 210, (, ) = 390 y (, ) = 435 .
La recta paralela a 5+9 = 90 que pasa por el punto (45, 25) es la recta 5+9 = 450,
que se muestra en la gura 2.6. Indica que si se construyen 45 casas del primer tipo y 25
del segundo, la utilidad que obtendra la compa
na constructora sera de $450 millones.
La recta 5 + 9 = 450 esta mas arriba de las cuatro rectas que inicialmente se han
gracado y el valor de la utilidad obtenida es mas alto.
Figura 2.6: Region del problema del ejemplo 2.2.1 junto con las rectas (, ) = 90,
(, ) = 210, (, ) = 390, (, ) = 435 y (, ) = 450.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
39
Observe que otra recta paralela a 5 + 9 = 90, y que pasa por el punto (55, 40)
es la recta 5 + 9 = 635, que se muestra en la gura 2.7, lo que indica que si se
construyen 55 casas del primer tipo y 40 del segundo, la utilidad que obtendra la
compa
na constructora sera de $635 millones. Pero el punto no pertenece a la region
factible, esto signica que dicho punto no es solucion del sistema de inecuaciones, esto
es, no esta cumpliendo las condiciones requeridas de las restricciones y por tanto no se
considera posible respuesta al problema de programacion lineal.
Figura 2.7: Region del problema del ejemplo 2.2.1 junto con la recta (, ) = 635
Las rectas que se observan en la gura 2.6 para diferentes valores de la utilidad se
llaman isoutilidades. Por ejemplo el punto (33, 25) pertenece a la recta 5 + 9 = 390,
lo que quiere decir que si se construyen 33 casas del primer tipo y 25 del segundo, la
utilidad que se obtiene sera de 390 millones de pesos y todos los pares ordenados que
esten sobre la recta dejaran la misma utilidad. Pero solo los que queden en la region
factible cumplen las restricciones del problema. Para este caso la solucion al problema
es u
nica, porque en el vertice (45, 25) de la region factible se obtiene el valor mas alto
de utilidad.
Despues de analizar el metodo para encontrar el valor optimo de la utilidad a traves de
las rectas de isoutilidades, otra manera de abordar la solucion del ejemplo 2.2.1 es la
siguiente:
Se encuentran todos los vertices de la region factible, la cual para este caso coincide
con un polgono irregular de cuatro lados (Fig. 2.7) y se eval
uan todos los puntos
correspondientes a los vertices en la funcion objetivo (, ) = 5 + 9.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
40
Figura 2.8: Region del problema del ejemplo 2.2.1 y sus cuatro vertices
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
41
Cantidad
Cantidad
Cantidad
Cantidad
de
de
de
de
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
42
El signo en la u
ltima restriccion se considera porque se contempla la posibilidad que
padres de familia, docentes o alg
un directivo del colegio se incorpore al grupo.
El problema de programacion lineal es:
Minimice
(, ) = 162000 + 216000
Sujeta a
8
10
+ 10
20 + 30 240
0
0
Figura 2.9: Region del sistema de inecuaciones lineales para el problema del ejemplo
2.2.2
Para encontrar los vertices de la region factible se debe hallar la interseccion de las rectas:
20 + 30 = 240 y + = 10.
Sistema que se puede resolver por Gauss, Gauss-Jordan, Cramer o empleando la inversa
de la matriz de coecientes y da por solucion el vertice (6, 4). Los vertices (0, 8) y (0, 10)
se encuentra resolviendo los sistemas 20 + 30 = 240 y = 0; + = 10 y = 0,
respectivamente. Ver gura 2.10.
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
43
Figura 2.10: Region factible del problema del ejemplo 2.2.2 con sus vertices.
Siguiendo los pasos del metodo graco, dichos vertices de deben evaluar en la funcion
(, ) = 162000 + 216000.
(0, 8) = 162000(0) + 216000(8) = 1728000
(0, 10) = 162000(0) + 216000(10) = 2160000
(6, 4) = 162000(6) + 216000(4) = 1836000
El valor mnimo se obtiene en el vertice (0, 8) y es 1728000, lo que signica que el colegio
debe alquilar 8 buses de 30 puestos y el costo mnimo sera de $1728000.
Ejemplo 2.2.3. Un granjero tiene 500 hectareas en la que se puede sembrar soya o
maz. Los estudios respectivos lo llevaron a la conclusion que requiere 2 horas hombre
por cada hectarea de soya y 1 hora hombre por cada hectarea de maz. El granjero
calcula que tiene 680 horas de trabajo disponible durante la epoca de cosecha. Tambien,
el conoce que cada hectarea de soya o maz deja una utilidad de 100 dolares. Cuantas
hectareas de cada uno debe plantar para maximizar su utilidad? Cual es la utilidad
maxima?
Solucion
Como lo primero que hay que hacer es declarar las variables, se denota por la variable
el n
umero de hectareas a sembrar de soya y por el n
umero de hectareas a sembrar
de maz. En el problema se desea maximizar las utilidades que dejara cada siembra. Se
denotara por a dicha funcion y sera
(, ) = 100 + 100
Las restricciones que se tienen son:
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
+ 500
2 + 160
0
0
44
Maximice
(, ) = 100 + 100
Sujeta a
+ 500
2 + 160
0
0
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
45
Figura 2.12: Region factible del problema del ejemplo 2.2.3 con sus tres vertices.
Siguiendo los pasos del metodo graco, dichos vertices de deben evaluar en la funcion
(, ) = 100 + 100, obteniendose:
(0, 500) = 100(0) + 100(500) = 50000
(340, 0) = 100(340) + 216000(0) = 34000
(180, 320) = 100(180) + 100(320) = 50000
El valor maximo se obtiene en los vertices (0, 500) y (180, 320) y es 50000, lo que
signica que la maxima utilidad es de $50000 y la alcanza en todo el segmento que une
estos dos vertices. Por ejemplo, el punto (50,450) pertenece al segmento y tambien deja
una utilidad de 50000. Esto indicara que se pueden sembrar 50 hectareas de soya y 450
hectareas de maz y la utilidad sigue siendo de $50000. En la gura 2.13 se observa que
la recta (, ) = 100(50) + 100(450) = 50000 es paralela al segmento de recta solucion
del problema.
Ejemplo 2.2.4. Un nutricionista asesora a un individuo que sufre una deciencia de
hierro y vitamina , y le indica que debe ingerir mnimo 2100 mg de hierro, 3000 mg
de vitamina 1 (tiamina) y 7200 mg de vitamina 2 (riboavina) durante cierto
perodo de tiempo. Existen dos pldoras de vitaminas disponibles, la marca y la marca
. Cada pldora de la marca contiene 30 mg de hierro, 20 mg de vitamina 1, 40
mg de vitamina 2 y en el mercado la puede encontrar en $150. Cada pldora de la
marca contiene 15 mg de hierro, 30 mg de vitamina 1, 90 de vitamina 2 y
la puede adquirir por $180. Cuantas pldoras de cada marca debe adquirir el paciente
para cubrir sus requerimientos de hierro y vitamina al menor costo?
Solucion
Para empezar a dar solucion al problema, se declaran las variables. Se denota por la
variable la cantidad de pldoras de marca adquiridas y por la cantidad de pldoras
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
46
Cantidad
Cantidad
Cantidad
Cantidad
Cantidad
de
de
de
de
de
hierro a ingerir
vitamina 1 a ingerir
vitamina 2 a ingerir
pldoras de la marca
pldoras de la marca
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
47
Figura 2.14: Region factible del problema del ejemplo 2.2.4 y sus vertices.
Siguiendo los pasos del metodo graco, dichos vertices se deben evaluar en la funcion
(, ) = 150 + 180, obteniendose:
(0, 140) = 150(0) + 180(140) = 25200
(30, 80) = 150(30) + 180(80) = 18900
(90, 40) = 150(90) + 180(40) = 20700
(180, 0) = 150(180) + 180(0) = 27000
El valor mnimo se obtiene en el vertice (30, 80) y es 18900, lo que signica que se deben
adquirir 30 pldoras de la marca y 80 de la marca a un costo mnimo de $18900.
2.2.1.
Ejercicios
1. Una tienda de ropa proyecta vender dos estilos de vestidos. Al por mayor, la
tienda paga $15000 por un vestido modelo y $21000 por un vestido modelo
y tiene $1050000 para la inversion. Seg
un los estudios se podran vender mas de
21 vestidos del modelo . Ademas, espera que el n
umero de vestidos vendidos del
modelo no sea mas de los siete quintos del n
umero de vestidos del modelo
Cuantos vestido de cada modelo debe adquirir para maximizar la utilidad, si un
vestido modelo deja una utilidad de $3500 y uno del modelo deja $4800?
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
48
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
49
todas. Las naranjas tipo son como mnimo el doble de las naranjas tipo . El
comerciante desea vender como maximo 300 naranjas tipo , que combinaciones
de cada tipo de naranjas puede vender si desea obtener una utilidad maxima?
R. 1200 naranjas tipo A, 300 naranjas tipo B. Utilidad maxima $12600.
7. Un fabricante produce dos tipos de mesas para computadores portatiles, de lujo
y tipo estandar. El costo de produccion para una mesa de lujo en dolares es de $2
y para una mesa estandar es de $1. En una semana el fabricante debe producir
como maximo 150 mesas entre los dos estilos, pero el no debe fabricar mas de
100 mesas tipos estandar y como mnimo 40 del tipo de lujo. El fabricante tiene
disponibles $200 para la fabricacion. Espera utilidades de $3 para una mesa de
lujo y $2 para una tipo estandar, cuantas mesas de lujo y cuantas mesas tipo
estandar, debe producir para que la utilidad sea maxima?
R. 50 mesas tipo de lujo, 100 mesas tipo estandar para una utilidad maxima de
$350.
8. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria. La
empresa le paga $15 por cada impreso repartido y la empresa con folletos mas
grandes, le paga $17 por cada folleto. Si el estudiante debe repartir 150 impresos
a la semana, con la condicion que como mnimo 300 impresos deben corresponder
a la empresa y ademas el n
umero de folletos entregados de la empresa debe
exceder al doble de los repartidos de la empresa , que combinacion de folletos
le permitira al estudiante obtener el maximo ingreso?
R.100 folletos de la empresa A y 50 folletos de la empresa B para un ingreso
maximo de $2.350.
9. Una empresa fabrica carroceras para camiones y automoviles. Para hacer la carrocera de un camion se invierten 3 da-operario, para fabricar la de un automovil
se precisan 1 das-operario. Por limitaciones de mano de obra y maquinaria, se
dispone de 9 das-operario. Las carroceras pasan por los departamentos de ensamblado y de enlucimiento, los cuales tienen disponibles 12 horas y 8 horas respectivamente. Una carrocera para automovil necesita 2 horas en el departamento de
ensamblado y 2 horas en el departamento de enlucimiento. Una carrocera para
camion necesita 3 horas en el departamento de ensamblado y 1 hora en el departamento de enlucimiento. Cada carrocera para automovil deja una utilidad de
$100 y una carrocera de camion deja una utilidad de $150, cuantas unidades de
cada clase le permitira al fabricante maximizar su utilidad?
R. Se fabrican 2 carroceras para camion y 3 carroceras para automovil, con una
utilidad maxima de $650
10. Una empresa automotriz lanza una oferta especial en dos de sus modelos de
automoviles, ofreciendo el modelo a un precio de $15 millones y el modelo
en $20 millones. Se espera vender 200 automoviles entre los dos modelos y como
LINEAL. METODO
CAPITULO 2. OPTIMIZACION
GEOMETRICO
50
maximo 250 del modelo y 180 del modelo , cuantos automoviles de cada
modelo debera vender para maximizar sus ingresos?
R. Se venderan 20 automoviles del modelo y 180 automoviles del modelo
para un ingreso maximo de $3900 millones.
11. Don Carlos desea invertir como maximo $500000 dolares en la compra de 1000
acciones, en los dos tipos y . Las acciones tipo cuestan $500 y las acciones
tipo cuestan $400. Mensualmente, las acciones tipo dejan una rentabilidad
del 5 % y las tipo dejan una rentabilidad del 5,5 %, Don Carlos desea una
rentabilidad hasta de $40000 dolares mensuales. Ademas, el desea que el n
umero
de acciones tipo sea tres veces el n
umero de acciones tipo . Una accion tipo
deja una utilidad de $3500 y una tipo deja una utilidad de $4500, cual
sera la mejor estrategia de inversion para Don Carlos, si desea que su utilidad sea
maxima?
R. Don Carlos debe comprar 300 acciones tipo y 700 acciones tipo para una
utilidad maxima de $4200000
Bibliografa
[1] Aplicaciones de la Programacion Lineal.
Consulta en la red : //../3/// ..
Febrero 25 de 2011.
[2] Programacion Lineal.
Consulta en la red : //.../1/ 1 / .
Febrero 25 de 2011.
[3] Programacion Lineal: su historia.
Consulta en la red : //..//..
Febrero 25 de 2011.
51
Captulo 3
Optimizaci
on lineal. M
etodo
Simplex
3.1.
Introducci
on
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
53
11
21
..
.
12
22
..
.
...
1 2
Ax B
..
.
1
2
..
.
1
2
..
.
1
0
2 0
.. ..
. .
0
y
1
0
2 0
.. ..
. .
0
Los coecientes de la funcion objetivo se escriben como un vector la . El objetivo
es encontrar el vector que maximice la funcion = 1 1 +2 2 +. . .+ o =
con el vector la de constantes 1 , 2 , . . . , sujeta a , con 0 y 0,
donde 0 es el vector columna de ceros de tama
no x1.
Para introducir el metodo simplex se considera el siguiente problema:
Maximice
(1 , 2 ) = 21 + 32
Sujeta a
1 + 22 10
21 + 2 14
1 0
2 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
54
3.2.
Algoritmo del m
etodo Simplex
El metodo simplex inicia escribiendo las restricciones como ecuaciones, a traves de las
variables de holgura.
Denici
on 8. Una variable de holgura convierte una desigualdad en una igualdad. Se
denotan por la letra (surplus).
Considere la desigualdad lineal 1 + 22 10, la cual establece que 1 + 22 es menor o
igual a 10. Si es menor que 10, entonces hay cierta holgura.o margen en la desigualdad.
Esta holgura se denota por 1 , y corresponde a la diferencia entre 10 y la suma 1 +22 ;
seg
un la denicion de 1 :
1 = 10 (1 + 22 )
donde 1 0
Para la restriccion 21 + 2 14 la ecuacion correspondiente es 21 + 2 + 2 = 14,
de aqu la ecuacion 2 = 14 (21 2 )con 2 0 Las variables 1 y 2 son llamadas
variables estructurales o de decisi
on.
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
55
Denici
on 9. En un problema de programacion lineal las variables independientes
1 , 2 , . . . , , son llamadas variables de decision o estructurales.
Se plantea de nuevo el problema pero ahora en terminos de las ecuaciones
Maximizar
(1 , 2 , 1 , 2 ) = 21 + 32 + 01 + 02
Sujeta a
1 + 22 + 1 + 02 = 10
21 + 2 + 01 + 2 = 14
1 0
2 0
1 0
2 0
Inicialmente, se encontro que la solucion optima para este problema ocurre en un vertice
de la region factible (Fig. 3.1). En cada uno de estos, al menos dos de las variables
1 , 2 , 1 , 2 son cero, teniendo en cuenta que 1 = 10(1 +22 ) y 2 = 14(21 2 ),
como se indica en el siguiente listado.
En (0,0)
En (0,5)
En (7,0)
En (6,0)
1 = 0
1 = 0
1 = 7
1 = 6
2 = 0
2 = 5
2 = 0
2 = 2
1 = 10
1 = 0
1 = 3
1 = 0
2
2
2
2
=0
=9
=0
=0
Una solucion donde al menos dos de las variables sean cero es llamada solucion factible
basica (...). El n
umero dos (2) se determina por la expresion donde es el
n
umero de variables despues que las restricciones se vuelven ecuaciones (estructurales
mas de holgura) y es el n
umero de restricciones, sin contar las de no negatividadn
en este problema = 4 y = 2. Para una ..., las dos variables diferentes de cero
son llamadas variables basicas, mientras que las variables que son iguales a cero son
denominadas variables no basicas, en esa ... As
Para la ... en el vertice (0, 0), se tiene que 1 y 2 son variables no basicas y 1 y
2 son variables basicas.
La ... en el vertice (0, 5), presenta a 1 y 1 como variables no basicas, mientras
que 2 y 2 son variables basicas.
Para la ... en el vertice (7, 0), se tienen a 2 y 2 como variables no basicas, y a 1
y 1 son variables basicas.
En la ... en el vertice (4, 3), se tiene a 1 y 2 como variables no basicas, mientras
que 1 y 2 las variables estructurales o de decision son basicas.
El objetivo es encontrar una ... que maximice la funcion .
Se escribe la u
ltima formulacion del problema con las variables estructurales y de holgura como la siguiente matriz ampliada
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
56
Con correspondiendo a la matriz de coecientes, es la matriz identidad de orden
, es el vector columna de terminos independientes de orden , es el vector la
cuyos elementos son los coecientes de la funcion objetivo, es la matriz la nula
con elementos y es el nombre de la funcion. A este arreglo sin parentesis se le
denomina tabla simplex
Para el ejercicio planteado la primera tabla simplex sera:
Tabla simplex 1
1
2
1 2
1 1
2 1
2 3
1
2
1
0
0
1
0
0
{z
}
|
10
14
Las dos primeras las corresponden a las restricciones escritas como ecuaciones y el
u
ltimo renglon llamado rengl
on objetivo, corresponde a los coecientes de la funcion
objetivo a los que se les denomina . Observe que debajo de las variables de
holgura 1 y 2 se tiene la matriz identidad 2 , con los indicadores iguales a cero, que
corresponden al vector la 2 . Si 1 y 2 son iguales a cero, de las dos primeras las
se lee 1 = 10 y 2 = 14. Por lo tanto, la solucion factible basica inicial es: 1 = 0,
2 = 0, 1 = 10 y 2 = 14, en la que = 0. En esta ... inicial las variables
estructurales son no basicas y las variables de holgura son basicas. De acuerdo con el
metodo geometrico, esta primera ... corresponde al vertice (0, 0) del polgono de la
region factible. Se dice que las variables 1 y 2 forman la base (1 , 2 ).
Ahora se busca una ... en la que una de las variables estructurales pase a ser
variable basica, esto es, se cambia la base.Cual se debe elegir como variable basica?
cualquiera que tenga un indicador positivo, lo recomendado para agilizar la reduccion
es aquel que sea el mayor valor positivo, recuerde que se trata de maximizar el valor de
y de los indicadores es aquel que mas contribuya unitariamente a la optimizacion. La
variable correspondiente al mayor indicador pasa a ser basica, es decir entra a la base,
en este caso sera la variable 2 (su indicador es 3, el mayor de todos los indicadores) y
se llamara .
Como la base esta formada solo por dos variables, debe salir una de las dos de holgura
1 o 2 . Para la seleccion, se realiza el cociente entre los terminos independientes y los
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
57
1 2
0
1
0
Observe que como la variable 2 desplazo a la variable 1 , entonces 2 adopta la conguracion de 1 (primera columna de la matriz identidad). La conguracion propuesta se
alcanza a traves de operaciones elementales entre las, los guiones seran valores reales
que se obtendran despues de realizar dichas operaciones.
De la tabla simplex 1, se requiere un pivote igual a uno en el elemento 12 , por lo
tanto el coeciente 2 de 2 debe ser transformado a 1, entonces se realiza la operacion
elemental 21 1 . As
1
2 1
:
1 2 1 2
1 1 1 0
2 1 0 1
2 3 0 0
10
14
1 2 1 2
1
1 21 0
2
que conduce a
2 1
2 3
1 14
0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1 2
1
1 21 0
2
2 1
2 3
58
1 14
0
llegando al arreglo
1 2
1
1
2
3
2
1
2
1
1
2
0 12
0 32
2
0
1
9
0 15
2
2
1 2
1
1
2
3
2
1
2
1
1
2
0 21
0 23
2
0
1
9
0 15
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
2
1
1 2
0 1
1 0
0 0
59
3 2
1 2
1
1
2
3
2
1
2
1
1
2
0 12
0 32
2
0
1
9
0 15
lo que conduce a
1 2
1
1
2
1
1
2
1
1
2
0 31
0 32
2
0
2
3
0 15
1
2
y se
nalados con en los renglones
12 2 + 3
1 2
1
1
2
1
1
2
1
1
2
0 31
0 32
2
0
2
3
0 15
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
60
1
2
3
2
13
0 13 32
6
0 43 13 18
2
1
1 2
0 1
1
1
2
3
2
13
6
0 31 23
0 34 13 18
Maximice
(1 , 2 ) = 21 + 52
Sujeta a
1 + 2 10
1 + 2 30
21 + 2 24
1 0
2 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
61
Maximice
(1 , 2 ) = 21 + 52
Sujeta a
1 + 2 10
1 + 2 30
21 2 24
1 0
2 0
Ahora, se escriben las restricciones como ecuaciones, para lo que se introducen las
variables de holgura 1 , 2 y 3 . Se enuncia de nuevo el problema:
Maximice
(1 , 2 , 1 , 2 , 3 ) = 21 + 52 + 01 + 02 + 03
Sujeta a
1 + 2 + 1 + 02 + 03 = 10
1 + 2 + 01 + 2 + 03 = 30
21 2 + 01 + 02 + 3 = 24
1 0
2 0
1 0
2 0
3 0
1
2 3
1
0 0
0
1 0
0
0 1
0
0 0
|
{z
}
10
30
24
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
62
1 2 3
0 0
1 0
1
0 0
Como ya aparece el pivote uno en el elemento 12 , solo falta reducir los elementos 22 ,
32 y 42 marcados con asterisco en la siguiente tabla:
1 2 1 2 3
1 1
1 0 0
1
1
0 1 0
2 1 0 0 1
2
5
0 0 0
10
30
24
1 2 1 2 3
1 1
1 0 0
1
1
0 1 0
2 1 0 0 1
2
5
0 0 0
10
30
24
Para obtener
1 2 1 2 3
1 1 1 0 0
2 0 1 1 0
1 0 1 1 1
7 0 5 0 0
10
20
34
50
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
63
2
2
3
1 2 1 2 3
1 1 1 0 0
2 0 1 1 0
1 0 1 0 1
7 0 5 0 0
10
20
34
50
2 3
0
0
1
0
2 2
2
2
3
De lo que resulta
1 2 1 2 3
1 1 1 0 0
2 0 1 1 0
1 0 1 0 1
7 0 5 0 0
10
20
34
50
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2
1 1
1
1
2 3
0 0
12
1
2
0 1
1
0 5 0
64
10
10
1
34
0 50
1 2
0 1
1
1
2
0
12
1
2
3
1
0
2
2
0 23 27
3
0
20
10
1
24
0 120
1 2
0 1
1
2
1
2
21
1
2
3 0
0
3
1
0
2
2
0 23 72
3
0
20
10
1
24
0 120
Se observa que todos los indicadores son negativos o ceros, lo que signica que el algoritmo simplex ha nalizado. Se tiene entonces la solucion optima con 1 = 10, 2 = 20
y = 120.
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
65
Ejemplo 3.2.2.
Maximice
(1 , 2 , 3 ) = 1 + 2 + 3
Sujeta a
1 + 22 + 33 1
21 + 2 + 3 2
1 0
2 0
3 0
El problema se encuentra en la forma estandar, se escriben las restricciones como ecuaciones, para lo que se introducen las variables de holgura 1 y 2 . Se formula de nuevo
el problema:
Maximice
(1 , 2 , 3 , 1 , 2 ) = 1 + 2 + 3 + 01 + 02
Sujeta a
1 + 22 + 33 + 1 + 02 = 1
21 + 2 + 3 + 01 + 2 = 2
1 0
2 0
3 0
1 0
2 0
Tabla simplex 1
1
2
1 2
1 2
2 1
1 1
3
1 2
3
1 0
1
0 1
1
0 0
|
{z
}
1
2
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1
1
0
1 2
0
1
0
66
Como ya aparece el pivote uno en el elemento 11 , solo falta reducir a cero los elementos
21 y 31 marcados con asterisco en la siguiente tabla:
1 2 3 1 2
1 2 3 1 0
2 1 1 0 1
1 1 1 0 0
1
2
1
2
Lo que queda
1 2 3 1 2
1 2
3
1 0
0 3 5 0 1
0 1 2 1 0
1
2
1 2 3 1 2
1 2
3
1 0
0 3 5 2 1
0 1 2 1 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
67
Donde todos los indicadores son negativos o ceros, indicando que ya no se presentan
mas iteracciones la solucion es entonces: 1 = 1, 2 = 0, 3 = 0, notese que 2 3 , son
variables no basicas de ah que su valor sea igual a cero, la funcion objetivo es = 1.
Ejemplo 3.2.3. Una microempresa fabrica dos tipos de aretesanas, el modelo confeccionada en madera y el modelo en piedras semipreciosas. Los dos modelos dejan
utilidades de 10 y40 dolares por unidad respectivamente. Debido a limitaciones, la empresa puede fabricar en un mes como maximo 350 artculos. Por la disponibilidad de
insumos, puede fabricar como maximo 300 unidades del modelo y 100 del modelo
cada mes. Determinar cuantos artculos debe producir la microempresa para maximizar
sus utilidades.
Solucion
Inicialmente se declaran las variables, se denota por:
1 : el n
umero de artculos producidos en las artesanas modelo
2 : el n
umero de artculos producidos en las artesanas modelo
: la utilidad total en dolares (funcion objetivo).
La formulacion del problema es:
Maximizar
(1 , 2 ) = 101 + 402
Sujeta a
1 + 2 350
1 300
2 100
1 0
2 0
El problema se encuentra en la forma estandar, se escriben las restricciones como ecuaciones, para lo que se introducen las variables de holgura 1 , 2 y 3 . Se formula de
nuevo el problema:
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
Maximizar
68
(1 , 2 , 1 , 2 , 3 ) = 101 + 402 + 01 + 02 + 03
Sujeta a
1 + 2 + 1 + 02 + 03 = 350
1 + 01 + 2 + 03 = 300
2 + 01 + 02 + 3 = 100
1 0
2 0
1 0
2 0
3 0
1
2
3
1
1
1
0
10
2
1
0
1
40
1
2 3
1
0 0
0
1 0
0
0 1
0
0 0
|
{z
}
350
300
100
Para esta primera tabla simplex la base es (1 , 2 , 3 ). Los indicadores son 10 para 1
y 40 para 2 , siendo esta la variable que entra a la base. Para la variable saliente se
realizan los cocientes entre los terminos independientes y los coecientes de 2 en la
columna 2, se tiene 350 1 = 350, 300 0 = y 100 1 = 100 se escoge el menor
cociente positivo en este caso 100 que corresponde a la variable 3 . La base ahora es
(1 , 2 , 2 ) y la conguracion de llegada sera:
1 2 1 2
1 0 1 0
2 0 0 1
2 1 0 0
0 0 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1 2 3
1 1 1 0 0
1
0
0 1 0
0
1
0 0 1
10 40 0 0 0
69
350
300
100
350
300
100
250
300
100
4000
1
2
2
1 2 1 2 3
1 0 1 0 1
1 0 0 1
0
0 1 0 0
1
10 0 0 0 40
250
300
100
4000
Como a
un hay indicadores positivos que ayudan a fortalecer la funcion objetivo, se
realiza una nueva iteracion. De la tabla simplex 2 se observa que el mayor indicador
positivo 10, corresponde a la variable 1 , ahora como variable entrante. Para la variable
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
70
saliente se realizan los cocientes entre los terminos independientes y los coecientes de
1 en la columna 1, se tiene 250 1 = 250, 300 1 = 300 y 100 0 = se escoge el
menor cociente positivo en este caso 250 que corresponde a la variable 1 . La base es
(1 , 2 , 2 ) y la conguracion de llegada sera:
1
2
2
1
1
0
0
2 1 2
1 0
0 1
0 0
0 0
1 2 1 2 3
1
0 1 0 1
1
0 0 1
0
0
1 0 0
1
10 0 0 0 40
250
300
100
4000
250
300
100
4000
1 2 1 2 3
1 0
1
0 1
0 0
0
1
0
0 1
0
0
1
0 0 10 0 30
250
50
100
6500
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
71
1
2
2
1 2 1 2 3
1 0
1
0 1
0 0
0
1
0
0 1
0
0
1
0 0 10 0 30
250
50
100
6500
Se observa que todos los indicadores son negativos o ceros, indicando que ya no se
presentan mas iteracciones, la solucion es entonces: 1 = 250, 2 = 100 la funcion
objetivo es = 6550. Por lo tanto se deben producir 250 unidades de las artesanas
hechas en madera y 100 unidades de las artesanas elaboradas en piedras semipreciosa
para obtener una utilidad maxima de 6500 dolares.
Ejemplo 3.2.4. Una industria pecuaria fabrica dos tipos de alimentos, tipo para aves
y tipo para ganado vacuno. Para la elaboracion de una tonelada de cada alimento, se
requiere pasar por cuatro procesos: triturado, limpieza, tamizaje, y empacado y almacenamiento. La seccion responsable del proceso de triturado tiene disponibles 1000 horas,
el de limpieza 450 horas, el de tamizaje 2000 horas y el de empacado y almacenamiento
150 horas . Los requirimientos de produccion y utilidad en dolares por cada tonelada
de alimento se muestran en la siguiente tabla:
1
2
3
2
1
1
3
4
6
4
1
4
1
/
15
20
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
72
Maximizar
(1 , 2 ) = 151 + 202
Sujeta a
21 + 32 1000
1 + 2 450
41 + 62 2000
1
1
1 + 2 150
4
2
1 0
2 0
El problema se encuentra en la forma estandar, se escriben las restricciones como ecuaciones, para lo que se introducen las variables de holgura 1 , 2 , 3 y 4 . Se formula
de nuevo el problema:
Maximizar
(1 , 2 , 1 , 2 , 3 4 ) = 151 + 202 + 01 + 02 + 03 + 04
Sujeta a
21 + 32 + 1 + 02 + 03 + 04 = 1000
1 + 2 + 01 + 2 + 03 + 04 = 450
41 + 62 + 01 + 02 + 3 + 04 = 2000
1
1
1 + 2 + 01 + 02 + 03 + 4 = 150
4
2
1 0
2 0
1 0
2 0
3 0
4 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1
2
3
4
73
1 2
2 3
1 1
4 6
1
2 3 4
1
0 0 0 1000
0
1 0 0 450
0
0 1 0 2000
1
1
0
0 0 1 150
4
2
15 20
0
0 0 0
|
{z
}
Para esta primera tabla simplex la base es (1 , 2 , 3 , 4 ). Los indicadores son 15 para
1 y 20 para 2 , siendo esta la variable que entra a la base. Para la variable saliente
se realizan los cocientes entre los terminos independientes y los coecientes de 2 en
la columna 2, se tiene 1000 3 = 333,3 . . ., 450 1 = 450, 2000 6 = 333,3 . . . y
150 12 = 300 se escoge el menor cociente positivo en este caso 300 que corresponde a
la variable 4 . La base ahora es (1 , 2 , 3 , 2 ) y la conguracion de llegada sera:
1 2 1 2 3
0 1 0 0
0 0 1 0
0 0 0 1
1 0 0 0
0 0 0 0
1 2 1 2 3 4
2 3 1 0 0 0
1 1 0 1 0 0
4 6 0 0 1 0
1
4
1
2
0
15 20 0
1000
450
2000
150
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1
2
1
4
2
3
1
6
1 2 3 4
1 0 0 0
0 1 0 0
0 0 1 0
1
2
1
0
15 20 0
1000
450
2000
300
74
Se reducen los elementos 12 , 22 , 32 y 52 marcados con asterisco en la tabla. Se realizan las operaciones elementales entre renglones:
34 + 1
4 + 2
64 + 3
204 + 5
1
2
1
4
2
3
1
6
1 2 3 4
1 0 0 0
0 1 0 0
0 0 1 0
1
2
1
0
15 20 0
1000
450
2000
300
para obtener
1 2 1 2 3 4
1
0 1 0 0 6
2
1
0 0 1 0 2
2
1 0 0 0 1 12
1
2
100
150
200
0
2
300
0 40 6000
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1 2 3
1
0 1 0 0
2
4
6
100
1
2
150
12
200
1
2
0
2
300
0 40 6000
75
Como a
un hay indicadores positivos que ayudan a fortalecer la funcion objetivo, se
realiza una nueva iteracion. De la tabla simplex 2 se observa que el mayor indicador
positivo 5, corresponde a la variable 1 , ahora como variable entrante. Para la variable
saliente se realizan los cocientes entre los terminos independientes y los coecientes de
1 en la columna 1, se tiene 100 12 = 200, 150 12 = 300, 2001 = 200 y 300 12 = 600
se escoge el menor cociente positivo en este caso 200 que corresponde a las variables 1
y 3 se escoge 1 . La base es (1 , 2 , 3 , 2 ) y la conguracion de llegada sera:
1 2
1 0
0 0
0 0
0 1
0 0
1 2 3
0 0
1 0
0 1
0 0
0 0
1 2 1 2 3 4
1
0 1 0 0 6
2
1
0 0 1 0 2
2
1 0 0 0 1 12
1
2
100
150
200
0
2
300
0 40 6000
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
76
lo que resulta en
1 2 1 2 3 4
1 0 2 0 0 12
200
1
2
150
12
200
1
2
300
5 0
0 40 6000
Se reducen los elementos 21 , 31 , 41 y 51 marcados con asterisco en la tabla. Se realizan las operaciones elementales entre renglones:
21 1 + 2
1 + 3
12 1 + 4
51 + 5
1 2 1 2 3 4
1 0 2 0 0 12
200
1
2
150
12
200
1
2
300
5 0
0 40 6000
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1 2 3 4
1 0
2
0 0 12
0 0 1 1 0
4
0 0 2 0 1
0
0 1 1 0 0
8
0 0 10 0 0 20
77
200
50
0
200
7000
1
2
3
2
1 2 1 2 3 4
1 0
2
0 0 12
0 0 1 1 0
4
0 0 2 0 1
0
0 1 1 0 0
8
0 0 10 0 0 20
200
50
0
200
7000
Como a
un hay indicadores positivos que ayudan a fortalecer la funcion objetivo, se
realiza una nueva iteracion. De la tabla simplex 3 se observa que el mayor indicador
positivo 20, corresponde a la variable 4 , ahora como variable entrante. Notese que 4
regresa a la base. Para la variable saliente se realizan los cocientes entre los terminos
independientes y los elementos de 4 en la columna 4, se tiene 200 12 = 16,6 . . .,
50 4 = 12,5 , 0 0 = y 200 8 = 25 se escoge el menor cociente positivo en
este caso 12,5 que corresponde a la variable 2 . La nueva base es (1 , 4 , 3 , 2 ) y la
conguracion de llegada sera:
1 2
1 0
0 0
0 0
0 1
0 0
2 3 4
0 0
0 1
1 0
0 0
0 0
4 2
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1 2 3 4
1 0
2
0 0 12
0 0 1 1 0
4
0 0 2 0 1
0
0 1 1 0 0
8
0 0 10 0 0 20
78
200
50
0
200
7000
Por lo tanto
1 2
1 0
1
2
2 3 4
0 0 12
14
0
0
0 2 0
1 1 0
0 10 0
1
4
1
0
0
8
20
200
25
2
200
7000
2
3
1
4
3 4
0 0
350
25
2
0
0
0 2 0 1
1 1 2 0
0 5 0 0
0
0
100
7250
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
1 2 1
1 0 1
3
2
0
0
0 2 0 1
1 1 2 0
0 5 5 0
0
0
100
7250
14
2
3
1
4
3 4
0 0
79
350
25
2
Donde todos los indicadores son negativos o ceros, indicando que ya no se presentan
mas iteracciones la solucion es entonces: 1 = 350, 2 = 200, la funcion objetivo es
= 7250. Por lo tanto se deben producir 350 toneladas de alimento para ganado
vacuno, 100 toneladas de alimento para aves para conseguir una utilidad maxima de
7250 dolares.
3.3.
M
etodo Simplex: Dualidad y minimizaci
on
11 1 + 12 2 + + 1 1
21 1 + 22 2 + + 2 2
..
.
1 1 + 2 2 + +
en donde 1 , 2 , . . . , y 1 , 2 , . . . , son no negativas.
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
80
1
2
..
.
0 y 0.
El problema dual asociado es
1
2
1
2
..
.
0 y 0.
El problema dual asociado es
1
2
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
81
4. Los valores de que minimizan a son los opuestos de los coecientes de las
variables de holgura 1 , 2 , . . . , en el u
ltimo renglon del diagrama terminal.
Ejemplo 3.3.1.
Minimizar
(1 , 2 ) = 0,51 + 2
Sujeta a
0,91 + 0,62 2
0,11 + 0,42 1
1 0
2 0
(
)
(
)
( )
(
)
1
0,9 0,6
2
Con =
,=
, = 0,5 1 y =
2
0,1 0,4
1
En forma matricial el problema
se
enuncia
como:
(
)
(
) 1
Minimizar = 0,5 1
2
Tal que
) ( )
(
)(
2
0,9 0,6
1
2
1
0,1 0,4
El problema dual asociado sera
)
(
(
) 1
Maximizar = 2 1
2
Tal que
(
)(
) (
)
0,9 0,1
1
0,5
0,6 0,4
2
1
y su enunciado es
Maximizar
Sujeta a
(1 , 2 ) = 21 + 2
0,91 + 0,12 0,5
0,61 + 0,42 1
1 0
2 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
82
El problema se encuentra en la forma estandar.Se escriben las restricciones como ecuaciones, para lo que se introducen las variables de holgura 1 y 2 . Se formula de nuevo
el problema:
Maximizar
(1 , 2 , 1 , 2 ) = 21 + 2 + 01 + 02
Sujeta a
0,91 + 0,12 + 1 + 02 = 0,5
0,61 + 0,42 + 01 + 2 = 1
1 0
2 0
1 0
2 0
1
2
1 2 1 2
9
1
1 0
10
10
3
5
2
5
2 1
1
2
Para esta primera tabla simplex la base es (1 , 2 ). Los indicadores son 2 para 1 y 1
para 2 , por lo que la variable que entra a la base es 1 . Para la variable saliente se
realizan los cocientes entre los terminos independientes y los coecientes de 1 en la
columna 1, se tiene 0,5 0,9 = 0,5 . . . y 1 0,6 = 1,6 . . . se escoge el menor cociente
positivo en este caso 0,5 . . . que corresponde a la variable 1 . La base ahora es (1 , 2 )
y la conguracion de llegada sera:
1
1
0
1 2
0
1
0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
83
10
9 1
1 2 1 2
9
1
1 0
10
10
3
5
2
5
2 1
1
2
Lo que resulta
1 2 1 2
0
1 19 10
9
3
5
2
5
2 1 0
5
9
2
5
2 1 0
5
9
1
3
1
10
9
23
0 79 20
9
2
0
5
9
2
3
0 10
9
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
84
1 2
1 91
0 97 20
9
1
3
1
10
9
2
0
5
9
2
3
32
0 10
9
Como a
un hay indicadores positivos que ayudan a fortalecer la funcion objetivo, se
realiza una nueva iteracion. De la tabla simplex 2 se observa que el mayor indicador
positivo 79 , corresponde a la variable 2 , ahora como variable entrante. Para la variable
saliente se realizan los cocientes entre los terminos independientes y los elementos de 2
en la columna 2, se tiene 59 91 = 5 y 32 13 = 2, se escoge el menor cociente positivo en
este caso 2 que corresponde a la variable 2 . La nueva base es (1 , 2 ) y la conguracion
de llegada sera:
1
2
1 2
1 0
0 1
0 0
1 2
1 91
0
1
3
1
10
9
23
0 79 20
9
2
0
5
9
2
3
0 10
9
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
85
lo que resulta
1 2
1 91
10
9
0 97 20
9
2
0
5
9
0 10
9
1 2
1 91
10
9
0 97 20
9
2
0
5
9
0 10
9
para dar
1 2
1 0
4
3
2
13
1
3
2
7
0 0 3 3
8
3
1 2
1 0
4
3
2
31
1
3
0 0 23 37
8
3
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
86
Donde todos los indicadores son negativos o ceros, indicando que ya no se presentan
mas iteracciones. La solucion para 1 y 2 corresponde a los opuestos de los indicadores
en las columnas de 1 y 2 por lo tanto es entonces: 1 = 23 , 2 = 73 , la funcion objetivo
es = 38 .
Ejemplo 3.3.2. Dos fabricas producen tres tipos diferentes de aparatos para ba
nos.
La tabla adjunta resume la capacidad de produccion y como mnimo la cantidad de
cada tipo de aparato pedido como tambien los costos de operacion para las fabricas.
Aparato 1
Aparato 2
Aparato 3
Costo diario
Fabrica 1
80/da
10/da
50/da
$10000
Fabrica 2
20/da
10/da
20/da
$9000
Cantidad pedida
1600
500
1900
Durante cuantos das debera trabajar cada fabrica para surtir los pedidos con un costo
mnimo?
Solucion Suponga que :
1 es el n
umero de das que trabaja la fabrica 1
2 es el n
umero de das que trabaja la fabrica 2
Se formula el problema de la siguiente manera:
Minimizar
(1 , 2 ) = 100001 + 90002
Sujeta a
801 + 202 1000
101 + 102 500
501 + 202 1900
1 0
2 0
Maximizar
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
87
El problema se encuentra en la forma estandar. Se escriben las restricciones como ecuaciones, para lo que se introducen las variables de holgura 1 y 2 . Se formula de nuevo
el problema:
Maximizar
1
2
1
2
3 1 2
80
10
50
1 0
20
10
20
0 1
1600 500 1900 0 0
10000
9000
Para esta primera tabla simplex la base es (1 , 2 ). Los indicadores son 1600 para 1 ,
500 para 2 y 1900 para 3 , este u
ltimo es el mayor por lo tanto la variable que entra
a la base es 3 . Para la variable saliente se realizan los cocientes entre los terminos
independientes y los coecientes de 3 en la columna 3, se tiene 10000 50 = 200 y
9000 20 = 450 se escoge el menor cociente positivo en este caso 200 que corresponde
a la variable 1 . La base ahora es (3 , 2 ) y la conguracion de llegada sera:
3
2
2 3
1
0
0
1 2
0
1
0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
88
50 1
1
2
3 1 2
80
10
50
1 0
20
10
20
0 1
1600 500 1900 0 0
10000
9000
conduciendo al arreglo
1
8
5
1
5
3
1
1 2
1
0
50
20
10
20
0
200
1 9000
0
8
5
1
5
3
1
1 2
1
0
50
20
10
20
0
200
1 9000
0
lo que resulta
1
8
5
1
5
3
1
1
1
50
2
0
200
5000
12
6
0 52 1
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
8
5
1
5
3
2
3
1
1
1
50
2
0
89
200
12
6
0 25 1
5000
Como a
un hay indicadores positivos que ayudan a fortalecer la funcion objetivo, se
realiza una nueva iteracion. De la tabla simplex 2 se observa que el mayor indicador
positivo 120, corresponde a la variable 2 , ahora como variable entrante. Para la variable
saliente se realizan los cocientes entre los terminos independientes y los elementos de
2 en la columna 2, se tiene 200 15 = 1000 y 5000 6 = 833, 3 . . ., se escoge el menor
cociente positivo en este caso 833, 3 . . . que corresponde a la variable 2 . La nueva base
es (3 , 2 ) y la conguracion de llegada sera:
1 2 3 1 2
3 0 1
2 1 0
0 0
6 2
8
5
1
5
3
1
1
1
50
2
0
200
12
6
0 52 1
5000
1
5
3
1
1
1
50
2
0
200
1
1
2500
2
1
0 15
6
3
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
90
1
8
5
1
5
3
1
1
1
50
2
0
200
1
2500
1
2
1
0 15
6
3
lo que resulta en
1
2
2 3
0 1
1
1
30
2
1
30
100
3
1
1
2500
2
1 0 15
6
3
1200 0 0 30 20 480000
(3
(2
1
2
2 3
0 1
1
1
30
2
1
30
100
3
1
1
2500
2
1 0 15
6
3
1200 0 0 30 20 480000
Donde todos los indicadores son negativos o ceros, indicando que ya no se presentan
mas iteracciones. La solucion para 1 y 2 corresponde a los opuestos de los indicadores
en las columnas de 1 y 2 por lo tanto 1 = 30, 2 = 20, la funcion objetivo es
= 480000. Por lo tanto la fabrica 1 debe operar durante 30 das, la fabrica 2 durante
20 das para obtener un costo mnimo de $480.000.
3.4.
Ejercicios propuestos
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
91
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
92
3.5.
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
93
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
94
(1 , 2 ) = 2001 + 1602
Sujeta a
51 + 32 105
21 + 42 70
1 0
2 0
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
95
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
96
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
97
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
98
Se observa la region factible a cuadritos, las rectas en azul equivalen a las restricciones
escritas como ecuaciones y aparecen rotulados como 1 y 2 , la recta de la funcion
objetivo aparece en rojo. Al lado derecho en la parte superior se registra la solucion al
problema donde se lee Optimal Solution, = 4600, 1 = 15 2 = 10.
Por defecto le presenta el graco con estos colores, si los quiere cambiar para observar
mejor la region factible, se puede ir a options y hace clic en Change Ranges and
Colors (Fig. 3.13).
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
99
3.5.1.
Soluci
on por el m
etodo simplex
Para visualizar la solucion por el algoritmo simplex se hace click en el cono mostrado
en la gura 3.16.
Figura 3.16: Comando para encontrar las tablas simplex de cada una de las iteraciones.
Al hacerlo, se aprecia la tabla simplex 1 o primera iteracion, la celda sombreada en la
gura 3.17 indica la variable entrante 1 y saliente 1 . En la columna a la izquierda
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
100
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
101
3.5.2.
Reporte combinado
Si se desea resolver el problema por el metodo simplex sin pasar por las iteracciones se
hace click en el cono (Hombrecito) en la barra superior y mostrado en la gura 3.20.
Que tambien muestra el cuadro de dialogo , se da aceptar.
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
102
LINEAL. METODO
CAPITULO 3. OPTIMIZACION
SIMPLEX
103
La parte posterior de la tabla hace referencia a las restricciones del problema. La primera
columna relaciona las restricciones, en este 1 y 2; la columna identicada con Left
Hand Side () (Lado Izquierdo), indica las cantidades utilizadas de cada recurso
para la solucion optima, se incluye una columna con el sentido de desigualdad y luego la
columna Right Hand Side () (Lado Derecho) que indica las cantidades disponibles
de cada recurso. Por ejemplo, en la restriccion 1 se dispona de 105 unidades de recurso, y se utilizaron todas; por lo tanto, en la columna Slack o Surplus (Holguras o
Excedentes) se registra un valor igual a cero, que corresponde a la diferencia entre
y , en este caso se dice que 1 es un recurso escaso.
La columna con el encabezamiento Shadow Price (Precio Sombra), corresponde a la
variacion en el lado derecho de una restriccion e indica el precio marginal por unidad
adicional de un recurso escaso, es decir, lo que se estara dispuesto a pagar por una
unidad adicional o por un aumento unitario en el lado derecho de una restriccion . En
este mismo valor se incrementara la Funcion Objetivo, por unidad adicional.
Las columnas Allowable Min. y Allowable Max. (Lmite mnimo y maximo), corresponden a los Intervalos de factibilidad, se encuentran relacionados con el e indican
los rangos en los que puede variar el lado derecho de la restriccion, sin que cambien
el precio sombra y estatus de las variables. Por ejemplo el de la restriccion 1,
puede variar entre 52.50 y 175 sin que su precio sombra de $34.29 por unidad cambie.
Por ejemplo se pueden adquirir hasta 70 unidades adicionales del recurso de la restriccion 1 sin que cambie el precio sombra pero la Funcion Objetivo se incrementara en
(70 34,29) = 2400,3. Su nuevo valor sera (4600 + 2400,3) = 7000,3.