UNIVERSIDAD DE ORIENTE
FACULTAD DE INGENIERIA Y ARQUITECTURA
INGENIERIA INDUSTRIAL
OPERACIONES DE DECISION
CATEDRÁTICA:
ING. YESENIA MARISOL VALLE BENITEZ
ALUMNOS:
BERNARDO ISMAEL PORTILLO ORELLANA
BERRIOS MANZANARES KEVYN FRANCISCO
BONILLA CATACHO KEVIN WILFREDO
HERNÁNDEZ LOVO JOSÉ FABRICIO
ROMERO ALVAREZ WALTER MAURICIO
CICLO II/2019
UNIVO, 28 DE AGOSTO DE 2019
ÍNDICE
INTRODUCCION .................................................................................................... 1
1.OBJETIVOS ......................................................................................................... 2
1.1 Objetivo General. ........................................................................................... 2
1.2 Objetivos Específicos..................................................................................... 2
2. MARCO TEÓRICO .............................................................................................. 3
3. PLANTEAMIENTO DEL EJERCICIO. ................................................................. 8
CONCLUSIÓN ...................................................................................................... 21
BIBLIOGRAFIA ..................................................................................................... 22
INTRODUCCION
La toma de decisiones estratégicas para la vida de una empresa. El inicio de la toma
de una decisión generalmente empieza cuando se detecta un problema. La
habilidad para resolver problemas mediante el análisis cuantitativo puede adquirirse
mediante el estudio de las herramientas matemáticas de operaciones, ellas le
permitirán maximizar la efectividad en la toma de decisiones, pudiendo comparar y
combinar información cualitativa y cuantitativa
En la necesidad de desarrollar un método para resolver problemas de programación
lineal de más de dos variables, los matemáticos implementaron el método
algebraico, el que más tarde se convertiría en el tan afamado método simplex.
Como su nombre lo indica, el método usa como su principal herramienta, el álgebra,
que ligada a un proceso de lógica matemática dio como resultado el método
algebraico.
Método algebraico es una alternativa de solución a problemas de programación
lineal. Sin embargo, es muy tedioso, en razón a que trabaja con todos los datos de
las ecuaciones, para mejorar este aspecto se creó el método simplex cuya gran
virtud es su sencillez, método muy práctico, ya que sólo trabaja con los coeficientes
de la función objetivo y de las restricciones.
1
1.OBJETIVOS
1.1 Objetivo General.
Demostrar la solución de problemas lineales por el método algebraico
1.2 Objetivos Específicos.
Definición del método algebraico.
Demostrar y aplicar los pasos a seguir del método algebraico para solucionar
problemas de programación lineal.
Solucionar un problema de programación lineal mediante el método
algebraico.
2
2. MARCO TEÓRICO
Definición:
En la necesidad de desarrollar un método para resolver problemas de
programación lineal de más de dos variables, los matemáticos
implementaron el método algebraico
Método algebraico es una alternativa de solución a problemas de
programación lineal
El seguimiento de un algoritmo que nos ayudara a encontrar la solución
óptima de un problema de programación línea.
El Método Simplex es un método analítico de solución de problemas
de programación lineal capaz de resolver modelos más complejos que los
resueltos mediante el método gráfico sin restricción en el número de
variables. El Método Simplex es un método iterativo que permite
ir mejorando la solución en cada paso.
Este popular método fue creado en el año de 1947 por el
estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich
Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar
problemas de m restricciones y n variables.
3
Modelo de PL en forma de ecuación.
El desarrollo de los cálculos con el método simplex se facilita si se imponen
dos requerimientos a las restricciones de programación lineal.
1. Todas las restricciones son ecuaciones con lado derecho no
negativo.
2. Todas las variables son no negativas.
Para convertir una desigualdad (≤) en ecuación se agrega una variable de
holgura al lado izquierdo de la restricción.
La conversión de (≥) a (=) se logra restando una variable de superávit no
negativa del lado izquierdo de la desigualdad.
4
Pasos:
Paso 1: Hallar una solución básica factible inicial.
Después de escribir el modelo en formato estándar, se escoge, por comodidad en
los cálculos, a las variables de holgura como variables básicas iniciales. Las
variables originales quedarán como variables no básicas. Hecho lo anterior se
procede a obtener la solución básica factible inicial, así:
a. Expresar las variables básicas en términos de las no básicas, en cada una de
las ecuaciones del modelo.
b. Reemplazar el valor (cero) de las variables no básicas en las expresiones del
paso a, obteniendo así que las variables de holgura son iguales a los términos del
lado derecho de cada ecuación. Igualmente remplazar los valores de las variables
no básicas, en la función objetivo obteniendo que esta es igual a cero.
Paso 2: Determinar si la solución básica factible actual puede mejorarse o si
ya es la óptima.
Prueba de mejorabilidad.
Consiste en verificar si en la función objetivo hay alguna variable no básica que
tenga coeficiente positivo. Si la respuesta es afirmativa esto indica que al aumentar
el valor de esa variable se incrementará proporcionalmente el valor de la función
objetivo, motivo por el cual nos interesa darle a esa variable el mayor valor posible.
5
Cuando hay más de una variable no básica con coeficiente objetivo positivo, al
incrementar el valor de cualquiera de ellas se incrementará el valor de la función
objetivo. En este algoritmo incrementaremos el valor de la variable no básica que
tenga el mayor coeficiente, aunque debe tenerse en cuenta que no siempre esto
garantiza que arribemos con mayor rapidez a la solución óptima. La variable
seleccionada para aumentarle su valor se conoce como variable de entrada a la
solución básica.
Si hay dos o más variables empatadas como variable de entrada, podemos romper
el empate arbitrariamente.
Prueba de optimalidad:
Si en la prueba de mejorabilidad la respuesta es negativa, es decir, si todas las
variables no básicas tienen coeficiente objetivo negativo o cero, la solución básica
actual es inmejorable, o sea que es la solución óptima y se termina el algoritmo.
Paso 3: Obtener la nueva solución básica factible mejor.
a. Identificar la variable de salida:
Se toma como variable de salida de la solución básica actual a aquella que primero
llegue a valer cero al aumentar el valor de la variable de entrada definida en el paso
anterior. En caso de empate se elige arbitrariamente una de ellas.
Si ninguna de las variables básicas tiende a volverse cero al aumentar el valor de la
variable de entrada entonces la función objetivo puede crecer indefinidamente y se
dice que la solución es óptima ilimitada.
6
Para determinar cuál de la variable básica debe salir de la solución se procede
así:
1. Calcular el cociente entre el valor de cada variable básica y el correspondiente
coeficiente de la variable de entrada en la ecuación de esa variable básica
2. Seleccionar como variable de salida a aquella variable básica que corresponda
al menor de los cocientes calculados.
b. Transformar el sistema actual para reflejar el cambio de variable básica y
conformar la nueva solución básica.
Al cambiar la variable de salida por la variable de entrada, se obtiene un sistema de
ecuaciones equivalente al actual pero que refleje la nueva solución básica. El
cambio se realiza utilizando el método de reemplazo así:
1. En la ecuación correspondiente a la variable de salida se despeja la variable de
entrada.
2. Se reemplaza la expresión recién obtenida para la variable de entrada en las
ecuaciones de las otras variables básicas y en la expresión de la función
objetivo.
7
3. PLANTEAMIENTO DEL EJERCICIO.
Para comprender la lógica y el algoritmo del método simplex en forma algebraica
vamos a resolver el modelo de mezcla productiva que ya resolvimos por el método
gráfico. Se repite acá la información para mayor comodidad en las explicaciones.
Una compañía produce dos tipos de artículos, mediante un proceso que se
compone de tres actividades. Los datos importantes del proceso se dan en la tabla:
Tiempo
Actividad (minutos / unidad) Capacidad
Artículo 1 Artículo 2
(minutos / día)
Formado 4 8 800
Corte 4 3 600
Ensamble 6 2 600
Utilidad neta
($/unidad) 10 6
Resuelva el modelo de programación lineal para determinar el número de unidades
de cada tipo de producto que deben fabricarse para maximizar la utilidad neta total.
8
El problema tiene el siguiente modelo de P.L.:
Maximizar: Z = 10 X1 + 6 X2
Sujeto a: 4 X1 + 8 X2<= 800 Formado (min. /día)
4 X1 + 3 X2<= 600 Corte (min. /día)
6 X1 + 2 X2<= 600 Ensamble (min. /día)
con X1, X2 => 0 condición de no negatividad
Aplicaremos ahora el algoritmo del método simplex algebraico para hallar la solución
óptima del modelo.
Paso inicial: Hallar una solución básica factible inicial:
Modelo en formato estándar
Max: Z = 10X1 + 6X2 + 0H1 + 0H2 + 0H3 (Z.0)
Sujeta a:
4X1 + 8X2 + H1 = 800
4X1 + 3X2 + H2 = 600 Sistema Inicial
6X1 + 2X2 + H3 = 600
Con X1, X2, H1, H2, H3 0
9
Si seleccionamos como variables básicas a las variables de holgura (H1, H2, H3),
las no básicas serán entonces las variables originales (X1, X2).
De cada una de las ecuaciones del sistema anterior despejamos las
correspondientes variables básicas en términos de las no básicas, obteniendo el
siguiente sistema modificado:
H1 = 800 - 4X1 - 8X2 (F.0)
H2 = 600 - 4X1 - 3X2 (C.0) Sistema inicial modificado
H3 = 600 - 6X1 -2X2 (E.0)
Como las variables no básicas X1 y X2 valen cero la solución inicial del modelo es:
H1 = 800
H2 = 600
H3 = 600
Y el valor de la función objetivo es Z = 0
Es lógico que la utilidad sea cero ya que no se está produciendo ningún artículo.
Además, nótese que como las variables de holgura en este problema indican la
cantidad sobrante de cada recurso, la interpretación es que de todos los recursos
está sobrando una cantidad igual a la cantidad disponible en el problema.
10
Paso 1: determinar si la solución actual es mejorable o si ya es la óptima.
Prueba de mejorabilidad.
Para facilidad en el análisis escribamos acá de nuevo la función objetivo
Z = 10X1 + 6X2 + 0H1 + 0H2 + 0H3 (Z.0)
Observamos que las dos variables no básicas X1 y X2 que actualmente valen cero
tienen coeficiente positivo, lo cual indica que si por ejemplo X1 aumenta su valor a
5 el valor de Z aumenta en 10*5 = 50.
Algo similar ocurrirá si aumentamos el valor de X2. Si por ejemplo X2 fuera igual a
entonces Z tomaría el valor 80 (= 0+10*8)
Como se dijo podemos aumentar el valor de cualquiera de estas variables para
obtener un aumento proporcional en el valor de la función objetivo. Aunque
podemos hacerlo con cualquiera de ellas, tomaremos a X1 tiene el mayor
coeficiente objetivo, como aquella a la cual le aumentaremos su valor lo máximo
posible, Como la tomamos como variable de entrada a la solución básica. Téngase
en cuenta que vamos a incrementar el valor de X1 mientras que el valor de X2
permanecerá en cero ya que sigue siendo no básica. Recordemos que una solución
básica tiene tantas variables como ecuaciones tenga el sistema. Por eso al
entrar X1 a la solución básica debemos sacar de esta una de las variables básicas
actuales, para que el número total de variables se conserve.
11
Paso 2:
Identificar la variable de salida: (Prueba de factibilidad)
En el sistema inicial de ecuaciones modificado podemos observar que cuando la
variable de entrada (X1) aumenta su valor, en uno, simultáneamente se disminuye
en cuatro el valor de H1, en cuatro el valor de H2 y en seis el valor de H3. Estos
valores (4,4,6) que son los coeficientes de X1 en la correspondiente ecuación de
cada variable básica, son los coeficientes de sustitución o de intercambio de la
variable de entrada X1, con las variables básicas actuales.
Por ejemplo, si aumentamos a X1 en 10 unidades el valor de H1 será 800 – 4*10;
el valor de H2 será 600 – 4*10 y el valor de H3 será 600 – 6*10.
Si continuamos aumentando el valor de X1 llegará un momento en el que alguna de
las variables básicas llegue a valer cero, mientras las otras tomen aún valores
positivos.
El valor de X1 para el cual se hace cero una variable básica es el cociente entre el
valor actual de la variable y el coeficiente de intercambio con la variable de entrada.
Para nuestro modelo los cálculos son;
Para H1 X1 = 800/4 = 200
Para H2X1 = 600/4 = 150
Para H3X1 = 600/6 = 100
12
Estos cocientes indican que cuando X1 valga 100 la variable básica H3 tomará el
valor cero, mientras que se requiere que valga 150 para hacer cero a la variable
básica H2 y que valga 200 para que H1 se haga cero. Es decir, la variable H3 es la
que limita el crecimiento de X1 pues se vuelve cero primeros que las demás, al
incrementar el valor de X1. Por ello se escoge a X1 como variable de salida.
Analicemos que pasaría si X1 superara el valor de 100 y tomara por ejemplo el valor
101. En este punto los valores de las variables básicas serían:
H1 = 800 - 4(101) = 396
H2 = 600 - 4(101) = 196
H3 = 600 - 6(101) = -6
Hemos detectado que la variable H3 tomaría un valor negativo lo cual llevaría a que
la solución sea infactible. Se comprueba que 100 es el máximo valor que puede
tomar la variable X1 sin hacer infactible la solución actual. Por esto la prueba para
determinar la variable de salida se conoce como prueba de factibilidad.
b. Transformar el sistema actual para reflejar el cambio de variable básica y obtener la
nueva solución básica mejor que la actual.
En la ecuación correspondiente a la variable de salida se despeja la variable de
entrada.
13
Para nuestro caso en la ecuación de H3, se despeja X1, obteniendo la siguiente
ecuación:
X1 = 100 – 1/3X2 – 1/6H3 (F.1)
Luego vamos a reemplazar la expresión recién obtenida para la nueva variable
básica en las ecuaciones de las otras variables básicas, así:
En H1.
H1 = 800 – 4(100 – 1/3X2 – 1/6 H3) – 8X2
H1 = 400 – 20/3X2 + 2/3H3 (C.1)
En H2.
H2 = 600 – 4(100 – 1/3X2 – 1/6H3) – 3X2
H2 = 200 – 5/3X2 + 2/3H3 (E.1)
Reemplazamos también en la función objetivo Z.0, obteniendo la función objetivo
modificada Z.1.
Z = 10(100 – 1/3X2 – 1/6H3) + 6X2 + 0H1 + 0H2 + 0H3
Z = 1000 + 8/3X2 + 0H1 + 0H2 – 5/3H3 (Z.1)
14
Escribiendo el sistema de ecuaciones modificado quedaría:
Max: Z = 1000 + 0X1 + 8/3X2 + 0H1 + 0H2 – 5/3H (Z.1)
H1 = 400 – 20/3X2 + 2/3H3 (F.1)
H2 = 200 – 5/3X2 + 2/3H3 (C.1) Sistema 1
modificado
X1 = 100 – 1/3X2 – 1/6H3 (E.1)
Ahora las variables básicas son H1, H2, X1 y las no básicas son X2 y H3 (ambas
valen cero), por lo cual la nueva solución básica factible es:
H1 = 400
H2 = 200
X1 = 100
Y el valor de la función objetivo es Z = 1000.
Ya tenemos una solución básica factible mejor que la anterior, pero debemos
verificar si es posible encontrar otra todavía mejor. Para ello vamos a repetir el
algoritmo desde el paso 1 para determinar si la solución actual es mejorable o ya es
la óptima.
15
Paso 1: ¿Será mejorable la solución actual?
En la función objetivo modificada (Z.1) observamos que el coeficiente de la variable
no básica X2 es 8/3, lo cual indica que por cada unidad que aumente X2, el valor de
Z aumentará en 8/3. Ahora X2 es la nueva variable de entrada.
Paso 2: Obtener la nueva solución básica factible mejorada
a. Identificación de la variable de salida.
En las ecuaciones del sistema 1 modificado, observamos que los coeficientes de
intercambio de X2 son 20/3, 5/3, 1/3, lo cual significa que, si aumentamos en uno
el valor de X2, entonces se disminuye en 20/3 el valor de H1, en 5/3 el valor de H2
y en 1/3 el valor de X1.
Al efectuar los cocientes entre los valores de cada variable básica y su
correspondiente coeficiente de sustitución con X2, obtenemos:
Para H1 X2 = 400/ (20/3) = 60
Para H2 X2 = 200/ (5/3) = 120
Para X1 X2 = 100/ (1/3) = 300
Sabemos que: Máximo valor de X2 = mínimo cociente entre (60,120,300) = 60,
que corresponde a la variable básica H1, la cual se toma como variable de salida.
16
Obtención del nuevo sistema equivalente
Como se hizo antes, en la ecuación correspondiente a la variable de salida
despejamos la variable de entrada, o sea en la ecuación (F.1) despejamos a X2 y
obtenemos:
X2 = 60 – 3/20H1 + 1/10H3 (F.2)
Y reemplazando esta nueva expresión en las otras ecuaciones de sistema
modificado 1:
H2 = 200 – 5/3(60 – 3/2H1 + 1/10H3) + 2/3H3
H2 = 100 + 1/4H1 + 1/2H3 (C.2)
X1 = 100 – 1/3(60 – 3/2H1 + 1/10H3) – 1/6H3
X1 = 80 + 1/20H1 – 1/5H3 (E.2)
Z = 1000 + 0X1 + 8/3(60 – 3/2H1 + 1/10H3) + 0H1 + 0H2 – 5/3H3
Z = 1160 + 0X1 + 0X2 – 2/5H1 + 0H2 – 7/5H3 (Z.2)
17
Escribiendo el segundo sistema de ecuaciones modificado, tendríamos:
Max: Z = 1160 + 0X1 + 0X2 – 2/5H1 + 0H2 – 7/5H3 (Z.2)
S.A.: X2 = 60 – 3/20H1 + 1/10H3 (F.2)
H2 = 100 + 1/4H1 + 1/2H3 (C.2) Sistema 2 modificado
X1 = 80 + 1/20H1 – 1/5H3 (E.2)
Ahora las variables básicas son X2, H2, X1 y las no básicas son H1 y H3 (ambas
valen cero), por lo cual la nueva solución básica factible es:
X2 = 60
H2 = 100
X1 = 80
Y el valor de la función objetivo es Z = 1160.
Como antes, cada vez que tiene una solución mejorada, se repite el algoritmo desde
el paso 1 para determinar si la solución actual es mejorable o si ya es la óptima.
Observamos en Z.2 que las variables básicas (H1 y H3), tienen coeficiente negativo,
lo cual indica que no es posible mejorar más el valor de la función objetivo y por lo
tanto se concluye que la solución actual es la óptima.
18
Comparación entre la solución gráfica y la solución algebraica.
Con el fin de entender la gran eficiencia del algoritmo simplex, vamos a observar de
nuevo la que nos muestra la solución gráfica de este modelo.
Nótese que el método algebraico se inicia con una solución básica factible en la
cual las variables originales valen cero, es decir una solución equivalente al punto
extremo (0,0). (Punto O). Luego, en el paso 1, el algoritmo nos condujo a
incrementar el valor de X1 (¿recuerda por qué?), hasta un valor máximo de 100,
(¿también recuerda por qué?), en el cual se hace cero a la variable básica H3. Al
hacer las operaciones correspondientes obtuvimos que la nueva solución básica
factible mejorada es:
H1 = 400
H2 = 200
X1 = 100
19
En la gráfica esto equivale a movernos desde el punto O (0,0) hasta el punto A
(100, 0), que es un vértice adyacente.
Advirtamos además que los otros intersectos con el eje X1, son en X1 = 150 y X1 =
200, y se corresponden con los otros cocientes obtenidos cuando en el paso 2 literal
b, se efectúa los primeros cocientes para determinar la variable de salida.
Cuando repetimos el algoritmo a partir del paso 1, determinamos que la solución
aún es mejorable al entran X2 en lugar de H1 y obtuvimos que la nueva solución
básica es X1 = 80, X2 = 60, H2 = 100.
Esta solución es el punto B (80,60), es decir gráficamente nos movimos desde el
punto A (100,0) hasta el punto adyacente B (80,60), en el cual se obtiene un mejor
valor de Z.
20
CONCLUSIÓN
El método algebraico es un procedimiento con el que hemos estado relacionados
desde antes que conociéramos siquiera la implicación del término optimización, ya
que se hará uso de todas las herramientas utilizadas para resolver sistemas de
ecuaciones lineales, en algebra básica en 9° grado hasta la eliminación de Gauss
Jordán.
Este método se usa como alternativa para resolver problemas de programación
línea de más de dos variables, basado en sistemas de ecuaciones matemáticas,
utilizando como principal herramienta el álgebra y procesos de lógica matemática
para encontrar la solución óptima del problema planteado.
La aplicación de este método es poca, ya que, dependiendo del número de
variables, restricciones y variables básicas el procedimiento para encontrar la
solución óptima se va prolongando cada vez más, pudiendo llegar hacer muy
tedioso y poco práctico. En cambio, con el método simplex donde toda la
información se almacena en tablas y las operaciones de esta son más rápidas.
21
BIBLIOGRAFIA
TAHA, H. A. (2012). Investigación de operaciones. México: PEARSON
EDUCACIÓN.
22
