M. En C. Eduardo Bustos as

Documentos relacionados
Software para PL. M. En C. Eduardo Bustos Farías. Investigación de Operaciones 1

EL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías

LP Problems. M. En C. Eduardo Bustos Farías

Un sistema de ecuaciones diferenciales son aquellas que tienen varias posibilidades para su solución. Estas son:

INGENIERO EN COMPUTACION TEMA: MÉTODO SIMPLEX

Programación Lineal. El método simplex

INGENIERÍA DE SISTEMAS INVESTIGACIÓN OPERATIVA

5.1. Algoritmo en modelos de maximización

Análisis de sensibilidad. M. En C. Eduardo Bustos Farias

maximización (con restricciones de la forma menor igual que). asociado al modelo primal de minimización y viceversa.

MÉTODO ALGEBRAICO: Obtención de las soluciones básicas:

METODO SIMPLEX. Paso 1 Se convierte el modelo matemático de Programación Lineal (PL) a su forma estándar.

La Programación Lineal. H. R. Alvarez A., Ph. D. 1

WinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente:

MATE Método Simplex maximización estándar

La Programación Lineal. H. R. Alvarez A., Ph. D. 1

Con miras a conocer la metodología que se aplica en el Método SIMPLEX, tenemos a continiacion un ejemplo:

Forma estándar de un programa lineal

1.Restricciones de Desigualdad 2.Procedimiento algebraico

METODO SIMPLEX: SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL.

MÉTODO SIMPLEX. Introducción

Tema 3: El Método Simplex. Algoritmo de las Dos Fases.

Conversión a la Forma Estándar

Formato para prácticas de laboratorio

INVESTIGACION DE OPERACIONES:

WinQSB. Módulo de Programación Lineal y Entera. Al ejecutar el módulo Linear and Integer Programming, la ventana de inicio es la siguiente

PROBLEMA DE PROGRAMACIÓN LINEAL RESUELTO POR MÉTODO SIMPLEX

MÉTODO SIMPLEX. Es un método genérico de solución de problemas lineales, desarrollado por George Dantzig en 1947.

7. PROGRAMACION LINEAL

Programación Lineal. María Muñoz Guillermo Matemáticas I U.P.C.T. M. Muñoz (U.P.C.T.) Programación Lineal Matemáticas I 1 / 13

Contenido: Solución algebraica a los problemas de programación lineal con el método simplex.

Programación Lineal. Yolanda Hinojosa

EL MÉTODO SIMPLEX ALGEBRAICO. M. En C. Eduardo Bustos Farías

Método Simplex. Ing. Ricardo Fernando Otero, MSc

Resolvamos los modelos de una vez por todas (aunque tengan más de dos variables) Usaremos el Método Simplex, desarrollado por George Dantzig en 1947

Dualidad 1. 1 Formas simétricas. 2 Relación primal-dual. 3 Dualidad: el caso general. 4 Teoremas de dualidad. 5 Condiciones de holgura complementaria.

Tema 18. Programación lineal Formulación primal de un programa lineal

Facultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios

Universidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I

Unidad III Teoría de la Dualidad.

Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones

Para poder elaborar el problema dual a partir del primal, este se debe presentar en su forma canónica de la siguiente forma:

Matemáticas

MÉTODO SIMPLEX MÉTODO DE SOLUCIÓN GRÁFICO

Capítulo 4 Método Algebraico

ESCUELA DE CIENCIAS CIENCIAS BASICAS TECNOLOGIA E INGENIERIA PROGRAMACION LINEAL Act No. 8. LECTURA LECCION EVALUATIVA 2

UNIVERSIDAD PERUANA LOS ANDES NEGOCIOS APLICATIVO - WINQBS

Introducción a la programación lineal

FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

x 1, x 2 0 Maximizar 3x 1 + x 2 s.a 2x 1 + x 2 4 2x 1 + 3x 2 4 x 1 + 3x 2 3

MÉTODO SIMPLEX REVISADO O FORMA MATRICIAL

4. Métodos de Solución PPL : Solución Algebraica: MÉTODO SIMPLEX Segunda Parte

Tema 3 Optimización lineal. Algoritmo del simplex

Unidad I: Programación Lineal

Dirección de Operaciones

Programación Lineal y Optimización Primer Examen Parcial :Solución Profr. Eduardo Uresti, Enero-Mayo 2010

El Método Simplex. H. R. Alvarez A., Ph. D. 1

FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

Optimización de Problemas de Producción

Universidad Tec Milenio: Profesional IO04001 Investigación de Operaciones I. Tema # 9

Método Simplex: Variaciones (Caso Minimización)

RESOLVER PROBLEMA DE PROGRAMACIÓN LINEAL POR METODO SIMPLEX

MODELOS DETERMINISTAS. Programación Lineal ESPERANZA AYUGA TÉLLEZ

Programación Entera. Nelson Devia C. IN Modelamiento y Optimización Departamento de Ingeniería Industrial Universidad de Chile

SOLVER PLANTEAR EL SIGUIENTE EJERCICIO CON SUS PASOS A SEGUIR Y DISEÑAR UN MODELO MATEMATICO CON SUS RESPECTIVAS FUNCIONES

UNIVERSIDAD SANTO TOMÁS - BOGOTÁ

Formulación del problema de la ruta más corta en programación lineal

Universidad Nacional de Ingeniería UNI-RUACS 01/09/11

La Geometría de la Programación Lineal

Planteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías

Dualidad y postoptimización

UNIVERSIDAD NACIONAL DE INGENIERÍA SEDE: UNI-NORTE PRIMER PARCIAL DE INVESTIGACIÓN DE OPERACIONES I (SOLUCIÓN)

Herramientas computacionales para la Programación n Lineal

Introducción.- Problema dual.-

ANÁLISIS DE SENSIBILIDAD.

Planteamiento de problemas de programación lineal. M. En C. Eduardo Bustos Farías

RESOLVER PROBLEMA DE PROGRAMACIÓN LINEAL POR METODO SIMPLEX

Método Simplex en Optimización de Problemas de Producción

Investigación Operativa I. Programación Lineal. Informática de Gestión

3.1. Motivación gráfica del método Simplex

EL MÉTODO SIMPLEX ALGEBRAICO: MINIMIZACION. M. En C. Eduardo Bustos Farías

84 Tema 3. Dualidad. todas las restricciones son del tipo, todas las variables son no negativas.

Programación Lineal. - Si no: Sea j tal que c

TOMA DE DECISIONES EN LA EMPRESA DE PRODUCTOS LÁCTEOS DE COLÓN CON APOYO DE LA INVESTIGACIÓN DE OPERACIONES.

PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL.

UNIDAD UNO PROGRAMACIÓN LÍNEAL Parte 4

UNIVERSIDAD DE MANAGUA Al más alto nivel

Degeneración y ciclaje. Método de las dos fases CO-3411 (S08) 30/03/

Optimización y Programación Lineal

Figura 1: Esquema de las tablas simplex de inicio y general.

Práctica 2: Análisis de sensibilidad e Interpretación Gráfica

0. En la solución inicial estos ratios son 30; 155

EJERCICIO 1. Max Z = 6 x x 2 s.r. (1) 4 x x 2 12 (2) 2 x x 2 16 (3) 2 x 1 6 x 1, x 2 0

APUNTES SOBRE EL MÉTODO SÍMPLEX DE PROGRAMACIÓN LINEAL. Adriel R. Collazo Pedraja

Introducción a Programación Lineal

El método simplex 1. 1 Forma estándar y cambios en el modelo. 2 Definiciones. 3 Puntos extremos y soluciones factibles básicas. 4 El método simplex.

3.1 ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN

APUNTE: Introducción a la Programación Lineal

Transcripción:

PROBLEMS. Hillier, Frederick S. & Hillier, Mark S. Introduction to Management Science.. 2nd. Ed. USA, Mc Graw Hill - Irwin, 2003. 870 pp. M. En C. Eduardo Bustos Farías as

2

3

Software for Solving LP s M. En C. Eduardo Bustos Farías

SOLVER 5

Se Se tiene tiene el el siguiente problema: 6

Instrucciones 1. Descargue, descomprima e instale el software 2. Abra Excel 7

Ejemplo 8

Fórmulas =C7*C12+D7*D12 =C8*C12+D8*D12 =C9*C12+D9*D12 =SUMAPRODUCTO(C4:D4,C12:D12) 9

Clic a Menú Herramientas y Solver 10

11

12

Clic Clic a agregar 13

14

Clic Clic a aceptar aceptar 15

Verificamos máximo 16

Clic a opciones 17

Verificamos Las opciones 18

Clic a aceptar 19

Clic a Resolver 20

21

Se Se seleccionan los los informes 22

Clic Clic a aceptar 23

Se Se generan generan varias varias pestañas pestañas as en en el el libro libro de de Excel Excel 24

25

26

La La solución D= 2 W= 6 Z= $ 3,600 27

Seleccionamos Seleccionamos TORA.exe TORA.exe de de la la ubicación ubicación n don don de de hallamos hallamos copiado copiado los los archivos archivos 29

Aparece la la siguiente pantalla 30

Clic Clic a cualquier tecla tecla y aparece 31

Seleccionamos Seleccionamos linear linear programming programmingy y luego luego Enter Entera new newproblem 32

Resolvemos Resolvemos el el siguiente siguiente problema problema Max Z = 8X1 + 5X2 (ganancia semanal) Sujeto a: 2X1 + 1X2 <= 1200 (Cantidad de plástico) 3X1 + 4X2 <= 2400 (Tiempo de producción) X1 + X2 <= 800 (Limite producción total) X1 - X2 <= 450 (Producción en exceso) X j >= 0, j= 1, 2. (Resultados positivos) 33

Anotamos los los datos datos y enter enter 34

Presionamos F8 F8 35

Enter Enter 36

Enter Enter 37

38

39

F6 para salir al menú de optimización F9 para salir del programa 40

LINDO 6.1

42

Vamos Vamos a resolver resolver el el siguiente siguiente problema problema MAX Z = 29970 P1T1 + 29970 P1T2 + 29910 P2T1 + 29910 P2T2-1000 I1T1-1000 I1T2-1000 I2T1-1000 I2T2-1200 E1T1-1200 E1T2-1200 E2T1-1200 E2T2-20 C1T1-20 C1T2-20 C2T1-20 C2T2-3000 NDT1-3000 NDT2-20 R1T1-20 R1T2-20 R2T1-20 R2T2-300 N1T1-300 N1T2-300 N2T1-300 N2T2 43

Sujeto Sujeto a: a: 2) P1T1 + P2T1 - NDT1 = 130 3) P1T2 + P2T2 - NDT2 = 190 4) 900 B1T1 + 90 T1T1 <= 80000 5) 900 B1T2 + 90 T1T2 <= 80000 6) 600 B2T1 + 60 T2T1 <= 70000 7) 600 B2T2 + 60 T2T2 <= 70000 8) I1T1 + I2T1 <= 1000 9) I1T2 + I2T2 <= 1000 10) - I1T1 - E1T1 + 6 B1T1 = 0 11) - I2T1 - E2T1 + 6 B2T1 = 0 12) - I1T2 - E1T2 + 6 B1T2 = 0 13) - I2T2 - E2T2 + 6 B2T2 = 0 14) P1T1 + N1T1 - B1T1 = 5 15) P1T2 - N1T1 + N1T2 - B1T2 = 0 16) P2T1 + N2T1 - B2T1 = 2 17) P2T2 - N2T1 + N2T2 - B2T2 = 0 18) C1T1 + R1T1 + B1T1 - T1T1 = 6 19) C1T2 - C2T1 - R1T1 + R1T2 + B1T2 - T1T2 = 0 20) C2T1 + R2T1 + B2T1 - T2T1 = 4 21) - C1T1 + C2T2 - R2T1 + R2T2 + B2T2 - T2T2 = 0 44

Capturamos los los datos datos 45

Resolvemos 46

47

48

QSB

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

LA IMAGEN

ABPOM

Instrucciones 1. Copiar archivos en un subdirectorio de c: que se llame abpom 2. Ejecutar install 3. Ejecutar pom.exe 67

68

Data file:prueba Linear Programming Data Screen Number of constraints (2-99) 2 Number of variables (2-99) 2 maximize PRUEBA Options-> NO step PRINT OPTION = do not print x1 x2 RHS maximize 300 500 const 1 1 0 ¾ 4.00 const 2 0 2 ¾ 12.00 INSTRUCTION Use first (highlighted) letter to select option Help New Load Main Util Quit Save Prnt Run 69

Data file:prueba Linear Programming Solution Number of constraints (2-99) 2 Number of variables (2-99) 2 maximize PRUEBA Options-> NO step PRINT OPTION = do not print x1 x2 RHS maximize 300 500 Shadow const 1 1 0 ¾ 4.00 300.00 const 2 0 2 ¾ 12.00 250.00 Values -> 4.00 6.00 $4,200.00 INSTRUCTION Press <Esc> key to return to data screen or highlighted key or function key for options Investigación de F1=Help F2=Display solution table F3=Graph F9=Print Esc 70

EL MÉTODO M SIMPLEX ALGEBRAICO M. En C. Eduardo Bustos Farías as

EL EL METODO SIMPLEX Es un procedimiento general para resolver problemas de programación lineal. Fue desarrollado en el año de 1947 por George Dantzig. Exceptuando los casos más pequeños y sencillos, su ejecución se lleva a cabo en las computadoras a través de programas desarrollados con ese propósito particular. 72

EL EL METODO SIMPLEX Es un algoritmo sistemático que examina las vértices, esquinas o puntos extremos (cuando el problema se puede representar geométricamente) o de un conjunto factible en busca de una solución optima. El algoritmo arranca en la fase 1 determinando un vértice inicial. Si el problema es inconsistente en esta fase 1 se descubrirá este hecho. En la siguiente iteración el algoritmo empieza a recorrer el conjunto factible de un vértice a otro adyacente. Cada vértice del conjunto factible puede representarse en forma algebraica como una clave particular de solución de un conjunto de ecuaciones lineales. 73

Los problemas de PL que solo incluyen dos variables y en ocasiones tres resultan susceptibles de solucionarse en forma gráfica, sin embargo al volverse más complicados la solución gráfica resulta imposible. Por lo tanto se requiere una forma más eficiente que mantenga los cálculos al mínimo, esto lo hace el método simplex con el procedimiento algebraico. El procedimiento algebraico al igual que el gráfico, consiste en resolver puntos seleccionados del polígono de factibilidad técnica y llega a la solución óptima por medio de iteraciones o pasos sucesivos. 74

EL EL MÉTODO M SIMPLEX INICIA: Con una solución básica y factible, pero no óptima. BUSCA: La optimalidad TERMINA: Con una solución que conserva la factibilidad y, además, es óptima. 75

TIPOS TIPOS DE DE SOLUCIONES: 1. SOLUCIÓN: Cualquier conjunto de valores para las variables. 2. SOLUCIÓN ÓPTIMA: Es una solución factible que maximiza o minimiza el valor de la función objetivo. 3. SOLUCIÓN FACTIBLE: Es una solución que satisface a todas las restricciones. 4. SOLUCIÓN BÁSICA: Dado un programa lineal en forma estándar, con n variables y m restricciones se obtiene una solución básica igualando a 0 n-m de las variables y resolviendo las ecuaciones de restricción para encontrar los valores de las otras m variables. 5. SOLUCIÓN BÁSICA FACTIBLE: Es una solución básica que también es factible; es decir que incluso satisface las condiciones de no- negatividad. Una solución básica factible corresponde a un punto extremo. 76

Ecuaciones en forma estándar

Cualquier programa lineal, sin importar el sentido de sus restricciones se puede transformar en un problema equivalente, en que todas las restricciones sean igualdades. Esto se efectúa agregando variables de holgura y excedente. Por ejemplo: X1+X2<=5, se transforma en igualdad al agregarle la variable de holgura s1: X1+X2+S1=5 Vemos que S1 es el faltante para alcanzar la igualdad. Si ahora el caso es 2X1+4X2>=13, para transformarla en igualdad se requiere de una variable de excedente y queda: 2X1+4X2-S2=13 Vemos que S2 es el exceso para alcanzar la igualdad. 78

Ejemplo 1. Tecnología Agrícola, S.A. Maximización

Tecnología Tecnología a Agrícola, Agrícola, S.A. S.A. es es una una compañí compañía a fabricante fabricante de de fertilizantes. fertilizantes. El El gerente gerente desea desea planear planear la la combinación combinación n de de sus sus dos dos mezclas mezclas a fin fin de de obtener obtener las las mayores mayores utilidades. utilidades. Las Las mezclas mezclas son son Hay un costo de $15 por tonelada por mezclado de los fertilizantes. 80

El El modelo modelo de de programación n lineal lineal para para este este problema es: es: Maximizar Z=18.5 X 1 + 20 X 2 Sujeto a 0.05 X 1 + 0.05 X 2 <= 1100 0.05 X 1 + 0.10 X 2 <= 1800 0.10 X 1 + 0.05 X 2 <= 2000 X 1, X 2 >= 0 81

Conversión Conversión n a a la la forma forma estándar estándar (inecuación (inecuación n a a ecuación): ecuación): Z=18.5X1+20X2+0S1+0S2+0S3 Sujeto a 0.05 X1 +0.05 X2+S1=1100 0.05 X1 +0.10 X2+S2=1800 0.10 X1 +0.05 X2+S3=2000 X1, X2, S1, S2, S3 = 0 82

Conversión Conversión n a a la la forma forma estándar estándar (inecuación (inecuación n a a ecuación): ecuación): Z = 18.5X1+20X2+0S1+0S2+0S3 Sujeto a 0.05 X1 +0.05 X2+S1+0S2+0S3 =1100 0.05 X1 +0.10 X2+0S1+S2+0S3 = 1800 0.10 X1 +0.05 X2+0S1+0S2+S3 = 2000 X1, X2, S1, S2, S3 =0 83

La La tabla tabla del del simplex algebraico Variables no básicas Variables básicas X1 X2 S1 S2 S3 Valor solución S1 aij aij 1 0 0 b1 Variables básicas S2 aij aij 0 1 0 b2 S3 aij aij 0 0 1 b3 Zj 0 0 0 0 0 0 Cj-Zj C1 C2 0 0 0 Zj= contribución que se pierde por unidad fabricada Cj-Zj= costo de oportunidad Si= variables de holgura Xi= variables de decisión 84

Elaborar la tabla simplex que permita obtener la primera solución n básica b factible

Llenado de la tabla: Renglón S1 Z Z = = 18.5X1+20X2+0S1+0S2+0S3 18.5X1+20X2+0S1+0S2+0S3 Sujeto Sujeto a a 0.05 0.05 X1 X1 +0.05 +0.05 X2+S1+0S2+0S3 X2+S1+0S2+0S3 =1100 =1100 0.05 0.05 X1 X1 +0.10 +0.10 X2+0S1+S2+0S3 X2+0S1+S2+0S3 = = 1800 1800 0.10 0.10 X1 X1 +0.05 +0.05 X2+0S1+0S2+S3 X2+0S1+0S2+S3 = = 2000 2000 X1, X1, X2, X2, S1, S1, S2, S2, S3 S3 >=0 >=0 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 S3 Zj Cj-Zj 86

Llenado de la tabla: Renglón S2 Z Z = = 18.5X1+20X2+0S1+0S2+0S3 18.5X1+20X2+0S1+0S2+0S3 Sujeto Sujeto a a 0.05 0.05 X1 X1 +0.05 +0.05 X2+S1+0S2+0S3 X2+S1+0S2+0S3 =1100 =1100 0.05 0.05 X1 X1 +0.10 +0.10 X2+0S1+S2+0S3 X2+0S1+S2+0S3 = = 1800 1800 0.10 0.10 X1 X1 +0.05 +0.05 X2+0S1+0S2+S3 X2+0S1+0S2+S3 = = 2000 2000 X1, X1, X2, X2, S1, S1, S2, S2, S3 S3 >=0 >=0 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 0.05 0.1 0 1 0 1800 S3 Zj Cj-Zj 87

Llenado de la tabla: Renglón S3 Z = 18.5X1+20X2+0S1+0S2+0S3 Sujeto Sujeto a 0.05 0.05 X1 X1 +0.05 +0.05 X2+S1+0S2+0S3 X2+S1+0S2+0S3 =1100 =1100 0.05 0.05 X1 X1 +0.10 +0.10 X2+0S1+S2+0S3 X2+0S1+S2+0S3 = 1800 1800 0.10 0.10 X1 X1 +0.05 +0.05 X2+0S1+0S2+S3 X2+0S1+0S2+S3 = 2000 2000 X1, X1, X2, X2, S1, S1, S2, S2, S3 S3 >=0 >=0 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 0.05 0.1 0 1 0 1800 S3 0.1 0.05 0 0 1 2000 Zj Cj-Zj 88

Llenado del Renglón Zj Z = 18.5X1+20X2+0S1+0S2+0S3 Sujeto Sujeto a 0.05 0.05 X1 X1 +0.05 +0.05 X2+S1+0S2+0S3 X2+S1+0S2+0S3 =1100 =1100 0.05 0.05 X1 X1 +0.10 +0.10 X2+0S1+S2+0S3 X2+0S1+S2+0S3 = 1800 1800 0.10 0.10 X1 X1 +0.05 +0.05 X2+0S1+0S2+S3 X2+0S1+0S2+S3 = 2000 2000 X1, X1, X2, X2, S1, S1, S2, S2, S3 S3 >=0 >=0 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 S2 S3 0.05 0.05 0.1 0.05 0.1 0.05 1 0 0 0 1 0 0 0 1 1100 1800 2000 Zj 0 0 0 0 0 0 Cj-Zj 89

Llenado de la tabla: Renglón Cj-Zj Variables básicas Z = 18.5X1+20X2+0S1+0S2+0S3 Z = 18.5X1+20X2+0S1+0S2+0S3 Sujeto a 0.05 Sujeto X1 +0.05 a X2+S1+0S2+0S3 =1100 0.05 0.05 X1 X1 +0.10 +0.05 X2+0S1+S2+0S3 X2+S1+0S2+0S3 = =1100 1800 0.10 0.05 X1 X1 +0.05 +0.10 X2+0S1+0S2+S3 X2+0S1+S2+0S3 = = 2000 1800 0.10 X1, X1 +0.05 X2, S1, X2+0S1+0S2+S3 S2, S3 >=0 = 2000 X1, X2, S1, S2, S3 >=0 X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 0.05 0.1 0 1 0 1800 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 90

Determinar la variable que ingresa y la que la sale.

Regla de de entrada (criterio de de optimalidad): Entra aquella variable no básica con la mayor ganancia unitaria (en el caso de MAX) o el menor costo unitario (en el caso de MIN). En nuestro ejemplo: comparo los valores de la fila Cj-Zj, determino la columna pivote, entra X2 por que 20 es mayor que 18.5 92

Entra Entra X2 X2 a la la base base PASO 1. Columna pivote Entra X2 = 20 > x1 = 18.5 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 0.05 0.1 0 1 0 1800 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 93

Regla Regla de de salida salida (criterio de de factibilidad): Sale aquella variable cuyo resultado de dividir el valor solución entre el coeficiente de la columna pivote sea menor. En nuestro ejemplo sale S2, ya que al dividir es el que tiene menor valor positivo (ceros y negativos e infintos no cuentan) 94

Sale S2 S2 de de la la base: Divido la la columna de de valor solución entre X2 X2 (la (la variable que entra a la la base) Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 S2 0.05 0.1 0 1 0 1800 S3 0.1 0.05 0 0 1 2000 1100/0.05=22000 1800/0.1=18000 2000/0.05=40000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 95

Se Se identifica el el elemento pivote: pivote: intersección entre entre x2 x2 y s2 s2 (la (la variable que que sale sale y la la que que entra entra a la la base) base) Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 0.05 0.1 0 1 0 1800 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 Sustituyo S2 por X2 96

Se reestructuran los valores de la tabla 1

Transformo Transformo el el renglón renglón X2, X2, que que contiene contiene el el elemento elemento pivote pivote en en uno: uno: lo lo multiplico multiplico por por su su inverso inverso multiplicativo multiplicativo (10) (10) Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 10(0.05) 10(0.1) 10(0) 10(1) 10(0) 10(1800) S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 98

Quedando la la tabla tabla como como sigue: sigue: Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 99

Los Los valores valores de de las las celdas celdas de de las las variables variables básicas bbásicas de de la la columna columna pivote pivote (X2) (X2) deben deben valer valer cero cero y y también también n la la Cj-Zj Cj-Zj: Zj: Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 100

Uso Uso el el renglón renglón n pivote pivote Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 101

Empezamos con con el el renglón n S1, S1, quiero quiero convertir el el 0.05 0.05 en en cero. cero. Busco Busco que que número n multiplicado por por uno uno y sumado con con 0.05 0.05 da da cero. cero. Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.05 0.05 1 0 0 1100 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 102

Multiplico por -0.05 el renglón n pivote y lo sumo al renglón n S1 Multiplico por -0.05 el renglón pivote y lo sumo al renglón S1 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 (0.5)(-0.05) + 0.05 (1)(-0.05) + 0.05 (0)(-0.05) + 1 (10)(-0.05) + 0 (0)(-0.05) + 0 (18000)(-0.05) + 1100 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 103

Resultado los los nuevos valores del del renglón n S1 S1 en en la la Tabla Tabla 2 del del simplex Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 104

Ahora Ahora el el renglón renglón n S3: S3: quiero quiero convertir convertir en en cero cero 0.05, 0.05, busco busco qué quénúmero multiplicado multiplicado por por uno uno y sumado sumado a 0.05 0.05 da da cero. cero. Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.1 0.05 0 0 1 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 105

Multiplico Multiplico por por el el inverso inverso aditivo aditivo de de 0.05. 0.05. Multiplico Multiplico el el renglón renglón n pivote pivote por por -0.05-0.05 y lo lo sumo sumo al al renglón renglón n S3 S3 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 (0.5)(-0.05) + 0.1 (1)(-0.05) + 0.05 (0)(-0.05) + 0 (10)(-0.05) + 0 (0)(-0.05) + 1 (18000)(-0.05) + 2000 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 106

Resultado Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 107

Ahora vamos a transformar el el renglón Zj. Zj. Multiplico el el renglón n pivote por por 20 20 y lo lo sumo a Zj. Zj. Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 0 0 0 0 0 0 Cj-Zj 18.5 20 0 0 0 108

Las operaciones son: Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj (0.5)(20) + 0 (1)(20) + 0 (0)(20) + 0 (10)(20) + 0 (0)(20) + 0 (18000)(20) + 0 Cj-Zj 18.5 20 0 0 0 109

El resultado es: Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 18.5 20 0 0 0 110

Ahora seguimos con con Cj-Zj,, quiero convertir el el 20 20 en en cero. Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 18.5 20 0 0 0 111

Multiplico el el renglón n pivote por -20 y lo lo sumo a Cj-Zj Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj (0.5)(-20) + 18.5 (1)(-20) + 20 (0)(-20) + 0 (10)(-20) + 0 (0)(-20) + 0 112

Resultado Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 113

Tabla Tabla 2 (Resumen) Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 114

La La solución n se se puede mejorar ya ya que aún a n hay valores positivos en en el el renglón Cj-Zj de de las variables no no básicas. b Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 115

Determinar la variable que ingresa y la que la sale.

Regla de entrada (criterio de optimalidad): Entra aquella variable no básica con la mayor ganancia unitaria (en el caso de MAX) o el menor costo unitario (en el caso de MIN). En nuestro ejemplo: comparo los valores de la fila Cj-Zj, determino la columna pivote, entra X1 por que 8.5 es mayor que 0 117

Variable que que entra entra a la la base: base: X1 X1 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 118

Regla de de salida (criterio de de factibilidad): Sale aquella variable cuyo resultado de dividir el valor solución entre el coeficiente de la columna pivote sea menor. En nuestro ejemplo sale S1, ya que al dividir es el que tiene menor valor positivo (ceros y negativos no cuentan) 119

Variable que sale de de la la base S1: divido la la columna de de valor solución n entre X1 X1 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 200/0.025=8000 18000/0.5=36000 1100/0.075=14666.6 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 120

Identifico el el elemento pivote: la la intersección n de de variable que que entra (X1) (X1) y la la variable que que sale sale de de la la base (S1) (S1) Variables básicas X1 X2 S1 S2 S3 Valor solución S1 0.025 0 1-0.5 0 200 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 121

Convierto el el elemento pivote en en uno: multiplico por su su inverso multiplicativo (1/.025=40) el el renglón S1 S1 Variables básicas X1 X2 S1 S2 S3 Valor solución S1 (40)(0.025) (40)(0) (40)(1) (40)(-0.5) (40)(0) (40)(200) X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 122

Resultando Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 123

Transformo los valores de de la la tabla para los renglones X2, S3, Zj Zjy Cj-Zj Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 0.5 1 0 10 0 18000 S3 0.075 0 0-0.5 1 1100 Zj 10 20 0 200 0 360000 Cj-Zj 8.5 0 0-200 0 124

Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 (1)(-0.5)+0.5 (0)(-0.5)+1 (40)(-0.5)+0 (-20)(-0.5)+10 (0)(-0.5)+0 (8000)(-0.5)+18000 S3 (1)(-0.075)+0.075 (0) (-0.075)+0 (40) (-0.075)+0 (-20) (-0.075)+(-0.5) (0) (-0.075)+1 (8000) (-0.075)+1100 Zj (1)(8.5)+10 (0)(8.5)+20 (40)(8.5)+0 (-20)(8.5)+200 (0)(8.5)+0 (8000)(8.5)+360000 Cj-Zj (1)(-8.5)+ 8.5 (0)(-8.5)+ 0 (40)(-8.5)+ 0 (-20)(-8.5) + (-200) (0)(-8.5)+ 0 125

Tabla Tabla 3 (final) (final) Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 0 1-20 20 0 14000 S3 0 0-3 1 1 500 Zj 18.5 20 340 30 0 428000 Cj-Zj 0 0-340 -30 0 126

La La solución solución n no no puede puede mejorar, mejorar, ya ya que que no no hay hay valores valores positivos positivos en en el el renglón renglón Cj-Zj Cj-Zj de de las las variables variables no no básicas, bbásicas, por por lo lo que que se se ha ha alcanzado alcanzado una una solución solución n factible factible óptima. óptima. Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 0 1-20 20 0 14000 S3 0 0-3 1 1 500 Zj 18.5 20 340 30 0 428000 Cj-Zj 0 0-340 -30 0 127

Resultados finales finales Variables básicas X1 X2 S1 S2 S3 Valor solución X1 1 0 40-20 0 8000 X2 0 1-20 20 0 14000 S3 0 0-3 1 1 500 Zj 18.5 20 340 30 0 428000 Cj-Zj 0 0-340 -30 0 128

Solución X1 = 8000 X2 = 14000 S1 = 0 S2 = 0 S3 = 500 (hay una holgura del tercer recurso) Z = $ 428,000 129