INSTITUTO TECNOLOGICO DE ACAPULCO

Alumno: Emmanuel Lzaro Ceballos Aula: 709 HORARIO: 10:00 A 11:00 AM Prof.: Rodrguez Vsquez Juan Manuel

1.1 DEFINICIN DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIN DE OPERACIONES (LIBRETA)

1.2.- FORMULACION DE MODELOS EN PROGRAMACION LINEAL

La programacin lineal utiliza modelos matemticos para describir los problemas que se pretenden resolver. El trmino de programacin no se refiere a programas de computadora sino que se utilizara como un sinnimo de planeacin (asignacin a recursos). El adjetivo lineal se refiere a que toda las tensiones que contengan dichos modelos tendrn que ser lineales, esto es que todas las variables deben estar elevadas a una potencia igual a 1, otra manera de expresar la linealidad es que cuando se grafican este tipos de funciones se obtiene como resultado una lnea recta. La programacin lineal trata de la planeacin de actividades para obtener una solucin optima (determinar la mejor solucin de entre varias posibles) que cumple con los mtodos especificados y con las restricciones impuestas por la escases de recursos.

-CARACTERSTICAS DE LOS MODELOS EMPLEADOS EN LA PROGRAMACIN LINEAL-

MATEMTICOS

1.- Funcin objetivo: En todo problema debe de haber un objetivo o meta que
se desea alcanzar que por lo general se trata de maximizar (utilidades, numero de clientes, intereses, etc.) o minimizar costos y tiempo. Max (z) Funcin objetivo Min (Buscar menores costos) Variables de decisin: lo que pretendemos buscar. F.obj (z c)= Cj X j
i=i n

Donde xj= Son las variables de decisin (lo que se trata de determinar) Cj= Son los parmetros asociados a cada variable de decisin y representar los costos o las utilidades con que cada variable contribuye a la funcin objetivo.

2.- Restricciones: Las restricciones son un conjunto de desigualdades que

limitan los valores que puedan tomar la decisin.

A11X1+A12X2+A13X3A1nXn b1
A

A21X1+A22X2+A23X3A2nXn b2 Am1X1+Am2X2+Am3X3A2nXn bm

Donde: Aij: Se les conoce como los coeficientes tecnolgicos que son los recursos que se requieren para destinarse a cada variable de decisin (xj) en cada una de las estructuras. Bi: Es la cantidad de recursos disponibles en cada una de las restricciones (son las limitantes de cada uno en trminos de dinero, espacio, tiempo). N: Es el numero de variables de decisin en el problema. M: Es el numero de restriccin o limitantes del problema.

3.- VARIABLES Y PARAMETROSEs el conjunto de variables cuyo valor deseamos conocer (xj).Los parmetros (Cj) es la cantidad con la que se contribuye por cada variable a la funcin objetivo. Los Aij es la cantidad asociada con cada variable en las decisiones.

-LinealidadLas relaciones entre las variables tanto en la funcin objetivo como de las restricciones deben ser lineales (proporcionales) todas las variables debern estar elevadas a la uno.

-La condicin de negatividadEn programacin lineal solo se permite variables positivas o con un valor de 0 no se permiten variables negativas.

-Desigualdades cerradas o flexiblesLas desigualdades utilizadas en los modelos de programacin lineal en sus restricciones debern ser del tipo menor o igual [; ] si: F.obj (z c)= Cj X j
i=i n

Sujeto A: Aij x n bi Xj 0

-Ejercicio 1La compaa de Cayaco S.A. fabrica dos tipos de reguladores uno destinado a aparatos electrnicos y otro destinado a aparatos que tienen motor el departamento de contabilidad de la empresa a calculado la venta del tipo 1 produce una utilidad de 300 pesos y del tipo 2 nos deja una utilidad de 600 pesos. Los 2 reguladores para su fabricacin pasan por 3 departamentos diferentes el regulador para electrnicos requiere de 20 hrs. De proceso en el departamento 1, de 30 hrs. En el departamento 2 y de 10 hrs. En el departamento 3. El otro tipo de regulador requiere de 30 hrs. De proceso en el departamento 1, 20 hrs. en el departamento 2 y 10 horas en el departamento 3. El departamento 1 tiene una capacidad laboral de 1500 hrs. Igual que el departamento 2, el departamento 3 tiene una capacidad de 600 hrs. Cuantos reguladores de cada tipo se tiene que producir de tal forma que la empresa maximice sus utilidades. X1= Regulador electrnico X2= Regulador para motor 1) 2) 3) Utilidad X1 20 30 10 300 C1 X2 30 20 10 600 C2 Limitantes (bi) 1500 1500 600

F. obj z= 300+600 Sujeto A: 1) 20X1+30X2 1500 2) 30X1+20X2 1500 3) 10X1+10X2 600 X1, X2 0

-Ejercicio 2El cibercaf el Coloso vende 2 tipos de computadoras la computadora de tipo 1 requiere de 12 hrs. De proceso en el departamento 1, en el departamento 2 de 8 hrs. Y en el 3 de 7 hrs. La computadora de tipo 2 solo requiere pasar por 2 departamentos, el departamento 1 requiere de 6 hrs. Y en el 3 de 14 hrs. El departamento 1 tiene una capacidad de 50 hrs. El departamento 2 cuenta de 40 hrs. Y el departamento 3 tiene 80 hrs. Disponibles. La computadora tipo 1 nos deja una utilidad de 500 pesos y la del tipo 2 nos deja una utilidad de 700 pesos. Se desea saber cuantas computadoras fabricar de cada tipo de tal manera que se obtenga la mxima utilidad. X1= computadora del tipo 1 X2= computadora del tipo 2 1) 2) 3) Utilidad X1 12 8 7 500 C1 X2 6 0 14 700 C2 Limitantes (bi) 50 40 80

F. obj z= 500+700 Sujeto A: 1) 12X1 + 6X2 50 2) 8X1 + 0X2 40 3) 7X1 + 14X2 80 X1, X2 0

-Ejercicio 3La mueblera papagayo fabrica 2 tipos de comedores el tipo Acapulco y el tipo Chilpancingo, el estilo Acapulco nos genera una utilidad de 200 pesos y el otro comedor nos genera una utilidad de 240 pesos. Los 2 comedores requieren ser procesados en 2 apartamentos el de construccin y el de pintura y acabados. El comedor estilo Acapulco requiere de 6 hrs. De proceso en el departamento de construccin y 8 hrs. En el de pintura y acabados. El estilo Chilpancingo requiere de 12 hrs. En el departamento de construccin y de 4 hrs. En el de pinturas y acabados. La capacidad del departamento de construccin es de 120 hrs. Y del departamento de pinturas y acabados cuenta con 64 hrs. De capacidad el gerente desea saber cuantos comedores fabricar de cada tipo de tal manera que maximice su utilidad. X1= Comedor estilo Acapulco X2= Comedor estilo Chilpancingo 1) 2) Utilidad X1 6 8 200 C1 X2 12 4 240 C2 Limitantes (bi) 120 hrs. 64 hrs.

F. obj z= 200X1+240X2 Sujeto A: 1) 6X1+12X2 120 2) 8X1 + 4X2 64 X1, X2 0

-Mtodo Grafico1) a) x1=0 6(0)+12X2= 120 X2= 120/12 = 10 A (10, 0) b) X2=0 6X1+2(0) =120 X1= 120/6 = 20 B (20, 0) 2) c) X1=0 8(0) +4X2= 64 X2= 64/4= 16 C (0, 16) d) X2= 0 8X1+4(0) = 64 X1= 64/8= 8 D (8, 0)

Solucin ptima: E (8, 4)

1.4.- FORMULACION DEL METODO SIMPLEX

El mtodo simplex es un procedimiento que nos permite resolver problemas de programacin lineal este mtodo fue desarrollado por George Dantzing en 1947. El mtodo simplex es un algoritmo y un proceso nene que se repite un procedimiento matemtico hasta obtener el resultado deseado. El mtodo simplex es un mtodo algebraico en el que cada integracin contiene la solucin de un sistema de ecuaciones que busca obtener una nueva solucin verificando mediante la prueba de optimalidad si se a llegado a la solucin optima. Forma cannica: F. obj z= 200X1+240X2 Sujeto A: 1) 6X1+12X2 120 2) 8X1 + 4X2 64 X1, X2 0 Forma Estndar: z= 200X1+240X2 1) 6X1+12X2+S1= 120 2) 8X1 + 4X2+S2= 64 X1, X2 0 Forma Tabular: z= 200X1+240X2+oS1+oS2 1) 6X1+12X2+S1+0S2= 120 2) 8X1 + 4X2+0S1+S2= 64 Las caractersticas de estas formas son las siguientes: -Las caractersticas de la forma cannica son: 1) Todas las variables de decisin son no negativas. 2) Todas las restricciones son del tipo menor o igual que (). 3) La funcin objetivo es de tipo de maximizacin. Cuando un problema no esta planteado en la forma cannica se puede convertir mediante las transformaciones elementales siguientes:

a) La minimizacin de una funcin f(x) es matemticamente equivalente a la maximizacin de la expresin negativa de esa funcin. (-1) min C= Max Z= -3X1-2X2 (-1) Max Z= Min C= 3X1+2X2 b) Una desigualdad en una direccin puede cambiarse a una desigualdad en una direccin opuesta multiplicando ambos lados de la desigualdad por -1. (-1) 3X1+4X2 20(-1) -3X1-4X2 -20 c) Una ecuacin puede ser remplazado por 2 desigualdades opuestas. 2X4+4x2= 6 {2X1+4X2 6; 2X1+4X2 6} -Las caractersticas de la forma estndar son: 1) Todas las restricciones son ecuaciones excepto las de 0 negatividad para poder transformar las inecuaciones en ecuaciones se les agrega una variable holgura si son del tipo , si las restricciones son de mayor o igual que () se resta una variable holgura. 2) Los elementos del lado derecho de una ecuacin debern ser no negativos. 3) Todas las variables son no negativas. 4) La funcin objetico puedes ser de mxima o mnima. -Caractersticas de la forma tabular1) En esta forma todas la variables involucradas en el problema debern de participar en cada una de las ecuaciones. 2) Esta forma nos ayudara a planear la primera tabla simplex. *El mtodo simplex es un algoritmo que busca la mejor opcin. *Variable Bsica es la que tiene un valor no negativo es una solucin no factible. Una solucin bsica factible inicial es aquella que contiene segn el numero de restricciones igual numero de valores positivos y segn el nmero de variables de decisin va a haber igual numero de valores a 0 (la que esta en el vrtice origen).

1.1.- DEFINICIN DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIN DE OPERACIONES (INVESTIGACION)

La investigacin de operaciones aspira a determinar el mejor curso de accin de un problema de decisin con la restriccin de recursos limitados. El trmino investigacin de operaciones muy a menudo est asociado casi en exclusiva con la aplicacin de tcnicas matemticas, para representar por medio de un modelo y analizar problemas de decisin, aunque las matemticas y los modelos matemticos representan una piedra angular en la investigacin de operaciones, la labor consiste mas en resolver un problema que en construir y resolver modelos matemticos. Los problemas de decisin suelen incluir importantes factores intangibles que no se pueden traducir directamente en trminos del modelo matemtico. Se han reportado situaciones de decisin donde el efecto de la conducta humana ha ejercido tanta influencia en el problema de decisin que la solucin obtenida a partir del modelo se considera inprctica como ejemplo mostramos el de un elevador: Utilizando la teora de las lneas de espera se encontr que las quejas de los inquilinos de un edificio grande eran injustas, al estudiar el sistema ms a fondo, se descubri que las quejas de los inquilinos eran ms bien un caso de hasto, ya que en realidad el tiempo de espera deba ser reducido, se propuso una solucin con la cual se instalaron espejos a todo lo largo de las paredes a la entrada del elevador, las quejas desaparecieron porque se mantenan ocupados a los usuarios mirndose y viendo otras personas en los espejos mientras esperaban el servicio del elevador. Este ejemplo subraya la importancia de visualizar el aspecto matemtico de la investigacin de operaciones en el contexto ms amplio de un proceso de toma de decisiones cuyos elementos no se pueden representar en su totalidad a travs de un modelo matemtico. Como tcnica para la solucin de problemas, la investigacin de operaciones debe visualizarse como una CIENCIA Y ARTE, el aspecto de la ciencia radica en ofrecer tcnicas y algoritmos matemticos para resolver problemas de decisin adecuados, la investigacin de operaciones es un arte debido a que el xito que se alcanza en todas las fases anteriores y posteriores a la solucin de un modelo matemtico depende en forma apreciable de la creatividad y la habilidad personal de los analistas encargados de tomar las decisiones. Por lo tanto, la obtencin de los datos para la construccin del modelo, la validacin de ste y la implantacin de la solucin obtenida dependern de la habilidad del equipo de investigacin de operaciones.

1.2.- FORMULACION DE MODELOS (INVESTIGACION)

Un modelo de decisin debe considerarse como un vehculo para resumir un problema de decisin en forma tal que haga posible la identificacin y evaluacin sistemtica de todas las alternativas de decisin del problema. Despus se llega a una decisin seleccionando la alternativa que se juzgue sea la mejor entre todas las opciones disponibles. Un modelo es una abstraccin selectiva de la realidad. El modelo se define como una funcin objetivo y restricciones que se expresan en trminos de las variables (alternativas) de decisin del problema. Una solucin a un modelo, no obstante, de ser exacta, no ser til a menos que el modelo mismo ofrezca una representacin adecuada de la situacin de decisin verdadera. El modelo de decisin debe contener tres elementos: 1. Alternativas de decisin, de las cuales se hace una seleccin. 2. Restricciones, para excluir alternativas infactibles. 3. Criterios para evaluar y clasificar alternativas factibles. Tipos de Modelos de Investigacin de Operaciones. Modelo Matemtico: Se emplea cuando la funcin objetivo y las restricciones del modelo se pueden expresar en forma cuantitativa o matemtica como funciones de las variables de decisin. Modelo de Simulacin: Los modelos de simulacin difieren de los matemticos en que las relaciones entre la entrada y la salida no se indican en forma explcita. En cambio, un modelo de simulacin divide el sistema representado en mdulos bsicos o elementales que despus se enlazan entre si va relaciones lgicas bien definidas. Por lo tanto, las operaciones de clculos pasaran de un mdulo a otro hasta que se obtenga un resultado de salida. Los modelos de simulacin cuando se comparan con modelos matemticos; ofrecen mayor flexibilidad al representar sistemas complejos, pero esta flexibilidad no esta libre de inconvenientes. La elaboracin de este modelo suele ser costoso en tiempo y recursos. Por otra parte, los modelos matemticos ptimos suelen poder manejarse en trminos de clculos. Modelos de Investigacin de Operaciones de la ciencia de la administracin: Los cientficos de la administracin trabajan con modelos cuantitativos de decisiones. Modelos Formales: Se usan para resolver problemas cuantitativos de decisin en el mundo real. Algunos modelos en la ciencia de la administracin son llamados modelos deterministicos. Esto significa que todos los datos relevantes (es decir, los datos que los modelos utilizarn o evaluarn) se dan por conocidos.

En los modelos probabilsticos (o estocsticos), alguno de los datos importantes se consideran inciertos, aunque debe especificarse la probabilidad de tales datos. Una vez definido el problema del tomador de decisiones, la siguiente etapa consiste en reformularlo de manera conveniente para su anlisis. La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. El modelo matemtico puede expresarse entonces como el problema de elegir los valores de las variables de decisin de manera que se maximice la funcin objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas variaciones menores sobre l, tipifican los modelos analizados en investigacin de operaciones. Un paso crucial en la formulacin de un modelo de Investigacin de Operaciones es la construccin de la funcin objetivo. Esto requiere desarrollar una medida cuantitativa de la efectividad relativa a cada objetivo del tomador de decisiones identificado cuando se estaba definiendo el problema. Si en el estudio se contemplan ms de un objetivo, es necesario transformar y combinar las medidas respectivas en una medida compuesta de efectividad llamada medida global de efectividad. A veces esta medida compuesta puede ser algo tangible (por ejemplo, ganancias) y corresponder a una meta ms alta de la organizacin, o puede ser abstracta (como utilidad). En este ltimo caso la tarea para desarrollar esta medida puede ser compleja y requerir una comparacin cuidadosa de los objetivos y su importancia relativa. Una vez formulado el modelo matemtico para el problema bajo estudio, la siguiente etapa para un estudio de Investigacin de Operaciones consiste en desarrollar un procedimiento (por lo general basado en computadora) para derivar una solucin al problema a partir de este modelo. Esta es una etapa relativamente sencilla, en la que se aplican uno de los algoritmos de investigacin de operaciones en una computadora. Un tema comn en Investigacin de Operaciones es la bsqueda de una solucin ptima, es decir, la mejor. Se han desarrollado muchos procedimientos para encontrarla en cierto tipo de problemas, pero es necesario reconocer que estas soluciones son ptimas slo respecto al modelo que se est utilizando.

1.3.- MTODO GRAFICO (INVESTIGACION)

El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos. Los pasos necesarios para realizar el mtodo son siete: 1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones en forma simultnea. 2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles. 3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea recta. 4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada. 5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. 6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo. 7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin objetivo.

1.4 FUNDAMENTOS DEL MTODO SIMPLEX (INVESTIGACION)

Es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX, vamos a resolver el siguiente problema: Maximizar Z= f(x,y)= 3x + 2y sujeto a: 2x + y 2x + 3y 3x + y x 0,y Se consideran las siguientes fases: 18 42 24 0

1. Convertir las desigualdades en igualdades

Se introduce una variable de holgura por cada una de las restricciones, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales: 2x + y + h = 18 2x + 3y + s = 42 3x +y + d = 24

2. Igualar la funcin objetivo a cero - 3x - 2y + Z = 0

3. Escribir la tabla inicial simplex

En las columnas aparecern todas las variables del problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo: Tabla I . Iteracin n 1 Base Variable de decisin Variable de holgura Valores solucin x h s d Z 2 2 3 -3 y 1 3 1 -2 h 1 0 0 0 s 0 1 0 0 d 0 0 1 0 18 42 24 0

4. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en la ltima fila, la de los coeficientes de la funcin objetivo y escogemos la variable con el coeficiente negativo mayor (en valor absoluto). En nuestro caso, la variable x de coeficiente - 3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya elementos negativos. La columna de la variable que entra en la base se llama columna pivote (En color azulado).

B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos sean mayores que cero. En nuestro caso: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]

Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la base, d. Esta fila se llama fila pivote (En color azulado). Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes puede salir de la base. C. En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional, 3.

5. Encontrar los coeficientes de la nueva tabla.

Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila d por el pivote operacional, 3, que es el que hay que convertir en 1. A continuacin mediante la reduccin gaussiana hacemos ceros los restantes trminos de su columna, con lo que obtenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. Tambin se puede hacer utilizando el siguiente esquema: Fila del pivote: Nueva fila del pivote= (Vieja fila del pivote) : (Pivote) Resto de las filas: Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable entrante) X (Nueva fila del pivote) Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II): Vieja fila de s 2 3 - Coeficiente 2 2 x x 0 1 0 - - 2 2 2 x x x 42 2 x

Nueva fila pivote 1 1/3 0 0 1/3 8 = = Nueva fila de s = = = =

0 7/3 0 1 -2/3 26

Tabla II . Iteracin n 2 Base Variable de decisin Variable de holgura Valores solucin x h s x Z 0 0 1 0 y 1/3 7/3 1/3 -1 h 1 0 0 0 s 0 1 0 0 d -2/3 -2/3 1/3 1 2 26 8 24

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso: A. La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 2:1/3 [=6], 26:7/3 [=78/7] y 8:1/3 [=8] y como el menor cociente positivo es 6, tenemos que la variable de holgura que sale es h. C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a la anterior obtenemos la tabla: Tabla III . Iteracin n 3 Base Variable de decisin Variable de holgura Valores solucin x y s x Z 0 0 1 0 y 1 0 0 0 h 3 -7 -1 3 s 0 0 0 0 d -2 4 1 -1 6 12 6 30

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no hemos llegado todava a la solucin ptima. Hay que repetir el proceso:

A. La variable que entra en la base es d, por ser la variable que corresponde al coeficiente -1 B. Para calcular la variable que sale, dividimos los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/(-2) [=-3], 12/4 [=3], y 6:1 [=6] y como el menor cociente positivo es 3, tenemos que la variable de holgura que sale es s. C. El elemento pivote, que ahora hay que hacer 1, es 4. Obtenemos la tabla: Tabla IV . Final del proceso Base Variable de decisin Variable de holgura Valores solucin x y d x 0 0 1 y 1 0 0 h -1/2 -7/4 -3/4 s 0 0 0 d 0 1 0 12 3 3

Z 0 0 5/4 0 0 33 Como todos los coeficientes de la fila de la funcin objetivo son positivos, hemos llegado a la solucin ptima. La solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en nuestro caso: 33. En la misma columna se puede observar el vrtice donde se alcanza, observando las filas correspondientes a las variables de decisin que han entrado en la base: D (3,12).

1.5.- APLICACIONES DIVERSAS DE PROGRAMACIN LINEAL (INVESTIGACION)

Problema de Inversin: Considere que usted dispone de un capital de 21.000 dlares para invertir en la bolsa de valores. Un amigo le recomienda 2 acciones que en el ltimo tiempo han estado al alza: Accin A y Accin B. La Accin A tiene una rentabilidad del 10% anual y la Accin B del 8% anual. Su amigo le aconseja tener una cartera equilibrada y diversa y por tanto le recomienda invertir un mximo de 13.000 dlares en la Accin A y como mnimo 6.000 dlares en la Accin B. Adems la inversin en la Accin A debe ser menor o igual que el doble de la inversin destinada a la Accin B. Usted quiere formular y resolver un modelo de Programacin Lineal que permita obtener la poltica de inversin que permita obtener la mxima rentabilidad (inters) anual. Variables de Decisin: x = dlares invertidos en Accin A. y = dlares invertidos en Accin B. Funcin Objetivo: Se busca maximizar la rentabilidad anual que resulta de invertir en los 2 tipos de acciones. Maximizar 0.1x + 0.08y Restricciones: Considera las recomendaciones de su amigo.
x + x y x y 21.000 13.000 6.000 0 Se puede invertir como mximo 21.000 dlares en total Invertir como mximo 13.000 dlares en Accin A Invertir como mnimo 6.000 dlares en Accin B Inversin en A debe ser menor o igual que el doble de la inversin en B No Negatividad

- 2y

x0, y0

Solucin ptima: X = 13.000 Y = 8.000. Valor ptimo V(P) = 1.940 dlares. Se recomienda verificar estos resultados a travs de la resolucin grfica y/o utilizando Solver de Excel.

http://www.angelfire.com/al/MASTER/introducci_n.PDF http://html.rincondelvago.com/investigacion-de-operaciones.html http://investigaciondeoperaciones4rmb.blogspot.mx/2008/02/0-confan-todos-los-valoresposibles_28.html http://www.investigacion-operaciones.com/SIMPLEX_analitico.htm http://www.investigaciondeoperaciones.net/programacion_lineal.html