Está en la página 1de 13

Lic.

Manuel Morales Martnez

Investigacin de Operaciones

UNIVERSIDAD CENTROAMERICANA

ASIGNATURA: INVESTIGACIN DE OPERACIONES

UNIDAD III:

PROGRAMACIN LINEAL (MTODO SIMPLEX)

Lic. Manuel A. Morales M.

2012
1

Lic. Manuel Morales Martnez

Investigacin de Operaciones

B.- El mtodo Simplex


Los ejemplos analizados, en el tema anterior, nos muestran que la solucin de un problema
de PL est en el borde o frontera de la regin de soluciones factibles. An ms se plante
que si la solucin es nica, esta se encuentra en un vrtice de la regin.
Para encontrar los vrtices, se fueron resolviendo los sistemas de ecuaciones de cada par de
rectas que se intersecaban, rectas que determinan la frontera de la regin de soluciones
factibles. El procedimiento sugiere la generalizacin para los casos de problemas de PL con
ms de dos variables de decisin. Esta es precisamente la lgica del mtodo Simplex, el
cual analiza nicamente los vrtices de la regin factible, garantizando que el vrtice
analizado es una mejor solucin que el vrtice anterior y as de manera iterativa hasta llegar
al vrtice donde se localiza la solucin ptima.
Es necesario contar entonces en el modelo, con un conjunto de ecuaciones para que el
Simplex las pueda resolver en el proceso de analizar los vrtices de la regin.
Pasos para resolver un modelo de PL por el mtodo Simplex
Los pasos que debemos seguir para encontrar la solucin de un modelo de programacin
lineal a travs del Mtodo Simplex, son:
a. Estandarizacin del modelo.
b. Construir la tabla inicial Simplex
c. Resolver el modelo
Ejemplo:
Pedro Prez, gerente de produccin de AGRONICA, necesita planear la combinacin de
fertilizantes para el siguiente mes y no tiene claro cmo va a proceder para elaborar el plan.
AGRONICA es una pequea compaa de productos qumicos que fabrica entre otros, dos
tipos de fertilizantes que se elaboran combinando ingredientes que se compran con
proveedores externos.
La situacin es la siguiente: Los dos fertilizantes que la compaa fabrica son las mezclas
denominadas H-25 y H-29. El fertilizante H-25 est elaborado con 5% de Nitrato, 5% de
Fosfato y 10% de Potasio. El fertilizante H-29 contiene 5, 10 y 5 % de Nitrato, Fosfato y
Potasio respectivamente. El mayorista comprar cualquier cantidad de ambos fertilizantes que
AGRONICA pueda producir. Est dispuesto a pagar $71.50 por Tonelada del H-25 y $69 por
Tonelada del H-29. Este mes, la disponibilidad y costos de materias primas son de 1,100
Toneladas de Nitrato a $200 la tonelada, 1800 toneladas de Fosfato a $80 la tonelada y 2000
toneladas de Potasio a $160 la tonelada. El fertilizante se estabiliza con un material de relleno
como el barro, el cual se encuentra disponible en cantidades ilimitadas al precio de $10 la
tonelada, pero de los otros ingredientes slo se disponen de las cantidades mencionadas antes.
No hay restriccin para el uso de la mano de obra ni tampoco para el empleo de la maquinaria
durante el mes, pero se tiene un costo de $15 por tonelada por concepto de mezclado de los
fertilizantes.
2

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Para desarrollar el Mtodo Simplex, agregamos una cuarta restriccin ya que por un
pedido de un cliente importante, es necesario producir al menos 6000 toneladas del
fertilizante H-25.
Entonces el modelo ampliado es el siguiente:
(VD) Sean:
X1: No. de Tn. de fertilizante H-25 a fabricarse
X2: No. de Tn. de fertilizante H-29 a fabricarse
FO

(Max) Z = 18.50 X1 + 20 X2 (Utilidad)

s.a

0.05 X1 + 0.05 X2 1100 (tn. de Nitrato)


0.05 X1 + 0.10 X2 1800 (tn. de Fosfato)
0.10 X1 + 0.05 X2 2000 (tn. de Potasio)
X1 6000 (demanda mnima H-25)
X1, X2 0

Con esta informacin trabajaremos los pasos a seguir para solucionar un modelo de
programacin lineal a travs del Mtodo Simplex.

Estandarizacin del modelo de PL


El proceso de estandarizacin del modelo de PL consiste en la construccin de un conjunto
de ecuaciones, necesarias para el anlisis que har el mtodo Simplex.
Dichas ecuaciones son construidas a partir de las inecuaciones determinadas por las
restricciones del modelo. Esto implica la inclusin de unas variables sueltas que se analizan
a continuacin segn el tipo de inecuacin a que haga referencia la restriccin
correspondiente.
Caso 1: Restricciones de exigencias
Corresponden a inecuaciones de la forma, las que se convierten en igualdades mediante la
adicin de una variable suelta, llamada de Holgura, y que representa la cantidad de insumo
que queda ocioso en un sistema de produccin.
Ejemplo:

0.05X1 + 0.05 X2 + S1 = 1100; donde S1 0

Caso 2: Restricciones de exigencias


Corresponden a inecuaciones de la forma y que se convierten en ecuaciones mediante la
sustraccin de una variables suelta, llamada de excedente, y representa la cantidad de sobre
cumplimiento a un mnimo exigido.
3

Lic. Manuel Morales Martnez

Ejemplo:

Investigacin de Operaciones

X1 - S4 = 6000; donde tambin S4 0

Al aadir variables de holgura o de excedente en las restricciones se obtiene un modelo que


contiene slo igualdades, es decir, un sistema de ecuaciones. La funcin objetivo en estas
circunstancias tambin debe reflejar a las variables incorporadas al modelo. Para garantizar
que la FO no sufrir cambios, lo cual es indispensable, las variables sueltas se incluyen en la
funcin objetivo con coeficientes cero, de esta forma se elimina el efecto que podran tener.
Tambin el mtodo Simplex necesita que incorporemos variables llamadas artificiales (Xa),
porque no tienen significado alguno y slo sirven de artificio para iniciar el proceso de
solucin del mtodo, estas variables se suman a aquellas inecuaciones del tipo o =, lo que
significa que a las restricciones del tipo se le agregaran dos variables adicionales, una de
exigencia y una artificial.
Las variables artificiales deben asumir el valor cero al finalizar el proceso de solucin, si el
problema tiene solucin y si est correctamente resuelto.
Las variables artificiales se incorporan a la FO con coeficientes negativos muy grandes en
comparacin con los otros Cj de la FO, lo cual nos garantiza que tales variables sean poco
atractivas para escogerlas en la solucin.
Los problemas de minimizacin pueden ser transformados en problemas de maximizacin
mediante la multiplicacin de la FO por 1.
Al resolver el problema, el valor ptimo resulta con signo negativo y esto debe tomarse en
cuenta a la hora de interpretar el resultado.
Entonces el modelo de Agronica ya estandarizado es:
FO (Max) Z = 18.50 X1 + 20 X2 +0S1 + 0S2 + 0S3 + 0S4 - MXa (Utilidad)
s.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 - S4 + Xa = 6000
X1, X2, S1, S2, S3, S4, Xa 0

3.- Solucin bsica y solucin factible bsica


Una vez que se cuenta en el modelo con un conjunto de ecuaciones, lo mas natural es
pensar que bastar con resolver el sistema que conforman para encontrar la solucin. Sin
embargo, en todos los casos de PL observamos que el nmero de variables del sistema
estandarizado es mayor que el nmero de ecuaciones.

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Un teorema bsico del lgebra lineal nos dice que para un sistema de m ecuaciones y n
variables, en el que n m, si existe una solucin, esta puede encontrarse igualando n - m de
las variables a cero y resolver el conjunto resultante de m ecuaciones con m variables.
A las variables que se igualan a cero se les denomina variables no bsicas VNB, a las
variables que se usan para resolver las ecuaciones resultantes se les llama variables bsicas
VB.
Ejemplo:
A efectos de mantener continuidad con el ejemplo de Agronica y con fines metodolgicos
eliminaremos del modelo la ltima restriccin (X1 6000). La razn de la eliminacin de
dicha restriccin obedece a que dejaremos para posterior anlisis el caso de modelos que
involucren variables artificiales.
Las ecuaciones (1), (2) y (3) forman un sistema de 3 ecuaciones con 5 variables. Haciendo n
m = 5 3 = 2 variables igual a cero, podemos encontrar 10 soluciones bsicas.
5
n!
5!

10
m!(m n)! 3!(5 3)!
3
, que es una combinacin lineal de 5 en 2

Por ejemplo si X1 = 0 y X2 = 0 tendremos


0.05 (0) + 0.05 (0) + S1 = 1100
0.05 (0) + 0.10 (0) + S2 = 1800
0.10 (0) + 0.05 (0) + S3 = 2000
de donde S1 = 1100, S2 = 1800, S3 = 2000 es la primera solucin de las 10 a encontrar.
El siguiente cuadro muestra todas las posibles soluciones bsicas.
Solucin

X1

X2

S1

S2

S3

1100

1800

2000

22000

-400

900

No factible

18000

200

1100

360000

40000

-900

-2200

No factible

36000

-700

-1600

No factible

20000

100

800

370000

22000

900

-200

No factible

8000

14000

500

428000****

18000

4000

500

413000

10

14666.6

10666.6

-166.6

No factible

La razn de que las soluciones 2, 4, 5, 7 y 10 no sean factibles se basa en el hecho de que una
o ms variables asumen valores negativos, lo que contradice la condicin de no negatividad.
Podemos decir entonces que, una solucin bsica factible ser aquella solucin bsica con
valores no negativos en sus variables.
5

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Un detalle importante es que las soluciones bsicas factibles constituyen los vrtices de la
regin factible. Las soluciones 2, 4, 5, 7 y 10 estn fuera de la regin factible. La solucin 8 es
la ptima.
X2

Constraint

Objective Function

Feasible Area:

OPTIMAL SOLUTION
OBJ = 428,000.00
X1 = 8,000.00
X2 = 14,000.00

40,000 - C3
36,000 32,000 28,000 24,000 20,000 -

C1

16,000 12,000 -

C2

8,000 4,000 0
0

7,200

14,400

21,600

28,800

36,000

X1

b.- La tabla Simplex


El algoritmo Simplex hace uso del lgebra matricial para desarrollar la solucin a un
problema de PL.
Para ello necesitamos el uso de una tabla donde se acondicionan los valores constantes del
modelo.
Usaremos una tabla simplificada, la cual permitir mayor agilidad en los clculos. Dicha
tabla tiene el siguiente esquema.

Cj de la base

Variables no bsicas
Variables Coeficientes de las variables no Soluci
bsicas B bsicas en las restricciones (aij) n (bi)
Coeficientes de las variables en
Z
la FO Cj (indicadores)

Ejemplo:

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Cj

X1

X2

bi

S1

0.05

0.05

1100

S2

0.05

0.10

1800

S3

0.10

0.05

2000

18.50

20

La solucin inicial corresponde a la solucin 1 del cuadro de soluciones factibles.


Este valor es el inicio del proceso iterativo. A partir de este momento el algoritmo buscar otra
solucin que mejore (o al menos no desmejore), la solucin inicial.

c.- Mejora de la solucin


Examen de Optimalidad
Para examinar si la solucin que actualmente se conoce es ptima, basta observar la fila de
indicadores en la tabla Cj 18.5 y 20
Si existe algn indicador positivo tendremos que la solucin no es la ptima y por lo tanto
habr que mejorarla.
Variable Entrante y Variable Saliente
En caso de no ser ptima la solucin que plantea la tabla, la base de la solucin (conjunto de
VB) deber transformarse, haciendo que una de las VNB entre en la base y una de las VB
salga de ella. La primera se llamar variable entrante y la segunda variable saliente.
El proceso para determinar la variable que debe incluirse en la base
El proceso que suele utilizarse para determinar que variable habr que incluir en la base, se
resume as:
Paso 1: Seleccin de la variable entrante
La seleccin de la variable entrante a la base parte de los valores de la fila de indicadores en la
tabla. Suponiendo que se ha examinado ese rengln y se encuentran valores no negativos, se
elige la variable que tenga el mayor valor positivo.
La columna asociada con esta variable se denomina columna pivote (columna entrante). La
variable elegida es la variable entrante.
Si en la fila de indicadores se presentan valores iguales, no negativos, el empate se rompe
arbitrariamente.

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Paso 2: Seleccin de la variable que sale


La variable que sale de la base se elige dividiendo las cantidades de la columna solucin
(bi) entre los coeficientes positivos de la columna pivote, fila a fila. Se elige la fila que
tenga el menor cociente no negativo y esa fila se llamar fila pivote y su VB asociada ser
la que salga de la base.
El elemento situado en la interseccin de la columna pivote y la fila pivote se llama
elemento pivote.
Ejemplo:

Cj

X1

X2

bi

S1

0.05

0.05

1100

1100/0.05=22,000

S2

0.05

0.10

1800

1800/0.10=18,000

S3

0.10

0.05

20000

2000/0.05=40,000

18.50

20

X2: variable entrante, S2: variable saliente, 0.10: pivote


Paso 3: Bsqueda de la nueva solucin (Operacin Pivote)
La operacin pivote es un procedimiento que permite encontrar cuando es posible, una
solucin bsica ms atractiva a partir de la que presenta la tabla. Por este procedimiento se
obtiene una nueva tabla en la que se puede leer la nueva solucin y el valor posiblemente
mejorado de la FO.
Los cuatro pasos del proceso son:
1. Invertir el elemento pivote (1/pivote).
2. Dividir los otros elementos de la fila pivote entre el pivote.
3. Dividir los otros elementos de la columna pivote entre el pivote cambindole de
signo al cociente.
4. Calcular el resto de los elementos de la tabla mediante la siguiente frmula:
Nuevo Valor

(viejo valor) (pivote) - (elememento de c olumna pivote)(elemento de fila pivote)


pivote

Aplicando este procedimiento al ejemplo de Agronica tenemos:

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Tabla inicial

Cj

X1

X2

bi

S1

0.05

0.05

1100

1100/0.05=22,000

S2

0.05

0.10

1800

1800/0.10=18,000

S3

0.10

0.05

20000

2000/0.05=40,000

18.50

20

X2: variable entrante, S2: variable saliente, 0.10: pivote


Primera Iteracin

Cj

X1

S2

bi

S1

0.025

0.05

200

20

X2

0.5

10

1800

S3

0.075

0.05

1100

8.50

-200

360000

Estos valores en la primera iteracin se encontraron de la siguiente manera:


(0.05)(0.10) (0.05)( 0.05)
0.025
0.10
(0.10)( 0.10) (0.05)(0.05)
a31
0.075
0.10
(1,100)(0.10) (0.05)(1,800)
b1
200
0.10
(2,000)(0.10) (0.05)(1,800)
b3
1,100
0.10
(18.50)(0.10) (0.05)( 20)
I1
8 .5
0.10
a11

El valor de Z se calcula sumando los productos de los Cj y los bi de la nueva tabla:


Z = 0(200) + 20(18,000) + 0(1,100) = 360,000
La nueva tabla an no presenta la solucin ptima ya que uno de sus indicadores es todava
positivo (8.5). El valor de Z mejor de 0 a 360,000.
9

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Realizaremos una iteracin ms sobre la ltima tabla, desarrollando el mismo procedimiento


anterior:

Cj

X1

S2

bi

S1

0.025

-0.05

200

200/0.025=8000

20

X2

0.5

10

1800

1800/05=36000

S3

0.075

-0.05

1100

1100/0.075=14666.6

8.50

-200

360000

X1: variable entrante, S1: variable saliente, 0.025: pivote


Segunda Iteracin
Cj

S1

S2

bi

18.5

X1

40

-20

8000

20

X2

-20

20

14000

S3

-3

500

-340

-30

428000

La nueva tabla representa la solucin ptima al problema pues sus indicadores son todos
negativos, lo que informa que la solucin encontrada no puede ser mejorada.
Paso 4: Interpretacin de la tabla
La solucin en una tabla Simplex se encuentra en la columna bi
Ejemplo:
X1 = 8,000 indica que la produccin de fertilizante H-25 es de 8,000 toneladas.
X2 = 14,000 indica que la produccin de fertilizante H-29 es de 14,000 toneladas.
S3 = 500 Recordemos que dicha variable corresponde a la variable de holgura asociada a la
restriccin del Potasio. Su valor indica que habr un sobrante de 500 toneladas de ese
insumo.
S1 = 0 Indica que no habr sobrante de Nitrato, o sea que dicho insumo ser utilizado en su
totalidad.
10

Lic. Manuel Morales Martnez

Investigacin de Operaciones

S2 = 0 Indica que no habr sobrante en el fosfato.


En cuanto a la funcin objetivo: indica que la mxima utilidad que se puede obtener con el
nivel de produccin descrito es de Z = $428,000.

Actividad de Autoaprendizaje No. 3


Estandarizo los siguientes modelos y luego comparo mis respuestas con las que se me
presentan en la pgina No. .
Minimizar Z = 1.5X1 + 2.0X2
Sujeto a:
2X1 + 2X2 8
2X1 + 6X1 12
X1, X2 0

1.

Maximizar Z = 80X1 + 60X2


Sujeto a:
X1 + X2 = 200
X1 50
X2 80
X1, X2 0

2.

Maximizar Z = 20X1 + 22X2


Sujeto a:
8X1 + 6X2 48
6X1 + 8X2 48
7X1 + 7X2 = 42
X1 ,X2
0

3.

Maximizar Z = 3X1 + 5X2


Sujeto a:
3X1 + 5X2 45
6X1 + 4X2 48
X1 ,X2 0

4.

5.

VD:
FO

Considero el siguiente Modelo de PL y la solucin ptima del mismo.


Sean X1: # de unidades ensambladas en la Fbrica 1.
Sean X2: # de unidades ensambladas en la Fbrica 2.

(Max) Z = 40X1 + 50X2

s.a. 3X1 + 5X2 500 (Horas en tiempo de ensamble)


X1 200 (Monitor para portable)
8X1 + 5X2 300 (Metros cuadrados en espacio de almacn)
X1, X2 0
Tabla final Simplex Optima
11

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Solucin
Bsica Factible

X1

X2

S1

S2

S3

Solucin

-40

-10

3,000

S1

-5

-1

200

S2

200

1.6

0.2

60

De acuerdo a la tabla final Simplex ptima conteste las siguientes preguntas:


a. Cul es la ssolucin ptima?___________________________________________
b. Cul es la utilidad total ptima?__________________________________________
c. Cunto espacio de almacn se utiliz?_____________________________________
d. Cunto espacio queda disponible en almacn?______________________________
e. Cules son los recursos de ensamble y espacio en almacn para las unidades
ensambladas en la Fbrica 1?____________________________________________
f. Cules son los recursos de ensamble y espacio en almacn para las unidades
ensambladas en la Fbrica 2?____________________________________________
g. Cunto tiempo de ensamble se utiliz?____________________________________
h. Cunto tiempo de ensamble queda disponible?______________________________
i. Si se alquilara una bodega de 16 metros cuadrados en $80 Sera rentable pagar esa
cantidad de dinero? S:____ No:____ Porqu:_______________________________
j. Si se ensamblan unidades en la Fbrica 1, Cmo se afecta la ganancia? __________
k. Cunto tendra que costar cada unidad ensamblada en la Fbrica 1, para que sea
recomendable producirlo? _________________________________________________
6.

VD:

Considere el siguiente Modelo de PL y la solucin ptima del mismo.


Cantidad de prendas de vestir a producirse tipo j
j = pantaln; camisa; blusa

(Max) Z = 10X1 + 8.5X2 + 6X3 (Ganancia en $)


s.a. 3X1 + 2X2 + 1.5X3 12,500 (yardas de telas)
5X2 + 2X3 850 (Botones)
X1 + 400 (zperes)
X1 + 0.7X2 + 0.5X3 300 (rollos de hilos)
X1 + X2 + X3 150 (Demanda en unidades)
X1, X2, X3 0
Tabla Final Simplex ptima

12

Lic. Manuel Morales Martnez

Investigacin de Operaciones

Solucin
Bsica Factible

X1

X2

X3

S1

S2

S3

S4

S5

A5

Solucin

-1

-0.5

-10

3425

S1

-0.1

-3

11600

X3

-2.5

0.5

425

S3

0.55

0.25

-1

312.5

S5

0.95

0.25

-1

362.5

X1

-0.55

-0.25

87.5

Conforme los datos obtenidos en la tabla final Simplex Optima, encuentre:

a. Solucin ptima._____________________________________________________
b. Cul es la utilidad mxima?_____________________________________________
c. Cuntas yardas de telas se utiliz?________________________________________
d. Cuntos botones quedan en reserva?______________________________________
e. Cuntos zperes se utilizaron?___________________________________________
f. Se utiliz todo el hilo en la confeccin de las prendas de vestir?_________________
g. Cunto hilo se utiliz?_________________________________________________
h. Cuntas prendas se produjeron en total?___________________________________
i. Cmo se vera afectada mi ganancia si decido producir camisa? ________________
j. Cules son los requerimientos en telas, botones y zperes para la confeccin de un
pantaln?______________________________________________________________
k. Si me venden 30 conos de hilos a $12.00 cada uno, debo comprarlos?___________
l. Cules son los requerimientos en telas, botones y zperes para la confeccin de una
camisa? _______________________________________________________________
m. Cunto unidades de los tres tipos de prendas se produjeron en exceso del mnimo
exigido?_______________________________________________________________
n. Si se robaran 200 zperes de la bodega, afectara esto el plan de produccin?
S _____No____ Explique? ____________________________________________

13