Está en la página 1de 16

PRESENTA:

LIZBETH IRAIDA NAREZ VENTURA

MATRICULA: 108819

GRUPO: GI42

MATERIA:
FINANZAS EN LA INDUSTRIA PETRÓLERA

ASESOR DOCENTE:
DR. VICTOR HUGO GUZMÁN ZARATE

ACTIVIDAD DE APRENDIZAJE No.3:

ELABORACIÓN DE EJERCICIOS DE DESIGUALDADES LINEALES Y EL


MÉTODO SIMPLEX

MINATITLAN VERACRUZ., A 22 DE JULIO DEL 2019.


INTRODUCCIÓN

La programación lineal es una herramienta de investigación operativa ampliamente


desarrollada desde sus inicios a mediados del siglo XX. Puede señalarse 1947 como un
año clave en su desarrollo, gracias a Dantzig y su método del simplex.
Los objetivos de la programación lineal para cualquier área son conseguir solucionar la
reducción de costes y maximizar la rentabilidad. En las finanzas esto se vuelve aún más
relevante, ya que su fin es el máximo beneficio de las inversiones.
Por todo ello, el objetivo de este estudio es reportar las ventajas que la programación
lineal aporta al mundo financiero.
Algunas de ellas son:
1. Permite resolver modelos reales.
2. Ayuda a la toma de decisiones.
3. Permite comparar entre varias soluciones alternativas, en escaso tiempo.
4. La utilización de la programación lineal permite enormes reducciones de costes en
las empresas, al usar de la manera más eficiente los recursos empleados

Como se describe anteriormente, el creador del método simplex fue George Dantzig en
1947. Siendo empleado para la asignación de recursos escasos durante la Segunda
Guerra Mundial, hoy día es ampliamente utilizado por su eficiencia en la consecución de
resultados. Excepto para problemas pequeños, se ejecuta siempre con programas
informáticos.
Podemos citar a Arévalo, M.T.; Camacho, E.; Mármol, A.; Monroy, L. en el libro
Programación matemática para la economía (2005, pp.149) que describe al método
simplex como un algoritmo de resolución de problemas de programación lineal que, a
través de una serie de procedimientos matemáticos, permite resolver problemas que
pueden ser tanto de maximizar como de minimizar una función objetivo sujeta a un
conjunto de restricciones. Se basa en una serie de actuaciones repetitivas o iteraciones, y
cuyos resultados son soluciones básicas factibles. Cada iteración realizada nos va
acercando cada vez más al óptimo, desplazándose por las aristas del poliedro hasta el
óptimo global. Para realizar estos pasos se dispone de las tablas del método simplex,
aplicando en estas el álgebra de matrices.

2
El algoritmo denominado simplex es la parte medular de este método; el cual se basa en
la solución de un sistema de ecuaciones lineales con el conocido procedimiento de
Gauss-Jordan y apoyado con criterios para el cambio de la solución básica que se
resuelve en forma interactiva hasta que la solución obtenida converge a lo que se conoce
como óptimo.
Existen múltiples programas informáticos que permiten la resolución de problemas de
programación lineal en los que se manejan grandes cantidades de datos, la mayor parte
de ellos utiliza el método del simplex.
Otra forma de solucionar problemas es el método geométrico también llamado gráfico.
El método gráfico se emplea para resolver problemas que presentan sólo 2 variables de
decisión. El procedimiento consiste en trazar las ecuaciones de las restricciones en un eje
de coordenadas X1, X2 para tratar de identificar el área de soluciones factibles
(soluciones que cumplen con todas las restricciones).
La solución óptima del problema se encuentra en uno de los vértices de esta área de
soluciones creada, por lo que se buscará en estos datos el valor mínimo o máximo del
problema.
En esta actividad se resolverán problemas por medio de los dos métodos descritos.

3
DESARROLLO

1.- Maximice Z = 5x + 7y sujeta a las condiciones x ≥ 0, y ≥ 0, 3x + 2y ≤ 7, 2x + 5y ≤


12.
Enfoque Geométrico:
Restricciones:
1. 3 X + 2 Y ≤ 7
2. 2 X + 5 Y ≤ 12
3. X ≥ 0
4. Y≥ 0

Restricción Despeje X Coordenad Despeje Coordenada Y Coordenadas


(Y=0) aX Y (X = 0)
7 7 7 7 7 7
3 X +2 Y ≤ 7 X= Y= ( , )
3 3 2 2 3 2
12 12 12 12
2 X +5 Y ≤ 12 X= =6 6 Y= (6 , )
2 5 5 5
X ≥0 X =0 0 Y =0 0 (0 , 0)
Y ≥0 X =0 0 Y =0 0 (0 , 0)

Los valores dentro del espacio ABCD son factibles para satisfacer las restricciones
establecidas. Ahora se procederá a encontrar el valor óptimo de la función Z.

4
Optimización por medio de los vértices:
Vértice X Y Z = 5X+7Y Resultado
A 0 0 Z = 5(0) + 7(0) 0
B 2.33 0 Z = 5(2.33) + 7(0) 11.65
C 1 2 Z = 5(1) +7(2) 19
D 0 2.4 Z = 5(0) +7(2.4) 16.8

En la gráfica, el punto C es el punto de optimización, debido a que es el punto en el


espacio de soluciones más allá donde Z puede aumentar. Al otorgarle una solución a la
función Z, podemos buscar la línea que pasa por el punto c otorgando los puntos X y Y de
la solución.
La solución óptima para la maximización de Z es la siguiente:
● 5X + 7Y = 19
● X=1≥0
● Y=2≥0
Comprobaciones:
Comprobación Z Comprobación R1 Comprobación R2
5 X +7 Y =19 3 X +2 Y ≤ 7 2 X +5 Y ≤ 12
5(1)+ 7(2)=19 3(1)+ 2(2)≤ 7 2(1)+5 (2)≤ 12
5+14=19 3+4 ≤7 2+10 ≤12
19=19 7 ≤7 12≤ 12

5
Método Simplex

Restricciones: Despeje:
Despeje
R1 Z −5 X−7 Y =0
R2 3 X +2 Y +S 1=7
R3 2 X +5 Y + S 2=12
1. 3X + 2Y ≤ 7
2. 2X + 5Y ≤ 12
3. X≥0
4. Y≥0

Tabla Simplex
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0 2 5 0 1 12

Se selecciona la columna pivote seleccionado el valor más negativo de las restricciones.


Para este caso la columna de Y tiene el valor más negativo siendo -7.
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0 2 5 0 1 12

Para seleccionar el renglón pivote, se dividen los resultados entre su valor de la columna
pivote.
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7 7/2 =3.5
R3 0 2 5 0 1 12 12/5 =2.4

6
Se escoge la fila con el menor valor, en este caso R3.
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0 2 5 0 1 12

La convergencia entre la columna pivote y el renglón pivote se le conoce como número


pivote. En este caso es 5.
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0 2 5 0 1 12

Se debe de hacer que el número pivote sea igual a 1. Para ello multiplicaremos o
dividiremos todo el renglón pivote por un valor que haga que el número pivote sea 1, en
este caso es 1/5.
Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0/5 = 0 2/5= 0.4 5/5 = 1 0/5 = 0 1/5 = 0.2 12/5=2.4

Los resultados quedan de la siguiente manera.


Z X Y S1 S2 Resultado
R1 1 -5 -7 0 0 0
R2 0 3 2 1 0 7
R3 0 0.4 1 0 0.2 2.4

7
Todos los elementos arriba y debajo del número pivote se deben de convertir en 0. Para
ello, cada fila se deberá sumar un número que haga que este de 0. Se seguirá el siguiente
método:
● 7R3 + R1
● -2R3 + R2

Z X Y S1 S2 Resultado
R
(7 X 0) +1= 1 (7 X 0.4) – 5 = -2.2 (7 X 1) – 7=0 (7 X 0) + 0 =0 (7 X 0.2) + 0 = 1.4 (7 X 2.4) + 0 = 16.8
1
R
(-2 X 0) + 0 = 0 (-2 X 0.4) +3 = 2.2 (-2 X 1) +2 = 0 (-2 X 0) + 1 = 1 (-2 X 0.2) + 0 = -0.4 (-2 X 2.4) + 7 = 2.2
2
R
0 0.4 1 0 0.2 2.4
3

Los nuevos valores son los siguientes:


Z X Y S1 S2 Resultado
R1 1 -2.2 0 0 1.4 16.8
R2 0 2.2 0 1 -0.4 2.2
R3 0 0.4 1 0 0.2 2.4

Al haber aun valores negativos en las restricciones se procede a repetir todo el


procedimiento con la nueva matriz. Se selecciona la nueva columna pivote.
Z X Y S1 S2 Resultado
R1 1 -2.2 0 0 1.4 16.8
R2 0 2.2 0 1 -0.4 2.2
R3 0 0.4 1 0 0.2 2.4

Encontramos la fila pivote.


Z X Y S1 S2 Resultado Resultado
R1 1 -2.2 0 0 1.4 16.8
R2 0 2.2 0 1 -0.4 2.2 2.2 / 2.2 = 1
R3 0 0.4 1 0 0.2 2.4 2.4 / 0.4 = 6

Para este caso R2 será la nueva fila pivote. Siendo 1.53. El número pivote.

8
Z X Y S1 S2 Resultado
R1 1 -2.2 0 0 1.4 16.8
R2 0 2.2 0 1 -0.4 2.2
R3 0 0.4 1 0 0.2 2.4

Hacemos que el número pivote sea igual a 1. Por lo que R2 se divide entre 1.53.
Z X Y S1 S2 Resultado
R1 1 -2.2 0 0 1.4 16.8

R2 0/2.2 = 0 2.2/2.2 = 1 0/2.2 = 0 1/2.2 = 0.45 -0.4/2.2 = -.18 2.2/2.2 =1

R3 0 0.4 1 0 0.2 2.4

Z X Y S1 S2 Resultado
R1 1 -2.2 0 0 1.4 16.8
R2 0 1 0 0.45 -0.18 1
R3 0 0.4 1 0 0.2 2.4

Todos los elementos arriba y debajo del número pivote se deben de convertir en 0. Para
ello, cada fila se deberá sumar un número que haga que este de 0. Se seguirá el siguiente
método:
● 2.2R2 + R1
● -0.4R2 + R3

Z X Y S1 S2 Resultado
R1 (2.2 X 0) + (2.2 X 1) (2.2 X 0) + 0 (2.2 X 0.45) (2.2 X -0.18) (2.2 X 1) +
1= 1 -2.2= 0 =0 + 0 = 0.99 + 1.4 = -0.396 16.8 = 19

R2 0 1 0 0.45 -0.18 1

R3 (-0.4 X 0) + (-0.4 X 1) + (-0.4 X 0) + (-0.4 X 0.45) (-0.4 X -0.18) (-0.4 X 1) +2.4


0=0 0.4 = 0 1=1 + 0 = -0.18 +0.2 = 0.272 =2

Z X Y S1 S2 Resultado
R1 1 0 0 0.99 -0.396 19
R2 0 1 0 0.45 -0.18 1
R3 0 0 1 -0.18 0.272 2

9
La solución óptima para la maximización de Z es la siguiente:
● 5X + 7Y = 19
● X=1≥0
● Y=2≥0
Comprobaciones:
Comprobación Z Comprobación R1 Comprobación R2
5 X +7 Y =19 3 X +2 Y ≤ 7 2 X +5 Y ≤ 12
5(1)+ 7(2)=19 3(1)+ 2(2)≤ 7 2(1)+5 (2)≤ 12
5+14=19 3+4 ≤7 2+10 ≤12
19=19 7 ≤7 12≤ 12

2.- Minimice Z = 4y - 3x sujeta a las condiciones x ≥ 0, y ≥ 0, 3x + 4y ≤ 4, x + 6y ≤ 8.


Enfoque Geométrico:
Restricciones:
1. 3X + 4Y ≤ 4
2. X + 6Y ≤ 8
3. X≥0
4. Y≥0

Restricción Despeje X Coordenad Despeje Coordenada Y Coordenada


(Y=0) aX Y (X = 0) s
4 4
3 X +4 Y ≤ 4 X= 1.333 Y= 1 (1.33 ,1)
3 4
8 8
X +6 Y ≤ 8 X = =8 8 Y= 1.33 (8 , 1.33)
1 6
X ≥0 X =0 0 Y =0 0 (0 , 0)
Y ≥0 X =0 0 Y =0 0 (0 , 0)

10
Tras graficar la función, se han obtenido 4 vértices que delimitan el área de posibles
soluciones (ABC). Ahora se debe de sustituir las coordenadas en las ecuaciones para
encontrar el punto mínimo.

Resultad
Vértice X Y Z = -3X+4Y
o
A 0 1 Z = -3(0) + 4(4) 4
B 1.33 0 Z = -3(1.33) + 4(0) -3.99
C 8 0 Z = -3(8) + 4(0) -24
D 0 1.33 Z = -3(0) + 4(1.33) 5.32
El vértice que tiene el valor elegido es el B, ya que este tiene el resultado que minimiza la
ecuación, siendo este -3.99, con sus valores de X = 1.33 y Y = 0. La comprobación es la
siguiente:

Comprobación Z Comprobación R1 Comprobación R2


−3 X+ 4 Y =−3.99 3 X +4 Y ≤ 4 X +6 Y ≤ 8
−3 (1.33)+ 4 (0)=−3.99 3(1.33)+4 (0)≤ 4 (1.33)+ 6(0)≤8
−3.99+ 0=−3.99 3.99+0 ≤ 4 1.33+0 ≤ 8
−3.99=−3.99 3.99 ≤ 4 1.33 ≤8

Se cumple con las restricciones, por lo que los valores de X y Y son los correctos.
Método simplex:

Z X Y S1 S2 R
S1 1 3 -4 0 0 0
S2 0 3 4 1 0 4 1.33333333
S3 0 1 6 0 1 8 8

Z X Y S1 S2 R
S1 1 3 -4 0 0 0
S2 0 1 1.333333333 0.33333333 0 1.33333333
S3 0 1 6 0 1 8

Z X Y S1 S2 R

11
S1 1 0 -8 -1 0 -4
S2 0 1 1.333333333 0.33333333 0 1.33333333
-
S3 0 0 4.666666667 0.33333333 1 6.66666667

Z X Y S1 S2 R
S1 1 0 -8 -1 0 -4
S2 0 1 1.333333333 0.33333333 0 1.33333333 1
-
S3 0 0 4.666666667 0.33333333 1 6.66666667 1.42857143

Z X Y S1 S2 R
S1 1 0 -8 -1 0 -4
S2 0 1 1.333333333 0.33333333 0 1.33333333
-
S3 0 0 4.666666667 0.33333333 1 6.66666667

● Z = -4
● X= 1.33
● Y=0
Comprobación:

Comprobación Z Comprobación R1 Comprobación R2


−3 X+ 4 Y =−3.99 3 X +4 Y ≤ 4 X +6 Y ≤ 8
−3 (1.33)+ 4 (0)=−3.99 3(1.33)+4 (0)≤ 4 (1.33)+ 6(0)≤8
−3.99+ 0=−3.99 3.99+0 ≤ 4 1.33+0 ≤ 8
−3.99=−3.99 3.99 ≤ 4 1.33 ≤8

12
Un gerente de finanzas tiene $1´000,000 de fondo de pensiones, parte del cual debe
invertirse. El gerente tiene dos inversiones en mente, unos bonos conservadores
que producen un 6% anual y unos bonos hipotecarios más efectivos que producen
un 10% anual. De acuerdo con las regulaciones del gobierno, no más del 25% de la
cantidad invertida puede estar en bonos hipotecarios, Más aún, lo mínimo que
puede ponerse en bonos hipotecarios es de $ 100,000. Determine las cantidades de
las dos inversiones que maximizarían la inversión total.
Planteamiento del problema:
● X = Bonos conservadores.
● Y = Bonos hipotecarios.
● Fondos = $1,000,000

Max Z = X +Y
Restricciones:
1. (0.06)(1,000,000)X + (0.1)(1,000,000)Y ≤ (0.25)(1,000,000)
2. Y ≥ 100,000
3. X,Y ≥ 0

Resultad
Vértice X Y Z = X+Y
o
A 4.16 0 Z = 4.16 + 0 4.16

13
B 0 2.5 Z = 0 + 2.5 2.5

Se elige el vértice A, el cual nos maximiza la función Z, siendo X = 4.16 y Y = 0


Comprobación:

Comprobación Z Comprobación R1
X +Y =4.16 60000 X +100000 Y ≤ 250000
(4.16)+ 4( 0)=4.16 60000(4.16)+100000 (0)≤ 250000
4.16+ 0=4.16 249600+0 ≤ 250000
4.16=4.16 249600 ≤ 4

14
CONCLUSIÓN

En cualquier sector empresarial, y especialmente en el financiero, cobra especial


relevancia la consecución de beneficios y la reducción de gastos.

Para la toma de decisiones teniendo en cuenta estos objetivos contamos con diversas
herramientas, entre las que destacamos los métodos mostrados en el presente trabajo.
Con la programación lineal conseguimos una asignación eficiente de los recursos,
maximizando los beneficios o minimizando los costos.

Aunque la programación lineal es una herramienta versátil, no obstante, cuenta con


algunas limitaciones, entre las que podemos destacar que no tiene en cuenta las
expectativas, es decir, sus parámetros deben ser siempre conocidos. Por ejemplo, en las
operaciones financieras debemos conocer el tipo de interés. Este inconveniente puede
paliarse realizando un estudio de post-optimización de la solución obtenida.

Sin embargo, aun presentando estas desventajas, la programación lineal es un


instrumento eficaz para resolver problemas en múltiples ámbitos y en particular en la
selección y gestión de carteras de inversión.

15
REFERENCIAS

1. Jay Heizer; Barry Render (2009) Principios de administración de operaciones


séptima edición, editorial Pearson.
2. Arévalo, M.T.; Camacho, E.; Mármol, A.; Monroy, L. (2005): “Programación
matemática para la economía”, Ediciones Delta, Madrid.
3. Frederick, S.H.; Lieberman, G.J. (2010): “Introducción a la investigación de
operaciones”, McGraw-Hill, México.
4. https://www.academia.edu/15065278/PREGUNT
5. Taha, H.A (2004) “Introducción a la programación lineal”, en investigación de
operaciones (7ª edición). (PP11-69). México: Pearson.
6. William G. Sullivan, Elin M. Wicks & James T. Luxhoj “Ingeniería Económica de
DeGarmo (12ª edición) México: Pearson.

16