Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACION LINEAL CONTENIDOS Actualizados Al 2010 PDF
PROGRAMACION LINEAL CONTENIDOS Actualizados Al 2010 PDF
SOGAMOSO
Junio de 2010
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
El presente módulo fue diseñado en el año 2004 por La Esp. Gloria lucia Guzmán
Aragón, docente de la UNAD, y ubicado inicialmente en el CEAD de Neiva, ella es
Licenciada en Matemáticas y Física, Especialista en matemáticas Avanzadas,
Especialista en Docencia Universitaria, Magister en Dirección y Gestión de
Recursos Humanos, Maestrante en educación con especialidad en ONLINE, se ha
desempeñado como docente de la UNAD desde el 2004 y como tutor desde 1984
hasta la fecha, además ha sido catedrático de diversas Universidades de
Cundinamarca y del Huila, ha desempeñado cargos de docencia administrativa
como Rectora de varios colegios, Coordinadora Académica, Asesora pedagógica y
en la actualidad es investigadora principal de los grupos Delta 515 y generación
21.
INDICE DE CONTENIDOS
INTRODUCCIÓN
JUSTIFICACIÓN
INTENSIONALIDADES FORMATIVAS
a. PROPOSITOS
OBJETIVOS
Objetivo general
Objetivos específicos:
b. METAS
c. COMPETENCIAS
UNIDAD 1
CAPITULO 1
LA INVESTIGACION DE OPERACIONES
Introducción
Lección 1 Antecedentes y origen de la I.O
Lección 2 ¿Qué es la Investigación de operaciones?
Lección 3 Metodología de la I.O.
Lección 4 Componentes de investigación de Operaciones
CAPITULO 2
Introducción
Lección 5 Concepto de conjunto convexo
Lección 6 Propiedades de los conjuntos convexos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO 3.
Introducción
Lección 9 Concepto
Lección 10 Formulación del problema de programación lineal
Lección 11 Modelo general de programación lineal
Lección 12 Otras formas de modelos de P.L.
Leccion 13 Terminología y conceptos basicos
UNIDAD 2
METODOS DE SOLUCION
CAPITULO 1
METODO GRAFICO
CAPITULO 2
METODO ALGEBRAICO
Introducción
Lección 19 Pasos para utilizar un método Algebraico
Lección 20 Ejemplos desarrollados
Lección 21 Taller
CAPITULO 3
METODO SIMPLEX
Introducción
Lección 22 Pasos para desarrollar el método Simplex
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Lección 23 Dualidad
Lección 24 Comparación entre el método simplex y dual – simplex
Lección 25 Análisis de sensibilidad
Lección 26 Taller del método Simplex
Lección 27 Taller Dualidad
Lección 28 Degeneración
Lección 29 Problemas de programación lineal con variables acotadas
Lección 30 Algoritmo de descomposición
Lección 31 La Programación Lineal basada en los computa
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
INTRODUCCIÓN
Para el desarrollo del curso es importante el papel que juega los recursos
tecnológicos como medio activo e interactivo, buscando la interlocución durante
todo el proceso de diálogo docente-estudiante
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
JUSTIFICACIÓN
INTENSIONALIDADES FORMATIVAS
PROPOSITOS
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS:
METAS
COMPETENCIAS
UNIDAD UNO
INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO 1
LA INVESTIGACION DE OPERACIONES
INTRODUCCION
LECCION 1 ANTECEDENTES Y ORIGEN DE LA I.O.
LECCION 2 ¿QUE ES LA INVESTIGACION DE OPERACIONES?
LECCION 3 METODOLOGÍA DE LA I.O.
LECCION 4 COMPONENTES DE LA I.O.
INTRODUCCION
Definición del
problema
Formulación de un
Resolución del Solución
modelo matemático.
modelo
matemático.
¿Es válida la
Modelo NO solución?
modificado
Implementación
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se
puede hacer, las interrelaciones del área bajo estudio con otras áreas de la
organización, los diferentes cursos de acción posibles, los límites de tiempo para
tomar una decisión, etc. Este proceso de definir el problema es crucial ya que
afectará en forma significativa la relevancia de las conclusiones del estudio.
Un modelo siempre debe ser menos complejo que el problema real, es una
aproximación abstracta de la realidad con consideraciones y simplificaciones que
hacen más manejable el problema y permiten evaluar eficientemente las
alternativas de solución.
Esta fase consiste en determinar los rangos de variación de los parámetros dentro
de los cuales no cambia la solución del problema.
Esta fase consiste en determinar los rangos de variación de los parámetros dentro
de los cuales no cambia la solución del problema.
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo
largo del proceso a los ejecutivos o tomadores de decisiones.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO DOS
INTRODUCCIÓN
. INTRODUCCIÓN
EJEMPLO.
CONJUNTO P
CONJUNTO Q
CONJUNTO R
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CONJUNTO T.
• x
• y
Obsérvese que para cualquier par de puntos (x, y) que estén dentro del conjunto
P, el segmento que une dichos puntos siempre queda dentro del conjunto, en
consecuencia P sería un conjunto convexo.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Consideremos el conjunto Q:
x y
Obsérvese que para cualquier par de puntos (x,y) que estén dentro del conjunto Q,
el segmento que une dichos puntos no queda dentro del conjunto, en
consecuencia Q no sería un conjunto convexo.
Consideremos el conjunto R:
• x R
• y
En este caso para cualquier par de puntos (x,y) de esta recta R, el segmento que
los une queda dentro del conjunto, en consecuencia R es un conjunto convexo.
Es claro gráficamente que para cualquier par de puntos x, y, el segmento que los
une está totalmente contenido en dicho conjunto.
• •
Se puede ver que existen segmentos, como el indicado en la figura que se sale del
conjunto por lo que este conjunto no sería CONVEXO.
• •
T
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
EJERCICIOS
SOLUCION:
a. es convexo
b. no es convexo
Para delimitar la región del plano basta considerar un punto que no esté en la
curva, por ejemplo (1,2) si ese punto satisface la ecuación entonces ese es el
recinto a considerar, en nuestro caso como 2 sí es mayor o igual que 1. Entonces
el recinto es
Obsérvese que es claramente convexo pues cualquier par de puntos que estén en
S3 el segmento que los une está claramente contenido en S3.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
En esos casos es necesario dar una definición analítica de conjunto convexo, para
lo cual efectuamos la siguiente definición:
CONJUNTO CONVEXO:
EJEMPLO:
es un conjunto convexo.
(x1,y1), (x2,y2),
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
.bx1+(1-b)x2 , by1+(1-b)y2
Y comprobando si el vector
Y al expandirle
EJERCICIO
a.
b.
SOLUCIONES:
¿cuál es el recinto?
Y por otro lado para determinar el conjunto x-y=1 comprobamos que 0-0= 1 por
tanto también es de la recta hacia el (0,0), con lo cual tendremos que el recinto
será:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
EJEMPLO.
Este conjunto no es convexo pues si considero dos puntos del conjunto por
ejemplo
Obtenemos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
a.
b.
c. 2
d. R
e.
f.
g.
h.
i.
EJEMPLO.
Podemos ver que en esta gráfica si dibujamos cualquier segmento que una dos
puntos de la misma, éste siempre queda por debajo de la gráfica. Por ejemplo,
consideremos los puntos
Obtenemos
Se puede observar que para cualquier par de puntos de la gráfica que toman
valores en el segmento considerado el segmento que une dichos puntos siempre
queda por debajo de la gráfica por ello podemos efectuar la siguiente definición:
DEFINICIÓN:
Diremos que una función f es estrictamente cóncava en un conjunto M convexo si
todo segmento que une dos puntos de la gráfica esta estrictamente por debajo de
la gráfica.
Diremos que una función es CONCAVA (no estricta) si no todas las cuerdas que
unen puntos de la gráfica en dicho intervalo quedan estrictamente por debajo.
EJEMPLO.
se obtiene
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Obtendremos
FUNCIÓN CONVEXA.
EJERCICIO
( C) En el intervalo (0,1 )
SOLUCIONES:
a. ESTRICTAMENTE CONVEXA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
b. ESTRICTAMENTE CONVEXA
c. ESTRICTAMENTE CONVEXA
d. ESTRICTAMENTE CONCAVA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
e. estrictamente CONCAVA
f. ESTRICTAMENTE CONVEXA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO 3
Introducción
LECCION 9. Concepto
LECCION 10. Formulación del problema de programación lineal
LECCION 11. Modelo general de programación lineal
LECCION 12. Otras formas de modelos de P.L.
LECCION 13. Terminología y conceptos básicos
INTRODUCCION
LECCION 9. CONCEPTO
El adjetivo lineal significa que todas las funciones matemáticas del modelo deber
ser funciones lineales. En este caso, las palabra programación no se refiere a
programación en computadoras; en esencia es un sinónimo de planeación. Así, la
programación lineal trata la planeación de las actividades para obtener un
resultado óptimo.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
10.1 INTRODUCCION
i = 1,2,...,m).
3A + 2B = 100
3A + 2B ≤ 100
Para que sea aceptable para PL, cada restricción debe ser una suma de
variables con exponente 1. Los cuadrados, las raíces cuadradas, etc. no son
aceptables, ni tampoco los productos de variables. Además, la forma estándar
para una restricción pone a todas las variables del lado izquierdo y sólo una
constante positiva o cero del lado derecho. Esto puede requerir algún reacomodo
de los términos. Si, por ejemplo, la restricción es que A debe ser por los menos el
doble de B, esto puede escribirse como:
A ≤ 2B ó A - 2B ≤ 0
A≤B–2
A – B ≤ -2
Por último B – A ≥ 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Una nota final sobre desigualdades: es sencillo convertir una desigualdad en una
ecuación. Todo lo que se tiene que hacer es agregar (o restar) una variable extra.
Por ejemplo:
A - 2B ≤ 0 es lo mismo que A - 2B -S = 0
Maximizar Z = 4A + 6B ó
x1 ≥ 0, x2 ≥0, ..., xn ≥ 0
Ésta se llamará nuestra forma estándar (porque algunos libros de texto adoptan
otras formas) para el problema de PL. Cualquier situación cuya formulación
matemática se ajuste a este modelo es un problema de PL.
Cualquier problema que incluya una, varias o todas estas formas del modelo
anterior también se clasifica como un problema de PL, siempre y cuando éstas
sean las únicas formas nuevas introducidas. Puede ser que la interpretación que
se ha dado de asignación de recursos limitados entre actividades que compiten no
se aplique, pero independientemente de la interpretación o el contexto, lo único
que se necesita es que la formulación matemática del problema se ajuste a las
formas permitidas. Se verá que estas otras cuatro formas legales se pueden
reescribir en una forma equivalente para que se ajuste al modelo que se presentó.
Entonces, todo problema de PL se puede poner en nuestra forma estándar si se
desea.
sujeto a:
...
siendo:
Otra representación:
n
M ax (z) c j x j
j1
sujeto a :
n
a x
j1
ij j bi donde i 1, 2, ... m
xj 0 j 1, 2, ... n
En forma matricial:
Max (z) = C x
sujeto a:
Ax ≤ b
x ≥0
Conjunto factible
Es el conjunto de puntos que satisfacen simultáneamente todas las
restricciones (o “filas”) del problema
Recursos (bi)
Son productos, tiempo, etc. Se cuantifican en el término independiente o
Right Hand Side (RHS) del problema
UNIDAD 2
METODOS DE SOLUCION
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO 1
2X + 3Y = 60 en donde X, Y ≥ 0
Es decir que para que se cumpla la igualdad de la ecuación nos tocaría adquirir 15
unidades de X y 10 unidades de Y respectiva mente:
2(15) + 3(10) = 60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Pero por otra parte si en la ecuación no se quiere llegar a la totalidad del resultado
se dará la ecuación en una forma diferente llamada inecuación:
2X + 3Y ≤ 60 en donde X, Y ≥ 0
Dándose como solución factible un área sombreada que depende del signo de la
desigualdad. Si el signo es el ≤ la solución será el área inferior esa se sombreará o
si por el contrario el sigo es ≥ el área a sombrear será la de todos los puntos por
encima de la línea obtenida.
En la anterior grafica la solución más factible es la de los puntos más cerca del eje
X (bajo la recta de la solución lineal ya que la ecuación es precedida por el signo
≤.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Por definición de algunos libros una desigualdad entre dos variables es una
desigualdad que puede escribirse de la forma:
EJEMPLO 1:
SOLUCION
EJEMPLO 2:
EJEMPLO 3:
2x + y > 3
x≥y
y–1>0
Y=0; x= 3/2
y≤x x= 0; y= 0
x=1 ; y= 1
y > 1/2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
y = -2x + 3,
y=x Y
y=y
ax+by=0
Para llegar a una solución óptima en el método grafico se requiere seguir con una
serie de pasos que podemos dar a continuación:
EJEMPLO: 1
Z= 3x + y
2x + y ≤ 8
2x + 3y ≤ 12
x, y ≥ 0
2x + y ≤ 8 x=0; y=8
y=0; x=4
2x + 3y ≤ 12 x=0; y=4
Y=0; x=6
x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Se observa que la región factible esta conformada por los puntos A(0,0); D(0,4);
B(4,0) y el punto C que es el resultado de la intersección de las 2 inecuaciones
cuyo valor aproximadamente en el plano esta dado por las coordenadas (3,2).
EJEMPLO: 2
Z= 2x + 3y
x +2y ≥ 10
3x + 2y ≥ 18
x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
y=0; x=10
Y=0; x=6
x, y ≥ 0
Región Factible
(4,3)
Se observa que la región factible esta conformada por los puntos (0,9); (4,3);
(10,0), donde el punto (4,3) es el resultado de la intersección de las dos
ecuaciones dadas como restricciones.
CAPITULO 2
METODO ALGEBRAICO
INTRODUCCION
INTRODUCCION
Muchas personas califican al método algebraico, como uno de los métodos más
importantes en el campo de la programación lineal. En la actualidad es una
herramienta común, que se ha prestado para resolver problemas de gran
magnitud; por su simplicidad, sencillez y estilo de uso cientos de empresas,
compañías de todo el mundo han ahorrado miles y miles de pesos.
PROBLEMA 1:
A B C UTILIDAD
MANUALES(X) 2 1 1 4000
ELECTRICOS(Y) 1 2 1 6000
SOLUCIÓN:
SUJETO A:
2X + Y ≤ 180
X + 2Y ≤ 160
X + Y ≤ 100
Y=0 X= 90
Y=0 X=160
Y=0 X=100
X + Y ≤ 100 X + Y ≤ 100
Y= 60 X = 80
X= 40 Y = 20
4. Paso:
EJEMPLO 2:
A B C COSTO
CRECI/RAPIDO 3 5 1 4000
CRECI/NORMAL 2 2 2 3000
SOLUCIÓN:
3X + 2Y ≥ 160
5X + 2Y ≥ 200
X + 2y ≥ 80
3X + 2Y ≥ 160 X=0 Y= 80
Y=0 X= 53,33
Y=0 X= 40
X + 2y ≥ 80 X=0 Y=40
Y=0 X=80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
5X + 2Y ≥ 200 X + 2y ≥ 80
-2X = -40 2X = 80
X = 20 X= 40
Y = 50 Y = 20
Z= 4000X + 3000Y
1. MAXIMIZAR
P= 10x + 12y
Sujeta a:
x + y ≤ 60
x - 2y ≥ 0
x, y ≥ 0
2. MAXIMIZAR
P= 5x + 6y
Sujeta a
x + y ≤ 80
3x + 2y ≤ 220
2x + 3y ≤ 210
x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
3. MAXIMIZAR
Z= 4x - 10y
Sujeta a
x – 4y ≥ 4
2x – y ≤ 2
x, y ≥ 0
4. MINIMIZAR
Z= 7x + 3y
Sujeta a
3x – y ≥ -2
x+y≤ 9
x – y = -1
x, y ≥ 0
“MARAVILLA” 2h 1h 1h
“FANTASTICO” 1h 1h 3h
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CAPITULO 3
METODO SIMPLEX
INTRODUCCION
LECCION 22. PASOS PARA DESARROLLAR EL METODO simplex
LECCION 23. DUALIDAD
LECCION 24. COMPARACION ENTRE EL METODO SIMPLEX DUAL Y EL
DUAL-SIMPLEX
LECCION 25. ANALISIS DE SENCIBILIDAD
LECCION 26. TALLER METODO SIMPLEX
LECCION 27. TALLER DUALIDAD
LECCION 28. DEGENERACION
LECCION 29. PROBLEMAS DE PL CON VARIABLES ACOTADAS
LECCION 30. ALGORITMOS DE DESCOMPOSICION
LECCION 31. LA PROGRAMACION LINEAL BASADA EN LOS
COMPUTADORES
INTRODUCION
CONCEPTO
X1 X2 X3 S1 S2 S3 S4 Z b
Indicadores
Existen cuatro variables de holgura, S1, S2, S3, y S4; una para cada restricción.
EJEMPLOS DESARROLLADOS
EJEMPLO 1
Maximizar Z= 5X1+4X2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Sujeto a: X1+X2 ≤ 20
2X1+X2 ≤ 35
-3X1+X2 ≤ 12
X1≥0, X2≥0
x1 x2 S1 S2 S3 Z b Cocientes
S1 1 1 1 0 0 0 20 20÷1=20
Variable S2 2 1 0 1 0 0 35 35÷2=17.5
Saliente S3 -3 1 0 0 1 0 12
Z -5 -4 0 0 0 1 0
Indicadores
Variable
Entrante
El indicador mas negativo, -5, aparece en la columna x1. Por ello, x1 es la variable
entrante. El menor cociente es 17.5, de modo que, S2 es la variable saliente. El
elemento pivote es 2. Utilizando operaciones elementales sobre los renglones
para obtener un 1 en la posición del pivote y 0 en las demás posiciones de esa
columna, se tienen:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
x1 x2 S1 S2 S3 Z b
1 1 1 0 0 0 20
2 1 0 1 0 0 35
-3 1 0 0 1 0 12
-5 -4 0 0 0 1 0
1 1 1 0 0 0 20
-3 1 0 0 1 0 12
-5 -4 0 0 0 1 0
x1 x2 S1 S2 S3 Z b Cocientes
Indicadores
Variable Entrante
x1 x2 S1 S2 S3 Z b
0 ½ 1 -1/2 0 0 5/2
0 1 2 -1 0 0 5
1 0 -1 1 0 0 15
0 0 3 1 0 1 95
x1 x2 S1 S2 S3 Z b
x2 0 1 2 -1 0 0 5
x1 1 0 -1 1 0 0 15
S3 0 0 -5 4 1 0 52
Z 0 0 3 1 0 1 95
Indicadores
EJEMPLO 2
2x1+2x2+x3 ≤ 10
x1, x2, x3 ≥ 0
TABLA SIMPLEX I
x1 x2 x3 S1 S2 Z b Cocientes
Variable S1 1 2 0 1 0 0 10 10÷2=5
Saliente S2 2 2 1 0 1 0 10 10÷2=5
Z -3 -4 -3/2 0 0 1 0
Indicadores
Variable
Entrante
TABLA SIMPLEX II
x1 x2 x3 S1 S2 Z b Cocientes
Z -1 0 -3/2 2 0 1 20 0÷1=0
Indicadores
Variable
Entrante
La tabla II corresponde a una SFB (solución básica factible) en la que una variable
básica S2 es 0. Por ello, la SFB es degenerada. Ya que existen indicadores
negativos, se continúa el proceso. La variable entrante es ahora x3, la variable
saliente es S2 y el pivote se encuentra encerrado en un círculo. Utilizando
operaciones elementales sobre renglones, se obtiene la tabla III.
TABLA SIMPLEX II
x1 x2 x3 S1 S2 Z b
x2 1/2 1 0 1/2 0 0 5
x3 1 0 1 -1 1 0 0
Indicadores
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
EJEMPLO 3:
Maximizar Z=2x1+5x2+8x3
8x1-4x2+4x3 ≤ 24
x2+ x3 ≤ 8
x1, x2, x3 ≥ 0
PASO 1: INICIALIZACIÓN:
Maximizar Z
Z-2x1-5x2-8x3 = 0 (0)
xj≥0, j=1,2,…,6
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
Esto quiere decir que, en esa ecuación, la demás variables, al ser no básicas, sus
valores son ceros y, por consiguiente, podemos deducir que el valor de x5 es igual
a 24.
Observe que en la tabla se pueden leer estos valores directamente. Bastará hacer
corresponder a cada variable básica indicada en la primera columna, (V.B.) los
valores de la última columna (b).
Primera Iteración
La variable básica entrante es x3, puesto que es la que tiene mayor coeficiente en
la función objetivo de (I), o bien es la de coeficientes más negativos en la tabla
inicial (-8 en este ejemplo).
Restricción
1 a'13 = 1 b'1 = 12
2 a'23 = 1 b'2 = 24
3 a'33 = 1 b'3 = 8
Como todos los coeficientes de las ecuaciones i (i = 1, 2,3) son positivos, entonces
la cota superior estará dada por b'1/a'13. O sea:
b’1/a'13 = 12/1 = 12
b'2/a'23 = 24/4 = 6
b'3/a'33 = 8/1 = 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Ecuación (1): x1 + x2 + x3 + x4 = 12
La tabla inicial y la que resulta después de la primera iteración son las siguientes:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
Tabla Inicial
V.B x1 x2 x3 x4 x5 x6 b
Z 14 -13 0 0 2 0 48
x4 -1 2 0 1 -1/4 0 6
x5 2 -1 1 0 1/4 0 6
x6 -2 2 0 0 -1/4 1 2
Segunda iteración
2x1 - x2 + x3 + 1/4x5 = 6
La variable básica entrante es x2, puesto que es la que tiene mayor coeficiente en
la función objetivo, o bien es la del coeficiente más negativo en la tabla después
de la primera iteración.
Restricción
1 a'12 = 2 , b'1 = 6
2 a'22 = -1 , b'2 = 6
3 a'32 = 2 , b'3 = 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
6/2 = 2
2/2 = 1
El resultado es:
x1 + x4 - x6 = 4 (1)
Regla de parada
Como todos los coeficientes de la ecuación (0) son positivos, la solución presente
es óptima; o sea: Z = 61, x4 = 4, x3 = 7, x2 =1 y el resto de las variables son
ceros.
V.B x1 x2 x3 x4 x5 x6 b
Z -2 -5 -8 0 0 0 0
x4 1 1 1 1 0 0 12
x5 8 -4 4 0 1 0 24
x6 0 1 1 0 0 1 8
Tabla Inicial
V.B x1 x2 x3 x4 x5 x6 b
Z 14 -13 0 0 2 0 48
x4 -1 2 0 1 -1/4 0 6
x5 2 -1 1 0 1/4 0 6
x6 -2 2 0 0 -1/4 1 2
Primera Iteración
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
V.B x1 x2 x3 x4 x5 x6 b
Z 1 0 0 0 3/8 13/2 61
x4 1 0 0 1 0 -1 4
x5 1 0 1 0 1/8 1/2 7
x6 1 1 0 0 -1/8 1/2 1
Segunda Iteración
La solución óptima es (x1, x2, x3, x4, x5, x6) = (0, 1, 7, 4, 0, 0); Z = 61
Hemos visto la aplicación del método Simplex para obtener la solución óptima de
un problema de Programación Lineal y su forma tabular asociada. En realidad, el
proceso de hace bastante mas expedito utilizando directamente la tabla, sin tener
que pasar por las ecuaciones correspondientes. La determinación de las variables
básica entrantes y salientes en cada iteración, puede hacerse directamente a
partir de cada una de las tablas.
Ejemplo 4:
sujeto a
2x1 + 5x2 - x3 ≤ 1
-3x1 - 8x2 + 2x3≤ 4
-2x1 - 12x2 + 3x3≤£ 9
P4 P5 P6
5 -1 1 0 0 1
2
-3 -8 2 0 1 0 4
-
-2 3 0 0 1 9
12
1 - 2x1 - 5x2 + x3 = x4
(0,0,0,1,4,9)
Z =-5x1 + 8x2 + 3x3+ 0· (1 - 2x1 - 5x2 + x3)+ 0· (4 + 3x1 + 8x2 - 2x3) + 0· (9 + 2x1
+ 12x2 - 3x3)
3. Para ver si es posible mejorar z0, se examina la función z=f(x1, x2, x3) y de
todos los coeficientes que sean positivos, se coge el mayor. Mientras haya
coeficientes positivos se va a poder mejorar.
Se plantea como aumentar el valor de una variable, de forma que las otras
variables que aparecían en la expresión de Z sigan nulas y, al menos, una
de las que eran distintas de cero se anule.
x2=k>0,
x1= x3= 0
y x4, x5, x6³ 0 y de estas tres variables, al menos, una nula.
1 - 5·k = x4
4 + 8·k = x5
9 + 12·k = x6
P2 P5 P6
Obtenemos z1, que saldrá de sustituir el valor del vértice hallado en la nueva
expresión de la función objetivo:
z1= 8/5.
x3= k
x1, x4= 0
Por tanto,
1/5 + k/5 = x2
28/5 - 2/5 ·k = x5
57/5 - 3/5 ·k = x6
P2 P3 P6
1/2 1 0 1 1/2 0 3
1/2 0 1 4 5/2 0 14
5/2 0 0 -3/2 0 1 3
Z = 66 - 21/2 x1 - 20 x4 + 23/2 x5
(0,3,14,0,0,3) è z2= 66
Comentarios
Si Im no está dentro de A:
(Im , matriz identidad de mxm, con m= nº de condiciones.)
1 1 -1 0 1 1 1 -1 0 1
F1
F2- 2F1
230 1 6 012 1 4
-1 0 0 1 1 48
1 2 -1 0 0 97
0 2 0 -1 0 11
-1 0 0 1 1 0 0 48
1 2 -1 0 0 1 0 97
0 2 0 -1 0 0 1 11
Vs* = (v1, v2,..., vn, ..., 0,..., 0 ) solución de II ___ Vs = (v1, v2,..., vn) solución de I.
Para cada problema de programación lineal hay una asociación y una relación
muy importante con otro problema de programación lineal, llamado precisamente
dual. El dual permite resolver problemas de maximización resolviendo un
problema minimización relacionado con aquel.
MAX Z= CX MIN Z= BY
Sujeto a: Sujeto a:
AX ≤ b AY ≥ C
X≥0 Y≥0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
EJEMPLO 1
X1, X2, X3 ≥ 0.
El duaL es:
Minimizar W = 10Y1 + 10 Y2
Sujeta a Y1 + 2Y2 ≥ 3,
2Y1 + 2Y2 ≥ 4,
0Y1 + Y2 ≥ 2,
Y1, Y2 ≥ 0.
EJEMPLO 2
X1 + X2 ≤ 1, (12)
-4X1 + X2 ≤ 3, (13)
Y1, Y2 ≥ 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
3X1 - X2 ≥ 2,
X1 - X2 ≥ -1,
4X1 - X2 ≥ -3.
El dual es:
-Y1 - Y2 - Y3 ≤ 3,
Y1, Y2, Y3 ≥ 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
PRIMAL DUAL
Necesita para comenzar una base Necesita para comenzar una base
(primal) factible. (dual) factible.
Partiendo de una base primal factible, Partiendo de una base dual factible, el
se trata de alcanzar una factibilidad método trata de alcanzar factibilidad
del dual, manteniendo una factibilidad del primal, manteniendo una
del primal a través de todo el proceso. factibilidad del dual a través del todo
el proceso.
Los elementos pivote son posibles en Los elementos pivotes son negativos
todas las iteraciones, a fin de en todas las iteraciones, a fin de
mantener la factibilidad del primal. acercarse a la factibilidad del primal.
Sujeta a:
4X1 + 2X2 ≤ 60
2X1 + 4X2 ≤ 48
X1 + X2 ≥ 0
Sujeto a:
4X1 + 2X2 ≤ 71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
2X1 + 4X2 ≤ 59
Para resolver ese problema utilizamos la tabla final del problema anterior.
X1 X2 H1 H2
Z 0 0 5/3 2/3 132
Final X1 1 0 1/3 -1/6 12
X2 0 1 -1/6 1/3 6
X1 1/3 -1/6 71 14
= =
14
(8,6) = 157
7.5
SUJETO A:
4x1 + 2x2 ≤ 56
2x1 + 4x2 ≤ 25
Solución:
= =
X2 -1/6 1/3 25 -1
Como los nuevos valores de las variables de decisión tienen signo negativo violan
la propiedad del simplex, o sea, cuando el sector [b] ≥ [0] la solución no es factible.
Entonces la nueva solución de la segunda restricción X2= -1 no es factible; aquí
el método de dual simplex llega a ser importante para restablecer la factibilidad del
problema.
Base X1 X2 H1 H2 Solución
Z 0 0 5/3 2/3 110
X1 1 0 1/3 -1/6 14.5
X2 0 1 -1/6 1/3 -1
Z 0 10 0 4 100
X1 1 2 0 ½ 12.5
X3 0 -6 1 -2 6 Óptimo
La solución factible y óptima actual es: X1= 12.5, X2= 0, X3= 6, X4= 0, Z= 100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
No se debe olvidar que para encontrar cuál recurso hay que aumentar a fin de
lograr el mejor rendimiento marginal, tenemos que ver en la tabla final de dual
aquella variable dual correspondiente a la restricción primal que tiene el valor
positivo más alto, y el recurso que rendirá más si aumentamos unas unidades.
Para más información ver la interpretación de dual.
Sujeto a:
4X1 + 2X2 ≤ 60
2X1 + 4X2 ≤ 48
X1,X2≥ 0
Solución:
El análisis de sensibilidad para este tipo de cambio toma como punto de partida la
solución óptima del problema original multiplicando el nuevo vector de costo o
precio (valores de la función objetivo por la matriz de coeficientes tecnológicos), o
sea, la matriz de los coeficientes de las variables que no están en la base de la
tabla final de simplex: el resultado de esta multiplicación le llamaremos Q.
Coeficientes
Tecnológicos
De cual es dual
L – C = 0, la solución es óptima
1/3 -1/6
(6,5) = (7/6,2/3)
-1/6 1/3
4 2
2 4
(8 6) – (8 5) = (2 1)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
1. MAXIMIZAR
Z= x1 + 2x2
Sujeta a
2x1 + x2 ≤ 8
2x1 + 3x2 ≤ 12
x1, x2 ≥ 0
2. MAXIMIZAR
Z= -x1 + 3x2
Sujeta a
x1 + x2 ≤ 6
-x1 + x2 ≤ 4
x1, x2 ≥ 0
3. MAXIMIZAR
Z= 8x1 + 2x2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Sujeta a
x1 – x2 ≤ 1
x1 + 2x2 ≤ 8
x1 + x2 ≤ 5
x1, x2 ≥ 0
TIEMPO DE TIEMPO DE
MAQUINA TERMINADO
X 1 4
Y 2 4
Z 3 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
En los siguientes problemas hay que encontrar solo la forma dual del
ejercicio no es necesario que los resuelva, sin embargo si es su deseo
hacerlo proceda.
1. MAXIMIZAR
Z= 2x1 + 3x2
Sujeta a
x1 + x2 ≤ 6
-x1 + x2 ≤ 4
x1, x2 ≥ 0
2. MAXIMIZAR
Z= x1 + 8x2 + 5x3
Sujeta a
x1 + x2 + x3 ≥ 8
-x1 + 2x2 + x3 ≥ 2
x1, x2, x3 ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
PERIODICOS 40 100
RADIO 50 25
En el desarrollo del método simple, hemos visto que si existe una solución básica
factible (pero no optima) al conjunto de restricciones y en ausencia de
degeneración, es posible ir combinando sucesivamente un vector de la base y
alcanzar una solución optima (o una indicación de que la solución no esta
acotada) en un numero finito de pasos.
En primer lugar consideramos las menores potencias de E porque los valores mas
pequeños son los que cuentan.
a1 a2 a3 a4 a5
V.B x1 x2 x3 x4 x5 b
Z 0 0 0 -4 -3 0
X1 1 0 0 2 4 2
X2 0 1 0 3 1 0
X3 0 0 1 4 2 0
Y21/Y24 y Y31/Y34.
Y21/Y24=0/3=0
Y31/Y34=0/4=0
Y22/Y24=1/3; Y32/Y34=0/4=0
a1 a2 a3 a4 a5
V.B x1 x2 x3 x4 x5 b
Z 0 0 1 0 -1 0
X1 1 0 -1/2 0 3 2
X2 0 1 -3/4 0 -1/2 0
X3 0 0 ¼ 1 ½ 0
Primera iteración
n+s
Xb(E) = Xb + ∑ E ^ (j)Yj
j=1
Tenemos:
Z(E) = 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
Para determinar el vector que sale de la base podemos utilizar una generalización
de la formula usual;
EJEMPLO
V.B x1 x2 x3 x4 x5 b
Z 0 0 0 -4 -3 0
X1 1 0 0 2 4 2
X2 0 1 0 3 1 0
X3 0 0 1 4 2 0
Z 0 0 1 0 -1 0
X1 1 0 -1/2 0 3 2
X2 0 1 -3/4 0 -1/2 0
X3 0 0 ¼ 1 1/2 0
Z=(0,0,0,0)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
ZN=(0,0,0,1)
Los nuevos vectores de las variables son también lexicográf icamente positivos y
además ZN > Z.
INTRODUCCION
PRINCIPIO DE DESCOMPOSICION
ALGORITMO DE DESCOMPOSICION
Pasos:
Sujeto A: BjXj=bj
Xj≥0
PHP simplex es un programa gratis, que puede ayudar al estudiante a aclarar las
dudas en la aplicación de la teoría dada en este módulo. Este programa fácil de
manejar, presenta paso a paso y calcula las operaciones usando el método
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
En ayuda tutorial, encuentra la guía clara, para poder usar el programa php
simplex.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
FUENTES DOCUMENTALES
DOCUMENTOS IMPRESOS:
Revistas:
SOFTWARE EDUCATIVOS:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL
CPLEX
NETPLOW
OPTIMA
PAFO
SOCRATES
MATLAB
SIAM 2000
PIMAD
SUN W.
NASDAQ.