UNIVERSIDAD LIBRE

Facultad
Ciencias Económicas, administrativas y contables
Administración de Negocios Internacionales

Actividad Evaluativa

Estudiantes
Rafael Florez Besinger

Asignatura
Investigación de operaciones

Profesor
Roció Duarte

¿Quién desarrollo este algoritmo?

Respuesta: George Bernard Dantzig

¿en qué año?

Respuesta: fue creado en el año de 1947 por el matemático George Dantzing, con el fin de
resolver problemas de programación lineal

¿Porque se dice que el método simplex es un método iterativo?

Respuesta: es un método iterativo que permite ir mejorando la solución en cada paso. La razón
matemática de esta mejora radica en que el método consiste en caminar del vértice de un
poliedro a un vértice vecino de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número de vértices que presenta un
poliedro solución es finito siempre se hallará solución.

¿Cuál es la diferencia al aplicar el método si se trata de maximizar o minimizar la función

objetivo?
Maximización
Condición de parada: La fila z no aparece ningún valor negativo
Condición de entrada a la base: el menor valor negativo en la fila Z indica la variable pj que
entra en la base
Condición de salida de base: Una vez obtenida la variable entrante la variable que sale se
determina mediante el menor cociente po/pj de los estrictamente positivos

Minimización
Condición de parada: cuando la fila Z no aparece ningún valor positivo
Condición de entrada a la base: el mayor valor positivo en la fila Z indica la variable Pj que entra
a la base
Condición de salida de base: Una vez obtenida la variable entrante, la variable que sale se
determina mediante el menor cociente po/pj de los estrictamente negativos
¿cómo se logra encontrar la variable de decisión que entra en la base y la variable de
holgura que sale de la base?
Respuesta:

Para escoger la variable de decisión que entra en la base, (FLECHA VERDE VERTICAL),
observamos la última fila, la cual muestra los coeficientes de la función objetivo y escogemos la
variable con el coeficiente más negativo (en términos de valor absoluto). En este caso, la variable
x1 de coeficiente - 3. 1.-Si existen dos o más coeficientes iguales que cumplan la condición
anterior, entonces se elige cualquiera de ellos. 2.-Si en la última fila no hay un coeficiente
negativo, significa que se ha alcanzado la solución óptima. Por tanto, lo que va a determinar el
final del proceso de aplicación del método del simplex, es que en la última fila no haya
elementos negativos. La columna de la variable que entra en la base se llama columna pivote.
Para encontrar la variable de holgura que tiene que salir de la base, (FLECHA VERDE
HORIZONTAL) se divide cada término de la última columna (valores solución) por el término
correspondiente de la columna pivote, siempre que estos últimos sean mayores que cero. Si
hubiese algún elemento menor o igual que cero no se hace la división. En el caso de que todos
los elementos fuesen menores o iguales a cero, entonces tendríamos una solución no acotada y
no se puede seguir. El término de la columna pivote que en la división anterior dé 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, S3. Esta fila se llama fila pivote.

¿Realizando el proceso anterior, en que caso tenemos una solución no acotada? ¿podemos
seguir el ejercicio?
Para ello llevamos el modelo a su forma estándar, agregando X3 y X4 como variables de holgura
de la restricción 1 y 2, respectivamente. Lo anterior define la siguiente tabla inicial del método:

Notar que X2 es la variable no básica con el costo reducido más negativo y siguiendo ese criterio
debería ser aquella que ingresamos a la base. Sin embargo, no es factible hacer el criterio de
factibilidad o mínimo cociente debido a que los elementos en la columna de X2 son negativos o
cero. En esta instancia ya se puede afirmar que el problema es no acotado.

Cuando se normaliza en el método simplex el signo de los términos independientes A que se

le llaman variables de holgura exceso y artificiales y cuando debemos incluir cada una de
ellas ?
Variables de Holgura y Exceso El método trabaja basándose en ecuaciones y como las
restricciones iniciales que se modelan no lo son, entonces se convierte de inecuaciones a
ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el
recurso al cual hace referencia la restricción. Estas variables adquieren un gran valor en el
análisis de sensibilidad y juegan un rol fundamental en la creación de la matriz identidad base del
Simplex. Estas variables suelen estar representadas por la letra "S", se suman si la restricción es
de signo "<= " y se restan si la restricción es de signo ">=".
¿Durante el proceso del método simplex en qué momento se utiliza la reducción gaussiana?
Se utiliza en el momento de determinar las soluciones de un sistema de ecuaciones lineales,
encontrar matrices e inversas. Un sistema de ecuaciones se resuelve por el método de Gauss
cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en
el que cada ecuación tiene una incógnita menos que la anterior. El método de Gauss transforma
la matriz de coeficientes en una matriz triangular superior, mientras que el método de Gauss-
Jordan continúa el proceso de transformación hasta obtener una matriz diagonal.

¿Durante el proceso en que momento llegamos a la solución óptima?

Tabla
    C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
P1 Cb1 b1 a11 a12 ... a1n-k ... a1n
P2 Cb2 b2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn-k ... amn
Z   Z0 Z1 Z2 ... Zn-k ... Zn

Cuando se cumple la condición de parada y no hay variables artificiales en la base con valor
positivo (los valores se indican en la columna P0), se ha conseguido la optimización. El valor Z0
actual es la solución óptima del problema, cumpliéndose para las variables que se encuentran en
la base. Si se trata de un problema de minimización, el valor óptimo obtenido se multiplicará por
"-1".