UNIVERSIDAD ESTATAL DE MILAGRO

INGENIERIA DE SOFTWARE
MATERIA:

INVETIGACION DE OPERACIONES

AUTOR:

ERICK MECIAS CALLE PUMAYUGRA

TEMA:

METODO SIMPLEX Y METODO GRAFICO

DOCENTE:

GIRON GUERRERO MIGUEL FRANCISCO

Fecha:

20 DE DICIEMBRE DEL 2021

Método Simplex

Es un método iterativo que permite ir mejorando la solución en cada paso. Por ejemplo, que tipo de
pan vas a comprar, en que vas a ir a comprar, cuantos panes vas a comprar y tal. Este método fue
creado para ser capaz de solucionar problemas que el método grafico no puede solucionar, muchas
restricciones y muchas variables. Será necesario tener en cuenta que el método Simplex únicamente
trabaja con restricciones del problema cuyas inecuaciones sean del tipo "≤" (menor o igual) y sus
coeficientes independientes sean mayores o iguales a 0, por lo cual será necesario aplicar la técnica
de la “Big M”.

Pasos para la resolución de problemas por el método simplex

1. Se debe expresar las inecuaciones en forma de ecuaciones lineales con la utilización de

variables adicionales, tomando en cuenta el sentido de desigualdad en cada una de las
restricciones:
 ≤ sumamos una variable de holgura (+Si)
 ≥ restamos una variable de holgura y sumamos una variable artificial (-Si + Ti)
 = sumamos una variable artificial (+Ti)
 La función objetivo (Z) igualamos a cero, esto quiere decir que todas las variables de
decisión (Xi) y coeficientes M pasamos a la izquierda, así: −𝑥1 − 𝑥2 − 𝑥𝑖 ± 𝑀 + 𝑍 = 0
2. Se realiza un tipo de matriz simplex con los coeficientes de variables.

Los encabezados de las columnas van en el orden visto en la tabla. Los encabezados de las filas
iniciamos con la función objetivo, y con respecto a las variables artificiales tendremos coeficientes M
ya sea positivos o negativos, los nombres de las otras filas se colocan en orden las ecuaciones
obtenidas en el paso 1. Dichos nombres son variables de holgura o artificiales que sean positivos (S i;
Ti). En la columna de la solución van todos los términos independientes, en donde estos variarán
hasta llegar a la respuesta del problema.

3. Columna Pívot: Para los casos de maximización escogemos en la fila objetivo (z), el
coeficiente más negativo y para el caso de minimización se escoge el coeficiente más
positivo.
4. Fila Pívot: Para hallar esta fila dividimos la columna de la solución para la columna Pívot
excepto el coeficiente de (Z) de la fila objetivo, y seleccionamos el menor cociente.
5. Número Pívot: La intersección de la fila pívot y columna pívot se denomina número Pívot y
aplicamos el teorema de “Gauss-Jordán” para resolver la matriz inicial simplex, en donde el
número Pívot debe iniciar en uno y por encima y debajo debe quedar cero, aplicando
operaciones básicas entre filas y columnas.
6. El problema habrá terminado cuando:
 No existan más letras M en la fila objetivo (z).
  Para el caso de la maximización todos los valores de la fila (Z) sean mayor o igual a
cero (positivos); y para el caso de la minimización cuando sean menor o igual a cero
(negativos); mientras tanto se procederá a realizar el número de interacciones que
sea necesario hasta llegar a la solución óptima.

Ejemplo
La empresa Cannon Hill produce muebles: sillas y mesas.

 Cada mesa toma 4 horas de mano de obra y 2 horas de acabado.

 Cada silla requiere 3horas de carpintería y 1 hora de terminaciones.
 Hasta ahora se tienen disponibles 240 horas de tiempo de carpintería y 100 horas de tiempo
de acabado.
 Cada mesa producida da una ganancia de $70 y cada silla una ganancia de $50.
 ¿Cuántas sillas y mesas debe hacer para maximizar ganancias?
 Toda desigualdad (≤) se convierte en una ecuación. Las variables de holgura representan las
horas que sobran para carpintería y acabado sino se utilizan todas.

Variables de decisión:

 x: Cant. de mesas fabricadas.

 y: Cant. de sillas fabricadas.

Función-objetiva

Maximizar ganancia.

P = 70x + 50y

Conjunto de restricciones

4x + 3y ≤ 240 (restricción mano de obra carpintería)

2x + y ≤ 100 (restricción mano de obra para acabado)

x ≥ 0, y ≥ 0 (restricción de mano de no-negatividad)

Paso 1 cada desigualdad (≤) se convierte en un ecuación introduciendo una variable de holgura.

4𝑥 + 3𝑦 + 𝑠1 = 240

2𝑥 + 𝑦 + 𝑠2 = 100

𝑥 ≥ 0, 𝑦 ≥ 0, 𝑠1 ≥ 0, 𝑠2 ≥ 0

Paso 2 Se despeja la función objetiva.

4𝑥 + 3𝑦 + 𝑠1 = 240

2𝑥 + 𝑦 + 𝑠2 = 100

𝑃 − 70𝑥 − 50𝑦 = 0

𝑥 ≥ 0, 𝑦 ≥ 0, 𝑠1 ≥ 0, 𝑠2 ≥ 0
Paso 3 Tabla por cálculos.

En las columnas aparecerán todas las variables del problema y en las filas, los coeficientes de las
ecuaciones obtenidas.

x y S1 S2 constantes
𝑠1 4 3 1 0 240
𝑠2 2 1 0 1 100
P -70 -50 0 0 0

Primera iteración:

Paso1 Determinar la variable que debe entrar en la solución

Columna pivote

Paso 2 Determinar la variable que sale de la solución

 240/4=60

100/2=50

Pivote

Paso 3 primera operación sobre las filas pivote

Columna pivote

x y S1 S2 constantes
𝑠1 4 3 1 0 240
x 1 0.5 0 0.5 50
P -70 -50 0 0 0
Pivote

Paso 4 Usar operaciones sobre las filas para que todos los elementos de la columna pivote
sean 0, excepto el pivote.

x y S1 S2 constantes
𝑠1 4 3 1 0 240
x 1 0.5 0 0.5 50
P -70 -50 0 0 0 -4R2 + R2

Lograr ceros en estas posiciones usando fila pivote

70R2 + R3

x y S1 S2 constantes
𝑠1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500
 Fin de la primera iteración

x 50

()( )
y

s2
P
0
s1 = 40
0
3500

Segunda Iteración
Paso 1 Se escoge la variable de decisión que entra a la solución.

x y S1 S2 constantes
𝑠1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500

Paso2 Se encuentra la variable de holgura que tiene que salir de la base.

x y S1 S2 constantes
𝑠1 0 1 1 -2 40
x 1 0.5 0 0.5 50 40/1=4
P 0 -15 0 35 3500
50/0.5=100

Paso 3 Primera operación sobre filas, como el pivote es uno saltamos este paso y vamos directo al

Paso 4 Operaciones sobre filas para lograr ceros en la columna pivote

x y S1 S2 constantes
𝑠1 0 1 1 -2 40
x 1 0.5 0 0.5 50
P 0 -15 0 35 3500

Las entradas de la última fila son positivas, hemos terminado.

x 30

()( )
y

s2
P
40
s1 = 0
0
4100

SOLUCION
Se deben construir:

30 meses

40 sillas

Ganancias máximas = $4100

 No sobran horas de carpintería ni de acabado

Método Grafico
La resolución de problemas lineales mediante el método gráfico solamente se la realizara cuando en
la formulación existan dos variables, ya que este método utiliza el eje de coordenadas del plano
cartesiano.

1. Región factible: Es la intersección de todas las inecuaciones graficadas una por una, los
puntos del plano que cumplen el sistema de desigualdades forman un recinto convexo
acotado (poligonal) o no acotado, llamado región factible del problema.
2. Hallar las coordenadas de los vértices de la región factible: Se procede a señalar los vértices
con letras mayúsculas del abecedario, y se iguala las restricciones que cortan en cada vértice
para poder encontrar los puntos de intersección de las rectas.
3. Hallar las coordenadas de los vértices de la región factible: Se procede a señalar los vértices
con letras mayúsculas del abecedario, y se iguala las restricciones que cortan en cada vértice
para poder encontrar los puntos de intersección de las rectas.
4. Determinación algebraica del punto óptimo: Se sustituyen cada uno de los vértices de la
región factible en la función objetivo. La solución óptima vendrá dada por aquel que tome el
mayor valor en el caso de maximización, o el menor en el caso de minimización.
5. Interpretación de la solución lógica: Consiste en hacer un informe de los resultados
encontrados para su respectiva implementación.
6. Comprobación: La solución óptima debe satisfacer todo el sistema de inecuación con la
función objetivo.

Solución Óptima Única Acotada

Este tipo de solución es la de mayor utilidad en problemas reales de programación lineal, y la
solución óptima única se encuentra en un vértice de la región factible.

Ejemplo:
Calculo de los puntos para graficar las inecuaciones

Grafica de región factible

Cálculo de los vértices

 Determinación grafica del punto optimo

Se grafica el vector: 𝒗 (-B, A), con los coeficientes de la función objetivo Z(max)=15x 1 + 11x2

𝒗(−𝟏𝟏, 𝟏𝟓), por motivos de la escala dividimos al vector para cinco, entonces tenemos: 𝒗(−𝟐, 𝟐 ; 𝟑)
La Solución gráfica del punto óptimo es: 𝑪 (𝟐, 𝟎𝟔; 𝟐, 𝟏𝟗).

Interpretación

La empresa debe fabricar 2,06 unidades del producto A y 2,19 unidades del producto B para
obtener un máximo beneficio de $54,99.

Comprobación

SOLUCIÓN ÓPTIMA MÚLTIPLE ACOTADA

Cuando al mover el vector de la F.O su último contacto con la región de factibilidad no es un
punto, si no toda una línea, es decir uno de los lados del polígono; entonces todos los puntos
que están sobre la recta son soluciones óptimas del problema.

Ejemplo

Se quiere promocionar una marca desconocida, D, de aceites, utilizando una marca conocida,
C. Para ello, se hace la siguiente oferta: “Pague a solo $ 2,5 el litro de aceite C y a $1,25 el litro
de aceite D, siempre y cuando compre en total 6 litros o más y la cantidad de aceite C esté
comprendida entre la mitad y el doble de la cantidad comprada de aceite D”. Disponemos de
un máximo de $21,25. ¿Cuál es el costo mínimo si se proyecta gastar 6 dólares de C y D
durante un día?
Calculo de los puntos para graficar cada inecuación

Grafica de la región factible

 Determinación grafica del punto optimo
Se grafica el vector: 𝒗(−𝑩,𝑨), con los coeficientes de la función objetivo (𝒎𝒊𝒏)
= 𝟔𝒙𝟏 + 𝟔𝒙𝟐. Entonces: 𝒗(−𝟔, 𝟔). Luego, se traza rectas paralelas al vector escogiendo
el punto de menor valor que corte en el eje de coordenadas (y).

Determinación algebraica del punto optimo

Interpretación
Cuando tenemos soluciones óptimas múltiples podemos escoger según más
nos convenga, cualquier punto que esté en el segmento de la recta. Para nuestro caso,
preferimos producir 4 litros de aceite D y 2 litros de aceite C, para que el producto
nuevo D salga a promocionarse en el mercado, de esta manera obtenemos un costo
mínimo de $32.

SOLUCIÓN ÓPTIMA ÚNICA NO ACOTADA

Se presenta solución no acotada generalmente en los problemas de minimización, ya que las
inecuaciones son de sentido ≥, y la región factible se va al infinito positivo, como para la
solución óptima consiste en escoger el punto mínimo, la solución está al lado opuesto de la
región factible no acotada.
Ejemplo

Un ganadero debe suministrar un mínimo diario de 4 mg de vitamina A y 6 mg de vitamina B

en el pienso que da a sus reses. Dispone para ello de dos tipos de pienso P1 y P2, cuyos
contenidos vitamínicos por kg son los que aparecen en la tabla:

Si el kilogramo de pienso P1 vale $0,4 y el del P2 $0,6. ¿Cómo deben

mezclarse los piensos para suministrar las vitaminas requeridas con un
coste mínimo?

Cálculo de los puntos para graficar cada inecuación

 Gráfica de la región factible

Determinación algebraica del punto óptimo

Interpretación

Por lo tanto se debe mezclar 0,67 kg de pienso P1 con 0,67 kg de pienso P2

para suministrar las vitaminas requeridas y tener un coste mínimo de $0,67

SOLUCIÓN ÓPTIMA MÚLTIPLE NO ACOTADA

La solución es toda una línea, es decir uno de los lados del polígono; entonces todos los puntos
que están sobre la recta son soluciones óptimas del problema.
Cálculo de los puntos para graficar cada inecuación

Gráfica de la región factible

 Determinación algebraica del punto óptimo

Interpretación

Cuando tenemos soluciones óptimas múltiples podemos escoger según más

nos convenga, cualquier punto que esté en el segmento de la recta.

NINGUNA SOLUCIÓN
Se presenta este tipo de problemas cuando una o más de las restricciones no se puede
encontrar la región factible, es decir no se intersecan entre sí, otro caso es cuando la gráfica
crece indefinidamente al infinito positivo y se pide maximizar, de la misma forma puede ser
cuando la región factible decrece indefinidamente hacia el infinito negativo y se pide
minimizar, en problemas razonados de aplicación puede ser el caso por: fallas en la
formulación del problema, restricciones mal planteadas.

Cálculo de los puntos para graficar cada inecuación

Gráfica de la región factible

Determinación gráfica del punto óptimo

 Bibliografías

Barsov, A. (1972). ¿Que es programación Lineal? México: Limus

Brigham, E., & Pappas, J. (1978). Economia y Administración. México: Interamerica.

Elvis, Y. (16 de Julio de 2008). Programación Lineal. Obtenido de

http://yusleyelvis.blogspot.com/2008/07/programacion-lineal.html

Gallagher, & Watson. (2002). Métodos cuantitativos para la toma de decisiones

administrativas. Mc Graww Hill.