Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El Método Simplex
Una matriz puede definirse como una ordenación rectangular de elementos, (o listado finito de
elementos), los cuales pueden ser números reales o complejos, dispuestos en forma de filas y de
columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo número tanto de
columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y
todos los demás componentes iguales a cero (0), se denomina matriz idéntica o identidad de
orden n, y se denota por:
El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales que se modelan
mediante programación lineal no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el recurso
al cual hace referencia la restricción y que en el tabulado final representa el «Slack or surplus»al
que hacen referencia los famosos programas de resolución de investigación de operaciones, 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 «>=».
Por ejemplo:
Variable artificial / Método de la «M»
Una variable artificial es un truco matemático para convertir inecuaciones «>=» en ecuaciones, o
cuando aparecen igualdades en el problema original, la característica principal de estas variables
es que no deben formar parte de la solución, dado que no representan recursos. El objetivo
fundamental de estas variables es la formación de la matriz identidad.
Estas variables se representa por la letra «A», siempre se suman a las restricciones, su coeficiente
es M (por esto se le denomina Método de la M grande, donde M significa un número demasiado
grande muy poco atractivo para la función objetivo), y el signo en la función objetivo va en contra
del sentido de la misma, es decir, en problemas de Maximización su signo es menos (-) y en
problemas de Minimización su signo es (+), repetimos con el objetivo de que su valor en la
solución sea cero (0).
El problema
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
Paso 3: Definir la solución básica inicial
El Método Simplex parte de una solución básica inicial para realizar todas sus
iteraciones, esta solución básica inicial se forma con las variables de coeficiente
diferente de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
En nuestro caso de ejemplo, todos los Cj – Zj son iguales a 20000, por lo tanto, la
decisión debe tomarse de forma arbitraria, es decir, puede elegirse cualquiera como
variable de entrada. Elegiremos la variable X4.
Dado que X4 es la variable de entrada, los valores que se encuentran en su columna
pasarán a ser A. Veamos:
En el caso de la columna temporal A cuando el valor es igual o menor que 0 no se
considera para el cálculo de B/A. Por ejemplo, en la fila #2 el valor de A era igual a 0,
por lo tanto, no se considera para el cálculo de B/A.
Dado lo anterior, la elección de la fila saliente se da de acuerdo al menor valor de la
columna temporal B/A, es decir, entre los valores 20 – 10 – 4. (Tal como observamos
en la imagen anterior). Así entonces, la variable que sale será S4.
2. El hecho de que una variable distinta forme parte de las variables solución implica
una serie de cambios en el tabulado Simplex, cambios que se explicarán a
continuación.
El valor de la intersección entre la columna de la variable que entra y la fila de la
variable que sale, se denomina a (minúscula). Veamos en este caso cuál es el a.
A continuación, todos los valores de la fila de salida se dividen por a.
Como resultado tendremos los valores correspondientes a la nueva fila, en este caso la
fila X4.
Uno de los pasos más confusos en Simplex es el que se detallará a continuación, sin
embargo, es cuestión de prestar suma atención al procedimiento.
Estos valores, deben sumarse con los valores de la fila 1 que se encontraba en la tabla
anterior (S1). Veamos:
Como resultado tendremos los valores correspondientes a la fila1 de la primera
iteración, en este caso la fila S1.
En el caso de la fila 2, recordemos que el valor de a corresponde a 0. Así que los
valores pasan tal cual como se encontraban en la tabla anterior.
Veamos qué pasa con la tercera fila:
Esta misma operación se efectúa para toda la tabla; es decir, cada columna deberá
multiplicarse por Cb. Es recomendable utilizar otra tabla para registrar dichos valores.
Al final, deberá sumar los sumar los valores de cada columna y totalizarlos en Zj. A esa
tabla le llamaremos: Tabla de productos de Cb:
Maximizar Minimizar
Solución Óptima Cuando todos los Cj – Zj sean <= 0 Cuando todos los Cj – Zj sean >= 0
Continuamos con las iteraciones para lo cual tenemos que repetir los pasos
anteriores.
En esta última iteración podemos observar que se cumple con la consigna Cj – Zj <=
0, para ejercicios cuya función objetivo sea «Maximizar», por ende hemos llegado a la
respuesta óptima.
X2 = 7
X3 = 6
X4 = 4
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Función Objetivo: $ 340000
Sin embargo una vez finalizado el Método Simplex se debe observar una matriz
identidad en el rectángulo determinado por las variables de decisión (líneas
punteadas), el hecho de que en este caso no se muestre la matriz identidad significa
que existe una solución óptima alterna.
La manera de llegar a la otra solución consiste en alterar el orden en que cada una de
las variables entró a la solución básica, recordemos que el proceso fue decidido al azar
debido a la igualdad en el Cj – Zj del tabulado inicial. Aquí les presentamos una de las
maneras de llegar a la otra solución.
Podemos observar como existe una solución óptima alternativa en la cual la
combinación de variables es distinta y existe un menor consumo de recursos, dado
que el hecho de que se encuentre la variable «S1» en la solución óptima con un
coeficiente de «3» significa que se presenta una holgura de 3 unidades del recurso
(pieza rectangular de 8 pines).
Minimizar 2x1 – x2
Sujeto a:
2x1 + 3x2 ≤ 10
x1 + x2 ≤ 6
x1, x2 ≥ 0
Solución
Para resolver el problema utilizaremos la versión de membresía
de nuestra calculadora de programación lineal:
Función Objetivo
Minimizar: Z = 2X1 – 1X2
Sujeto a:
2X1 + 3X2 ≤ 10
1X1 + 1X2 ≤ 6
X1, X2 ≥ 0
Función Objetivo
Minimizar: Z = 2X1 – 1X2 + 0S1 + 0S2
Sujeto a:
2X1 + 3X2 + 1S1 + 0S2 = 10
1X1 + 1X2 + 0S1 + 1S2 = 6
X1, X2, S1, S2 ≥ 0
Leyenda de tabla
Las letras presentes en las tablas corresponden a:
Solución
Matriz Inicial
Tab la 1 Cj 2 -1 0 0
Cb Base X1 X2 S1 S2 R
0 S1 2 3 1 0 10
0 S2 1 1 0 1 6
Z -2 1 0 0 0
Condición de Optimalidad
En el vector de costes reducidos (Z) tenemos valores positivos, por
lo que debemos seleccionar el mayor valor para la columna
pivote (minimización).
El vector solución esta compuesto por los siguientes números: [-
2, 1, 0, 0]. El mayor valor es = 1 que corresponde a la variable X2.
Esta variable ingresará a la base y sus valores en la tabla
conformarán nuestra columna pivote.
Condición de Factibilidad
Se verificará la condición de factibilidad, dividiendo los valores de
la columna R entre la columna pivote X2. Para procesar la división,
el denominador debe ser estrictamente positivo (Si es cero o
negativo se colocará N/A = No aplica). El menor valor definirá la
variable que saldrá de la base:
Fila S1 → R1 / X2,1 = 10 / 3 = 3.(3) (Menor Valor)
Fila S2 → R2 / X2,2 = 6 / 1 = 6
Iteración 1
Cálculos
Realizaremos las iteraciones de cada valor en la tabla
considerando lo siguiente:
Valor Actual
Fila Pivote 2 3 1 0 10
Elemento
Pivote 3 3 3 3 3
Nuevo Valor
Fila Pivote 2 / 3 = 2/3 3/3=1 1 / 3 = 1/3 0/3=0 10 / 3 = 10/3
Fila 2:
Valor
Actual 1 1 0 1 6
Element
o Fila
Columna
Pivote 1 1 1 1 1
Nuevo
Valor
Fila
Pivote 2/3 1 1/3 0 10/3
Fila 3:
Valor Actual -2 1 0 0 0
Elemento Fila
Columna Pivote 1 1 1 1 1
-2 – (1×2/3)
Nuevo Valor = -8/3 1 – (1×1) = 0 0 – (1×1/3) = -1/3 0 – (1×0) = 0 0 – (1×10/3) = -10/3
Tabla 2 Cj 2 -1 0 0
Cb Bas e X1 X2 S1 S2 R
Condición de Optimalidad
Dado que no tenemos valores positivos en el vector de costes
reducidos (Z) = [-8/3, 0, -1/3, 0], significa que nos encontramos en
el punto óptimo (minimización).
https://www.ingenieriaindustrialonline.com/investigacion-de-operaciones/metodo-
simplex/
EJERCICIOS MODELO SIMPLEX MINIMIZAR
En una granja de pollos se da una dieta, para engordar, con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B.
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades
con un coste mínimo?
Solución
En una granja de pollos se da una dieta, para engordar, con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B.
¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades
con un coste mínimo?
1 Elección de las incógnitas.
x=X
y=Y
2 Función objetivo
3 Restricciones
X Y Mínimo
A 1 5 15
B 5 1 15
x + 5y ≥ 15
5x + y ≥ 15
x≥0
y≥0
5 Calcular las coordenadas de los vértices del recinto de las soluciones factibles.
f(15, 0) = 10 · 15 + 30 · 0 = 150
Ejercicio sobre ofertas de ropa. MODELO SIMPLEX
MAXIMIZAR
Solución
x = nº de lotes de A
y = nº de lotes de B
2 Función objetivo
3 Restricciones
A B Mínimo
Camisas 1 3 200
Pantalones 1 1 100
x + 3y ≤ 200
x + y ≤ 100
x ≥ 20
y ≥ 10
5 Calcular las coordenadas de los vértices del recinto de las soluciones factibles.
f(x, y) = 30 · 20 + 50 · 10 = 1100 €
f(x, y) = 30 · 90 + 50 · 10 = 3200 €
f(x, y) = 30 · 20 + 50 · 60 = 3600 €
Variables de Decisión:
: Hectáreas destinadas al cultivo de de Sauvignon Blanc
: Hectáreas destinadas al cultivo de Chardonay
Función Objetivo:
Maximizar
Restricciones:
Donde las restricciones están asociadas a la disponibilidad máxima de hectáreas
para la plantación, presupuesto disponible, horas hombre en el período de
planificación y no negatividad, respectivamente.
Ejercicio N°2: Un taller tiene tres (3) tipos de máquinas A, B y C; puede fabricar dos (2)
productos 1 y 2, todos los productos tienen que ir a cada máquina y cada uno va en el
mismo orden: Primero a la máquina A, luego a la B y luego a la C. La siguiente tabla
muestra:
Variables de Decisión:
: Unidades a producir del Producto 1 semanalmente
: Unidades a producir del Producto 2 semanalmente
Función Objetivo:
Maximizar
Restricciones:
Las restricciones representan la disponibilidad de horas semanales para las
máquinas A, B y C, respectivamente, además de incorporar las condiciones de no
negatividad.
Variables de Decisión:
: Unidades a producir diariamente del Producto 1
: Unidades a producir diariamente del Producto 2
Función Objetivo:
Maximizar
Restricciones:
La primera restricción representa las limitantes de horas de armado diariamente.
La segunda restricción la disponibilidad de horas para labores de control de calidad
(también diariamente). La tercera restricción establece una cota superior para la
producción y ventas diarias del Producto 1. Adicionalmente se incluyen las
condiciones de no negatividad para las variables de decisión.
Variables de Decisión:
: Unidades a producir diariamente del Producto 1
: Unidades a producir diariamente del Producto 2
Función Objetivo:
Maximizar
Restricciones:
La primera restricción representa las limitantes de horas de armado diariamente.
La segunda restricción la disponibilidad de horas para labores de control de calidad
(también diariamente). La tercera restricción establece una cota superior para la
producción y ventas diarias del Producto 1. Adicionalmente se incluyen las
condiciones de no negatividad para las variables de decisión.
Las variables de decisión son incógnitas que deben ser determinadas a partir de la solución del
modelo. Los parámetros representan los valoresconocidos del sistema o que se pueden
controlar. Las variables de decisión se representan por: X1, X2, X3,…, Xn ó Xi, i = 1, 2, 3,…, n.
Función Objetivo
La función objetivo es una relación matemática entre las variables de decisión, parámetros y
una magnitud que representa el objetivo o producto del sistema. Es la medición de la
efectividad del Modelo formulado en función de las variables. Determina lo que se va optimizar
(Maximizar o Minimizar).
La solución ÓPTIMA se obtiene cuando el valor de la Función Objetivo es óptimo (valor
máximo o mínimo), para un conjunto de valores factibles de las variables. Es decir, hay que
reemplazar las variables obtenidas X1, X2, X3,…, Xn; en la Función Objetivo Z = f (C1X1, C2X2,
C3X3,…, CnXn) sujeto a las restricciones del modelo matemático.
Por ejemplo, si el objetivo es minimizar los costos de operación, la función objetivo debe
expresar la relación entre el costo y las variables de decisión, siendo el resultado el menor costo
de las soluciones factibles obtenidas.
Restricciones
Las restricciones son relaciones entre las variables de decisión y los recursos disponibles. Las
restricciones del modelo limitan el valor de las variables de decisión. Se generan cuando los
recursos disponibles son limitados.
En el Modelo se incluye, adicionalmente de las restricciones, la Restricción de No
Negatividad de las Variables de decisión, o sea: Xi = 0.
La programación lineal es la interrelación de los componentes de un sistema, en
términos matemáticos, ya sea en forma de ecuaciones o inecuaciones lineales llamado Modelo
de Programación Lineal. Es una técnica utilizada para desarrollar modelos matemáticos,
diseñada para optimizar el uso de los recursos limitados en una empresa u organización.
El Modelo de Programación Lineal, es una representación simbólica de la realidad que se
estudia, o del problema que se va a solucionar. Se forma con expresiones de
lógicas matemáticas, conteniendo términos que significan contribuciones: a la utilidad (con
máximo) o al costo (con mínimo) en la Función Objetivo del modelo. Y al consumo de recursos
disponibles (con desigualdades = ó = e igualdades =) en las restricciones.
En el presente texto desarrollaremos Modelos Matemáticos de Programación Lineal de:
Maximización y Minimización, los cuales estarán indicados en la Función Objetivo del Modelo.
Se desea formular un modelo matemático para determinar la cantidad que debe producirse
por cada producto (M y N), por lo tanto tendremos dos variables, representados por: x1 , x2.
Siendo: x1 = Cantidad a producirse del producto M,
x2 = Cantidad a producirse del producto N
Función Objetivo
Luego la Función Objetivo será Minimizar "C" igual al Costo total de producción del producto
M más el Costo total de producción del producto N.
Matemáticamente la Función Objetivo es:
Definición de Restricciones