INGENIERIA COMERCIAL

Investigación Operativa

Lic. Nelly Camacho O.

CONTENIDOS ANALÍTICOS
 Tema: PROGRAMACIÓN MATEMÁTICA Y
MODELAJE MATEMÁTICO

 Tema: EL MÉTODO SIMPLEX

 Tema: MODELOS LINEALES Y PROGRAMACIÓN

LINEAL

 Tema: PROGRAMACIÓN DUAL – ANÁLISIS

PARAMÉTRICO

 Tema: PROGRAMACIÓN ENTERA - PROBLEMA

DEL TRNSPORTE

 Tema: MODELO DE ASIGNACIÓN DE RECURSOS

 El Método Simplex
Definición. Se entiende por programa lineal aquel que
optimiza
𝑍 = 𝒄𝑿 (1)
Sujeto a
<
𝑨𝑿 > 𝒃 (2)
𝑿 ≥0 (3)
La función lineal (1) se llama función objetivo; las
desigualdades (2) se llaman restricciones y (3) se lo conoce
como condiciones de no negatividad.

La palabra optimizar puede significar maximizar o minimizar

 Matricialmente se rescribe al programa lineal como

𝑥1
𝑥2
Opt(𝑐1 , 𝑐2 , … , 𝑐𝑛 ) ⋮
𝑥𝑛
Sujeto a
𝑥1 𝑏1
𝑎11 ⋯ 𝑎1𝑛
𝑥2 > 𝑏2
⋮ ⋱ ⋮
⋮ < ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛
𝑥𝑛 𝑏𝑛
𝑥1 0
𝑥2
⋮ ≥ 0
⋮
𝑥𝑛 0
 Otra forma de escribirlo es:
Opt 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛

Sujeto a
>
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 𝑏1
<
>
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 𝑏2
<
………….………………………
>
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
<
𝑥1 ≥ 0, 𝑥2 ≥ 0,…, 𝑥𝑛 ≥ 0
 Por último, también se puede escribir
𝑛
Opt 𝑍 = 𝑖=1 𝑐𝑖 𝑥𝑖

Sujeto a
𝑛 >
𝑖=1 𝑎𝑗𝑖 𝑥𝑖 𝑏𝑗
<
𝑗 = 1,2, … , 𝑚
𝑥𝑖 ≥ 0 𝑖 = 1,2, … , 𝑛
 Formas equivalentes de la programación lineal
En el desarrollo que a continuación se usa la siguiente
forma de la programación lineal, denominada forma
canónica
𝑀á𝑥 𝑍 = 𝒄𝑿 (1)
Sujeto a
<
𝑨𝑿 > 𝒃 (2)
𝑿≥𝟎
Esta equivalencia se puede fácilmente hallar por medio del
uso de cualquiera de las siguientes cinco reglas
Regla1.
a) Maximizar 𝒄𝑿 es equivalente a Minimizar - 𝒄𝑿
b) Minimizar 𝒄𝑿 es equivalente a Maximizar - 𝒄𝑿
Ejemplo
a) Máx 𝑍 = 3𝑋1 − 4𝑋2 + 5𝑋3
es equivalente a: Mín 𝑍 = −3𝑋1 + 4𝑋2 − 5𝑋3

b) Mín 𝑍 = 16𝑋1 − 5𝑋2

es equivalente a: Máx 𝑍 = −16𝑋1 + 5𝑋2
 Regla 2.
a) La desigualdad 𝑨𝑿 ≤ 𝒃 es equivalente a −𝑨𝑿 ≥ −𝒃
b) La desigualdad 𝑨𝑿 ≥ 𝒃 es equivalente a −𝑨𝑿 ≤ −𝒃
Ejemplo:
a) 3𝑋1 + 4𝑋2 - 3𝑋3 ≤ 1000
es equivalente a
- 3𝑋1 − 4𝑋2 + 3𝑋3 ≥ -1000
b) 12𝑋1 − 4𝑋2 ≥ 800
es equivalente a
- 12𝑋1 + 4𝑋2 ≤ − 800
 Regla 3
Toda igualdad de la forma 𝑨𝑿 = 𝒃 , puede
descomponerse como la reducción de dos
desigualdades 𝑨𝑿 ≤ 𝒃 y 𝑨𝑿 ≥ 𝒃
Ejemplo
14𝑋1 − 3𝑋2 =7
es equivalente a
14𝑋1 − 3𝑋2 ≤ 7
14𝑋1 − 3𝑋2 ≥ 7
Regla 4
a) Toda desigualdad de la forma 𝑨𝑿 ≤ 𝒃 puede
convertirse en igualdad mediante la adición de un vector
𝒀, llamado de holgura. El vector columna 𝒀 tiene m
componentes no negativas es decir:
𝑦1 0
𝑦2
𝒀= ⋮ ≥ 0
⋮
𝑦𝑛 0
b) Toda desigualdad de la forma 𝑨𝑿 ≥ 𝒃 puede
convertirse en igualdad mediante la resta de un
vector 𝒁, llamado de holgura. El vector columna 𝒁,
tiene m componentes no negativas es decir:
 𝑧1 0
𝑧2
𝒁= ⋮ ≥ 0
⋮
𝑧𝑛 0
Ejemplo
14𝑋1 − 3𝑋2 ≤ 10
12𝑋1 + 4𝑋2 ≤ 12
es equivalente a
14𝑋1 − 3𝑋2 + 𝑋3 = 10
12𝑋1 + 4𝑋2 + 𝑋4 = 12
𝑋3 ≥0, 𝑋4 ≥0
Donde el vector de holgura es:

𝑋3 0
≥
𝑋4 0

b) 16𝑋1 − 8 𝑋2 ≥ 5
7𝑋1 + 5𝑋2 ≥ 10
es equivalente a
16𝑋1 − 8 𝑋2 − 𝑋3 =5
7𝑋1 + 5𝑋2 − 𝑋4 = 10

𝑋3 ≥0, 𝑋4 ≥0
Donde el vector de holgura:
𝑋3 0
≥
𝑋4 0
 Regla 5
Una variable no restringida, o sea aquella que puede
tomar toda clase de valores positivos, cero y
negativos puede escribirse como la diferencia de dos
variables no negativas
Ejemplo
Sea 𝑋1 una variable no restringida, entonces
𝑋1 = 𝑋2 − 𝑋3
Donde 𝑋2 ≥0, 𝑋3 ≥0
 Si 𝑋2 ≥ 𝑋3 , esto implica que 𝑋1 > 0
Si 𝑋2 = 𝑋3 , esto implica que 𝑋1 = 0
Si 𝑋2 ≤ 𝑋3 , esto implica que 𝑋1 < 0
Definiciones
Solución factible. Una solución factible al problema
lineal dado es aquel vector columna
𝑿𝑻 = 𝑋1 , 𝑋2 , … , 𝑋𝑛 .
Que satisface las restricciones
𝑨𝑿 ≤ 𝒃
𝑿 ≥0
Solución factible básica. Una solución factible
básica es aquella solución factible con no mas de
m componentes positivas
Soluciones factibles básica no degenerada. Es una
solución factible básica donde exactamente m
componentes del vector columna 𝑿 son positivas.
Soluciones factibles básica degenerada. Es una
solución factible básica donde hay menos de m
componentes positivas del vector 𝑿
Región de factibilidad. Es el conjunto de todas las
soluciones factibles
Reglas del Método Simplex
Paso 1. Dado cualquier programa lineal transformar
por medio de las reglas de equivalencia 1, 2, 3, 4, 5
al programa lineal canónico
Máx 𝑍 = 𝒄𝑿
Sujeto a
𝑨𝑿 ≤ 𝒃
𝑿≥𝟎
Paso 2. Reescribir la función objetivo de la siguiente
manera
𝑍 − 𝒄𝑿 =0
Paso 3. Aplicando las reglas de equivalencia,
convertir todas las desigualdades en igualdades
Máx 𝑍 − 𝒄𝑿 = 0
Sujeto a
𝑨𝑿 + 𝑿 = 𝒃
𝑿≥𝟎
𝑿≥𝟎
 Paso 3. Constrúyase una tabla

𝑍 𝑋1 , 𝑋2 … 𝑋𝑛 𝑋𝑛+1 , 𝑋𝑛+2 … 𝑋𝑛+𝑚

1 𝑐𝐵 𝐵−1 𝐴 𝑐𝐵 𝐵−1 𝑐𝐵 𝑋𝐵
−𝑐
𝑎𝐵1
𝑎𝐵2
.
. 0 𝐵−1 𝐴 𝐵−1 𝑋𝐵
.
𝑎𝐵𝑛
 𝑍 𝑋1 𝑋2 … 𝑋𝑛 𝑋𝑛+1 𝑋𝑛+2 … 𝑋𝑛+𝑚
1 𝑍1 − 𝑐1 𝑍2 − 𝑐2 … 𝑍𝑛 − 𝑐𝑛 𝑍𝑛+1 − 𝑐𝑛+1 𝑍𝑛+2 − 𝑐𝑛+2 … 𝑍𝑛+𝑚 − 𝑐𝑛+𝑚 𝑍0

𝑎𝐵1 0 𝑌11 𝑌12 … 𝑌1𝑛 𝑌1,𝑛+1 𝑌1,𝑛+2 … 𝑌1,𝑛+𝑚 𝑋𝐵1

𝑎𝐵2 0 𝑌21 𝑌22 … 𝑌2𝑛 𝑌2,𝑛+1 𝑌2,𝑛+2 … 𝑌2,𝑛+𝑚 𝑋𝐵2
.
. .
.
. ……………………… ……………………………… .
.
𝑎𝐵𝑛 . .
0 𝑌𝑚1 𝑌𝑚2 … 𝑌𝑚𝑛 𝑌𝑚,𝑛+1 𝑌𝑚,𝑛+2 … 𝑌𝑚,𝑛+𝑚 𝑋𝐵𝑚
Paso 5. Seleccionar como vector de entrada aquél
cuya 𝑍𝑗 − 𝑐𝑗 sea la más negativa en el caso de
maximización. Si no hay ningún candidato de entrada,
es decir que si todas 𝑍𝑗 − 𝑐𝑗 ≥ 0, entonces la solución
𝑋𝐵 es el óptimo

Paso 6. Una vez seleccionada la columna 𝑎𝑗 que

entrará a la nueva base, se seleccionará el vector de
salida 𝑎𝑟 de la base actual mediante
𝑋𝐵𝑟 𝑋𝐵𝑘
= min /𝑌𝑘𝑗 > 0
𝑌𝑟𝑗 𝑘 𝑌𝑘𝑗
En el caso de que todos 𝑌𝑟𝑗 , del denominador sean
negativos, se tiene el caso de una solución no acotada
Paso 7. La intersección en la tabla de la columna
que entra y la que sale determina el elemento pivote
𝑌𝑟𝑗 . Se aplica operaciones matriciales elementales
en el pivote
𝑌𝑟𝑗 con el objeto de convertir la columna 𝑎𝑗 en el
vector unitario
 Ejemplo. Resuélvase por medio del método simplex

𝑀á𝑥𝑍 = 5000𝑋1 +3000𝑋2 Lo primero que hacemos:

Sujeto a: Por el paso 2
3𝑋1 +5𝑋2 ≤15 𝑀á𝑥𝑍 − 5000𝑋1 − 3000𝑋2 =0
5𝑋1 +2𝑋2 ≤10 Por el paso 3
𝑋1 , 𝑋2 ≥0 𝑍 − 5000𝑋1 − 3000𝑋2
3𝑋1 + 5𝑋2 + 𝑋3 = 15
5𝑋1 + 2𝑋2 + 𝑋4 = 10
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 ≥ 0
 Por el paso 4

𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑍0
1 -5000 -3000 0 0 0
𝑎𝟑 0 3 5 1 0 15
VECT. EN 𝑋𝐵
LA BASE 𝑎𝟒 0 5 2 0 1 10

La base formada por la columnas 𝑎3 , 𝑎4 , se identifica el

punto extremo: 𝑋1 = 0, 𝑋2 = 0, 𝑋3 = 15, 𝑋4 = 10 y 𝑍 = 0
 Cabe preguntarnos, ¿existe un punto extremo en la
región de factibilidad que mejore el valor de la función
objetivo?
Los pasos 5 y 6 nos darán respuesta. Elegir el más
negativo de: 𝑍𝑗 − 𝑐𝑗 <0, es decir:
𝑍𝑗 − 𝑐𝑗 =mín {-5000,-3000}=-5000
Por lo que la columna 𝑎1 ingresará a la base, para ver
que columna de la base saldrá,
𝑋𝐵𝑟 𝑋𝐵𝑘
= min /𝑌𝑘𝑗 > 0
𝑌𝑟𝑗 𝑘 𝑌𝑘𝑗
 𝑋𝐵𝑟 15 10
= min , = 𝑚𝑖𝑛 5,2 =2
𝑌𝑟𝑗 𝑘 3 5

𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑍0
1 -5000 -1000 0 0 0

𝑎𝐵1 0 3 5 1 0 15 15/3=5
Div entre 5
𝑎𝐵2 0 5 2 0 1 10 𝑋𝐵 10/5=2

pivote
Inicialmente convertimos al pivote en 1, y el resto de
los elementos de la columna en cero
𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑍0
1 -5000 -3000 0 0 0

𝑎3 0 3 5 1 0 15
𝑎1 0 1 2/5 0 1/5 2 (f3x5000)
f3x(-3)

(1 2/5 0 1/5 2) x5000

5000 2000 0 1000 10000
-5000 -3000 0 0 0
0 -1000 0 1000 10000
 (1 2/5 0 1/5 2) x(-3)
-3 -6/5 0 -3/5 -6
3 5 1 0 15
0 19/5 1 -3/5 9

𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑍0
1 0 -1000 0 1000 10000
𝑎3 0 0 19/5 1 -3/5 9
F2*5/19
𝑎1 0 1 2/5 0 1/5 2

𝑋𝐵𝑟 9 2 45 45
= min , = 𝑚𝑖𝑛 ,5 =19=2,37
𝑌𝑟𝑗 𝑘 19/5 2/5 19
Procedemos del mismo modo

𝑍 𝑋1 𝑋2 𝑋3 𝑋4 𝑍0

1 0 0 5000/19 16000/19 235000/19

𝑎𝟐 0 0 1 5/19 -3/19 45/19
𝑎1 0 1 0 -2/19 25/19 20/19

(0 1 5/19 -3/19 45/19 ) x1000

0 1000 5000/19 -3000/19 45000/19
0 -1000 0 1000 10000
0 0 5000/19 16000/19 235000/19
 (0 1 5/19 -3/19 45/19 ) x1000
0 1000 5000/19 -3000/19 45000/19
0 -1000 0 1000 10000
0 0 5000/19 16000/19 235000/19

(0 1 5/19 -3/19 45/19 ) x (-2/5)

0 -2/5 -2/19 6/95 -18/19
1 2/5 0 1/5 2
1 0 -2/19 25/95 20/19
La nueva solución o punto extremo correspondiente a
la nueva base, 𝐵(𝑎1 , 𝑎2 ) ya es óptimo, porque
𝑍𝑗 − 𝑐𝑗 ≥0
20 45
𝑋1 = 19 ; 𝑋2 = 19 ; 𝑋3 =0; 𝑋4 =0
235000
y 𝑍= = 12368,4211
19
Que corrobora:
20 45 23500
𝑀á𝑥𝑍 = 5000 19
+1000 19
= 19 = 12368,4211
Sujeto a:
3𝑋1 +5𝑋2 ≤15
5𝑋1 +2𝑋2 ≤10
𝑋1 , 𝑋2 ≥0

20 45
3 +5 ≤15
19 19
20 45
5 19
+2 19
≤10
 Ejercicios
1. Problema de la dieta. Consideremos el problema de
determinación del menú más económico que satisfaga las
necesidades esenciales de nutrición. Supongamos que los
alimentos disponibles, su costo, el valor nutricional y los
requerimientos nutricionales diarios son:
Nº Alimento Costo ($) Calcio Hierro (1
(100 mgr) mgr)
1 Leche(lt) 4.00 12 1
2 Carne(kg) 60.00 0 26
3 Huevo(kg) 12.00 3 10
4 Pan (kg) 2.00 1 2
Requer. 10 12
 𝑋1 : Unidades en litros de leche
𝑋2 : Unidades en kg de carne
𝑋3 : Unidades en kg de huevo
𝑋4 : Unidades en kg de pan

𝑀𝑖𝑛 𝑍 = 4𝑋1 + 60𝑋2 + 12 𝑋3 + 2 𝑋4

Sujeta a:
12𝑋1 + 3 𝑋3 + 𝑋4 ≥ 10
𝑋1 + 26𝑋2 + 10 𝑋3 + 2 𝑋4 ≥ 12
𝑋1 , 𝑋2 , 𝑋3 , 𝑋4 ≥ 0
2. Cierto fabricante produce sillas y mesas para las
que requiere la utilización de dos secciones de
producción: la sección de montaje y la sección de
pintura. La producción de una silla requiere 1 hora
de trabajo en la sección de montaje y de 2 horas en
la de pintura. Por su parte, la fabricación de una
mesa precisa de 3 horas en la sección de montaje y
de1 hora en la de pintura. La sección de montaje
solo puede estar 9 horas diarias de funcionamiento,
mientras que la de pintura sólo 8 horas. El beneficio
produciendo mesas es doble que el de sillas. ¿Cuál
ha de ser la producción diaria de mesas y sillas para
que el beneficio sea máximo?
Construyendo la tabla para plantear el problema:
Nº Producto Montaje Pintura Beneficio
1 Sillas 1 2 1
2 Mesas 3 1 2

Disp. 9 8

𝑋1 : Unidades de sillas
𝑋2 : Unidades de mesas

𝑀á𝑥 𝑍 = 𝑋1 + 2𝑋2
Sujeta a:
𝑋1 + 3𝑋2 ≤ 9
2𝑋1 + 𝑋2 ≤8
𝑋1 , 𝑋2 ≥ 0
MaxZ=0+2(3)=6
Max Z=3+2(2)=7
MaxZ=4+2(0)=4

𝑋1 : 3 unidades de sillas
𝑋2 : 2 unidades de mesa
 3.Sobre dos alimentos diferentes tenemos la siguiente
información por kilógramo

Alimento Calorías Proteínas Precio

(gr) (Bs)

A 1000 25 60
B 2000 100 210

Hallar el costo mínimo de una dieta y que aporte

3000 calorías y 100 gramos de proteínas
 𝑋1 : Unidades del alimento A
𝑋2 : Unidades del alimento B
𝑀𝑖𝑛 𝑍 = 60𝑋1 + 210𝑋2
Sujeta a:
1000𝑋1 + 2000𝑋2 ≥ 3000
25𝑋1 + 100𝑋2 ≥ 100
𝑋1 , 𝑋2 ≥ 0

𝑋1 + 2𝑋2 =3
𝑋1 + 4𝑋2 =4
MínZ= 60(0)+210(3/2)=315
Mín Z= 60(2)+210(1/2)= 225
Mín Z= 60(4)+210(0)= 240

𝑋1 : 2 unidades de alimento A
𝑋2 : 1/2 unidad de alimento B