Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Minimización
En la lectura anterior, hemos completado el algoritmo simplex a partir de una solución básica factible inicial (SBFI) para un problema de
maximización con disponibilidad de recursos limitados (<=). En esta lectura avanzaremos con el estudio de maximización de utilidades y
minimización de costos, pero con modificaciones de requerimientos de recursos.
Problema
Variables de excedente
Minimización
Referencias
LECCIÓN 1 de 6
Problema
La empresa Silban S. A. fabrica y vende dos tipos de productos: sillas y bancos. Para ello dispone de una
máquina cortadora de madera que trabaja 8 horas diarias y de un total de 9 kg de madera —como
materia prima— por día para fabricarlos.
Se desea determinar el número de productos diarios que se deben fabricar de cada tipo (sillas y bancos)
para obtener el máximo beneficio, sabiendo que la utilidad por cada silla es de $2000 y por cada banco,
de $3000. Además, se conocen los datos de la siguiente tabla, que representan las horas de trabajo de la
máquina cortadora empleadas para cada producto y la materia prima (madera) necesaria para cada uno.
1 la cantidad de productos de silla y banco que se deben fabricar para maximizar la ganancia;
Nuestro objetivo en esta instancia no es resolverlo, sino plantear el problema de programación lineal en su nueva
forma estándar, para obtener una solución básica factible inicial (SBFI).
Variables de excedente
Recuerda que el primer paso para resolver un problema de programación lineal es convertir las desigualdades en
igualdades utilizando variables de holgura siempre que las restricciones sean de menor o igual (<=), y lo hicimos
sumando estas variables al primer miembro de la inecuación, como vimos en la lectura anterior, pero ¿qué sucede si
la inecuaciones es de >=?
La respuesta es: si la inecuación contiene el signo de >=, debe recurrirse a una variable de excedente. Esta se resta
al primer miembro de la inecuación. Así, para nuestro problema las restricciones, quedaron:
x + 2y ≤ 8 (1)
3x + y ≥ 9 (2)
x ≥ 0; y ≥ 0 (3)
Donde:
x: Silla.
y: Banco.
(3): Restricción de no negatividad (no puede haber valores negativos de sillas y bancos).
1 La primera desigualdad se transforma en igualdad añadiendo una variable de holgura, que llamaremos s1
(tal como vimos en la lectura anterior), con lo que nos queda la ecuación:
2 La segunda desigualdad se convierte en ecuación restando una variable de excedente, que denominamos
s2, y la ecuación queda:
3x + y - s2 = 9 (restricción de kilogramos de materia prima)
3 La variable de excedente s2 representa la diferencia entre 3x + y con el lado derecho 9; si esta diferencia es
cero, entonces: s2 = 0, pero, si esta diferencia es distinta a cero, será necesariamente positiva, por lo que
s2 > 0, pues la desigualdad es mayor que cero.
Por lo expuesto, tanto las variables de holgura como las de excedentes son mayores o iguales a cero; en caso
contrario, se violarían una o más desigualdades originales.
En este modelo modificado, se tiene un sistema de ecuaciones con más variables que igualdades. Recuerda el
análisis que hicimos en la Lectura 1. El sistema sigue teniendo n − m variables no básicas.
C O NT I NU A R
LECCIÓN 3 de 6
Variables artificiales
Las variables artificiales se utilizan en el método simplex solo como auxiliares para identificar una
solución factible básica inicial para el problema. Estas variables son necesarias cuando un problema
contiene restricciones de mayor que o igual a (>=) y de igualdad (=). Las variables artificiales se utilizan
para completar la matriz identidad, y de esta manera permitir una solución inicial. (Davis y McKeown,
1995b, p. 155).
Lo que debe quedar claro es que, al sumar variables de holgura, como el coeficiente de dicha variable es 1, siempre
podemos encontrar una submatriz de identidad para poder calcular la solución factible básica inicial. Pero, si
restamos una variable de excedente, el coeficiente es −1, y por esa razón hay que agregar una variable artificial
solamente para poder partir con el método simplex, ya que podremos encontrar, con el auxilio de las variables
artificiales, una SFBI. Lo mismo ocurre en el caso de una igualdad. Para poder comprender mejor este tema, vamos
a resolver un problema en el que tengamos que recurrir a variables de excedente y artificiales.
Finalmente, a continuación se muestra cómo queda nuestro problema en su forma estándar, añadiendo variables
de holgura, excedente y artificial para obtener una solución básica factible inicial (SBFI):
Sujeto a lo siguiente:
x + 2y + s1 = 8 (2)
3x + y - s2 + A1 = 9 (3)
x≥ 0; y ≥ 0; s1 ≥ 0; s2 ≥ 0; A1 ≥ 0 (4)
Donde:
x: Cantidad de sillas.
y: Cantidad de bancos.
(1): Función objetivo (ganancia que desea maximizar la empresa Silban S. A.).
Observa que, en la función objetivo, la variable artificial se resta porque es un caso de maximización, y su coeficiente
es 100 veces más grande que el mayor coeficiente que se encuentra en la función objetivo (3000 de y [bancos]).
Este valor elegido es arbitrario, ya que generalmente se selecciona uno muy grande (algunos autores lo representan
con la letra M), de modo que, cuando se aplique el método simplex, la variable artificial pueda salir rápidamente por
su contribución negativa.
Hasta ahora, hemos aplicado simplex solo para problemas de maximización. Es tiempo de ver qué sucede en
situaciones que requieran minimizar la función objetivo.
En el método simplex, cuando tenemos una restricción de igualdad, para llevarla a la forma estándar debemos:
Restar una variable excedente y sumar una variable artificial para obtener una SBFI.
SUBMIT
C O NT I NU A R
LECCIÓN 4 de 6
Minimización
Antes de introducir este tema, queremos aclarar que no solamente las variables de excedente y las artificiales se
utilizan en problemas de minimización; como vimos, también se utilizan para maximización. Simplemente sucede
que, en este tipo de problemas de minimización, se emplean con mayor frecuencia.
Por otro lado, tienes que tener en cuenta dos cuestiones para un problema de minimización:
1 La prueba de optimalidad cambia: El proceso de solución continúa hasta que todos los valores de la fila de los indicadores sean negativos o
ceros.
2 La variable entrante que se elige es la que tiene el valor positivo más grande en la fila de los indicadores.
Para comprender el método simplex para minimización, retomamos el problema de la empresa Silban S. A., que
fabrica y vende sillas y bancos, pero con una nueva situación problemática.
En un problema de programación lineal, cuando deseamos minimizar la función objetivo a través del método simplex, llegamos al
Verdadero, porque en minimización del método simplex la fila Z debe tener todos sus coeficientes ceros o
negativos para alcanzar el óptimo.
Falso, porque en minimización del método simplex la fila Z debe tener todos sus coeficientes ceros o
positivos para alcanzar el óptimo.
SUBMIT
C O NT I NU A R
LECCIÓN 5 de 6
Los administradores de Silban S. A., sobre la base de los actuales niveles de inventario y de la demanda
potencial para el siguiente mes, han especificado que la producción total combinada de los productos
sillas y bancos debe ser, al menos, de 7700 unidades. Por otro lado, también se debe satisfacer el pedido
de la compañía Wooden Furniture, que demanda al menos 2750 sillas. El objetivo de Silban S. A. es
satisfacer los requisitos anteriores, incurriendo en el menor costo de producción posible. Los costos de
fabricación son de $3 por silla y de $2 por mesa.
Minimizar Z = 3 x + 2 y (1)
x; y > = 0 (4)
Donde:
x: Cantidad de sillas.
y: Cantidad de bancos.
(1): Función objetivo (costos de producción que desea minimizar la empresa Silban S. A.).
(4): Restricción de no negatividad (no puede haber sillas y bancos con valores negativas).
Como en las restricciones de >=, restamos variables de excedente. A la vez, para poder encontrar una
solución factible básica inicial, sumaremos simultáneamente variables artificiales que llamaremos A (en el
texto de la bibliografía básica, figura como R. Hay distintas notaciones en los textos consultados; en esta
lectura adoptaremos A).
Siendo:
x: Cantidad de sillas.
y: Cantidad de bancos.
Obsérvese que la cantidad de variables de excedente será tanta como inecuaciones del tipo >= haya. En el
caso de las variables artificiales, será la misma cantidad, pues, por cada variable de excedente que
restamos, tenemos que sumar una artificial. Si se tratara de una igualdad, solo se agregaría la artificial para
poder obtener la SFBI. Como el sistema tiene más variables que ecuaciones, sabemos que existen infinitas
soluciones.
2 Planteamos ahora la función objetivo introduciendo las variables artificiales y las de excedente.
Pero a las variables artificiales se las introduce con coeficientes grandes, justamente para que el mismo
método las expulse, pues no tienen sentido en la función objetivo, ya que existen por una cuestión
meramente algebraica.
Esta inserción de las variables artificiales con coeficiente alto en la función objetivo crea un problema que,
en su momento, estudiaremos cómo resolver.
Generalmente, los coeficientes de las variables artificiales se calculan unas 100 veces más que el de las
variables principales, pero para simplificar podemos tomar el mismo valor para ambas variables: A1 y A2.
El valor que tomaremos es 200 (se podría haber tomado otro; también podrían haberse tomado
coeficientes distintos para ambas variables artificiales). Entonces, la función objetivo nos queda:
Recuerda que los sistemas de restricciones pueden tener restricciones de <=, >= o = tanto si se debe
maximizar la función objetivo como si se debe minimizar.
3 Obtengamos, ahora, la SFBI. Analicemos la cantidad de variables no básicas para poder obtener la SFBI
(una de las infinitas soluciones del sistema, que es punto de partida para comenzar a optimizar con el
método simplex). Tenemos 2 ecuaciones, por lo que m = 2, y 6 variables, de modo que n = 6. Entonces, la
cantidad de variables no básicas es: n – m = 6 – 2 = 4.
x = 0 (ninguna silla).
y = 0 (ninguna mesa).
Básica Z x y s1 s2 A1 A2 Solución
Z 1 -3 -2 0 0 -200 -200 0
A1 0 1 1 -1 0 1 0 7700
A2 0 1 0 0 -1 0 1 2750
Antes de seguir, observemos que, en la última columna, Z = 0 no está en concordancia con lo que indica la
función objetivo en esa misma tabla, pues:
Esta contradicción se debe a la incorporación de las variables artificiales en la función objetivo con
coeficientes distintos de cero. Por lo tanto, habrá que acomodar la tabla para que podamos comenzar a
aplicar el método simplex. La forma de hacerlo es anular los coeficientes de las variables artificiales y
aplicar operaciones elementales por filas.
Observa que, si multiplicamos la fila 2 de la tabla por 200, le sumamos la 1 y sustituimos la fila 1 por el
resultado de esta operación, el coeficiente −200 queda en cero. Lo mismo hacemos con la fila 3 para
anular el coeficiente de A2. Así nos queda la tabla: sumamos, a la fila 1, la segunda previamente
multiplicada por 200.
Básica Z x y s1 s2 A1 A2 Solución
A1 0 1 1 -1 0 1 0 7700
A2 0 1 0 0 -1 0 1 2750
Básica Z x y s1 s2 A1 A2 Solución
A1 0 1 1 -1 0 1 0 7700
A2 0 1 0 0 -1 0 1 2750
Esta tabla está en concordancia con lo obtenido anteriormente en la función objetivo. Entonces, podemos
aplicar el método simplex buscando la variable de entrada y de salida. La columna que tiene el número
positivo más alto es la correspondiente con x. Esta es, entonces, la variable de entrada. La variable de
salida será el cociente positivo menor entre la columna Solución y los coeficientes de x en las ecuaciones
(recuerda que, en este paso, no se tiene en cuenta la función objetivo).
7700/1 = 7700;
2750/1 = 2750.
La tabla simplex queda del siguiente modo (está marcado el pívot con una circunferencia y quedan
anulados todos los coeficientes de la columna del pívot realizando operaciones elementales por filas):
Básica Z x y s1 s2 A1 A2 Solución
A1 0 0 1 -1 1 1 -1 4950
x 0 1 0 0 -1 0 1 2750
Pero hay coeficientes positivos en la primera fila, lo que nos dice que la función objetivo puede mejorarse.
Repetimos el método simplex buscando la variable de entrada, que será y (valor más positivo de fila de Z),
y la de salida, A₁. En una iteración más, la tabla nos queda como sigue:
Tabla 5. Tabla simplex: paso 2 de resolución del problema de minimización y resultado final
Básica Z x1 x2 s1 s2 A1 A2 Solución
y 0 0 1 -1 1 1 -1 4950
x 0 1 0 0 -1 0 1 2750
x = 2750 (sillas).
y = 4950 (bancos).
Esto significa que, produciendo 2750 sillas y 4950 bancos, la empresa Silban S. A. tendrá un costo mínimo
de fabricación de $18 150.
Presta atención a lo siguiente: por un lado, con la cantidad de sillas fabricadas, se satisface la demanda de
la compañía Wooden Furniture; por otro, la suma de sillas y bancos (2750 + 4950) nos da el total de la
producción total combinada de sillas y bancos estipulada por los administradores de la empresa Silban S.
A. de 7700 unidades.
C O NT I NU A R
LECCIÓN 6 de 6
Referencias
Davis, K. y McKeown, P. (1995a). Capítulo 2: Introducción a los modelos de programación lineal. En Autores, Modelos
cuantitativos para administración (pp. 23-61). México D. F., MX: Grupo Editorial Iberoamérica.
Davis, K. y McKeown, P. (1995b). Capítulo 4: El método simplex. En Autores, Modelos cuantitativos para
administración (pp. 129-184). México: Grupo Editorial Iberoamérica.
Taha, H. A (2012). Capítulo 3: Método simplex y análisis de sensibilidad. En Autor, Investigación de operaciones (pp.
69-136). México D. F., MX: Pearson Educación.
C O NT I NU A R