Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2024
Christian Stephania Flores Escudero Profesor:
Fernando Bueno Mora
Instituto politécnico nacional
10-1-2024
“Métodos Cuantitativos”
Estudio de caso 6.
Modelos de programación lineal parte 2
Grupo: 4IX30
Profesor: Fernando Bueno Mora
Boleta:20210A0588
Contenido
Introducción...................................................................................................................................................... 2
Desarrollo.......................................................................................................................................................... 3
Estudio de caso 6...........................................................................................................................................3
Método Simplex.............................................................................................................................................3
Paso 1. Planteamiento del caso y recabación de datos...........................................................................3
Datos................................................................................................................................................................. 4
Paso 2. Restricciones................................................................................................................................5
Paso 3. Generar matriz.............................................................................................................................5
Paso 4. Solución básica inicial.......................................................................................................................5
Paso 5. Seleccionar la variable de entrada utilizando la condición de optimalidad...............................6
Paso 6. Seleccionar la Variable de Salida con la Condición de Factibilidad.............................................................6
Paso 7. Actualizar la matriz......................................................................................................................7
Paso 8. Seleccionar la Variable de Salida con la Condición de Factibilidad.............................................................9
Paso 9. Actualizar la matriz......................................................................................................................9
Paso 10. Sustitución...............................................................................................................................11
conclusión método simplex.............................................................................................................................11
1
Introducción
Objetivo general
Conocer los diferentes métodos de resolución y cálculo, para la maximización de utilidades, recursos
y optimización de estos.
Objetivos específicos
Aplicar los métodos Simplex y de Transporte.
Método Simplex
Es un método analítico de solución de problemas de programación lineal, capaz de resolver modelos
más complejos que los resueltos mediante el método gráfico, sin restricción en el número de
variables y con una mayor capacidad de análisis de sensibilidad.
Es un procedimiento iterativo para resolver problemas de programación lineal, donde se busca
obtener la solución óptima de la función objetivo que logre cumplir el conjunto de restricciones.
El método parte de dos afirmaciones importantes:
1. El conjunto de posibles soluciones o conjunto factible de cualquier problema de
programación lineal puede representarse mediante un poliedro convexo.
2. Si un problema de programación lineal tiene una solución óptima y finita, ésta estará en un
vértice del poliedro convexo que representa al problema.
Método de Transporte
Es una aplicación singular de la programación lineal cuyo objetivo es determinar el esquema de
transporte que minimice el coste total de este, conocidos los costes unitarios desde el origen i hasta
el destino.
2
Desarrollo
Estudio de caso 6
Método Simplex
Lo primero es definir el problema y determinar los datos o información con los que contamos.
Determinar cuántos kilogramos de fertilizante 1 y cuántos del tipo 2 debe fabricar para lograr la
mayor ganancia posible, es decir, maximizar la utilidad.
3
Datos
Por fertilizante se requiere:
Función objetivo
4
Paso 2. Restricciones
Desarrollamos tabla simplex incluyendo los términos de holgura que nos permitieron igualar.
X1 X2 S1 S2 S3
S1 0.05 0.05 1 0 0
S2 0.05 0.10 0 1 0
S3 0.10 0.05 0 0 1
Z -18.8 -20 0 0 0
El método simplex parte de un vértice de la región factible, es decir, un punto extremo. Con cada
iteración avanzaremos de vértice en vértice hasta llegar a la solución óptima.
X1 X2 S1 S2 S3 R
S1 0.05 0.05 1 0 0 1220
S2 0.05 0.10 0 1 0 1320
S3 0.10 0.05 0 0 1 3000
Z -18.8 -20 0 0 0 0
S1: 1220
5
S2: 1320
S3: 3000
Dado que buscamos maximizar, marcaremos la columna que contenga el valor negativo más
grande:
X1 X2 S1 S2 S3 R
S1 0.05 0.05 1 0 0 1220
S2 0.05 0.10 0 1 0 1230
S3 0.10 0.05 0 0 1 3000
Z -18.8 -20 0 0 0 0
X1 X2 S1 S2 S3 R CRX
S1 0.05 0.05 1 0 0 1220 1220 / 0.05
S2 0.05 0.10 0 1 0 1600 1320/ 0.10
S3 0.10 0.05 0 0 1 2150 3000 / 0.05
Z -18.8 -20 0 0 0 0 Vector de costes
Ahora buscaremos dentro de la columna marcada, el valor que corresponda con el resultado menor
del extremo derecho, es decir, nuestra nueva variable de salida.
X1 X2 S1 S2 S3 R CRX
S1 0.05 0.05 1 0 0 1220 24,400
S2 0.05 0.10 0 1 0 1320 13,200
S3 0.10 0.05 0 0 1 3000 60,000
Z -18.8 -20 0 0 0 0 Vector de costes
X1 X2 S1 S2 S3 R CRX
S1 0.05 0.05 1 0 0 1220 24,400
S2 0.05 0.10 0 1 0 1320 13,200
S3 0.10 0.05 0 0 1 3000 60,000
Z -18.8 -20 0 0 0 0 Vector de costes
6
Paso 7. Actualizar la matriz
Una vez determinado nuestro elemento pivote, realizaremos las operaciones de Gauss-Jordan para
formar nuestra matriz identidad. El nuevo valor de cada fila se calculará de la siguiente manera:
Para la fila pivote: El nuevo valor se obtendrá dividiendo el valor actual entre el elemento pivote.
Nuevo Valor Fila Pivote = Valor Actual Fila Pivote / Elemento Pivote
Para las otras filas: El nuevo valor se calcula restando del valor actual, la multiplicación del
elemento de la fila que se encuentra en la columna pivote por el nuevo valor calculado en la fila
pivote.
Nuevo Valor = Valor Actual – (Elemento Fila Columna Pivote*Nuevo Valor Fila Pivote).
X1 X2 S1 S2 S3 R
S1 0.05 0.05 1 0 0 1220
S2 0.05 / 0.10 0.10/ 0 / 0.10 1 / 0.10 0/ 0.10 1320 / 0.10
0.10
S3 0.10 0.05 0 0 1 3000
Z -18.8 -20 0 0 0 0
X1 X2 S1 S2 S3 R
S1 0.05 0.05 1 0 0 1220
S2 0.50 1 0 10 0 13,200
S3 0.10 0.05 0 0 1 3000
Z -18.8 -20 0 0 0 0
7
X1 X2 S1 S2 S3 R
S1 0.50 x (-0.05) + 1 x (-0.05) + (0) x (-0.05) + (10) x (-0.05) + (0) x (-0.05) + (13,200) x (-
0.05 = 0.05 = 1= 0 = -0.5+0 = 0= 0.05) + 1220 =
-0.25 + .05 = -0-05 + 0.05 = 0+1=1 -0.5 -0.5+0 = 0 -660.00 + 1220
0.025 0 = 560.00
S2 0.50 1 0 10 0 13,200
S3 0.50 x (-0.05) + 1 x (-0.05) + 0 x (-0.05) + 0 10 x (-0.05) + 0 0 x (-0.05) + 1 13,200 x (-0.05)
0.10 = 0.05 = = = = + 3000 =
-0.25 + 0.10 = 0.05 + 0.05 = 0 0+0=1 -0.5 + 0 = 0+1=1 -660.00 + 3000
0.075 -0.5 = 2,340.00
S2 0.50 1 0 10 0 13,200
S3 0.075 0 1 -0.5 1 2,340.00
Identificamos nuevamente la columna con el valor negativo mayor, en este caso X1 donde está -
8.80.
X1 X2 S1 S2 S3 R
S1 0.025 0 1 -0.5 0 560.00
S2 0.50 1 0 10 0 13,200
S3 0.075 0 1 -0.5 1 2,340.00
8
Paso 8. Seleccionar la Variable de Salida con la Condición de Factibilidad
Ahora buscaremos dentro de la columna marcada, el valor que corresponda con el resultado menor
del extremo derecho, es decir, nuestra nueva variable de salida.
X1 X2 S1 S2 S3 R CRX
S1 0.025 0 1 -0.5 0 650.00 22,400
S2 0.50 1 0 10 0 13,200 26,400
S3 0.075 0 1 -0.5 1 2,340.00 31,200
Z -8.80 20 0 200 0 264,000 Vector de costes
9
X1 X2 S1 S2 S3 R CRX
S1 1 0 40 -20 0 48,800 896,000
S2 0.50 1 0 10 0 1320
S3 0.075 0 1 -0.5 1 3000
Z -8.80 20 0 200 0 0
X1 X2 S1 S2 S3 R
S1 1 0 40 -20 0 48,800
X1 X2 S1 S2 S3 R
S1 1 0 40 -20 0 48,800
S2 0 1 -20 20 0 -37,600
S3 0 0 -3 1 1 6,600
10
X1 X2 S1 S2 S3 R
S1 1 0 40 -20 0 48,800
S2 0 1 -20 20 0 -37,600
S3 0 0 -3 1 1 6,600
Z =18.8 x1 + 20 x2
Z = 18.8 (48,800) + 20 (-37,600)
Z = 917,440 +(-752,000)
Z = 917,440 -752,000
Z = 165,440
1. La condición de optimidad asegura que nunca se encontrará una solución inferior relativa al punto
de solución actual.
2. La condición de factibilidad que garantiza que partiendo de una solución básica factible solamente
se encontrarán soluciones básicas factibles. Un problema de programación lineal siempre tiene una
solución que está localizada en uno de los vértices del conjunto de soluciones factibles.
11
Rassini Logistic SA CV maneja cuatro bodegas: Cd. De México, Estado de México Aguascalientes,
Veracruz. Con una capacidad de 1875.3, 983, 2652 y 2006.5 unidades respectivamente. Debe de
abastecer a cuatro centros de venta que requieren de: 758.5, 1189, 2910.5 y 2658.8 unidades. Los
costos de transporte son:
12