Metodo de Variables Acotadas G-4

UNIVERSIDAD MAYOR REAL Y PONTIFICIA DE
SAN FRANCISCO XAVIER DE CHUQUISACAP
Grupo: Buscaminas
Integrantes:
Espada Aguilar Jamil (Shisho)
Gutierrez Benitez Miguel Fernando (Pichon)
Torrez Flores Limber (Tajos)
Docente. – Ing. Julio Castro Azurduy
Fecha. – 04/09/2023
Sucre-Bolivia
Facultad de Ing. Civil Sistemas de Ing. civil Buscaminas G-4
Carrera de Ingeniería Civil CIV - 251
TABLA DE CONTENIDO
1. INTRODUCCION ........................................................................................................................... 2
1.1 METODO SIMPLEX .............................................................................................................. 3
1.2 CRITERIOS............................................................................................................................ 3
1.2.1 Criterio de mejorabilidad ............................................................................................ 3
1.2.2 Criterio de factibilidad ................................................................................................. 3
2. METODO DE VARIABLES ACOTADAS ........................................................................................... 3
2.1 INTRODUCCION .................................................................................................................. 3
2.2 ¿QUÉ ES? ............................................................................................................................. 4
2.3 ¿PARA QUE SIRVE? ............................................................................................................. 4
2.4 ¿CÓMO FUNCIONA? ........................................................................................................... 4
3. CARACTERÍSTICAS DEL MÉTODO ................................................................................................. 5
3.1 VARIABLE DE HOLGURA ..................................................................................................... 5
3.2 TÉCNICA DE PIVOTEO ......................................................................................................... 5
3.3 DIFERENCIA METODO SIMPLEX NORMAL Y METODO VARIABLES ACOTADAS ................ 5
3.4 DESVENTAJA DEL METODO DE VARIABLES ACOTADAS .................................................... 5
3.5 SOLUCIÓN BÁSICA .............................................................................................................. 6
3.6 CRITERIO DE ELECCIÓN DE LA VARIABLE QUE ENTRA EN LA BASE ................................... 6
3.7 INCREMENTO DE XK A PARTIR DE SU VALOR ACTUAL LK Y SU ACTUALIZACIÓN ............. 7
4. TIPOS DE VARIABLES ACOTADAS................................................................................................. 7
4.1 VARIABLES ACOTADAS SUPERIORMENTE ......................................................................... 7
4.2 VARIABLES ACOTADAS INFERIORMENTE......................................................................... 11
5. REQUISITOS ............................................................................................................................... 13
6. EJEMPLO DE APLICACIÓN .......................................................................................................... 14
7. BIBLIOGRAFIA ............................................................................................................................ 15
1
METODO DE VARIABLES ACOTADAS
1. INTRODUCCIÓN
Tradicionalmente se ha dado un enfoque eminentemente matemático a la
resolución de problemas de Investigación Operativa, haciéndose énfasis en la
aplicación de modelos teóricos a cuestiones relacionadas con la producción de
bienes y servicios. Su ámbito de actuación se ha ceñido, básicamente, al área
funcional de producción, tomando el corto plazo como horizonte temporal para el
que son válidas las soluciones obtenidas tras la aplicación de las herramientas
matemáticas. No obstante, en los últimos años se ha observado un progresivo
cambio de enfoque, a favor de considerar a esta disciplina como un medio útil para
facilitar las complejas labores de dirección de empresas.
Estas circunstancias se han puesto de manifiesto también con una herramienta tan
difundida, y a la vez tan desconocida, como es la programación lineal. Se trata de
un modelo cuyos fundamentos básicos son imprescindibles para aplicar de manera
precisa los métodos de resolución. La objeción más común que se realiza respecto
a su uso se centra, fundamentalmente, en que su ámbito de aplicación se
circunscribe a entornos de decisión bajo certidumbre, a la vez que supuestas unas
improbables condiciones reales de linealidad. Sin embargo, la práctica ha
demostrado que constituye una herramienta de un valor inestimable en los procesos
de dirección de empresas, al permitir apoyar, no sólo la realización de
programaciones a nivel operativo, sino también la de interpretaciones económicas,
análisis de sensibilidad y planificación en función de determinados parámetros
productivos.
Según todo lo anterior se puede comprender que la programación lineal en un tipo

de modelo con clase de incertidumbre determinista y con alta frecuencia de uso en
corporaciones, por eso surge el interés de enfocar la atención en los métodos
2
aplicables en programación. Uno de ellos es el de las Variables Acotadas que se

describirá brevemente.
1.1. METODO SIMPLEX

El método simplex fue creado como un sistema iterativo que obtiene y evalúa
ingeniosamente la solución básica factible del problema hasta encontrar la
solución óptima.
El método simplex lleva a cabo la solución óptima en 3 pasos
 Se obtiene una solución básica factible inicial (SBFI)
 Mediante un criterio de mejorabilidad se decide si la SBF actual es
susceptible de mejoría
 Utilizando un criterio de factibilidad, se diseña una SBF que
necesariamente será factible
1.2. CRITERIOS
1.2.1. Criterio de mejorabilidad
El criterio de mejorabilidad consiste en maximizar o minimizar el valor
de la función objetivo
1.2.2. Criterio de factibilidad

Es un criterio que nos indica que la solución debe ser positiva y
satisfagan las restricciones a las que están sometidas. Siendo estas
soluciones optimas que nos guíen a una mejor toma de decisiones
2. METODO DE VARIABLES ACOTADAS

2.1. INTRODUCCION
A diferencia del método simplex, una variable acotada tiene límites superiores e
inferiores.
3
2.2. ¿QUÉ ES?

En la mayoría de los problemas prácticos de programación lineal las variables
acotadas, en algunos casos se debe a una disponibilidad limitada de recursos
por ejemplo en el caso de las dietas, es muy natural que se tengan
restricciones de mínimos y máximos en los nutrientes las cuales dan orígenes
a variables de holgura con cotas superiores e inferiores
2.3. ¿PARA QUE SIRVE?
El objetivo consistirá en maximizar o minimizar el valor de la función objetivo
por ejemplo incrementar ganancias o reducir pérdidas respectivamente
2.4. ¿CÓMO FUNCIONA?
Modelo de programación lineal de forma estándar
Función objetivo ->
La función objetivo es la ecuación que será optimizada dadas las limitaciones

o restricciones que se encuentran en las inecuaciones.
4
Este modelo de programación línea de forma estándar está escrita

matricialmente como se muestra a continuación:
MAXZ= Ct X
AX=b (b)
L ≤x≤ U
De la ecuación (b) obtenemos un conjunto de soluciones para “x” la cual está
sujeta a un límite inferior y límite superior, a esto se lo conoce como variable
acotada en cambio sí L tiende a ∞ y u a -∞ se lo conoce como variable libre.
3. CARACTERÍSTICAS DEL MÉTODO

3.1. VARIABLE DE HOLGURA
es una variable que se suma al primer miembro de la inecuación para que
esta cumpla la función de convertir la inecuación en ecuación, a esta variable
se le conoce con la letra “S” en cambio cuando sea necesario restar una
variable para balancear la ecuación dicha variable se lo conoce como
variable superávit denotada con la letra “E”
3.2. TÉCNICA DE PIVOTEO
es la intercesión entra la fila y columna pivote
3.3. DIFERENCIA MÉTODO SIMPLEX NORMAL Y MÉTODO DE

VARIABLES ACOTADAS
La mayoría de los números que aparecen en la tabla del método normal no se usan
realmente en las iteraciones, mientras que en el método de Variables Acotadas sólo
se calculan los valores necesarios para encontrar la solución óptima a través de
matrices o mediante tablas.
3.4. DESVENTAJA DEL MÉTODO DE VARIABLES ACOTADAS
El método requiere muchas operaciones de matrices y deja de estar tan
estructurado como el método Simplex, es muy posible confundirse durante las
iteraciones.
5
Las pruebas que se realizan son:

• Prueba de optimalidad, que consiste en verificar que la solución planteada
sea óptima (de cada variable no básica)
• Prueba de factibilidad, que consiste en saber cual es la variable que sale de
las variables básicas.
3.5. SOLUCIÓN BÁSICA

Sea el sistema AX = b, donde A es una matriz de mxn de rango m, entonces el
vector X es una solución básica factible del sistema si A se descompone.
Si una variable es no básica entonces está en su cota inferior o en su cota superior.

Si tomamos LB = 0O y a UB = 00ý, entonces tenemos las restricciones usuales de
no negatividad XB ≥z 0.O
3.6. CRITERIO DE ELECCIÓN DE LA VARIABLE QUE ENTRA A LA BASE
El Índice k de la variable que puede entrar a la base se determina como aquel en
donde el costo de la variable corresponda.
Si este máximo es positivo, entonces Xk es la variable que entra a la base. Si este
máximo es no positivo entonces tenemos el siguiente teorema.
Teorema de optimalidad.- Si M ≤ 0 entonces la solución actual es óptima.
Cuando Z ya no puede decrecer, la solución actual es óptima.

La variable que puede entrar a la base modifica su valor de manera restringida, ya
que un cambio en su valor obliga a que las variables básicas también se modifiquen
y se debe asegurar que las variables X y X" se mantengan dentro de sus cotas, es
decir Lk ≤ Xk ≤ Uk y LB ≤ XB ≤ UB
Por lo que es necesario considerar el incremento o decremento de esta variable.
6
3.7. INCREMENTO DE XK APARTIR DE SU VALOR ACTUAL LK Y SU

ACTUALIZACIÓN
Sea XK = LN1 + ∆Kek ésta representa que la variable con índice k aumenta de valor
la cantidad ∆K (inicialmente ∆K = 0). Las variables restantes no básicas están fijas
y los valores actuales de XB y Z se sustituyen.
4. TIPOS DE VARIABLES ACOTADAS

4.1. VARIABLES ACOTADAS SUPERIORMENTE
La técnica de la cota superior evita añadir las cotas superiores de las
variables como restricciones
Este es un modelo de programación lineal con 4 variables decisión y 0
restricciones. Si aplicamos el Simplex tendríamos que añadir 6 variables de
holgura para expresar un modelo en la forma estándar. La tabla del simplex
tendría 6 variables y 10 ecuaciones. La técnica de la cota superior evita
añadir las cotas superiores de las variables con más restricciones.
Pasos a seguir
1. Este método define una nueva variable por cada cota superior, por
ejemplo: para x1 decimos “su variable complementaria x1 prima de tal
manera que la suma de ambas es la cota superior.
2. En este caso al tener todas las variables menores o iguales a uno, la suma
de cada variable más su complementario será igual a 1.
3. En primer lugar, hay que poner las ecuaciones de las restricciones en la
forma estándar añadiendo las variables de holgura S1 y S2.
4. A continuación, hay que construir la tabla con la solución básica iniciar
básica del simplex, a partir de las restricciones funciones y la función
objetivo.
5. La solución inicial es factible las variables básicas son las variables de
holgura S1 y S2 ambas con valor 5 mientas que las variables decisión
son variables no básicas y por tanto su valor es 0 el valor de la función
objetivo también es 0. Toda interacción del algoritmo del Simplex
7
empieza eligiendo la variable que entra en la base. ¿Entonces que

variable entra?
6. En la primera interacción entra X4 porque en términos unitarios mejora
más la función objetivo. ¿entonces que variable saldrá de la base?
7. S2 es la primera variable básica que llega a 0 se necesitan 1,25 unidades
de X4 para hacer cero S2, sin embargo, X4 no puede ser mayor que uno
debido a su cota superior.
8. Por tanto, el cambio de base será debido a que la variable X4 alcanza su

cota superior 1.
9. ¿Cómo se hace este cambio de base? Entonces cuando X4 es 1, X4
prima es 0 y por tanto X4 prima será la variable no básica en la siguiente
tabla, además al cambiar X4 por su complementaria los coeficientes
serán los mismos cambiados de signo.
10. Aquí se puede observar cómo se modifica la columna de la variable no
básica que entra en la base, en la práctica no entra en la base porque
ninguna de las variables básicas S1 y S2 han llegado a 0 por tanto solo
se cambia de variable no básica, en la tabla 1 es X4 y en la tabla 2 es X4
prima.
11. A continuación, hay que actualizar los valores de las variables básicas y
la función objetivo utilizando las fórmulas del cambio de base, S1 será el
valor de la variable básica en la tabla anterior 5 menos el coeficiente alfa
que es 2 multiplicado por las unidades de X4 que entran es decir su cota
superior de 1 ahora calcula el nuevo valor de S2, y comprueba que el
valor de S2 ha disminuido en 4.
12. La variación de la función objetivo será la cota superior de X4, que es 1,
por su coste reducido.
13. En síntesis, la técnica de la cota superior amplia la regla del cambio de
base cuando al aumentar el valor de la variable no básica entrante esta
8
alcanza su cota superior Uj antes de que ninguna variable básica alcance

el valor 0, entonces su complementaria es 0 y se hace un cambio de
variable no básica multiplicando por menos 1 su columna.
14. ¿Se puede mejorar esta solución básica? La respuesta es que si,
entramos en la base X2 ya que su coste reducido es positivo y además
es el más grande.
15. ¿Qué variable saldrá de la base al entrar en X2? La última columna de la
tabla muestra que cuando X2 valga 0,5 la variable de holgura S2 valdrá
0, por tanto, S2 se anula antes de que X2 alcance su cota superior que
es 1, la siguiente solución básica se obtendrá aplicando las conocidas
formulas del pivote y del semi pivote.
16. Observar que en cada solución básica que vamos calculando mejora la
función objetivo, en la solución anterior vale 25 y en esta 32,5.
17. En esta última iteración se ha aplicado la regla del Simplex en la que sale
de la base la primera variable que alcanza el valor 0 se identifica por la
variable con el mínimo cociente entre bi y el cociente de la fila i y la
columna de la variable entrante. El valor Beta representa el número de
unidades de la variable entrante que hace 0 una variable básica
18. Esta es la 3ra tabla del Simplex ¿podemos seguir mejorando?
19. Si entrando en la base X3 ¿Cuánto se puede incrementar X3?
20. Como su cota superior es 1 no puede superar este valor ¿Qué pasa con
las variables básicas S1 y S2?
21. Observar que S1 disminuye ya que su alfa es positiva, cuando X3 sea
0,5 S1 tendrá el valor 0, hemos llamado Beta a este valor.
22. Como el Coeficiente alfa de la fila X2 y columna X3 es negativo aumenta
su valor al incrementar X3 por tanto podría alcanzar su cota superior,
Delta nos indica las unidades necesarias de X3 para que X2 sea 1, que
es su cota superior, y por tanto no podemos dejar que supere este valor.
23. ¿Cuál será la variable que sale? Con 0,5 unidades de X3 la variable
9
básica S1 vale 0, pero antes con 0,33 unidades de X3 la variable básica

X2 valdrá 1, su cota superior, la cota de la variable entrante es 1, la regla
del cambio de base será la que resulte del mínimo de Beta, Delta y Uj, en
este caso es Delta ¿Cómo se calcula la tabla siguiente?
24. Primero se pone el valor de Delta en la fila de X3 que sustituye a X2.
25. Luego se aplican las reglas del pivote y semi pivote.
26. Por último, cambiamos X2 por X2 prima ya que al salir X2 por valer 1 la
variable que es 0 es su complementaria, al sustituir X2 por X2 prima en la
tabla multiplicamos por menos 1 los coeficientes de su columna.
27. En síntesis, la 3ra regla de cambio de base será cuando la variable
básica incrementa de valor y alcanza su cota superior.
28. Y aquí terminamos de resolver el modelo.
29. En la última iteración entra X1, después calculamos el mínimo de los
valores Beta, Delta y Uj para determinar la variable que sale que es S1,
aplicando las fórmulas del pivote y semi pivote obtenemos la siguiente
solución básica.
30. Esta tabla es la solución óptima en la que X2 y X4 valen su cota superior.
31. Por último, este esquema muestra las 3 reglas del cambio de base en la
técnica de la cota superior, en síntesis, hacemos un cambio de base
cuando una variable alcanza una cota que puede ser superior o la
estándar del método Simplex, Este método aumenta mucho la eficiencia
del Simplex reduciendo los cálculos necesarios para resolver los
modelos.
Para final se dice que muchos problemas reales tienen variables acotadas
superiormente, por ejemplo, en problemas de producción la cantidad a fabricar
puede tener una demanda máxima prevista, también es frecuente en marketing
y en problemas de dietas.
10
4.2. VARIABLES ACOTADAS INFERIORMENTE

Planteamiento de un problema
La empresa Soboce fabrica dos productos, producto 1 y 2, estos deben pasar
por dos procesos distintos de ensamblaje y test de control de calidad, antes de
salir al mercado, el producto 1 requiere 2 horas de ensamblaje y el producto 2
una hora, para el test de calidad se requiere una hora de dedicación para los
dos productos, la empresa cuenta con 3100 horas a la semana para ensamblaje
y 2000 horas para test de calidad, los beneficios brutos son de 22bs para el
producto 1 y 20 bs para el producto 2, un estudio de mercado muestra que a
pesar de la demanda de los dos productos no supera las 1700 unidades, la
demanda semanal para el producto 1 es de al menos 600 unidades semanales,
y de 800 unidades para el producto 2, se va a formar un modelo de
programación lineal, que determine cuantas unidades deben fabricarse de cada
tipo de producto para que el beneficio sea máximo.
Pasos a seguir
1. El modelo tendrá dos variables, x1 y x2 como los dos modelos de
fabricación, la función objetivo será maximizar la ganancia con una suma de
las dos variables en este caso sumando y multiplicando por sus respectivos
precios, la función será llamada máx z, para el cual tendremos 5
restricciones.
2. De las 5 restricciones planteadas de acuerdo al problema, las primeras 2
restricciones son de tiempo y las ultimas 3 son las restricciones de unidades
máximas que se pueden fabricar de acuerdo a la demanda.
Para la primera restricción se multiplicará la cantidad de productos de tipo 1
y 2 por el tiempo de fabricación que requieren haciendo una desigualdad con
3100 horas que es la cantidad de horas disponibles, lo mismo para la
restricción número 2 que se toma en cuenta las horas que se requieren para
el test de calidad para cada producto, que es 1 hora y haciendo la
desigualdad con las 2100 horas disponibles semanalmente, para la tercera
11
restricción se suma la cantidad de ambos productos para hacer la

desigualdad con 1700, la demanda máxima de ambos productos, para la
cuarta y quinta se hace la desigualdad con la cantidad mínima que se tienen
que fabricar de ambos productos por separado, que en este caso son 600 y
800 respectivamente.
3.Utilizando la técnica de la cota inferior definimos para cada variable una
nueva variable (Y) que representa la cantidad que se excede de la cota
inferior, que llegarían a ser 600 y 800 respectivamente, la cantidad mínima
de productos a fabricar, en este caso y1 representa la cantidad x1 excede de
600 y y2 la cantidad que excede x2 de 800, despejamos las variables y
representamos x1 en función de y1 y x2 en función de y2, se reemplaza las
variables en la función objetivo y las restricciones aún pendientes.
4. Se reduce todo lo correspondiente y se introducen las variables de holgura
s1, s2 y s3 para pasar las desigualdades a igualdad, con este modelo
representamos el modelo simplex para la solución básica inicial, esta tabla
representa la demanda mínima exigida para los dos productos, con un
beneficio bruto de 29200bs.
5. Se elige como base la variable y1, la responsable de aumentar la función
objetivo en 22 unidades en contraposición de la variable y2 que solo la
aumenta en 20.
6. Como variable que sale de la base, se elige la variable tal que (bi) dividido
por la base correspondiente a su fila tenga el mínimo valor, en este caso la
fila S3.
La nueva base estará formada por s1 s2 y Y1, la fila de la variable de cambio
de base, y1 se queda como estaba ya que los valores se dividen entre 1.
7. Se calculan lo demás valores de la tabla restando nuestra variable
correspondiente menos la fila pivote, y1 menos el semipivote,
correspondiente a la columna y1, realizando el cambio para las demás
variables se obtiene el resultado, que es la solución óptima ya que no puede
12
entrar otra variable que mejore la función objetivo.

8. El problema concluye interpretando la tabla de resultados. Con la solución
óptima obtenida el beneficio bruto es de 35800bs, la producción del producto
1 es de 900 unidades y el producto 2 800 unidades sumando el total de 1700
unidades semanales, otra información que podemos sacar de la tabla es que
el beneficio del producto 2, debería aumentar en 2bs para que fuera rentable
fabricar más de 800 unidades.
5. REQUISITOS
1) Cuando la limitante (condiciones) del sistema son desigualdades deben

convertirse en igualdades, lo que buscamos es balancear la nueva igualdad
dependiendo del tipo de desigualdad, es decir:
Si en la inecuación es menor: (se le suma una variable llamada “variable de

holgura S”)
Si en la inecuación es mayor: (se le resta una variable llamada “variable de

superávit E”)
2) El segundo miembro de la limitante no puede ser negativo
13
3) Todas las variables están restringidas a variables no negativas
6. EJEMPLO DE APLICACIÓN
Optimizar la siguiente función objetivo sujeto a las siguientes restricciones
Paso1 (ordenar)
1era iteración
Operaciones
R5*(5)+R1
R5*(-2)+R2
R5*(-1)+R3
14
Seguimos iterando
Operaciones
R4*(2)+R1
R4*(-1)+R2
R4*(-2)+R3
Resultados
Resultados obtenidos (minimizados)
z=44
x=2
y=8
7. BIBLIOGRAFIA
LIBROS.
-PROGRAMACION LINEAL HUMBERTO GUERRERO SALAS
-PROGRAMACION LINEAL SONIA CABRERA
-UNIVERSIDAD DE SONORA DEPARTAMENTO DE MATEMATICAS
-UNIVERSIDAD COMPLUTENSE DE MADRID
-PROGRAMACION LINEAL TOMA DE DECISIÓN CUANTITATIVA_JESUS
ARREOLA
LINKS.
-http://www.mate.unlp.edu.ar/practicas/66_13_0804200912835.p
15

Metodo de Variables Acotadas G-4

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodo de Variables Acotadas G-4

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MAYOR REAL Y PONTIFICIA DE

SAN FRANCISCO XAVIER DE CHUQUISACAP

Carrera de Ingeniería Civil CIV - 251

Carrera de Ingeniería Civil CIV - 251