Академический Документы
Профессиональный Документы
Культура Документы
Proporcionalidad
Aditividad (adición)
Divisibilidad
Certidumbre(certeza)
Ejemplo de producción:
Una empresa ha dejado de fabricar ciertos productos, liberando de esta forma las
cargas de producción que tenían sus equipos en los departamentos de maquinado. Ahora
se tienen horas máquina que se pueden utilizar en los productos denominados 1,2,3 de
la siguiente manera:
Máquina Horas por pieza de producto Horas Maq.
Disponibles
1 2 3
por semana
Fresadora 9 3 5
500
Torno 5 4 -
350
Rectificadora 3 - 2
150
Utilidad
$/ pieza 50 20 25
X1 = 30 piezas
X2 = 15 piezas
X3 = 20 piezas
Ejemplo de inversión:
1 8.5 0.02 8
2 9 0.01 2
3 8.5 0.38 5
4 14.3 0.45 6
5 6.7 0.07 2
6 13 0.35 4
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al esperado.
Se considera ventajoso un período promedio ponderado de inversión de ciando menos 5 años; pero el
factor promedio ponderado de riesgo no debe ser superior a 0.20. La ley prohibe que la suma de las
inversiones de los tipos 4 y 6 sea mayor al 25% del total de la inversión. Con P.L formule un modelo de
P.L para decidir cómo invertir para maximizar el rendimiento de los 2 millones de dólares.
(SOL. A)
Definición de variables
Función objetivo
sujeta a restricciones:
(SOL. B)
Definición de variables
sujeta a restricciones:
1) X1 + X2 + X3 +X4 + X5 + X6 = 1 (capital)
2) 0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 = 0.2 (1) =
0.2
3) 8X1 + 2X2 + 5X3 +6X4 + 2X5 + 4X6 = 5 (1) = 5
4) X4 + X6 = 0.25 (1) = 0.25
Ejemplo:
Definición de variables:
Función objetivo:
Sujeto a restricciones:
x1 + x2 + x3 + x4 + x5 + x6 = 1
(Factor de riesgo)
0.02x1 + 0.01x2 + 0.38x3 + 0.45x4 + 0.07x5 + 0.35x6 ≤ 0.2 (1) = 0.2
x1,x2,...,x6 ≥ 0
[Ésta es otra forma de plantear el
problema]
Definición de variables:
Función objetivo:
Sujeto a restricciones:
x1 + + x6 ≥ 300
x1 + x2 ≥ 350
x2 + x3 ≥ 425
x3 + x4 ≥ 450
1
Requerido significa también necesidad, que es lo mismo a cubrir, por lo tanto debe ser ≥
x4 + x5 ≥ 250
x5 + x6 ≥ 200
.... toda xj ≥ 0
Ejemplo:
108 cm CORTE
Definición de variables2:
Sea xj = # de cortes del tipo j (j = 1,2,....,5) necesarios para cumplir el pedido con
mínimo desperdicio de papel.
Sujeto a restricciones:
2
No olvidar que la definición de variables siempre se debe hacer de manera cuantitativa (en #).
Rollos
Corte Corte = Rollos ...para restricciones.
in
corte corte = in ...para función
objetivo.
Toda xj ≥ 0
Definición de variables:
Función objetivo:
Max z = 8(x1A + x2A + x3a) + 7(x1B + x2B + x3B) + 6(x1C + x2C + x3C) ...con
unidades
Miles de dls.
Ton Ton = miles de dólares
Sujeto a restricciones:
Definición de variables:
Función objetivo:
Con vectores.
(Max./Min.) z = Cx
... sujeto a: Ax ≤ = ≥ b
x ≥ 0
x = progreso de la actividad
Requerimientos.
Costos y
Utilidades.
Certidumbre. Todos los parámetros que se manejan deben ser pasados con certeza.
x1 ≤ 4 .......... (1)
2x2 ≤ 12 .......... (2)
3x1 + 2x2 ≤ 18 .......... (3) x1 ; x2 ≥ 0
A (0 ,6 ) R ( 4 ,6 )
H ( 4 ,3 )
J (6 ,0 )
O (0 ,0 ) F ( 4 ,0 )
x1 ≤ 4 2 x2 ≤ 12 3 x1 + 2 x2 ≤ 18
(1) (4,0) F (2) x2 ≤ 6 (3) x1 x2
(0.6) A
0 9
6 0
(0,9) B
(6,0) J
Las desigualdades son fronteras o división del espacio plano. Si la recta no pasa
por el origen, se toman en cuenta las coordenadas de O.
c 3 x1 + 2 x2 = 18 3 x1 = 6 6 + 2 x2 = 18 x2 = 6
2 x = 12 x = 2 2 x = 12 C (2 ,6 )
O F
VALOR RELATIVO
z (5,0)
(0,3)
z = 15 supuesto
Haciendo coincidir z con todos los vértices conocidos nos damos cuenta que a
medida que se aleja del origen crece. El punto máximo es C.
Ejemplo: Obtener un punto p que sea CCL entre dos vértices A y F con α = ½.
P = ((0,6) ½) + (4,0) (1 - ½)
P = (0,3) + (2,0)
P = (2,3)
METODO GRAFICO.
B (0 ,9 ) M ax z = 36 c
(x ,x )
1 2
A (0 ,6 ) C (2 ,6 )
R ( 4 ,6 )
C O N JU N TO C O N V E X O
H ( 4 ,3 )
D E S O L U C IO N E S
F A C T IB L E S .
E S P A C IO S O L U C IO N .
M in z o = (0 ,0 )
J (6 ,0 ) S O L U C IO N T R IV IA L .
O ( 0 ,0 ) F (4 ,0 )
CONJUNTO CONVEXO: Un conjunto es convexo si dados dos puntos A y B
contenidos en el mismo, el segmento de recta que losa une queda contenido totalmente
en dicho conjunto.
Ejemplo: Obtener un punto P que sea CCL entre los vértices A y F con α = ½
Tomando la restricción 3:
H O LG U R A = X
18
3X1 + 2X2
3 (2 ) + 2 (6 )
x1 + x3 = 4 ... (1)
2x2 + x4 = 12 ... (2)
3x1 + 2x2 + x5 = 18 ... (3) x3 , x4 , x5 HOLGURA.
x1 ... x5 ≥ 0
... en las observaciones se señalan los puntos como factibles porque cumplen con la no
negatividad, pero los puntos B, J y R no cumplen con la condición de no negatividad, lo
cual nos indica que no son factibles.
B (0 ,9 ) 3 (0 ) + 2 (0 ) n o e s 18
...e l o r ig e n n o c u m p le .
A (0 ,6 ) R (4 ,6 )
2
C O N JU N TO C O N V E X O
D E S O L U C IO N E S F A C T IB L E S .
H ( 4 ,3 )
J (6 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
3
1
(x1 , x2 )
si .... (0 , 12 ) 4
y si ... (8 , 0)
B (0 ,9 ) REDU ND AN TE.
A (0 ,6 ) R ( 4 ,6 )
4 E s u n a r e s tric c ió n r e d u n d a n te p o r q u e
2
n o a lt e r a e n n a d a a l c o n j u n t o s o lu c ió n a n t e r io r
y la s q u e h u b ie r a m a s a la d e r e c h a c o n = m
H ( 4 ,3 ) s e r ía n r e d u n d a n te s .
J (6 ,0 ) W (8 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
3
1 4
.
. . x1 + x3 = 4 (1 )
2x2 + x4 = 12 (2 )
s u p e r flu a 3x1 + 2x2 - x3 = 18 (3 )
x3 3x1 + 2x3 + x6 = 24 (4 )
3 x 1+ 2 x 2
18
VERTICE X1 X2 X3 X4 X5 X6 OBSERVACIONES
O 0 0 4 12 -18 24 NO FACTIBLE
A 0 6 4 0 -6 12 NO FACTIBLE
C 2 6 2 0 0 6 FACTIBLE
F 4 0 0 12 -6 12 NO FACTIBLE
H 4 3 0 6 0 6 FACTIBLE
B 0 9 4 -6 0 6 NO FACTIBLE
J 6 0 -2 12 0 6 NO FACTIBLE
R 4 6 0 0 6 0 FACTIBLE
SOLUCION FACTIBLE
SOLUCION NO UNICA
... y solo cuando se dan las dos anteriores soluciones se llama SOLUCION
DEGENERADA.
Observaciones características.
...y por lo tanto, del gráfico anterior decimos entonces que C y H son no degeneradas.
DEFINICIONES:
j = n + m
∑j = 1
a ij x ij = b
SOLUCION FACTIBLE: Es un conjunto de valores para las variables o bien un
vector X = (x1 , x2 , ... , xj , xj+1 , ... , xn , xn+1 , ... , xn+m ) que satisface al conjunto de
restricciones
j = n + m
∑ j = 1
a ij x ij = b
...y además satisface a toda xj ≥ 0 .
SOLUCION BASICA: Es una solución que se obtiene al hacer nulas, al menos, (m+n)-
m variables, en donde
m = # total de restricciones,
n = # de variables de decisión (originales)
Z = ∑ j = 1
cjxj
A (0 ,6 ) R (4 ,6 ) A (0 ,6 ) R (4 ,6 )
H (4 ,3 ) H (4 ,3 )
J (6 ,0 ) J (6 ,0 )
O (0 ,0 ) F ( 4 ,0 ) O (0 ,0 ) F ( 4 ,0 )
La ‘solución factible’ en 1 cuando cumple con ≥ 0 y en 2 coincide con ‘solución’
(polígono A, C, H, F, O)
x1 , x2 2x1 = x2 x1 , x2
(0 , 6) B 1 2 2(0) = 1(0) : (0,0) O 3 (2 , 0) F
(6 , 0) A 2(1) = 1(2) : (1,2)
2(2) = 1(4) : (2,4) C
1 3
2
B (0 ,6 )
C o n ju n t o c o n v e x o d e
C ( 2 ,4 ) s o lu c i o n e s f a c t ib le s .
E n 2 c o m o e s c e ro n o h a y
d is ta n c ia a l o r ig e n y p o r lo ta n to
e s u n o d e lo s p u n to s .
O ( 0 ,0 ) F ( 2 ,0 ) A (6 ,0 )
S u s t it u i m o s a l g ú n v a lo r d e l s e m ip la n o e n l a s
r e s t r ic c io n e s p a r a c o o c e r e l la d o q u e c o r r e s p o n d e
a é s ta .
Resolviendo analíticamente:
3
Ojo: z solo se valora en vértices
x1 + x2 - x3 ≥ 6
2x1 - x2 - x4 ≥ 0
x1 - x5 ≥ 2 x1, x2 , x3 , x4 , x5 ≥ 0
VERTICES O X1 X2 X3 X4 X5 CARACTERISTICAS
SOLUCIONES
BASICAS
0 6 0 -6 -2 N.FACTIBLES, UNICA
B
F 2 0 -4 4 0 N.FACTIBLES, UNICA
O 0 0 -6 0 -2 N.FACTIBLES, NO UNICA
A 6 0 0 12 4 N.FACTIBLES, UNICA
m = # de restricciones.
n = # de variables de
decisión.
#= 3+2 = 3+2 = 5 = 5 = 5! = 10
3 2 3 2 3! 2!
3
S e t ie n e n e n t o t a l 9 s o l u c io n e s ; la 1 0 n o s e d a p o r q u e
la r e c t a 3 y x 2 n o s e c r u z a n y p o r l o t a n t o h a y u n a
S O L U C IÓ N IN E X IS T E N T E .
3
1 1
1 1 1 1 4 + 2 4 + 2 6!
1 3 N = = = = 15
4 2 4! 2!
S .I. 1 S .I. 1
1 1 1
1 1 1 1
S .I. S .I.
S .I.
FORMA CANONICA: Esta es útil para el manejo del tema que se refiere al problema
dual de cualquier problema de programación lineal. La forma canónica aceptable y
reconocida en la mayoría de los textos debe cumplir con lo s siguientes requisitos:
Otra forma legítima para considerar como canónica es cumpliendo con los siguientes requisitos:
FORMAS CANONICAS.
Maximizar. Minimizar.
z = Cx z = Cx
sujeto a: sujeto a:
Ax ≤ b Ax ≥ b
x≥0 x≥0
Max z = Cx Min z = Cx
sujeto a: sujeto a:
Ax ≤ 0 Ax ≥ 0
x≥0 x≥0
.....en el caso anterior conviene usar Max para no invertir la función objetivo.
Forma canónica.
x1 ≤ 0 → -x1’ = x1 ≤ 0
...sujeta a:
Para la restricción original (2) no tengo un proceso específico, pero se ponen en sustitución de
esta restricción de igualadad a 2 restricciones de desigualdad con signos opuestos (mismo términos).
...pero como no tenemos que tener aquí ≥ , entonces multiplicamos a 2- por (-1) y queda de la
siguiente forma:
Pasando a la restricción (3), hay que multiplicarla por (-1) sin dejar de tomar el signo para x1’.
Forma estándar.
Max/Min z = Cx
Sujeta a: Ax=b
x ≥0
SUPERFLUA
x1’ ; x2 ; x3+ ; x3- ; x4 y x5 ≥ 0
Ejercicio:
5
Para hacer = una ≥ o ≤ se resta una variable superflua o sumamos una de holgura respectivamente.
Min z = 4x1 + 3x2 - x3
Sujeta a:
x1 LIBRE ; x2 ≤ 0 ; x3 ≥ 0
Forma canónica.
Forma estándar.
Sujeta a:
2x1+ - 2x1- + x2’ + 2x3 ≥ 14 ..... (1)
x1+ - x1- - 2x2’ + 3x3 + x4 ≥ 8 ..... (2)
- 3x2’ + 2x3 - x5 ≥ 4 ..... (3)
x1+ ; x1- ; x2’ ; x3 ; x4 ; x5 ≥ 0
MÉTODO SIMPLEX.
El método símplex fue desarrollado en 1947 por el Dr. George Dantzig y conjuntamente con el
desarrollo de la computadora hizo posible la solución de problemas grandes planteados con la técnica
matemática de programación lineal.
2. La solución óptima del problema de programación lineal , si existe, es un punto extremo (vértice) del
conjunto de soluciones factibles. Si dicha solución óptima se tiene para más de un punto extremo,
entonces también optimiza en cualquier punto que sea combinación convexa lineal entre los dos
vértices que optimiza.
1
z C= 3 6 m a x
A (0 ,6 ) R ( 4 ,6 )
M a x z = 3x1 + 5 x2
C (2 ,6 ) 2
zA = 24 P x1 4 (1 )
2x2 12 (2 )
Z H= 3 6 m a x 3x1 + 2 x2 18 (3 )
X 1, x 2 0
H (4 ,3 )
3 (2 ) + 5 (6 ) = 3 6
J (6 ,0 )
O ( 0 ,0 ) F ( 4 ,0 )
ZP = 6 (7/2) + 4 (15/4) = 36
3. El número máximo de puntos extremos (vértices) por revisar en la búsqueda de la solución óptima
del problema es finito y coincide con el número máximo de soluciones básicas únicas que se pueden
determinar mediante el binomio...
1
Sumar variables de holgura
(forma estándar)
2
Determinar una primera
solución básica factible.
3 NO 5
Entonces la solución básica
Existe una factible es óptima.
solución
básica factible
SI
4
Calcular para la nueva
solución básica factible
El algorítmo símplex maneja exclusivamente soluciones básicas y que cumplan con factibilidad;
es decir, todas las variables deben ser no negativas. Por lo tanto, para el manejo de las soluciones básicas
factibles y su valoración, requiere de la aplicación de ciertos criterios fundamentados en los teoremas ya
mencionados. Por cada intento de cálculo es necesario aplicar los siguientes criterios:
Criterio de optimalidad. Se aplica en el algorítmo símplex para determinar entre las variables no-
básicas, una que entre a la base, eligiendo aquella no-básica con el coeficiente más negativo en el
renglón z de la tabla símplex; si el problema tiene el objetivo de maximizar. En caso contrario, es
decir, para minimizar, debe elegirse para variable entrante a la base a aquella que tenga el coeficiente
más positivo en el renglón z de la tabla.
Criterio de factibilidad. Se aplica en el algoritmo símplex para determinar entre las variables básicas
a una que salga de la base, aplicando la siguiente función.
xi
Min ; solo a i k > 0
a ik
Elemento pivote. Se declara como elemento pivote a aquél coeficiente que se ubica en el cruce
de la columna ‘k’ y el renglón ‘i’ elegidos en los dos criterios ya anotados.
Ejemplo: Resolver con el método símplex el siguiente modelo de programación lineal.
x1 ≤ 4 (1)
2x2 ≤ 12 (2)
3x1 + 2x2 ≤ 18 (3) x1 ; x2 ≥ 0
x1 + x3 ≤ 4 (1)
Bloque #1 2x2 + x4 ≤ 12 (2)
3x1 + 2x2 + x5 ≤ 18 (3) x1 ; x2 ; x3 ; x4 , x5 ≥ 0
holguras
FORMA MATRICIAL.
BASE Z x1 VE ↓ x2 x3 x4 x5 SOLUCION
z 1 -3 -5 0 0 0 0
x3 0 1 0 1 0 0 4
x4 0 0 (p) 2 0 1 0 12 ← RS 12/2=6
x5 0 3 2 0 0 1 18 18/2=9
DECISIÓN HOLGURA
1ª solución
básica y Es 0 porque no hay ‘z’ en 1, 2 y 3
factible.
El renglón ‘z’ tiene la función económica u objetivo.
Para nuestra primera solución básica y factible se deben de tener ceros en los coeficientes de
nuestras variables básicas (x3, x4 y x5) y se debe de tener a la matríz identidad (aunque estén desordenadas
las columnas).
Ahora por el criterio de factibilidad determino la VS; como en el 1er renglón el valor no es > 0,
no se hace, pero en el resto sí.
Pasar ahora a la tabla y observar el último renglón que ahora se agrega en la siguiente tabla:
BASE z VE ↓ x1 x2 x3 x4 x5 SOLUCION
RE(5) +Rz z 1 -3 0 0 5/2 0 30
7
x3 0 1 0 1 0 0 4 4/1=4
RE = RS/P x2 0 0 1 0 ½ 0 6
RE(2) + Rx5 x5 0 (p) 3 0 0 -1 1 6 ←VS 6/3=2
VERTICE
6
Ahora por arreglo se tendrá: Max z – 3x1 – 5x2 = 0
7
RE que pasa a ser el renglón pivote y se calcula dividiendo RS entre el pivote que es el 2
NOTA8
S O L U C IÓ N B Á S IC A F A C T IB L E P A R A
B (0 ,9 ) U N V É R T IC E ‘A ’ D E L S IS T E M A A M P L IA D O
A 5 D IM E N S IO N E S .
1
A (0 ,6 ) X 1,x 4 = 0
R ( 4 ,6 ) x3 = 4
C ( 2 ,6 ) 2 x2 = 6
x5 = 6
H ( 4 ,3 )
S O L U C IÓ N B Á S IC A F A C T IB L E
E N V É R T I C E ‘O ’ D E L S I S T E M A
A M P L IA D O A 5 D IM E N S IO N E S .
J (6 ,0 )
x 1,x 2 = 0
x3 = 4 O ( 0 ,0 ) F ( 4 ,0 )
x4 = 12
x5= 18 3
Mientras haya coeficientes negativos en ‘z’ todavía no se llega a la solución óptima (para todas
las variables del renglón z)
Como es la nueva var. Se deben hacer ceros a los demás.
BASE z x1 x2 x3 x4 x5 SOLUCION
RE(3) +z z 1 0 0 0 3/2 0 36
RE(-1) + Rx3 = x3 0 0 0 1 1/3 -1/3 2
x2 0 0 1 0 ½ 0 6
RE= RS/P x1 0 1 0 0 -1/3 1/3 2
Ejemplo:
x1 ; x2 ; x3 ; x4 ; x5 ≥ 0 ...por arreglo:
8
En esta tabla lo que se busca es obtener (justificar) lo 0’s de la columna x2 (VE) ∴ multiplicamos RE
por el inv. aditivo del # que se quiere cambiar a cero y sumamos el renglón mismo anterior. En x3 ya no se
hace nada porque ya se tenía el cero.
z - 6x1 + 10x2 = 0
FORMA MATRICIAL:
x1 x2 x1 x2
1 (0 , 5) B 2 (0 , 2) A 3 (3 , 0) F
(5 , 0) R (4 , 0) H
X 2
B (0 ,5 ) z (0 ) 0 0
3
zA = 6 (0 ) + 1 0 (2 ) = 2 0
zF = 6 (3 ) + 1 0 (0 ) = 1 8
zC = 6 ( 3 ) 6 1 0 (1 /2 ) = 2 3 M A X .
A (0 ,2 )
9
Toda variable fuera de la base tiene un valor
C
igual a cero.
R (5 ,0 )
X 1
O (0 ,0 ) F ( 3 ,0 ) H
(4 ,0 ) S
LO S PUNTO S < 0
N O S O N F A C T IB L E S .
VARIABLES ARTIFICIALES.
Por tal motivo se necesita de un arreglo artificial para el caso de que el modelo
de programación lineal que se pretende resolver con el algorítmo símplex utilizando las
llamadas variables artificiales; de esta manera debe sumarse un variable artificial ( )10
por cada restricción del tipo ‘≥’ y por cada una del tipo ‘=’ presentes en el problema.
La primera solución básica del símplex en tal caso, debe de incluir a todas las
variables artificiales que fueron necesarias en el arreglo del modelo de programación
lineal por resolver esto último porque las variables artificiales se utilizan precisamente
para tomar la primera solución básica. A medida que se cumplen las etapas de cálculo en
el símplex, las variables artificiales deberán de ir saliendo de la misma, en consecuencia
del coeficiente ‘M’ muy grande.
Ejemplo:
10
x2 ≥ 0
Forma estándar.
x2 , x3 , x4 ≥ 0
x1 + x2 - x3 + 5 ≥ 6 ..... (1)
2x1 - x2 - x4 + 6 ≥ 0 ..... (2)
x1 + 7 = 2 ..... (3)
VAR. ARTIFICIALES
x2 , x3 , x4 , 5 , 6 , 7 ≥0