Академический Документы
Профессиональный Документы
Культура Документы
Diseñó:
Diana Guzmán Medina
Licenciatura en Administración
Facultad de Contaduría y Administración
Programa de Educación a Distancia (EDAD)
UNIDAD 2
LECCIÓN 6
Minimización
Minimizar:
Sujeto a:
Ahora, lo primero que tenemos que hacer es multiplicar la función objetivo por
(-1):
Lo cual produce:
Solución de problemas de programación lineal Unidad 2, Lección 6
Maximizar:
Sujeto a:
Maximizar:
Sujeto a:
La regla para usar variables artificiales es añadir una de esas variables a cada
restricción e “mayor que o igual a” o “de igualdad”, que existan en el problema
original. En este ejemplo al añadir las variables artificiales, las ecuaciones quedan
así:
Maximizar:
Sujeto a:
¿Cómo identifico sin en la matriz existe una solución factible básica inicial?
El procedimiento para hacer esto es considerar una matriz identidad de m x n con los
coeficientes de las restricciones. Una matriz identidad de m x n es una agrupación de m
renglones y n columnas, en la cual los elementos (o números) que se encuentran en la
diagonal principal son unos y los elementos restantes son cero. Por ejemplo, una matriz
identidad 3 x 3 sería:
1 0 0
0 1 0
0 0 1
3x3
Este proceso de elegir una matriz identidad, siempre dará como resultado una
solución factible básica inicial, además de permitir identificar el conjunto inicial de
variables básicas y no básicas del problema. Entonces tenemos que al adicionar variables
de holgura y restar variables de exceso en las desigualdades de restricción, para
convertirlas en igualdades de restricción no siempre produce una matriz identidad con los
coeficientes de las restricciones. Siendo necesario anexar otras variables (variables
artificiales) con el objeto de completar la matriz.
Maximizar:
Sujeto a:
Maximizar:
Sujeto a:
1
Matriz identidad, con 0
solución factible básica 0
3x3
Variables Variables
básicas no básicas
S1 X1
A1 X2
A2 S2
SFB:
x1 = 0
x2 = 0
s1 = 80
s2 = 0
A1 = 25
A2 = 120
Maximizar:
Una vez hecho y entendido esto, pasamos a crear la tabla inicial simplex
con los siguientes datos:
Maximizar:
Sujeto a:
0 s1 2 4 1 0 0 0 80
-300 A1 1 1 0 0 1 0 25
-300 A2 8 6 0 -1 0 1 120
Variables de decisión
Variables de Variables
solución de solución Razón
Cj -30 -10 0 0 -300 -300 bj
X1 X2 S1 S2 A1 A2
0 s1 2 4 1 0 0 0 80 40
-300 A1 1 1 0 0 1 0 25 25
-300 A2 8 6 0 -1 0 1 120 15
Zj -2700 -2100 0 300 -300 -300 -43500
De igual manera, de la columna bj, elegimos otro pivote, en este caso será
el que posea la razón más pequeña, que en este caso es S1, y representa la
variable que sale.
Solución de problemas de programación lineal Unidad 2, Lección 6
Dividiendo los elementos del renglón pivote entre el nuevo elemento pivote,
la tabla simplex queda así:
C j - Zj 0 0 -35 25 0 -325
C j - Zj 0 0 -35 25 0 -325
-10 X2 0 1 0.5 0 -1 0 15
0 S2 0 0 -1 1 10 -1 50
-30 X1 1 0 -0.5 0 2 0 10
Sin embargo, esta última tabla con solución óptima, muestra: Z = -450 en
vez de +450. Esto porque al inicio de la lección convertimos el problema de
minimización en uno de maximización. Por lo tanto, la etapa final del proceso de
solución es, multiplicar Z por -1.
Minimizar:
Bibliografía: