Академический Документы
Профессиональный Документы
Культура Документы
jlc
Esta técnica se fundamenta en dos principios:
jlc
Es un procedimiento de cálculo algebraico,
iterativo, para resolver Modelos Lineales de
cualquier tamaño.
jlc
Esta forma contiene:
jlc
De ser negativo el término independiente, para
realizar este proceso se debe multiplicar por (-1) a
ambos lados de la restricción, teniendo en cuenta
que el las desigualdades cambiara el sentido de la
relación:
Ej:
𝑥 − 𝑦 = −2 −𝑥 + 𝑦 = 2
2𝑥 + 5𝑦 ≥ −2 Equivale a −2𝑥 − 5𝑦 ≤ 2
jlc
Variable de Holgura
jlc
Variable de Holgura
jlc
Restricciones del tipo ≤
Ej:
jlc
Restricciones del tipo ≥
Ej:
2𝑥1 − 𝑥2 ≥ 3 equivale a 2𝑥1 − 𝑥2 + 𝐴1 − 𝐻1 = 3
Siendo:
𝐴1 variable artificial, 𝐴1 ≥ 0
𝐻1 variable de holgura, 𝐻1 ≥ 0
.
jlc
Restricciones del tipo =
Ej:
Siendo:
𝐴1 variable artificial, 𝐴1 ≥ 0
jlc
FUNCION FUNCION
TIPO DE
RESTRICCIONES OBJETIVO OBJETIVO
RESTRICCIONES
MAXIMIZACION MINIMIZACION
jlc
Debe existir una variable básica en cada
restricción.
jlc
El general puede ser escrito en notación matriz-
vectores, como:
Max
𝑍 = 𝐶𝑥
Sujeto a:
𝐴𝑥 = 𝑏
𝑥 ≥ 0
𝑏≥ 0
jlc
Maximizar
𝒛 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐
Sujeto a
𝒙𝟏 ≤ 𝟒
𝟐𝒙𝟐 ≤ 𝟏𝟐
−𝟑𝒙𝟏 − 𝟐𝒙𝟐 ≥ −𝟏𝟖
𝒙𝟏, 𝒙𝟐 ≥ 𝟎
jlc
1. Convertir Inecuaciones a Ecuaciones.
2. Construcción de la Tabla.
3. Pasos Simplex.
4. Solución.
Maximizar
𝒛 − 𝟑𝒙𝟏 − 𝟓𝒙𝟐 = 𝟎
Sujeto a
𝒙𝟏 + 𝑯𝟏 = 𝟒
𝟐𝒙𝟐 + 𝑯𝟐 = 𝟏𝟐
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝑯𝟑 = 𝟏𝟖
𝒙𝟏 , 𝒙𝟐 , 𝑯𝟏 , 𝑯𝟐 , 𝑯𝟑 ≥ 𝟎
jlc
Se ubican las variables básicas y no básicas como
las columna de la tabla y las básicas como fila.
Coeficiente
Var.
bi
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
jlc
Se identifica la columna pivote(maximización “mayor
valor absoluto” – minimización “menor valor
absoluto”) de la fila de la F.O.
Coeficiente
Var.
bi
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
jlc
Se identifica la fila pivote (dividiendo cada
resultado entre los términos correspondientes de la
columna pivote y escoge el valor menor positivo), la
intersección de fila y columna pivote será elemento
pivote (E.P)
Var. Coeficiente
Básica bi Operación
s Z x1 x2 H1 H2 H3
Z 1 -3 -5 0 0 0 0 0/-5 = 0
H1 0 1 0 1 0 0 4 4/0 = NA
H2 0 0 2 0 1 0 12 12/2 = 6
H3 0 3 2 0 0 1 18 18/2 = 9
jlc
La variable básica de ese renglón es la variable
básica que sale; sustituyéndola con la variable
básica entrante en la columna de la variable básica
de la siguiente tabla
Coeficiente
Var.
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 -5 0 0 0 0 0/-5 = 0
H1 0 1 0 1 0 0 4 4/0 = NA
H2 0 0 2 0 1 0 12 12/2 = 6
H3 0 3 2 0 0 1 18 18/2 = 9
jlc
Se despeja la nueva solución básica factible
mediante operaciones elementales con filas (sumas,
multiplicaciones y demás, propias de la eliminación
gaussiana)
jlc
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12 FP
H3 0 3 2 0 0 1 18
jlc
En base a la NFP se realizan operaciones de
eliminación gaussiana para cada una de las filas
restantes.
Z 1 -3 -5 0 0 0 0 FZ
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30 FNZ
H1
X2 0 0 1 0 1/2 0 6 NFP
H3
jlc
Se repite el proceso para las demás filas
H1 0 1 0 1 0 0 4 FH1
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30 FNZ
H1 0 1 0 1 0 0 4 FH1N
x2 0 0 1 0 1/2 0 6 NFP
H3
jlc
Se repite el proceso para las demás filas
H3 0 3 2 0 0 1 18 FH3
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30 FNZ
H1 0 1 0 1 0 0 4 FH1N
x2 0 0 1 0 1/2 0 6 NFP
H3 0 3 0 0 -1 1 6 FH1N
jlc
Se identifica nuevamente la columna pivote(max.
“mayor valor absoluto” – min. “menor valor
absoluto”) de la fila de la F.O.
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30
H1 0 1 0 1 0 0 4
x2 0 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6
jlc
Ahora la fila pivote (dividiendo cada resultado
entre los términos correspondientes de la columna
pivote y escoge el valor menor positivo), la
intersección de fila y columna pivote será elemento
pivote (E.P)
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30 30/(-3)=-10
H1 0 1 0 1 0 0 4 4/1=4
x2 0 0 1 0 1/2 0 6 6/0 = NA
H3 0 3 0 0 -1 1 6 6/3=2
jlc
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 -3 0 0 5/2 0 30
H1 0 1 0 1 0 0 4
x2 0 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6 FP
jlc
En base a la NFP se realizan operaciones de
eliminación gaussiana para cada una de las filas
restantes.
Z 1 -3 0 0 5/2 0 30 FZ
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 0 0 0 3/2 1 36 FNZ
H1
X2
X1 0 1 0 0 -1/3 1/3 2 NFP
jlc
Se repite el proceso para las demás filas
H1 0 1 0 1 0 0 4 FH1
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 0 0 0 3/2 1 36 FNZ
H1 0 0 0 1 1/3 -1/3 2 FH1
X2
X1 0 1 0 0 -1/3 1/3 2 NFP
jlc
Se repite el proceso para las demás filas
x2 0 0 1 0 1/2 0 6 FX2
Var. Coeficiente
bi Operación
Básicas Z x1 x2 H1 H2 H3
Z 1 0 0 0 3/2 1 36 FNZ
H1 0 0 0 1 1/3 -1/3 2 FH1
X2 0 0 1 0 1/2 0 6 FX2
X1 0 1 0 0 -1/3 1/3 2 NFP
jlc
Se encuentra que la solución es óptima porque no hay
coeficientes negativos en la fila de la FO, de
manera que el algoritmo termina
Var. Coeficiente
bi
Básicas Z x1 x2 H1 H2 H3
Z 1 0 0 0 3/2 1 36
H1 0 0 0 1 1/3 -1/3 2
X2 0 0 1 0 1/2 0 6
X1 0 1 0 0 -1/3 1/3 2
jlc
Complementar el estudio con los casos especiales y
demás información presentada en los vídeos del link.
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
jlc
Empate de la variable básica entrante?
R/ Se puede elegir entre estos dos competidores de
manera arbitraria.
jlc
Maximizar 𝒛 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐 − 𝑴𝑨𝟑
𝒛 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐 𝒙𝟏 + 𝑯𝟏 = 𝟒
Sujeto a 𝟐𝒙𝟐 + 𝑯𝟐 = 𝟏𝟐
𝒙𝟏 ≤ 𝟒 𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝑨𝟑 = 𝟏𝟖
𝟐𝒙𝟐 ≤ 𝟏𝟐 𝒙𝟏, 𝒙𝟐 , 𝑯𝟏, 𝑯𝟐, 𝑨𝟑 ≥ 𝟎
𝟑𝒙𝟏 + 𝟐𝒙𝟐 = 𝟏𝟖
𝒙𝟏, 𝒙𝟐 ≥ 𝟎
≤ +𝐻𝑖 +0𝐻𝑖
= 𝐴𝑖 − 𝑀𝐴𝑖
jlc
NZ mediante despejes matemáticos de las
𝒛 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐 − 𝑴𝑨𝟑 variables básicas en la FO en términos de
𝒙𝟏 + 𝑯𝟏 = 𝟒 las no básicas
𝟐𝒙𝟐 + 𝑯𝟐 = 𝟏𝟐 𝑨𝟑 = 𝟏𝟖 − 𝟑𝒙𝟏 − 𝟐𝒙𝟐
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝑨𝟑 = 𝟏𝟖 𝒛 = 𝟑𝒙𝟏 + 𝟓𝒙𝟐 − 𝑴𝑨𝟑
Z X Y H1 H2 A3 SOL
NZ 1 -(3M+3) -(2M+5) 0 0 0 -18M
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
A3 0 3 2 0 0 1 18
jlc
Z X Y H1 H2 A3 SOL
NZ 1 -(3M+3) -(2M+5) 0 0 0 -18M
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
A3 0 3 2 0 0 1 18
Z X Y H1 H2 A3 SOL
NZ 1 0 -(2M+5) (3M+3) 0 0 -6M+12
X 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
A3 0 0 2 -3 0 1 6
jlc
Z X Y H1 H2 A3 SOL
NZ 1 0 0 -9/2 0 M+5/2 27
X 0 1 0 1 0 0 4
H2 0 0 0 3 1 -1 6
y 0 0 1 -3/2 0 1/2 3
Z X Y H1 H2 A3 SOL
NZ 1 0 0 0 3/2 M+1 36
X 0 1 0 0 -1/3 1/3 2
H1 0 0 0 1 1/3 -1/3 2
y 0 0 1 0 1/2 0 6
X= 2 ;; y=6 ;; Z=36
jlc
𝒛 − 𝟑𝒙𝟏 − 𝟓𝒙𝟐 + 𝑴𝑨𝟑 = 𝟎
𝒙𝟏 + 𝑯𝟏 = 𝟒 Para NZ buscamos factor de M que
cancele el coeficiente para
𝟐𝒙𝟐 + 𝑯𝟐 = 𝟏𝟐 generar la variable básica.
𝟑𝒙𝟏 + 𝟐𝒙𝟐 + 𝑨𝟑 = 𝟏𝟖
COEF X Y H1 H2 A3 SOL
Z -3 -5 0 0 M
A3 -M 3 2 0 0 1 18
𝑵𝒁 − 𝟑 + 𝟑𝑴 𝒙𝟏 − (𝟓 + 𝟐𝑴)𝒙𝟐 = −𝟏𝟖𝑴
jlc
Min: z = 4x + y Inecuaciones a
ecuaciones en Min
Rs: 3x + y = 3 ≥ → -H+A : +MA
4x + 3y ≥ 6 ≤ → +H
x + 2y ≤ 4 = → +A : +MA
3x + y + A1 = 3
4x + 3y – H1 + A2 = 6
x + 2y + H2 = 4
Min: z = 4x + y + MA1 + MA2
Se tiene
3x + y + A1 = 3 → A1= 3 -3x - y
4x + 3y – H1 + A2 ≥ 6 → A2= 6 – 4x -3y + H1
-Z + 4x + y + M (3 - 3x – y) + M (6- 4x – 3y + H1) =0
Z 4 1 0 0 M M
A1 -M 3 1 0 0 1 0 3
A2 -M 4 3 -1 0 0 1 6
A1 0 3 1 0 0 1 0 3
A2 1 4 3 -1 0 0 1 6
H2 0 1 2 0 1 0 0 4
Z X Y H1 H2 A1 A2 SOL
X 0 1 0.33 0 0 0.33 0 1
A2 0 0 1.67 -1 0 -1.33 1 2
H2 0 0 1.67 0 1 -0.33 0 3
Z X Y H1 H2 A1 A2 SOL
NZ -1 0 0 -0.2 0 M-1.6 M+0.1 -3.6
X 0 1 0 0.2 0 0.6 -0.2 0.6
Y 0 0 1 -0.6 0 -0.8 0.6 1.2
H2 0 0 0 1 1 1 -1 1
Z X Y H1 H2 A1 A2 SOL
NZ -1 0 0 0 0.2 M-1.6 M -3.4
X 0 1 0 0 -0.2 0.4 0 0.4
Y 0 0 1 0 0.6 -0.2 0 1.8
H1 0 0 0 1 1 1 -1 1
jlc
Minimizar
𝒛 = 𝟎. 𝟒𝒙𝟏 + 𝟎. 𝟓𝒙𝟐
Sujeto a −𝒛 + 𝟎. 𝟒𝒙𝟏 + 𝟎. 𝟓𝒙𝟐 + 𝑴𝑨𝟐 +𝑴𝑨𝟑 = 𝟎
𝟎. 𝟑𝒙𝟏 + 𝟎. 𝟏𝒙𝟐 ≤ 𝟐. 𝟕 𝟎. 𝟑𝒙𝟏 + 𝟎. 𝟏𝒙𝟐 + 𝑯𝟏 = 𝟐. 𝟕
𝟎. 𝟓𝒙𝟏 + 𝟎. 𝟓𝒙𝟐 = 𝟔 𝟎. 𝟓𝒙𝟏 + 𝟎. 𝟓𝒙𝟐 + 𝑨𝟐 = 𝟔
𝟎. 𝟔𝒙𝟏 + 𝟎. 𝟒 𝒙𝟐 ≥ 𝟔 𝟎. 𝟔𝒙𝟏 + 𝟎. 𝟒 𝒙𝟐 − 𝑯𝟑 + 𝑨𝟑 = 𝟔
𝒙 𝟏, 𝒙 𝟐 ≥ 𝟎
Z X1 X2 H1 A2 H3 A3 SOL
A2 0 0.5 0.5 0 1 0 0 6
A3 0 0.6 0.4 0 0 -1 1 6
jlc
1. Hillier, F. S.; Lieberman, G. J. (2011).
Introducción a la Investigación de Operaciones.
McGraw-Hill
jlc