www.monografias.

com

Aplicacin del mtodo Smplex en investigacin de operaciones y simulacin

Mohammed Portilla - mportillac@gmail.com

1. Introduccin 2. Tipos de restricciones 3. Un adelanto del anlisis post-ptimo

Introduccin
El mtodo smplex cuya gran virtud es su sencillez, es un mtodo muy prctico, ya que solo trabaja con los coeficientes de la funcin objetivo y de las restricciones. Ilustraremos su funcionamiento mediante un ejemplo, pero previamente mostraremos las reglas de decisin para determinar la variable que entra, la que sale, la gran M, y cmo determinar que estamos en el ptimo; Todas stas reglas de decisin fueron deducidas del mtodo algebraico, solamente que aqu se han acomodado para ser usadas en el tipo de tablero smplex que se usar.

Criterio de decisin

Maximizar

Minimizar

Gran M en la funcin objetivo

- MXj

+MXj

Variable que entra

La ms negativa de los Zj - Cj

La ms positiva de los Zj - Cj

Variable que sale

La menos positiva de los b/a , Siendo a > 0 , de lo contrario no restringe

La menos positiva de los b/a , Siendo a > 0 , de lo contrario no restringe a la variable que entra

Solucin ptima

Cuando todos los Zj Cj > 0

Cuando todos los Zj Cj < 0

Tipos de restricciones

Restricciones
Se aade una variable de holgura, con costo (o ganancia) en la funcin objetivo igual a 0. Ejm: 2X1 - 4X2 <= 1, queda: 2X1 - 4X2 + X3 = 1 Cj de X3 en la funcin objetivo ser 0.

Restricciones
Se resta una variable de exceso, con costo (o ganancia) en la funcin objetivo igual a 0, y se suma una variable artificial con costo +M M segn sea maximizacin o minimizacin. Ejm: 2X1 + 3X2 >= 1, queda: 2X1 + 3X2 - X3 + X4= 1 Cj de X3 en la funcin objetivo ser 0. y Cj de X4 (artificial) es M Restricciones = Se le aade una variable artificial con costo +M M segn sea maximizacin o minimizacin. Ejm: 2X1 + 3X2 = 8, queda: 2X1 + 3X2 + X3= 8 Cj de X3 en la funcin objetivo ser M

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Adicionalmente se presentan las siguientes notas a tener en cuenta: Si en el tablero simplex de la solucin ptima queda al menos una variable de supervit artificial dentro de las variables bsicas, con un valor > 0 , el problema no tiene solucin, esto quiere decir que al menos existen dos restricciones excluyentes, por lo tanto no existe rea de soluciones factible y menos una solucin , en ste caso se debe revisar la formulacin del problema. Si al escoger la variable que sale, ninguna de las variables bsicas restringe el crecimiento de la variable no bsica escogida para entrar, el problema tiene solucin indeterminada y se debe revisar la formulacin en busca de una nueva restriccin que no se tuvo en cuenta en la formulacin inicial. Si en el tablero simplex del ptimo, al menos una de las variables no bsicas tiene coeficiente cero (0) en la funcin objetivo, esto es su Zj Cj = 0, el problema tiene mltiples soluciones y se nos est ofreciendo una de ellas. Ejemplo 1 Siendo Xi la cantidad a producir del producto i. Maximizar Z = X1 + X2 {Ganancia total en soles} S.A. 5X1 + 3X2 <= 15 {Horas disponibles dep. A} 3X1 + 5X2 <= 15 {Horas disponibles dep. B} Xj >= 0 ; j = 1, 2 Los problemas de Maximizacin, con todas sus restricciones <= y con la condicin de no negatividad, se le llama Forma Estndar Forma Normal Aqu debemos conseguir una solucin bsica factible, empleando las variables de holgura y/o artificiales, quedando el sistema de ecuaciones as: Maximizar Z = X1 + X2 S.A. 5X1 + 3X2 + X3 = 15 3X1 + 5X2 + X4 = 15 Xj >= 0 ; j = 1,2,3,4 Las variables bsicas son aquellas cuyos coeficientes forman la matriz unitaria. En este caos accidentalmente son las variables de holgura X3 y X4. A continuacin construimos la siguiente tabla:

Cj

0 b/a a>0

V.B. 0 0 Zj - Cj X3 X4

b 15 15 0

X1 5 3 -1

X2 3 5 -1

X3 1 0 0

X4 0 1 0 15/5=3 15/3=5

El valor de la funcin objetivo Z, se encuentra frente a la casilla de Zj Cj , en ste caso vale cero (0) y se calcula multiplicando el vector fila (en la tabla es la columna inmediatamente anterior a la de las variables bsica V.B.) que contiene los coeficientes de las variables bsicas en la funcin objetiva original por el vector columna de los trminos independientes b CXB = Vector fila de los coeficientes en la funcin objetivo original de las variables bsicas actuales, sus valores se encuentran en la primera columna del tablero.

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

b = Vector columna de los trminos independientes de las restricciones, que al mismo tiempo son los valores de las variables bsicas actuales, sus valores se encuentran bajo la columna denominada b CXB = (0,0) ; b = (15,15) Z = CXB * b = (0)(15) + (0)(15) = 0 El valor de los Zj Cj se calcula multiplicado el vector fila CX B por el vector apuntador aj dela columna de la variable j-sima, menos el Cj, esto es: Zj Cj = CXB. aj Cj ; Los clculos se efectan as: Z1 C1 = CXB a1 C1 = (0,0).(5,3) - 1 = (0)(5)+(0)(3) 1 = -1 Z2 C2 = CXB a2 C2 = (0,0).(3,5) - 1 = (0)(3)+(0)(5) 1 = -1 Z3 C3 = CXB a3 C3 = (0,0).(1,0) - 0 = (0)(1)+(0)(0) 0 = 0 Z4 C4 = CXB a4 C4 = (0,0).(0,1) - 0 = (0)(0)+(0)(1) 0 = 0 A continuacin se indican la variable que sale y la variable que entra:

La variable que tiene Zj-Cj ms negativo es X1 X2. Se escoge al azar X1. En esta iteracin b/a da: 15/5 = 3 y 15/3 = 5; Lo que significa que la variable bsica X3 restringe el crecimiento de la variable que entra, X1, hasta 3 (no la deja tomar valores superiores a 3) y la variable bsica X4 restringe el crecimiento de la variable que entra X1 hasta 5 (no la deja tomar valores superiores a 5). Por supuesto la variable bsica que restringe ms el crecimiento de la variable que entra X1, es X3 , por lo tanto, es la variable bsica escogida para salir. La fila de la variable bsica escogida para salir se divide por el elemento que se encuentra en la interseccin de dicha fila con la columna de la variable que entra, la fila resultante es la fila pivote y se coloca en un nuevo tablero, desde el que se suman mltiplos de la fila pivote a las dems filas del tablero anterior de tal forma que se eliminen de cada una de ellas la variable escogida para entrar, en nuestro caso X1 , este procedimiento se denomina, hacer un uno (1) en la interseccin y el resto de la columna ceros (0), por lo tanto en dicha columna aparecer un vector unitario, el procedimiento se repite en cada iteracin, hasta que todos los Zj Cj sean mayores iguales a cero en el caso de maximizar menores iguales a cero en el caso de minimizar. A continuacin se muestran todas las iteraciones y en cada fila los valores por los cuales fueron multiplicadas para ser sumadas a otras filas, ello se expresa como sumar mltiplos de una fila a otra. Fjese que se suman mltiplos de las restricciones a la funcin objetivo para eliminar las variables bsicas de ella. Cj 1 0 Zj - Cj Variable que entra X2 Variable que sale X4 1 1 0 0 b/a a>0 b X1 X2 X3 X4 1 15/8 1 0 5/16 0 1 15/8 0 1 -3/16 5/16 Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com Zj Cj 15/4 0 0 1/8 1/8 V.B. X1 X2 Cj V.B. X1 X4 b 3 6 3 1 X1 1 0 0 1 X2 3/5 16/5 -2/5 0 X3 1/5 -3/5 1/5 0 X4 0 1 0 b/a a>0 5 15/8

www.monografias.com

Solucin ptima: X1* = 15/8 X2* = 15/8 Z * = 15/4 La solucin es nica: X1 * = 15/8 ; X2 * = 15/8 ; Z* = 14/4 Ejemplo 2 Minimizar Z = 6X1 + 4X2 + 2X3 S.A. 6X1 + 2X2 + 6X3 >= 6 6X1 + 4X2 = 12 2X1 - 2X2 <= 2 Xj >= 0 ; j = 1, 2, 3 Minimizar Z = 6X1 + 4X2 + 2X3 + MX5 + MX6 S.A. 6X1 + 2X2 + 6X3 X4 + X5 =6 6X1 + 4X2 +X6 = 12 2X1 - 2X2 +X7 =2 Xj >= 0 ; j = 1, 2, 3, 4, 5, 6, 7 Las variables bsicas son X5 = 6 , X6 = 12, X7 = 2

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Solucin ptima: Variables de decisin: X1 = 0 , X2 = 3 , X3 = 0 , Z = 12 Variables de holgura : X4 = 0 , X7 = 8 Variables artificiales: X5 = 0 , X6 = 0

Un adelanto del anlisis post-ptimo

Maximizar Z = X1 + X2 {Ganancia total en soles} S.A. 5X1 + 3X2 <= 15 {Horas disponibles dep. A} 3X1 + 5X2 <= 15 {Horas disponibles dep. B} Xj >= 0 ; j = 1, 2 Tablero inicial: Cj 1 1 0 0 b/a a>0

V.B.

X1

X2

X3

X4

X3

15

15/5=3

X4

15

15/3=5

Zj Cj

-1

-1

Tablero ptimo:

Costo reducido: Unidades = (unidad monetaria)/(unidad de producto) = (u.m.)/(u.p.) = las mismas unidades que Cj Precio dual:

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Unidades = (unidad monetaria)/(unidad de recurso) = (u.m.)/(u.r.) Interpretacin del Costo reducido: En cuantas unidades monetarias empeora la funcin objetivo al producir una unidad de un producto que no se est produciendo. En minimizacin: ( z / x) En maximizacin: ( z / x) Si la variable es bsica ,el costo reducido es 0. Si la variable es no bsica, es >= 0. Cuando es 0 significa soluciones alternativas. Interpretacin del Precio dual: En cuantas unidades monetarias va a variar la funcin objetivo al variar en una unidad de recurso limitante. Cuando es >0: ( z / b) ( z / b) Cuando es <0: ( z / b) ( z / b) Una restriccin es limitante cuando limita a la funcin objetivo. Esto sucede cuando se cumple la igualdad de la restriccin. Si la restriccin es no limitante, el precio dual es 0. Si la restriccin es limitante, puede tomar cualquier valor positivo, negativo o 0. ANIMALES DISECADOS Una Empresa de Animales Disecados est produciendo palomas y gavilanes disecados. En las condiciones en que se encuentra el mercado actualmente puede vender los gavilanes y las palomas con utilidades de $20.00 y $12.00 respectivamente. Las pieles de los gavilanes son ms duras y toman ms tiempo de trabajo que las pieles de las palomas. La mquina de pieles puede trabajar 4 pieles de gaviln por minuto 8 pieles para palomas, usando la misma capacidad. La lnea de relleno, puede rellenar 5 gavilanes 4 palomas por minuto. Los gavilanes van a una operacin final en una mquina de afilado del pico que tiene una capacidad de 3.5 gavilanes por minuto, La jornada de trabajo en la divisin es de 8 horas. a) Formule el modelo de programacin lineal, que resuelva el caso. b) Formule el problema dual del modelo formulado en (a). c) Resolver el modelo, y hacer una interpretacin administrativa de la solucin. d) Determinar la solucin ptima del problema dual leyndola directamente de la tabla ptima encontrada en la pregunta c. A no ser que se especifique de otra manera, las siguientes preguntas son independientes unas de otras y estn basadas en el enunciado inicial del problema. e) Existe la posibilidad de trabajar sobretiempos en la mquina de pieles, en la lnea de relleno, y en la mquina de afilado. Cul es la mayor utilidad que se genera por cada sobretiempo en cada una de las secciones?. f) El Gerente de la Empresa visita la lnea de gavilanes y palomas, y observa que hay capacidad ociosa en algunos de los procesos. El resuelve ordenar que se usen todos los centros del proceso, en toda su capacidad instalada. Qu le dira usted?. g) Qu sucedera con la solucin ptima si las utilidades por cada paloma bajan a s/. 9.00 ?. h) Para darle un mejor acabado a los juguetes, se ha instalado una lnea de laqueado; la lnea de laqueado puede rellenar 5 gavilanes por minuto o 4 palomas en el mismo tiempo, igualmente la jornada es de 8 horas. Afectara la solucin ptima?; de ser as encuentre la nueva solucin. NOTA TEORICA: En esta pregunta, observar si la nueva restriccin es cumplida por la solucin actual, si es as sera una restriccin redundante y no afecta a la solucin actual, pero si la solucin actual no la cumple, entonces ser necesario volver a resolver el problema considerando esta nueva restriccin. MODELO: X1= numero de palomas a producir en el da X2= numero de gavilanes a producir en el dia MAX 12X1+20X2 SUBJECT TO 0.125X1+0.25X2<=480 maquina de pieles 0.25X1+0.2X2<=480 linea de relleno 0.2857143X2<=480 afilado de pico END LP OPTIMUM FOUND AT STEP 2

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

OBJECTIVE FUNCTION VALUE 1) 39680.00 VARIABLE X1 X2 VALUE REDUCED COST 640.000000 0.000000 1600.000000 0.000000 DUAL PRICES 69.333336 13.333333 0.000000

ROW SLACK OR SURPLUS 2) 0.000000 3) 0.000000 4) 22.857122 NO. ITERATIONS= 2

RANGES IN WHICH THE BASIS IS UNCHANGED: OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLE COEF INCREASE DECREASE X1 12.000000 13.000000 2.000000 X2 20.000000 4.000000 10.400001 ROW 2 3 4 RIGHTHAND SIDE RANGES CURRENT ALLOWABLE ALLOWABLE RHS INCREASE DECREASE 480.000000 11.999989 240.000000 480.000000 480.000000 23.999977 480.000000 INFINITY 22.857122

Autor: Ing.Mohammed Portilla Camara mportilla@gmail.com mportilla@grupo-groming.com Gerente de Operaciones Grupo Groming Ingeniera SAC. y CEENQUA: Certifications for Engineering of Quality La Molina, Lima - Per Estudios realizados en: Ingeniera Industrial, Ingeniera de Minas e Ingeniera Informtica Universidad de Lima Pontificia Universidad Catlica del Per Universidad Nacional de Ingeniera Escuela de Negocios para Graduados ESAN

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

OBJETIVO GENERAL Entender la aplicacin del Algoritmo SIMPLEX en problemas del mundo real aplicados en Programacin lineal cuando la funcin objetivo es maximizar con restricciones (menor o igual que). OBJETIVOS ESPECIFICOS Construir la primera tabla del simplex. Hallar la primera solucin factible de los problemas de programacin lineal. Entender las iteraciones que se deben establecer para mejorar la funcin objetivo de los problemas y poder hallar el ptimo. Entender el significado de cada uno de los resultados de las tablas del simplex. Hallar la respuesta ptima a los ejercicios propuestos. Comprender los procedimientos generales del mtodo simplex. METODOLOGIA: Se sugiere que este taller sea desarrollado en forma individual y sea apoyado por la bibliografa suministrada por el profesor de la materia. CONCEPTOS PREVIOS: Quizs la mejor forma de comprender lo que es el mtodo simplex es recordar cual es la base del mtodo grfico, para as extrapolar estos conocimientos al mtodo simplex. TEMATICA: El mtodo consiste en partir de un vrtice del conjunto de soluciones, o solucin inicial y determinar si es ptima. Si no lo es, se pasa a partir de l a otro vrtice adyacente (es decir, que difiera del anterior en el hecho de que una coordenada no nula del primero se anule en el segundo y viceversa), por un criterio semejante al del gradiente, en el que mejore el valor de la funcin objetivo o funcin econmica, repitindose esta operacin hasta que no sea posible mejorar la funcin objetivo, en cuyo caso ya se ha alcanzado el ptimo. El nmero de iteraciones es finito y, segn los casos, se encuentra entre n y 2n. Programacin lineal con variables enteras y binarias En muchos casos la naturaleza de las variables que constituyen un programa lineal y las unidades en que vienen medidas exigen que estas variables tomen valores enteros, ejemplo: Nmero de vehculos, personas, productos, mquinas, etc. En tal caso una aproximacin para resolver el problema consiste en tratarlo sin tener en cuenta el carcter entero de las variables. Si la solucin obtenida por la aplicacin del mtodo SIMPLEX resultara entera habramos terminado con el problema. Si no es as, una alternativa es redondear la solucin, comprobando que el punto as obtenido es realmente una solucin, es decir, satisface al conjunto de restricciones, o bien tomar de cada variable su parte entera, realizando la misma comprobacin. Cuando los valores de la variable son de magnitud considerable, estas alternativas garantizan una excelente aproximacin al punto ptimo. Cuando los valores de las variables son pequeos el redondeo puede estar lejos de la solucin ptima, As, que tenga cuidado. Hay varios mtodos para abordar la solucin de un programa lineal con variables enteras. El mas conocido es el de Formas enteras de Gomory o mtodos de los hiperplanos de corte que, bsicamente, consiste en introducir

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

restricciones adicionales que slo pueden satisfacer las soluciones enteras y que reducen paulatinamente el conjunto inicial de soluciones. Su solucin conduce a clculos muy laboriosos, que ahora se resuelven en el computador. Otra consideracin que se debe tener en cuenta es que se pueden usar variables binarias, esto es, que slo puede tomar valores de 0 y 1, en un modelo de programacin lineal. Esto se usa generalmente en los problemas de asignacin. III. SOLUCIONES DE MAXIMIZACION SIMPLEX La mejor manera de aprender el mtodo simplex es resolviendo problemas de programacin lineal Para esto realicemos el siguiente ejercicio. Una fbrica productora de embalajes plsticos, elabora dos tipos de containers de 3.750 c.c. y 4.000 c.c. Los datos de produccin se presentan en la tabla adjunta. La persona encargada del termo-formado no puede trabajar ms de 40 horas a la semana y los recursos econmicos de la fbrica no permiten inversiones mayores de US$1.000 de materiales por semana cuntos containers de cada tipo debera fabricar la industria, para obtener la utilidad mxima? [@ TIPO DE TRABAJO POR COSTO POR UTILIDAD POR CONTAINER CONTAINER CONTAINER CONTAINER 3750 (A) 6 HORAS $200 $240 4000 (B) 5 HORAS $100 $160 [@ PASO 1: Establezca el modelo: Cmo es posible que haya ms de dos variables, es usual representarlas como X1 X2 X3, etc. Variables independientes X1: Cantidad de container tipo A X2: Cantidad de container tipo B Restricciones C1: 6X1 + 5X2 Restriccin de tiempo C2: 200X1 + 100X2 Restriccin de dinero C3: X1 C4: X2 Funcin objetivo: Z= 240X1 + 160X2 (Z es la utilidad) PASO 2: Convierta las desigualdades de restricciones en ecuaciones 6X1+5X2=40 Observe que si el nmero total de horas es menor que 40, implica que algunas horas no se aprovecharon, esto significa que C1 se podra escribir como: C1=6X1+5X2+S1=40 S1 corresponde a la cantidad de horas no utilizadas, S1 S1 se denomina variable de holgura, de holgura debido a que establece el perodo libre entre las horas empleadas (pueden ser menos de 40) y las horas disponibles (exactamente 40). El introducir la variable de holgura convierte las

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

desigualdades de restriccin en ecuaciones, lo que implica que se puedan utilizar matrices y el mtodo de Gauss Jordn para resolver el problema. C2:200X1 + 100X2 C2:200X1 + 100X2+S2 Nuevamente S2 es una variable de holgura que establece el dinero no utilizado, S2 . S2 determina la cantidad no empleada de dinero (menor a US$1.000) y el dinero disponible (igual a US$1.000) Las restricciones C3:X1 y C4: X2 son condiciones de no negatividad. PASO 3: Reescriba la funcin objetivo con todas las variables en el lado izquierdo Z = 240X1 + 160X2 -240X1 - 160X2+ Z =0 Incluyendo las variables de holgura -240X1160X2+0S1+0S2+Z=0 C1:6X1+5X2+S1=40 C2:200X1+100X2+S2=1.000 Recuerde que S1= horas no utilizadas S2= dinero no utilizado PASO 4: Plantee una matriz a partir de las restricciones y de la funcin objetivo reescritas. C1 = 6X1 + 5X2 + S1 + 0S2 + 0Z =40 C2=200X1 + 100X2 + 0S1 + S2 + 0Z =1000 Funcin objetivo 240X1 - 160X2 + 0S1 + 0S2 + Z = 0 (1) El mtodo smplex requiere el examen de una serie de matrices. Recuerde que en el mtodo grfico se requera que examinramos una serie de puntos. En forma anloga el mtodo smplex (cada matriz) nos proporciona un punto esquina de la regin de soluciones factibles, sin necesidad de graficar la regin. Una ltima matriz smplex nos proporcionar el punto esquina ptimo (la solucin al problema). PASO 5: Determine la solucin posible correspondiente a la matriz. La solucin factible se determina aplicando un mtodo semejante al de Gauss-Jordan, utilizando como siempre un pivote (1) para obtener una matriz en la forma escalonada reducida por rengln. El valor de la variable que encabeza cada una de las columnas se obtiene leyendo hacia abajo la columna, volteando en 1 y detenindose al final del rengln. La matriz smplex inicial (1) no est en forma escalonada reducida por rengln . Las columnas S1 , S2 y Z si estn en forma escalonada reducida, luego utilizando el esquema anterior. F= Observe que S1=40

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

S2=1000 Z=0 Y consideremos, inicialmente X1=0 X2=0 Luego una solucin factible corresponde a la matriz (X1 X2 S1 S2) = (0,0,40,1000) con Z=0 Lo anterior es una solucin factible por que si X1 e X2=0 se satisfacen las cuatro restricciones. Esta solucin factible implica: que no se fabricara el container tipo A y B, dispondramos de 40 horas no trabajadas y US$1.000 no gastados, luego no habra utilidad. Si este ejercicio se resolviera por mtodo grfico, (es pertinente que usted realice el ejercicio) el (0,0) corresponde a un punto de esquina. El mtodo smplex localiza los dems puntos de esquina hasta que encontremos el ptimo. El mtodo de Gauss-Jordan y el mtodo smplex Cuando se soluciona un sistema por el mtodo de Gauss-Jordan no proporciona ninguna solucin hasta que se obtiene la matriz final de Gauss-Jordan. El mtodo smplex, por el contrario proporciona una serie de soluciones posibles, una por cada matriz. Cada solucin posible sera un punto esquina de la regin de posibles soluciones. Si se estuviese manejando el mtodo grfico. Ahora apliquemos el mtodo smplex para solucionar el problema. Variables independientes X1= Cantidad de container Tipo A X2= Cantidad de container Tipo B Variables de holgura S1= Horas no empleadas S2= Dinero no utilizado Restricciones: C1:6X1+5X2+S1=40 Restriccin de tiempo C2:200X1+100X2+S2+1000 Restriccin de dinero Funcin objetivo -240X1 - 160X2 + 0S1 + 0S2 + 1Z = 0 La primera matriz smplex es la siguiente

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

Una posible solucin era (X1,X2,S1,S2) = (0,0,40,1000) Z=0 pero no es la solucin mxima. El procedimiento que usaremos es igual al mtodo de Gauss-Jordan excepto por la ubicacin del punto pivote. PIVOTES POR EL MTODO SMPLEX PASO 1: Ubique el ltimo rengln en la matriz anterior,( es la funcin objetivo). Escoja la entrada ms negativa en ese rengln. La columna que contiene esa entrada ser la columna pivote. Columna pivote PASO 2: Divida la ltima entrada en cada rengln de restriccin por la correspondiente entrada de la columna pivote. El rengln que de el menor cociente no negativo es el rengln pivote. Columna pivote PASO 3: Elija como pivote la entrada del rengln y la columna pivote PIVOTE RENGLN PIVOTE Columna Pivote El valor de 200 es el pivote. Haremos las operaciones de rengln, en forma similar que lo haramos por el mtodo de Gauss-Jordan. Cada matriz smplex, nos proporciona un punto esquina de la regin de soluciones posibles; la matriz final smplex nos proporcionar el punto esquina ptimo. La matriz anterior nos proporciona un punto de esquina, por que las columnas X1,S1 y Z slo contienen unos y ceros. Observe que X1=5 S1=10 Z=1.200 mientras que X2,S2 son cero (por qu?) Por favor interprete esta solucin: La pregunta que podramos formular es si ste punto esquina es el ptimo. Desafortunadamente la respuesta a la pregunta anterior se responde con otra pregunta Es posible emplear pivotes nuevamente? S, si el ltimo rengln contiene entradas negativas, en caso contrario no se requiere pivote y la solucin posible que corresponde a la matriz es la mxima. Columna Pivote El menor cociente no negativo es 5, rengln 1 Ahora preguntmonos Es posible emplear ms pivotes? No, el ltimo rengln contiene entradas no negativas. Esta es nuestra ltima matriz y la solucin correspondiente a esta matriz es el punto esquina ptimo. (X1,X2,S1,S2) = (2.5 , 5 , 0.0) con Z=1.400

Estoy invitando a todos los maestros y profesionales de esta area y/o carrera a colaborar construyendo este sitio dedicado a esta hermosa y util profesion aportando el material apropiado a cada uno de los mas de 1,000 temas que lo componen. Tambien los invito a aportar material a los mas de 30,000 temas que constituyen las 30 carreras profesionales que se imparten en los Institutos Tecnologicos de Mexico y se encuentran en este sitio. www.MiTecnologico.com es un esfuerzo personal y de muchos amigos de MEXICO y el Mundo Hispano por devolver algo de lo mucho que hemos recibido en el proceso de la educacion superior, saludos Prof Lauro Soto, Ensenada, BC, Mexico

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com

www.monografias.com

PARA EMPEZAR SOLO USAR OPCION edit ABAJO Y EMPIEZA A CONSTRUIR , SALUDOS Y MUCHAS GRACIAS

Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com