Upload
maria-hernandez
View
878
Download
0
Embed Size (px)
Citation preview
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 1/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
NATURALEZA DE LA INVESTIGACIÓN DE OPERACIÓN
Concepto:
Es la aplicación, del método científico a problemas relacionados
con el control de la organización de un sistema (hombre-máquina). Como
herramienta de toma de decisiones, la investigación de operaciones es una
ciencia y un arte. Es una ciencia por las técnicas matemáticas que presenta,
y es un arte porque el éxito de todas las fases que anteceden y siguen en la
resolución del modelado matemático depende mucho de la creatividad y la
experiencia de equipo.
Características:
Una de las características más generales de la investigación de
operaciones es que las soluciones no se obtienen en formas cerradas, es
decir, parecidas a fórmulas. Se determina mediante algoritmos (por medio
de repeticiones o mejor llamado como iteración) donde se obtiene una
solución cada vez más cercana a la óptima. También tiende a representar el
problema cuantitativamente para poder analizarlo y evaluar un criterio
común.
Importancia:
La importancia de la investigación de operaciones para la
informática radica en la implementación en los aspectos de coordinación de
operaciones y actividades de la organización o sistema que éste analice,
mediante el empleo de modelos que describan las interacciones entre los
componentes del sistema y de éste con su medio ambiente. Además, por
medio de la misma se pueden determinar toda importante variable,
probabilidad y resultados razonables de una decisión, antes de emprender
la acción.
Objetivos:
El objetivo fundamental de la investigación de operaciones es la
aplicación de procedimientos, técnicas y herramientas científicas a
problemas operativos con el objeto de ayudar a desarrollar y evaluar
posibles soluciones.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 2/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
PROGRAMACIÓN LINEAL
Conceptos:
Es la técnica más importante de investigación de operaciones, ya
que fue diseñada para modelos con funciones objetivos y restricciones
estrictamente lineales.
Función objetivo: es una función lineal de varias
variables la cual se puede en su caso maximizar o minimizar.
Formulación de modelos matemáticos:
Los términos claves son recursos y actividades, en donde M
denota el número de distintos tipos de recursos que se pueden usar y N
denota el número de actividades bajo consideración.
Z= Valor ver a medida global de efectividad.
X j (variables de decisión) = nivel de la actividad J (para J= 1,2,3.,n).
C j = incrementado en Z quien resulta al aumentar una unidad en el
nivel de la actividad J.
Bi = cantidad de recurso i disponible para asignar a las actividades
(para i= 1,2,3,.m).
Aij = cantidad del recurso i consumido por cada unidad de la
actividad j.
El modelo establece el problema en términos de tomar
decisiones sobre los niveles de actividades, por lo que X1, X2,. Xn, se
llaman variables de decisión, los valores de C j, Bi, A ij (para i = 1,2,.,
m y j = 1,2,., n) son las constantes de enterada al modelo.
Soluciones gráficas:
Se usa en los casos de modelos con dos variables de decisión.
Además, ilustra que la solución óptima correspondía a un punto extremo, sí
hayamos estos con su correspondiente valor de Z, podríamos encontrar la
solución óptima.
Constante de
entrada al modelo
o parámetros
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 3/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Región Factible: es la región determinada por el
sistema de restricciones de tipo lineal. Es un conjunto de puntos
cuyas coordenadas satisfacen las restricciones del problema.
Variables de holgura:
Son las variables ficticias que se utilizan para llevar una
desigualdad en la forma estándar. Se representa por S i, donde i es el
número de restricción a la que se aplica, se colocan siempre del lado
izquierdo de la desigualdad.
Ejemplo:
ax1 + bx2 c
Aplicando variables de holgura queda:
ax1 + bx2 + s1 c
Se crea una variable que satisface la ecuación.
Cuando se da el caso de es necesario restar la variable por
ejemplo:
ax1 + bx2 s1 = c
Esta variable sirve para la determinación de la solución óptima.
Variables artificiales:
Sumar una variable no negativa al primer miembro de cada
ecuación o restricción que no tenga variables básicas iniciales evidentes.
Esta variable desempeña la misma función que una variable de holgura, al
proporcionar una variable básica inicial para una solución básica inicial.
Las variables artificiales no tiene sentido físico (artificial) y será
válido cuando se hace igual a cero, cuando le llegue al valor óptimo.
Se utilizan para la solución y después se hacen cero en la función
final, de lo contrario, la solución resultante será no factible.
y Sí todas las restricciones son de tipo menor o igual, se
utilizan las variables de holgura para determinar la solución.
y Sí las restricciones del problema son igual o mayor igual, se
debe emplear la técnica de las variables artificiales.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 4/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Soluciones factibles:
Cualquier punto dentro de la región factible determina valores
numéricos para las variables que satisfacen las restricciones.
Solución factible óptima:
Entre todas las soluciones factibles, buscamos aquella que
maximice o minimice la función objetivo, además que satisfaga la
restricciones impuestas.
Soluciones no factibles:
Los modelos de programación lineal con restricciones
inconsistentes no tienen solución factible. Desde el punto de vista práctico,
un espacio no factible indica la posibilidad de que el modelo no esté bien
formulado.
Región factible no acotada: una región es no
acotada si no se pueden cerrar en un círculo. Generalmente se
piensa que el problema está mal planteado.
EJEMPLO DE PROGRAMACIÓN LINEAL
Una empresa produce dos tipos de productos identificados como A y B. Cada unidad
del producto A requiere para su producción 2 horas- máquinas, 5 horas-hombre 6 unidades
de materia prima. Cada unidad de producto B requiere 2 horas- máquinas, 10 horas hombre
y 3 unidades de materia prima. El beneficio unitario de los productos A y B es de Bs. 5 y 4
respectivamente. Las disponibilidades diarias de los recursos son: 14 horas- máquina, 60
horas- hombre y 36 unidades de materia prima. Se pretende determinar cuántas unidades
diarias deben producirse de A y B para maximizar los beneficios.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 5/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Solución:
Sí se designan con x1 y x2 las cantidades que los productos que se
producirán diariamente, y z representa el beneficio total diario, el
problema puede formularse matemáticamente así:
La función objetivo hacer maximizada es:
Maximizar Z = 5x1 + 4x2
Sujeto a:
2x1 + 2x2 14 función objetivo (se debe maximizar)
5x1 + 10x2 60 ecuación que especifica el número total de horas máquinas que no debe exceder lo
disponible
6x1 + 3x2 36 representación de restricciones relativas a los recursos horas-hombres y materia prima.
X1 y x2 0 indica que el número de unidades producidas no puede ser negativo.
Si consideramos un eje de coordenadas cartesianas, el que medimos la variable x 1
en el eje de abscisas y x2 en el eje de ordenadas; sabemos que las inecuaciones del modelo
puede ser representadas gráficamente como semiplanos. Al hacer la representación gráficas
de las inecuaciones, vamos hallar los puntos que satisfacen todas las restricciones
simultáneamente; o sea, aquellos pares de valores de x1 y x2 que son posibles soluciones del
modelo.
Resolviendo:
2x1 + 2x2 = 14
X2 = 0
2x1 + 2(0) = 14 2x1 = 14 x1 = 14/7 x1 = 7
X1 = 0
2(0) + 2x2= 14 2x2 = 14 x2 = 14/7 x2 = 7
5x1 + 10x2 = 60
X2 = 0
5x1 + 10(0) = 60 5x1 = 60 x1 = 60/5 x1 = 12
X1 = 0
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 6/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
5(0) + 10x2= 60 10x2 = 60 x2 = 60/10 x2 = 6
6x1 + 3x2 = 36
X2 = 0
6x1 + 36(0) = 36 6x1 = 36 x1 = 36/6 x1 = 6
X1 = 0
6(0) + 3x2= 36 3x2 = 36 x2 = 36/3 x2 = 12
En primer lugar, las restricciones de no negatividad X1 y x2 0, implica que las
soluciones del modelo necesariamente tienen que estar en el primer cuadrante.
Si no existieran otras restricciones, cualquier punto del primer cuadrante sería una
posible solución del modelo.
Gráficamente, las restricciones están representadas por el conjunto de puntos de
bajo o en la recta de las inecuaciones.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 7/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Cualquier punto fuera de la región factible deja de satisfacer por lo menos una
restricción. Se habrá observado que hay infinitas soluciones posibles del modelo; hay que
escoger aquella que es óptima, es decir, aquella que maximiza Z.
El punto adonde se cruzan unas de las rectas representadas en las inecuaciones representar
la solución óptima. El mismo, se encuentran en la intersección de las rectas 2x1 + 2x2 = 14 y
6x1 + 3x2 = 36; luego, los coordenadas son x1 = 5, x2 = 2.
Según esto, la solución óptima es la siguiente: se deben producir 5 unidades del
producto A; 2 unidades del B, y esto da un beneficio de Z = 5x1 + 4x2 = 33 bolívares.
MÉTODO SIMPLEX
Conceptos:
Es el método para resolver problemas de programación lineal por medio de una
herramienta esencial como lo es la computadora determinando en forma algebraica los
puntos esquina. Esto se logra convirtiendo primero todas las restricciones de desigualdad en
ecuaciones, para después manipular esas ecuaciones en una forma sistemática.
Puntos esquina: es una recta que marca el límite de lo que permite
la restricción.
Puntos de intercepción: son las soluciones en los vértices para el
problema. Naturaleza iterativa del método Simplex:
El método simplex comienza en el origen en el plano
cartesiano donde x1 = x2 = 0. En este punto de inicio, el valor de la
función Z es cero.
El método simplex proporciona una regla definida
principalmente para facilitar el desarrollo de la función. En forma
específica cuando éste está maximizando, la variable que tenga el
coeficiente positivo en la función objetivo más grande es la que se
selecciona para aumentar Z. Si hay un empate, la selección se hace
en forma arbitraria.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 8/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Cómo f unciona el método simplex?
Se parte de una solución básica inicial para la función objetivo en un vértice
cualquiera, el método consiste en buscar sucesivamente otro vértice que mejore la anterior
solución. La búsqueda se hace siempre a través de los lados del polígono de soluciones
factibles o de las aristas de la región solución, si el número de variables es mayor. Cómo el
número de vértices y de lados o aristas es finito, siempre se podrá encontrar la solución.
Forma estándar de un problema:
Un problema lineal está en forma estándar si todas las restricciones son igualdades y se
conoce una solución factible. En notación matricial, la forma estándar es:
Optimizar z = cx
Con la condición: ax = b
Con: X=> 0
Dónde:
X es el vector columna de todas las variables de holgura,
superfluas (exceso) y artificiales.
C es el vector renglón de los costos (utilidades) correspondientes.
a es la matriz de coeficientes de las ecuaciones de restricciones.
b es el vector columna de los lados derechos de las ecuaciones de
restricciones (vector mano derecha o de disponibilidad de
recursos).
Solución básica:
Una solución básica es aquella que es factible o se encuentra en uno de los vértices de la
región solución. Con m ecuaciones y n variables una solución básica se determina haciendo n-mvariables iguales a cero. En general existen n!/[m!(n-m)!] soluciones básicas posibles.
Variables No Básicas:
Son las n -m variables que hemos hecho igual a cero.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 9/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Operaciones de renglón de Gauss- Jordan:
los cálculos de Gauss-Jordan para obtener una nueva solución básica.
OPERACIONES NECESARIAS:
La fila de la variable que sale es la ecuación pivote.
Nueva ecuación pivote:
= ecuación pivote / elemento pivote
Las demás ecuaciones incluyendo Z:
(Ecuación anterior) [coeficiente de la columna de la variable que entra]x(nueva
ecuación pivote)
Variables básicas:
Son m variables restantes diferentes de cero. La solución básica será factible si
todos los valores de las variables básicas son no negativos. Si alguna de las variables es negativa
entonces la solución será no factible.
Método De La Gran M:
Si todas las restricciones no son del tipo , es decir hay restricciones de = y , entonces no
es posible obtener una solución básica inicial con las variables de holgura, en este caso se utilizan
otras variables llamadas variables artificiales (Rm) que se agregan a las restricciones que son del
tipo o de = con coeficiente 1, en la función objetivo se penalizan agregándolas con coeficiente
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 10/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
muy alto si es minimización o muy bajo si es maximización (una M o -M). Las iteraciones se hacen
igual que el simplex normal y las condiciones de optimidad y factibilidad son las mismas. Si en la
solución óptima hay variables artificiales, se dice que el modelo es no factible.
Técnica De Las Dos Fases:
Fase I: Minimizar las variables artificiales sujetas a las restricciones originales. Si
el valor mínimo es cero el problema tiene solución y se pasa a la fase II. Si el valor
mínimo es positivo el modelo es infactible.
Fase II: Se utiliza la solución básica óptima de la fase I como solución inicial para
el problema original.
Caso especiales del método simplex:
Solución degenerada:
Si se presenta un empate en la variable que sale de forma repetida, una variable básica
tomará valor cero, esto hace que la solución sea degenerada. Lo anterior es debido a la existencia
de a lo menos una restricción redundante.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 11/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Multiples soluciones optimas:
Se presenta cuando la función objetivo es paralela a una restricción activa (se
satisface como igualdad en la solución óptima), en este caso hay infinitas soluciones. Desde
el punto de vista práctico permite escoger la solución que mejor se adapte a la situación.
Solución infactible:
Ocurre cuando las restricciones no se pueden satisfacer de forma simultánea. Este
tipo de solución no se presenta si todas las restricciones son del tipo , en otro tipo de
restricciones hace falta el uso de variables artificiales, lo que puede dar lugar a soluciones
no factibles. Un modelo con solución infactible puede significar que ha sido mal planteado o
que las restricciones no estén destinadas a cumplirse simultáneamente, por lo que haría
falta una estructura diferente del modelo.
Método Dual Simplex:
Parte de una solución óptima infactible, la diferencia con el método simplex primal
está en las condiciones para la variable que entra y la variable que sale:
Condición de Factibilidad: La variable que sale es aquella variable básica con valor más
negativo, si todas son no negativas el proceso termina.
Condición de Optimidad: La variable que entra es aquella no básica con la razón más
pequeña (minimización), o con valor absoluto más pequeño (maximización). Las razones se
calculan dividiendo los coeficientes del primer miembro de la función objetivo entre los
correspondientes coeficientes negativos en la ecuación de la variable que sale. Si todos los
valores son ceros o positivos el modelo es infactible (no hay solución). En ambas
condiciones los empates se rompen de forma arbitraria.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 12/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
INTRODUCCIÓN
Cada vez es más difícil asignar los recursos o actividades en la forma más eficaz,
pues los recursos cada vez Howard tres casos y crecen las complejidades de los sistemas
generando problemas para decisiones óptimas.
La investigación de operaciones se le atribuye más a los servicios militares prestados
a principio de la II guerra mundial. Debido a los esfuerzos bélicos, existía una necesidad
urgente de asignar recursos escasos a las distintas operaciones militares y a las actividades
dentro de cada operación, en la forma más efectiva. Por esto, las administraciones militares
americanas y británicas hicieron un llamado a un gran número de científicos para que
apliquen el método científico a éste y a otros problemas estratégicos y tácticos. Esto
equipos de científicos fueron los primeros equipos de investigación de operaciones, el
desarrollo de métodos efectivos que contribuyeron a numerosos triunfos.
Entonces, la investigación de operaciones se aplica a problemas que se refieren a la
conducción y coordinación de operaciones (o actividades) dentro de una organización. La
naturaleza de la organización es esencialmente inmaterial y, de hecho, la investigación de
operaciones se ha aplicado de manera extensa en áreas tan diversas.
La investigación de operaciones usa una de las técnicas la cual se puede considerar
como la más importante es la programación lineal, se diseña para modelos con funciones
objetivo y restricciones estrictamente lineales. En la actualidad es una herramienta de uso
normal que ha ahorrado miles o millones a muchas compañías o negocios, incluyendo
empresas medianas en los distintos países industrializados del mundo; su aplicación a otros
sectores de la sociedad se está ampliando con rapidez. Una proporción muy grande que los
cálculos científicos en computadoras está dedicada al uso de la programación lineal. La
variedad de situaciones a las que se puede aplicar esta descripción es sin duda muy grande,
y va desde la asignación de instalaciones de producción a los productos, hasta la asignación
de los recursos nacionales a las necesidades de un país.
Dentro de la programación lineal se encuentra una propiedad muy importante para
resolver la misma, como lo es el método Simplex, cuya función es mejorar potencialmente
la función objetivo.
A continuación, se estudiará más detalladamente lo anteriormente descrito.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 13/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
CONCLUSIÓN
La investigación de operaciones es el procedimiento científico que está auxiliado por
modelos y técnicas matemáticas, servible para diseñar y operar los problemas complejos.
Utiliza todas las herramientas científicas pertinentes que prevé una base cuantitativa para
decisiones administrativas. Surgiendo así, equipos de investigación integrados para la
profundización de las diferentes opciones de acción.
La investigación de Operaciones es una herramienta cuantitativa para medir
anticipadamente el impacto de la decisión, además es generadora de valor agregado y su
uso produce ventajas competitivas, permite que con éstas técnicas se lleve a cabo un
adecuado proceso de toma de decisiones en la empresa, pero uno de los problemas que se
presentan es que no es aplicable a todas las organizaciones y que sólo se puede utilizar
cuando los problemas son cuantificables.
La programación lineal utiliza un modelo matemático para descubrir el problema. El
adjetivo lineal significa que todas las funciones matemáticas del modelo deben ser
funciones lineales. En este caso, la palabra programación no se refiere a programación en
computadoras; en esencia es un sinónimo de planeación. Así, la programación lineal trata
de planeación de las actividades para obtener un resultado óptimo, esto es, el resultado que
mejor alcance la meta especificada (según el modelo matemático) entre todas alternativas
de solución.
En el caso del método simplex para sistemas lineales las condiciones de optimidad y
factibilidad garantizan, partiendo de un punto extremo factible (solución básica), el poder
mejorar el valor de la función objetivo hasta llegar al óptimo en cada iteración.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 14/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Ejemplo del Método Simplex:
Vamos a resolver el siguiente problema:
Maximizar Z = f(x1,x2) = 3x1 + 2x2
Sujeto a: 2 x1 + x2 18
2x1 + 3x2 42
3x1 + x2 24
X1 0 , x2 0
Paso I: Convertir las desigualdades en igualdades:
Se introduce una variable de holgura por cada una de las restricciones, este caso s 1,
s2, s3 para convertirlas en igualdades y formar el sistema de ecuaciones estándar.
FORMA ESTANDAR:
2x1 + x2 + s1 = 18
2 x 1 + 3 x 2 + s2 = 42
3 x 1 + x 2 + s3 = 24
Paso II: Igualar la función objetivo a cero y después agregar las variables de holgura
del sistema anterior:
Z - 3 x 1 - 2 x 2 = 0
Para este caso en particular la función objetivo ocupa la última fila del tablero, pero
de preferencia siempre se deberá de colocar como la primer fila
Cuando minimizamos se toma el valor (+) positivo de F.O para convertirlo en
negativo y cuando maximizamos tomamos el valor (+) negativo de F.O para convertirlo en
positivo.
Paso III: Escribir el tablero inicial simplex:
En las columnas aparecerán todas las variables del problema y, en las
filas, los coeficientes de las igualdades obtenidas, una fila para cada restricción y la
última fila con los coeficientes de la función objetivo:
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 15/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Paso IV: Encontrar la variable de decisión que entra en la base y la variable de
holgura que sale de la base.
Para escoger la variable de decisión que entra en la base, (FLECHA ROJA PARTE
SUPERIOR), observamos la última fila, la cual muestra los coeficientes de la función objetivo
y escogemos la variable con el coeficiente más negativo (en valor absoluto).
En este caso, la variable x1 de coeficiente - 3. Si existiesen dos o máscoeficientes iguales que cumplan la condición anterior, entonces se elige cualquiera de
ellos. Si en la última fila no existiese ningún coeficiente negativo, significa que se ha
alcanzado la solución óptima.
Por tanto, lo que va a determinar el final del proceso de aplicación del
método del simplex, es que en la última fila no haya elementos negativos.
La columna de la variable que entra en la base se llama columna pivote (en
color azulado).
Para encontrar la variable de holgura que tiene que salir de la base, (FLECHA ROJA
COSTADO IZQUIERDO) se divide cada término de la última columna (valores solución) por el
término correspondiente de la columna pivote, siempre que estos últimos sean mayores
que cero. Si hubiese algún elemento menor o igual que cero no se hace dicho cociente. En
Base Variable de decisión Variable de holgura Solución
X1 X2 S1 S2 S3
S1 2 1 1 0 0 18
S2 2 3 0 1 0 42
S3 3 1 0 0 1 24
Z -3 -2 0 0 0 0
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 16/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendríamos
una solución no acotada y no se puede seguir.
El término de la columna pivote que en la división anterior dé lugar al menor
cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura que sale de la
base, S3. Esta fila se llama fila pivote (en color azulado).
Iteración No. 1
Base Variable de
decisión
Variable de
holgura
Solución Operación
X1 X2 S1 S2 S3
S1 2 1 1 0 0 18 18/2 = 9
S2 2 3 0 1 0 42 42/2 = 21
S3 3 1 0 0 1 24 24/3 = 8
Z -3 2 0 0 0 0
Si al calcular los cocientes, dos o más son iguales, indica que cualquiera de las
variables correspondientes puede salir de la base.
En la intersección de la fila pivote y columna pivote tenemos el elemento pivote
operacional, 3, este indica que la variable de decisión X1 entra y la variable de holgura S3
sale.
Paso V: Encontrar los coeficientes para el nuevo tablero de simplex.
Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos los
coeficientes de la fila por el pivote operacional 3, ya que este se debe convertir en 1.
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 17/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
A continuación mediante la reducción gaussiana hacemos ceros los
restantes términos de la columna pivote, con lo que obtenemos los nuevos coeficientes de
las otras filas incluyendo los de la función objetivo Z.
Como en los elementos de la última fila hay un número negativo, -1, significa que no
hemos llegado todavía a la solución óptima. Hay que repetir el proceso:
A.La variable que entra en la base es x2, por ser la columna pivote que corresponde
al coeficiente -1 .
B. Para calcular la variable que sale o la fila pivote, dividimos los términos de la
columna solución entre los términos de la nueva columna pivote: y como el menor cociente
positivo es 6, tenemos que la fila pivote y la variable de holgura que sale es S1.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3. Y se opera de forma
análoga a la anterior iteración.
Resultado de Iteración No. 1
Base Variable de
decisión
Variable de holgura Solución Operación
X1 X2 S1 S2 S3
S1 0 1/3 1 0 -2/3 2 f(S1) 2 f(X1)
S2 0 7/3 0 1 -2/3 26 f(S2) 2 f(X1)
X1 1 1/3 0 0 -1/3 8 (1/3) X1
Z 0 -1 0 0 1 24 f(Z) + 3 f(X1)
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 18/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Iteración No. 2
Base Variable de decisión Variable de holgura Solución Operación
X1 X2 S1 S2 S3
S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6
S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7
X1 1 1/3 0 0 -1/3 8 8/(1/3) = 24
Z 0 -1 0 0 1 24
Resultado de Iteración No. 2
Base Variable de
decisión
Variable de holgura Solución Operación
X1 X2 S1 S2 S3
X2 0 1 3 0 -2 6 3X2
S2 0 0 -7 0 4 12 f(S2) (7/3) f(X2)
X1 1 0 -1 0 1 6 f(X1) (1/3) f(X2)
Z 0 0 3 0 -1 30 f(Z) + f(X2)
Como en los elementos de la última fila hay uno negativo, -1, significa que no hemos
llegado todavía a la solución óptima. Hay que repetir el proceso:
La variable que entra en la base es S3, por ser la variable que corresponde al
coeficiente -1.
Para calcular la variable que sale, dividimos los términos de la última columna
entre los términos correspondientes de la nueva columna pivote:
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 19/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. Y como el menor cociente positivo es 3, tenemos
que la variable de holgura que sale es S2. El elemento pivote, que ahora hay que hacer 1,
es 4. Obtenemos la tabla:
Iteración No. 3
Base Variable de
decisión
Variable de holgura Solución Operación
X1 X2 S1 S2 S3
X2 0 1 3 0 -2 6 No se toma por
ser negativo
S2 0 0 -7 0 4 12 12/4 = 3
X1 1 0 -1 0 1 6 6/1 = 6
Z 0 0 3 0 -1 30
Resultado de Iteración No. 3
Base Variable de
decisión
Variable de holgura Solución Operación
X1 X2 S1 S2 S3
X2 0 1 -1/2 0 0 12 f(X2) + 2 f(S3)
S3 0 0 -7/4 0 1 3 (1/4) S3
X1 1 0 -3/4 0 0 3 f(X1) f(S3)
Z 0 0 5/4 0 0 33 f(Z) + f(S3)
5/13/2018 NATURALEZA DE LA INVESTIGACI N DE OPERACI N - slidepdf.com
http://slidepdf.com/reader/full/naturaleza-de-la-investigacion-de-operacion 20/20
INVESTIGACIÓN DE OPERACIONES, PROGRAMACIÓN LINEAL Y MÉTODO SIMPLEX
Tablero Final
Base Variable de decisión Variable de holgura Solución
X1 X2 S1 S2 S3
X2 0 1 -1/2 0 0 12
S3 0 0 -7/4 0 1 3
X1 1 0 -3/4 0 0 3
Z 0 0 5/4 0 0 33
Como todos los coeficientes de la fila de la función objetivo son positivos, hemos
llegado a la solución óptima. La solución óptima viene dada por el valor de Z en la columna
de los valores solución, en nuestro caso: 33.