INVESTIGACION DE OPERACIONES I Programacin Lineal

1.1. Introduccin. La caracterstica principal de la gestin econmica de la empresa es la eleccin entre dos o ms lneas de accin diferentes, mediante el proceso de convertir datos en informacin y est a su vez en accin; a este proceso lo llamamos Toma de Decisiones. El objeto de la teora de la Toma de Decisiones es racionalizar dicha eleccin. Para ello provee de herramientas para la toma de decisiones importantes. Si bien no existe un conjunto de normas nicas para cualquiera de estas funciones, todas estn relacionadas con diferentes formas de decisiones, por lo cual es posible elaborar una lista de pasos que se aplican a todas las circunstancias en las que se toman decisiones. El desarrollo y la aplicacin de tcnicas aumentaron a mediados de la dcada de 1940. Este impulso se debi principalmente al mejoramiento en las mediciones y al incremento de las matemticas aplicadas en problemas administrativos corrientes. As como a que se dispusieron con mayor facilidad de computadoras. La Programacin Lineal (PL) es una tcnica matemtica de optimizacin, es decir, un mtodo que trata de maximizar o minimizar un objetivo, por lo general es minimizar el costo para las actividades, bien maximizar las utilidades de la compaa. Se usa mucho en la industria militar y en la petrolera. Aunque el sector servicios y el sector pblico de la economa tambin la han aprovechado ampliamente.

1.2. Estructura bsica de un problema de programacin lineal (pl) Un problema de PL consta de una funcin objetivo (lineal) por maximizar o minimizar, sujeta a ciertas restricciones en la forma de igualdades o desigualdades.

Funcin objetivo.- La funcin por optimizar (maximizar o minimizar) Restricciones.- Representan condiciones que es preciso satisfacer. Sistema de igualdades (=) y desigualdades ( ). Tipos de Restricciones:

o o

De no Negatividad.- Garantizan que ninguna variable de Decisin sea negativa. Estructurales.- Reflejan factores como la limitacin de recursos y otras condiciones que impone la situacin del problema.

1.3. Mtodo Grfico. Un sistema de ecuaciones es un conjunto de dos o ms ecuaciones con varias incgnitas que conforman un problema matemtico consistente en encontrar los valores de las incgnitas que satisfacen dichas ecuaciones. Dentro del sistema de ecuaciones algebraicas, las incgnitas son valores numricos o funciones que al ser substituidas en las ecuaciones del sistema hace que stas se cumplan automticamente sin que se llegue a una contradiccin. Es decir, se debe cumplir la igualdad del sistema. El mtodo grfico se utiliza para la solucin de problemas de Programacin Lineal, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. La caracterstica distintiva de los modelos es que las funciones que representan el objetivo y las restricciones son lineales. No se permite multiplicacin de variables ni variables elevadas a potencias. Algunas de las siguientes restricciones no se pueden emplear en un modelo de programacin lineal.

Un modelo de programacin lineal se define usualmente como sigue: Maximizar o minimizar Sujeto a:

Donde:

El objetivo de la solucin grfica es encontrar (entre todos los puntos del conjunto factible) el punto o los puntos que optimicen la funcin objetivo.

El proceso de resolucin de un sistema de ecuaciones mediante el mtodo grfico se resuelve en los siguientes pasos:

Paso 1.- Se igualan las restricciones y se despeja la incgnita Y en ambas ecuaciones: 2X + 3Y = 12 2X + Y = 8 Y = (12 - 2X) / 3 Y = 8 2X

Paso 2.- Se construye para cada una de las dos ecuaciones de primer grado una tabla de valores correspondientes:

Paso 3.- Se representan grficamente ambas rectas en los ejes coordenados:

Al trazarse las lneas dentro de una grafica, estas pueden comportarse en tres formas posibles: a) Si ambas rectas se cruzan, las coordenadas del punto de corte son los nicos valores de las incgnitas (x,y) donde el sistema es: Compatible Determinado". b) Si ambas rectas son coincidentes, el sistema tiene infinitas soluciones. Por lo tanto el sistema es Compatible Indeterminado". c) Si ambas rectas son paralelas, el sistema no tiene solucin. Por lo que el sistema es: "Incompatible". Lo anterior se puede visualizar en las siguientes graficas:

(a)

(b)

(c)

Paso 4.- Identificar al conjunto factible (rea sombreada de azul), donde cada punto es un candidato para resolver este problema.

Paso 5.- Despus de haber encontrado las coordenadas de todas las esquinas es necesario que se sustituya el valor de cada una de ellas en la funcin objetivo, para que encuentres el valor mximo (o mnimo, segn sea el caso). En este ejemplo se sustituye en la funcin objetivo:

Resultados: Vrtice A (0,4) Valor = 8 Vrtice B (3,2) Valor = 13 Vrtice C (4,0) Valor = 12 Observando los resultados podemos concluir que el mximo se encuentra en el vrtice B. Ejemplo: Entre Adriana y Carlos tienen 600 pesos, pero Carlos tiene el doble de dinero que Adriana. Cunto dinero tiene cada uno? Sea "X" la cantidad de pesos de Adriana y "Y" la cantidad de pesos de Carlos. Para expresar las condiciones del problema se tienen las siguientes ecuaciones: Si los dos tienen 600 pesos, esto nos proporciona la ecuacin: X + Y = 600 Pero Carlos tiene el doble de dinero que Adriana, tendremos: Y = 2X =0

2X - Y

Ambas ecuaciones juntas forman el siguiente sistema, donde despejamos la incgnita Y en ambas ecuaciones: Y = 600 X Y = 2X Calcular sus respectivas tablas de valores: Y = 600 - X X 200 600 Y 400 0 X 100 200 Y 200 400 Y = 2x

Con estas tablas de valores para las dos rectas y eligiendo las escalas apropiadas en los ejes "X" y "Y", podemos representar grficamente:

Como podemos observar en la grfica, las dos rectas se cortan en el punto: (200, 400), por lo que la solucin del sistema es: Adriana = X = 200 Pesos Carlos = Y = 400 Pesos Ejercicios: Encontrar grficamente las coordenadas del punto de corte entre cada par de rectas: a) X = 5 X=Y b) X + Y = 5 X + Y = 1 c) 2X + Y = 3 Y + 3Z = 2. d) Y = 2/5 X. Y = 3X + 113. Ejemplo: Una compaa de auditores se especializa en preparar liquidaciones y auditoras de empresas pequeas. Tienen inters en saber cuntas auditoras y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Tomando en cuenta lo siguiente: Se dispone de 800 horas de trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40 horas de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300 dls. Una liquidacin de impuesto requiere de 8 horas de trabajo directo y de 5 horas de revisin, produce un ingreso de 100 dls. El mximo de liquidaciones mensuales disponibles es de 60.

Objetivo: Maximizar el ingreso total. Variable de Decisin: Cantidad de auditoras (X1). Cantidad de liquidaciones (X2).

Restricciones: Tiempo disponible de trabajo directo. Tiempo disponible de revisin. Nmero mximo de liquidaciones. No negatividad. Grafica Resultante:

La solucin ptima siempre se encuentra en uno de los vrtices del conjunto de soluciones factibles. Analizando estos valores en la funcin objetivo:

Ejemplo: Un departamento de publicidad tiene que planear para el prximo mes una estrategia de publicidad para el lanzamiento de una lnea de T.V. a color. Tiene a consideracin 2 medios de difusin: La televisin y el peridico. Los estudios de mercado han mostrado que: 1. La publicidad por T.V. Llega al 2% de las familias de ingresos altos y al 3% de las familias de ingresos medios por comercial. 2. La publicidad en el peridico llega al 3% de las familias de ingresos altos y al 6% de las familias de ingresos medios por anuncio. La publicidad en peridico tiene un costo de 500 dls por anuncio y la publicidad por T.V. tiene un costo de 2000 dls por comercial. La meta es obtener al menos una presentacin como mnimo al 36% de las familias de ingresos altos y al 60% de las familias de ingresos medios minimizando los costos de publicidad. Objetivo: Minimizar los costos de publicidad.

Variable de Decisin: Anuncios para las familias de ingreso alto (X1). Anuncios para las familias de ingreso medio (X2). Restricciones: Porcentaje de presentacin. o Mnimo al 36% de las familias de altos ingresos. o Mnimo al 60% de las familias de ingreso medio. No negatividad Grafica Resultante:

Solucin ptima:

Ejemplo: Un expendio de carnes acostumbra preparar carne para hamburguesa con una combinacin de carne molida de res y carne molida de cerdo: La carne de res contiene 80% de carne y 20% de grasa y le cuesta a la tienda 80 centavos por libra. La carne de cerdo contiene 68% de carne y 32% de grasa y cuesta 60 centavos por libra.

Qu cantidad de cada tipo de carne debe emplear la tienda por cada libra de carne para hamburguesa si desea minimizar el costo y mantener el contenido de grasa no mayor de 25%? Objetivo: Minimizar costos. Restricciones: Mantener el contenido de grasa no mayor de 25%. No negatividad. Grafica Resultante:

Solucin ptima:

Uso de Microsoft Excel para aplicar el Mtodo Grafico Los pasos que se deben seguir para realizar grficas en hojas de clculo son los siguientes. 1. 2. 3. 4. 5. Escribimos los sistemas de ecuacin que deseamos graficar. Se despeja una de las variables de la ecuacin sea X o Y. Se escribe en las filas y columnas los coeficientes de las ecuaciones. Marcar las celdas y columnas ocupado por los coeficientes de la ecuacin. Dirjase a la barra de herramientas, escoja la opcin Insertar- grfico, elige el tipo de grfico que desea y el rango que va a cumplir sea de x o y. 6. Se puede elegir las opciones que ofrece el programa, por ejemplo ponerle nombre a la grfica y a las variables. 7. Escojamos la opcin Terminar y nos aparece la grfica de nuestro sistema.

1.4. Mtodo Simplex. Los problemas reales de programacin lineal generalmente tienen variables de decisin y muchas restricciones. Tales problemas no pueden ser resueltos grficamente. Se usan algoritmos tales como el simplex. El mtodo simplex es un procedimiento iterativo que progresivamente permite obtener una solucin ptima para los problemas de programacin lineal. Dicho mtodo es especialmente til en problemas de gran escala (resueltos con una computadora).

Variables de holgura El mtodo simplex empieza con el planteamiento de una funcin objetivo y ecuaciones de restriccin, luego debe construirse la tabla simplex. Esto requiere que las restricciones sean establecidas como igualdades. En los problemas de maximizacin se logra esto aadiendo una variable de holgura (S) a cada restriccin. La holgura representa una cantidad no utilizada, o la diferencia entre lo que es usado y el lmite de lo que puede usarse.

Procedimiento general del simplex 1. 2. 3. 4. 5. Copiar la funcin objetivo. Despejar las variables de la funcin para que esta sea igualada a cero (0). Agregar las inecuaciones correspondientes a las restricciones estructurales. Agregar la las variables de holgura en cada restriccin. Se crea la tabla Simplex, es una tabla en donde se colocan en la cabecera de est la funcin objetivo (Z), las variables de decisin (X, Y, ), variables de holgura (S) y la variable de restriccin (R). Posteriormente se colocan debajo de cada una de ellas los valores de contribucin de la variable en cada rengln, de acuerdo a una ecuacin por rengln. Identificar y seleccionar la columna pivote. sta es la columna con el nmero negativo ms grande en el rengln de la funcin objetivo. Esta se convierte en la nueva variable de la solucin. Luego identifique y seleccione el rengln pivote. ste es el rengln con la razn ms pequea del valor de restriccin dividido por el valor de la columna pivote. sense slo nmeros positivos. Esto identifica la variable que deja la solucin. Encierra en un crculo el elemento pivote. sta es la interseccin del rengln y la columna pivotes. Convierte al elemento pivote en un uno (1), para ello se divide cada valor del rengln pivote entre el valor del elemento pivote, formando con ello una tabla nueva. Generar los dems renglones de la nueva tabla con ceros en la columna pivote. Esto se hace multiplicando el nuevo elemento pivote (1) por el negativo del elemento en la columna pivote. El resultado ser sumado al antiguo rengln. Introduzca este nuevo rengln en la nueva tabla. Se repite todos y cada uno de los pasos ubicados desde el paso #6 con la nueva tabla simplex. Cuando el rengln de la funcin objetivo y de las ecuaciones de restriccin tienen cero (0), entonces ya se termino el ejercicio y los valores de cada variable son los que se encuentran en la columna de restriccin (R) del rengln en donde se ubique el valor uno (1) en dicha variable de decisin.

6.

7.

8. 9. 10.

11. 12.

Ejemplo: La empresa qumica Chemical S.A. de C.V. produce limpiadores para automviles (X) y pulidoras (Y); gana $10 dlares por cada lote de limpiador y $30 dlares por cada lote de pulidoras. Ambos productos requieren procesarse en las mismas mquinas, A y B, pero el limpiador requiere cuatro horas en A y ocho en B, mientras que un pulidor requiere seis horas en A y cuatro en B. Durante la semana entrante las mquinas A y B tienen 12 y 16 horas de capacidad disponible, respectivamente. Suponiendo que existe demanda de ambos productos, Cuntos lotes de cada producto deben producirse para alcanzar la unidad ptima Z? La funcin objetivo es: Las restricciones son: Mquina A: Mquina B: No Negatividad: 4X + 6Y 12 8X + 4Y 16 X, Y 0 Maximizar Z = $10X + $30Y

El mtodo simplex siempre comienza con la funcin objetivo y se iguala a cero: Z = 10X + 30Y Agregamos las ecuaciones de restriccin: 4X + 6Y 12 8X + 4Y 16 Aadiendo variables de holgura a las desigualdades, se obtienen las nuevas ecuaciones que se muestran en la siguiente tabla: Restriccin Desigualdad Ecuacin con holgura Mquina A 4x + 6y 12 4x + 6y + S1 = 12 Mquina B 8x + 4y 16 8x + 4y + S2 = 16 La restriccin de la mquina A ahora indica cuatro horas por el nmero de unidades de X producidas ms seis horas por el nmero de unidades de Y producidas, ms las horas de holgura = 12. As, pues, si una unidad de X y una Y son producidas, se tienen dos horas de tiempo de holgura S en la mquina A, dado que 4(1) + 6(1) + 2 = 12. Si ni X ni Y son producidas, se produce una holgura total, y S1 = 12. Al vaciar lo anterior en la tabla inicial de simplex Z 1 0 0 X -10 4 8 Y -30 6 4 S1 0 1 0 S2 0 0 1 R 0 12 16 Z - 10X - 30Y = 0

Se identifica la columna y el rengln pivotes Z 1 0 0 X -10 4 8 Y -30 6 4 S1 0 1 0 S2 0 0 1 R 0 12 16

12 / 6 = 2 16 / 4 = 4

Se identifica la columna y el rengln pivotes Z 1 X -10 Y -30 S1 0 S2 0 R 0

0 0

4 8

6 4

1 0

0 1

12 16

Se divide todo el rengln entre 6 para hacer al elemento pivote en uno (1) y posteriormente se transforma en cero (0) al resto de los valores en la columna pivote: 30R2 + R1 (1/6) * R2 R3 - 4R2 Z 1 0 0 X 10 2/3 16/3 Y 0 1 0 S1 5 1/6 -4/6 S2 0 0 1 R 60 2 8

Con los valores obtenidos obtenemos la nueva tabla simplex: Z 1 0 0 X 10 2/3 16/3 Y 0 1 0 S1 5 1/6 -2/3 S2 0 0 1 R 60 2 8

Dado que ah no hay ms nmeros negativos, la solucin queda de la siguiente manera: Z = 60 Estos valores nos indican lo siguiente: La variable de decisin X no aparece en la solucin, lo que indica que no se producen unidades de limpiadores de automviles. La variable de decisin Y indica que se debe producir 2 unidades de pulidoras. La variable de holgura S2 indica que la maquina B tendr un tiempo muerto de 8 horas. La funcin Z nos indica que la mxima utilidad a obtener es de $60 dlares. X=0 Y=2 S2 = 8

Se identifica y seala tanto a la columna y al rengln pivote: Z 1 0 0 X 10 2/3 16/3 Y 0 1 0 S1 5 1/6 -2/3 S2 0 0 1 R 60 2 8

2 / (2/3) = 6/2 8 / (16/3) = 3/2

Se multiplica a todo el rengln por 3/16 para hacer al elemento pivote en uno (1) y posteriormente se transforma en cero (0) al resto de los valores en la columna pivote: R1 10R2 R2 (3/2)R3 (3/16) * R2 Z 1 0 0 X 0 0 1 Y 0 1 0 S1 25/4 17/48 -1/8 S2 -15/8 -9/32 3/16 R 45 55/32 => 1 3/2

Ntese que la variable de holgura asociada con la restriccin 2 tambin tiene un 1 y ceros, lo cual significa que tiene holgura en la solucin y que la restriccin no se agot. Entonces hay slo una variable de decisin (no holgura) en la solucin (Y) y una restriccin agotada (nmero 1). Esto concuerda con el teorema fundamental de programacin lineal, que establece que el nmero de variables de decisin (no holgura) de la solucin siempre ser igual a nmero de restricciones que son agotadas.

Esta solucin es la misma que la dada en el ejemplo resuelto por el mtodo grfico. Ejemplo: La empresa Kelson Sporting fabrica dos modelos de guantes de beisbol: uno normal y una manopla de ctcher. Dicha empresa dispone de 900 horas de tiempo de produccin en su departamento de Corte y Costura, 300 horas en su departamento de Terminado y 100 horas en su departamento de Empaque y Embalaje. Los requerimientos para producir algn producto son: Producto Guante Normal Manopla de Ctcher Corte y Costura 1 3/2 Terminado 1/2 1/3 Empaque y Embalaje 1/8 1/4 Utilidad $5 $8

La empresa est interesada en maximizar la utilidad total, as que se preguntan: Cuntos guantes de cada modelo deber fabricarse? y Cuntas horas reales se necesitan programar?

Ejemplo: La empresa Car Phones vende dos modelos de telfono: el X y el Y. Los registros de ventas muestran que se utilizan 3 horas para vender un telfono X y 5 horas para vender un telfono Y. Adems la empresa obtiene ganancias de $40 dlares por cada telfono X y $50 dlares por cada telfono Y. Si la empresa dispone de un total de 600 horas de venta para el siguiente periodo de 4 semanas y las polticas de la empresa exigen ventas mnimas de 25 unidades de cada modelo. Cul es la meta optima de ventas para las prximas 4 semanas? 1.5. Mtodo de la Gran M. Mientras que los Programas Lineales que solo tienen restricciones de <= se pueden resolver slo usando variables de holgura, para aquellos programas lineales que involucren restricciones de tipo >= e = es necesario usar variables artificiales. Las variables de holgura tienen un significado fsico real que corresponde a las disponibilidades o requerimientos no usados en las restricciones, pero que las variables artificiales no tienen ninguna representacin fsica y slo son usadas como un comodn matemtico para ayudar en la solucin del problema. Definimos la letra M como un nmero muy grande pero finito para usarlo como coeficiente de las variables artificiales en la funcin objetivo y con sentido contrario a la misma para penalizar de manera muy grande la existencia de las mismas en la solucin. Si el objetivo es minimizar las variables artificiales entraran con M positivo y si es maximizar las variables artificiales se usaran como -M. Ejemplo: Min Z = 2X1 + X2 + 3X3 Sujeto a: 3X1 + X2 + 2X3 <= 10 X1 - 2X2 + 3X3 >= 6 2X1 + 3X2 - X3 <= 9 X1 + X2 + 2X3 = 7

C.N.N Procedimiento general del simplex 1. Convertir al Modelo Estndar: Cada restriccin debe ser convertida de inecuacin a una igualdad, agregando tantas variables como se requiera. Con las restricciones de tipo <=, simplemente se agrega una variable de holgura en cada restriccin. Por ejemplo: 3X1 + X2 + 2X3 <= 10 3X1 + X2 + 2X3 + S1 = 10 Para las restricciones de tipo >=, tambin se coloca una variable de holgura pero negativa, la cual equivale decir: lo usado en la restriccin2es igual al mnimo requerido que es 6 mas el adicional que est en S2: X1 - 2X2 + 3X3 - S2 = 6 Adems es necesario adicionar una variable comodn, llamada Variable Artificial, sin ningn significado fsico, slo como artificio matemtico: X1 - 2X2 + 3X3 - S2 + A1 = 6 La tercera restriccin es de tipo <=, por lo que no tenemos ningn problema con ella: 2X1 + 3X2 - X3 <= 9 2X1 + 3X2 - X3 + S3 = 9 La cuarta restriccin es de tipo =, simplemente adicionamos una variable artificial al lado izquierdo: X1 + X2 +2X3 = X1 + X2 +2X3 + A2 = 7 7

Lo siguiente a realizar es obtener la nueva funcin objetivo Z agregando tanto las variables de holgura con coeficiente 0 como las variables artificiales con coeficiente M. Positiva si es minimizando o negativa si es maximizando. De acuerdo con todo lo anterior, el modelo del problema queda de la siguiente manera: Min Z = 2X1 + X2 + 3X3 + 0S1 + 0S2 + MA1 + 0S3 + MA2 Sujeto a: 3X1 + X2 + 2X3 + S1 X1 - 2X2 + 3X3 - S2 + A1 2X1 + 3X2 - X3 + S3 = 9 X1 + X2 + 2X3 + A2 C.N.N (Condicin de No Negatividad)

= =

10 6

2. Despejar las variables artificiales, A1 y A2 en este ejemplo: A1 = 6 - X1 + 2X2 - 3X3 + S2 A2 = 7 - X1 - X2 - 2X3

3. Sustituir los valores de las variables artificiales en la funcin objetivo y reducir trminos semejantes, factorizando cada una de las variables igualando la funcin a los trminos independientes:

Min. Z = 2X1 + X2 + 3X3 + 0S1 + 0S2 + M(6 - X1 + 2X2 - 3X3 + S2) + 0S3 + M(7 - X1 - X2 2X3) Z - X1 (2 - 2M) + X2 (1 + M) + X3 (3 - 5M) - 0S1 - MS2 - 0S3 = 13M 4. Escribir en formato de Tabla Simplex. Z 1 0 0 0 0 X1 -(2-2M) 3 1 2 1 X2 -(1+M) 1 -2 3 1 X3 -(3-5M) 2 3 -1 2 S1 0 1 0 0 0 S2 -M 0 -1 0 0 S3 0 0 1 0 0 A1 0 0 0 1 0 A2 0 0 0 0 1

Z R1 R2 R3 R4

13M 10 6 9 7

5. Definir la Variable que entra Recordemos que tenemos un grupo de variables que llamamos base a las que tenemos en cuenta en cada iteracin para dar la solucin, las dems variables las llamamos No Bsicas y se se toman con valor cero (de manera anloga a cuando resolvemos un sistema de ecuaciones que tiene ms variables que ecuaciones, tenemos que hacer cierta cantidad de estas variables iguales a cero). En la primera iteracin la regla para escoger las variables que estarn en la base es la siguiente: Si hay variables de decisin y de holgura, se toma la de holgura. Si hay variables de decisin, de holgura y artificiales se toma la variable artificial. Si hay variables de decisin y artificiales se toma la variable artificial.

Por esta razn para la primera restriccin dnde hay variables de decisin (Xi) y la de holgura S1, tomamos la S1 para la base, en la segunda restriccin hay de holgura, de decisin y artificial, tomamos la artificial A1, en la tercera hay de decisin y de holgura, tomamos la de holgura S3 y por ltimo en la cuarta restriccin hay de decisin y artificial, por lo que tomamos la A2 para la base. Todas las dems se asumen en la primera iteracin con valor cero. Llenar la tabla inicial. Tal como se ve en la tabla de abajo. Hay muchos formatos de tablas, pero en esencia son el mismo. Esta el listado de variables que se tienen en la base (en la segunda columna rotulada como base), en la primera columna estn los coeficientes de las variables bsicas, luego vienen las restricciones con sus coeficientes, las disponibilidades/requerimientos de las restricciones en la columna RHS, una columna vaca llamada Theta que ya llenaremos. Las dos ltimas filas son para determinar que variable va a entrar a la base. Algunas personas omiten la fila Z. Realmente no es necesaria, slo para dar un poco ms de claridad a la iteracin. La fila Z es el resultado de la suma del producto de la columna 'coef' y de cada columna en la restriccin, as: 0 * 3 + M * 1 + 0*2 + M*1 = 2M 0 * 1 + M * (-2) + 0*3 + M*1 = -M 0 * 2 + M * 3 + 0 *-1 + M*2 = 5M ...de igual manera para las otras 5 columnas. La fila Cj-Zj es el resultado de restar el coeficiente de la funcin objetivo (la segunda fila de negro) con el valor de Z que acabamos de calcular. 2-2M = 2-M (evidente!)

1-(-M) = 1+M... etc. En este momento nos hacemos la siguiente pregunta: cul variable al entrar a la base hace que la funcin objetivo disminuya ms (porque estamos minimizando)? O en otras palabras, cul es el valor ms negativo de Cj-Zj? Recordemos que M representa un nmero finito, muy, muy grande. Rapidamente nos damos cuenta que corresponde a 35M, puesto que de todas es la que tiene el valor negativo de M con mayor valor absoluto. Si no lo ve tan rpido, haga lo siguiente: reemplace M por un valor grande positivo en la fila Cj -Zj, digamos por 1000.000, notar de inmediato que el valor ms negativo esta en la columna respectiva a la variable X3. Por lo tanto sta variable debe entrar a reemplazar a otra variable en la base... a cul?? X1 Base 2 S1 3 A1 1 S3 2 A2 1 Z 2M Cj- Zj 2-2M X2 1 1 -2 3 1 -M 1+M X3 3 2 3 -1 2 5M 3-5M Entra S1 0 1 0 0 0 0 0 S2 0 0 -1 0 0 -M M A1 M 0 1 0 0 M 0 S3 0 0 0 1 0 0 0 A2 M 0 0 0 1 M 0

Coef 0 M 0 M

RHS Theta 10 5.00 6 2.00 Sale 9 M 7 3.50 13M

6. Definir la Variable que Sale Para establecer que variable debe salir de la base, hacemos un cociente entre la disponibilidad (RHS) y la columna de la variable que entra, en nuestro caso, acabamos de decir que es la variable X3. Este cociente lo vamos a llamar Theta. Algunos libros lo llaman 'ratio'. 10 /2 = 5 6/3 =2 9 / -1 = ... Bueno, en caso que dividamos por un valor negativo, no lo vamos a tener en cuenta para salir, por lo que lo rotulamos como M. 7/2 = 3.5 La variable que ms nos restringe, por lo tanto la que el valor de theta es menor (pero positivo) es de 2, correspondiendo a la variable A1. Por lo tanto sale A1 y entra X3. A la interseccin entre la columna de la variable que entra y de la fila de la variable que sale, la llamamos pivote. Sobre ella se emplear el mtodo de Gauss-Jordan. Aqu siempre he sealado el pivote de color verde. En la fig 2 corresponde al valor 3. 7. Iteracin: Gauss-Jordan Luego que se ha encontrado que variable sale de la base, y cual entra y que pr lo tanto ya tenemos una celda pivote, es necesario realizar la eliminacin gaussiana. Ello lo podemos resumir como: Convertir la celda pivote en 1, dividiendo toda la fila por ella misma Convertir todas las celdas por encima y por debajo de la celda pivote en cero.

Vamos paso por paso: Convertir la celda pivote en 1. Llenamos un formato vacio simplex, la fila que contiene el pivote la vamos a pasar al nuevo formato convertida mediante la siguiente operacin: dividimos toda la fila por el valor del pivote. (Para convertir el pivote en 1). 1/3 = 0.33 -2/3 = -0.67 3/3 = 1(Pivote) 0/3= 0 -1/3= -0.33 1/3=0.33 0/3=0 0/3=0 6/3= 2 (En la columna del RHS) Y la pasamos al nuevo formato (Fig3). Esta nueva fila que hemos calculado va a servir para convertir las demas celdas por la columna del pivote en cero, como es el requisito del mtodo. Fijemonos un momento en la fig 2, en el pivote en verde, que contiene el 3, precisamente el que acabamos de convertir en 1. Por encima encontramos el 2 y por debajo encontramos el -1 y el 2. Estos valores son los que debemos convertir en ceros. Para ello hacemos operaciones entre filas y columnas de la siguiente manera (s recuerda bien los detalles de esto, de sus clases de algebra lineal sientase libre de saltar esta explicacin): Multiplicamos la fila que contenia el pivote por el opuesto de cada nmero que deseamos eliminar y se lo sumamos a la fila que deseamos convertir. Ej Para la primera fila que contiene el 2 que deseamos eliminar multiplicamos la fila pivote por -2 y se la sumamos asi: La fila pivote que qued convertida en esto: 0.33 0 0 2 La multiplicamos por -2 y nos da: -0.67 1.33 -2 0 0.33 -0.67 1 0 -

0.33

0.67

-0.67 0

-4

El valor anterior lo sumamos componente a componente a la fila en la que queremos hacer la eliminacin: que es la siguiente: 3 1 2 1 0 0 0 0 10

Y el resultado es: 2.33 2.33 0 1 0.67 -0.66 0 0 6

Este valor es el que copiamos en el nuevo formato en la fig 3 en la fila correspondiente, la primera. Repetimos este procedimiento para la fila 3 y la fila 4. Con ello ya llenamos todo el formato.

8. Identificar y seleccionar la columna pivote. sta es la columna con el nmero negativo ms grande en el rengln de la funcin objetivo. Esta se convierte en la nueva variable de la solucin. 9. Luego identifique y seleccione el rengln pivote. ste es el rengln con la razn ms pequea del valor de restriccin dividido por el valor de la columna pivote. sense slo nmeros positivos. Esto identifica la variable que deja la solucin. 10. Encierra en un crculo el elemento pivote. sta es la interseccin del rengln y la columna pivotes. 11. Convierte al elemento pivote en un uno (1), para ello se divide cada valor del rengln pivote entre el valor del elemento pivote, formando con ello una tabla nueva. 12. Generar los dems renglones de la nueva tabla con ceros en la columna pivote. Esto se hace multiplicando el nuevo elemento pivote (1) por el negativo del elemento en la columna pivote. El resultado ser sumado al antiguo rengln. Introduzca este nuevo rengln en la nueva tabla. 13. Se repite todos y cada uno de los pasos ubicados desde el paso #6 con la nueva tabla simplex. 14. Cuando el rengln de la funcin objetivo y de las ecuaciones de restriccin tienen cero (0), entonces ya se termino el ejercicio y los valores de cada variable son los que se encuentran en la columna de restriccin (R) del rengln en donde se ubique el valor uno (1) en dicha variable de decisin.

5. Prueba de Optimidad: La prueba de optimidad se debe hacer cada vez que se evalua si hay una variable que debe entrar a la base. Y es sencillamente lo siguiente. Se hace la pregunta: Hay alguna variable que al entrar mejora la solucin? Ello lo vemos en la fila Cj-Zj. Si al calcular esta fila an hay valores negativos y estamos minimizando, entonces es posible mejorar an ms la solucin. Lo mismo para el caso de la maximizacin. Si hay valores positivos en la fila Cj-Zj y estamos maximizando, an no hemos llegado al ptimo. En la fig 2 nos damos cuenta que haban todavia valores negativos en Cj-Zj, por lo tanto no se haba terminado, ahora en la fig 3, an quedan valores negativos, el ms negativo de ellos esta en la variable X2 por lo tanto debe entrar. Continuando el algoritmo en la fig3 evaluamos que la variable A2 debe salir, la reemplazamos en el tablero de la figura 4. Hacemos gauss-jordan, luego calculamos Z y calculamos Cj-Zj. Fig 3. X1 X2 X3 Coef Base 2 1 3 0 S1 2.33 2.33 0.00 3 X3 0.33 -0.67 1.00 0 S3 2.33 2.33 0.00 M A2 0.33 2.33 0.00 Z 1+0.33M -2+2.33M 3 Cj- Zj 1-0.33M 3-2.33M 0 Entra S1 0 1.00 0.00 0.00 0.00 0 0 S2 A1 S3 0 M 0 0.67 -0.67 0 -0.33 0.33 0 -0.33 0.33 1 0.67 -0.67 0 -1+0.66M 1-0.66M 0 1-0.66M -1+1.66M 0 A2 M 0 0 0 1 M 0 RHS 6 2 11 3 6+3M Theta 2.57 M 4.71 1.29 Sale

Aqu en el tablero de la figura 4, evaluamos si hay algn valor negativo en la fila Cj-Zj, nos damos cuenta que no, por lo que no hay ninguna variable que al entrar mejore la solucin. X1 Coef Base 2 0 S1 2.00 3 X3 0.43 0 S3 2.00 1 X2 0.14 Z 1.43 Cj- Zj 0.57 Hemos llegado al ptimo: Z=9.8571 X1=0 (Por que no estaba en la base.) X2= 1.29 X3=2.86 X2 1 0.00 0.00 0.00 1.00 1.00 0.00 X3 3 0.00 1.00 0.00 0.00 3.00 0.00 S1 0 1.00 0.00 0.00 0.00 0.00 0.00 S2 0 0.00 -0.14 -1.00 0.29 -0.14 0.14 A1 M 0.00 0.14 1.00 -0.29 0.14 M+0.62 S3 0 0.00 0.00 1.00 0.00 0.00 0.00 A2 M RHS Theta -1.00 3.00 0.29 2.86 -1.00 8.00 0.43 1.29 1.29 9.8571 M+2.43