Documente Academic
Documente Profesional
Documente Cultură
Lineal?
3. Qu condiciones debe tener un problema para que sea considerado como un modelo
de Programacin Lineal?
Deben estar bien definidas las variables de decisin de manera que puedan expresadas
simblicamente.
El problema debe tener bien definido las funciones objetivos y las restricciones, de forma que
Lineal?
Comprensin del Problema: Es el proceso en el cual se asimila bien el problema, se debe leer
Definicin de las Variables de Decisin: En este paso se simbolizan todos los parmetros que
observar claramente las condiciones con que se debe contar para la resolucin de un problema, se
Problema de Minimizacin: Dada una actividad especfica, la relacin entre cada uno de los
las cantidades necesarias de estas para obtener la cantidad con el mximo aprovechamiento de los
Esta afirmacin resulta ser falsa, ya que en un problema de programacin lineal con dos
variables se tiene por finalidad optimizar ya sea maximizar o minimizar una funcin lineal, en la
cual se encuentra la llamada funcin objetivo que est sujeta a una serie de restricciones que son
un conjunto de condiciones que es preciso satisfacer, por lo que debe haber una interdependencia
entre las variables que conforman la funcin objetivo con las restricciones.
2. En programacin lineal las variables solo pueden ser positivas o cero (V)
La metodologa de la programacin lineal requiere que todas las variables sean positivas, es
decir mayores a cero, ya que en general para la mayora de los problemas esto es real, debido a
que no se querra obtener una solucin que solicite la produccin de menos dos cajas.
estudio; sus relaciones deben ser lineales, que significa utilizar, slo variables de primer grado en
matemtica, pues debe cumplir que, tanto la funcin objetivo como todas las funciones de
restriccin, sean lineales. Adems estos deben cumplir con las condiciones de proporcionalidad,
No es necesario que todas las restricciones estn expresadas en las mismas unidades de
medicin, es decir, una restriccin puede estar expresada en dlares, en tanto que una segunda
restriccin podra expresarse en horas, una tercera en libras, pies cuadrados o alguna otra unidad
de medicin.
Las unidades de medicin del segundo trmino de una restriccin, es decir, del lado derecho
del signo de igualdad o desigualdad, siempre deben ser iguales a las unidades de medicin del
5. Los problemas con periodos mltiples son los que se pueden plantear como modelos de
alcanzar varias metas. Ahora supondremos que la administracin desea ordenar dichas metas en
orden de importancia y que la meta ms importante tiene prioridad absoluta sobre la siguiente
Para lograr que las metas de baja prioridad se consideren solamente despus de lograr las
metas de alta prioridad, se clasifican las metas en k rangos y las variables de desviacin asociadas
con las metas, se les asigna un nmero prioritario Pj(j = 1,2,....,k). Los factores de prioridad
satisfacen
P1>>>P2>>>...Pj>>>Pj+1.
Las relaciones de prioridad implican que la multiplicacin por n, no importa que tan grande
sea n, no puede hacer una meta de baja prioridad tan importante como una meta de alta prioridad
terminacin durante la reorganizacin que se avecina. Esto es, como una meta secundaria, la
s. a.
x1,x2,di-,di+ " 0
Donde:
Nota: Puesto que d1- y d1+ se incluyen en la funcin objetivo, el modelo intentar lograr
positivas como las negativas. Con d2+ d3+ y eliminados de la funcin objetivo, sin embargo,
intentar minimizar solamente el tiempo ocioso en estos departamentos. Debido a que la meta
de utilidad perseguida es ms importante que la meta de minimizacin del tiempo ocioso, a
esta se le asigna prioridad P1 . El modelo intentar lograr esta meta hasta donde ms le sea
6. Los problemas en los cuales el objetivo consiste en mezclar ingredientes bsicos para
(Stigler, 1945). Propuso el problema de dieta y concluyo que Consiste en determinar una dieta
nutricionales y los costos de stos, permiten obtener diferentes variantes de este tipo de modelos.
7. Los problemas de asignacin tienen como objetivo asignar en forma ptima recursos
en actividades
(V)
Es un problema de programacin lineal que tiene una manera especial de resolverse. Consiste
en buscar la relacin entre dos conjuntos, de forma que el rendimiento de dicha relacin sea el
ptimo posible.
un conjunto a otro sino cantidades de producto que normalmente vienen representadas por costos
de transporte.
A diferencia del problema de asignacin la matriz no tiene por que ser cuadrada, pueden
existir mas destinos que orgenes, tambin pueden no coincidir las cantidades que se fabrican o
almacenan con los pedidos que se reciben pudiendo estos ser menores o iguales
CUESTIONARIO METODO SIMPLEX
El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig. El mtodo del
se utiliza, sobre todo, para resolver problemas de programacin lineal en los que intervienen tres
o ms variables.
sistema de ecuaciones y verificar las soluciones para asegurarse de que sean optimas. Este
mtodo pasa de una solucin bsica factible a otra, mejorando siempre la solucin previa, hasta
llegar a la optima.
Adems de ser eficiente, dicho mtodo tiene otras ventajas. Es completamente mecnico (se
implica el uso de geometra. Esto permite resolver problemas de programacin lineal que tiene
2. En un problema de programacin lineal que forma deben tener las restricciones para
funcin objetivo, en el cual la solucin bsica ptima se mantiene ptima asumiendo constantes
todos los otros datos del problema. Si el coeficiente cj se modifica y se mantiene al interior de
este rango, la solucin ptima sigue siendo ptima, pero al modificarse los cj el valor de la
Las variables bsicas iniciales deben tener una matriz de base asociada igual a la identidad. En
muchas ocasiones, al introducir las variables de holgura en las restricciones se genera una matriz
bsica identidad, que puede ser utilizada como base inicial del algoritmo.
El Mtodo Simplex se utiliza como un apoyo para interpretar la solucin ptima, que es la
solucin matemtica que d la computadora. Para lograr esto, se presenta la metodologa que
maximizacin o de minimizacin:
Igualar las restricciones del problema modelado: Se igualan las restricciones para tener la
matriz identidad del problema. Esta matriz identidad es el punto de partida que utiliza el Mtodo
Si se tiene una restriccin menor o igual se agregar una variable de holgura (H). Si la
restriccin es mayor o igual se restar una variable de excedente (E) y se sumar una variable
artificial (A). Si la restriccin es una igualdad se sumar una variable artificial (A).
Formar la "Tabla Inicial": Existen diferentes formatos de tablas que se pueden usar para el
Mtodo Simplex. Los formatos se diferencian solo en la colocacin de los datos pero la esencia
es la misma.
Una vez definido el formato de la tabla, se mantendr igual durante todo el desarrollo del
de Optimabilidad (Cj-Zj 0)": El Mtodo Simplex utiliza el Criterio de Optimabilidad para saber
si ya lleg a la solucin ptima del problema. Si la tabla que se tiene no cumple con este criterio,
se tendr que seguir adelante con otras iteraciones, es decir, calculando ms tablas hasta
s y solo sj 0. Es decir, los valores del rengln de laj deben ser ceros o negativos. Un valor
positivo indica que la solucin de la tabla no es ptima. Como el Mtodo Simplex trabaja por
iteraciones (pasar de una tabla a otra hasta llegar a la solucin ptima), es posible leer la solucin
que se tiene en cualquier tabla de las calculadas. Para leer la solucin de una tabla que se haya
calculado, es necesario ver dos columnas, la columna Base nos dar las Variables Bsicas que
forman la solucin y la columna "Bi" nos dar el valor de estas variables. Cualquier variable no
Calcular la "Nueva Tabla": hasta encontrar la solucin ptima. Para calcular la nueva tabla
se tiene que definir la Variable de Entrada (VE), la "Variable de Salida (VS)", el "Pivote" y los
"Criterios de Ajuste" para los nuevos renglones. El "Criterio para definir la Variable de Entrada"
Si se cumple con el criterio de optimabilidad, entonces la solucin de esa tabla es ptima, si no,
se continua "iterando" es decir haciendo nuevas tablas hasta encontrar la solucin ptima del
Dar la "Solucin ptima" del problema: Esta solucin ptima es una "solucin matemtica"
debe ver si el problema tiene "variables discretas" o "variables continuas". Si se tienen variables
discretas, al hacer la interpretacin de la solucin ptima del problema, se tendr que dar en
valores "enteros" haciendo los ajustes requeridos en la solucin matemtica obtenida. Si son
variables continuas, la interpretacin se har directamente con los valores obtenidos sin hacer
ningn ajuste.
Los problemas que incluyen mas de dos variables estn mas all del alcance del mtodo
se debe convertir en un sistema de ecuaciones lineales. Esto se logra mediante la inclusin de una
Una desigualdad mayor que igual a se convierte en ecuacin restndole una variable de
excedentes s 0 .
programacin lineal?
simplex, pero dicha variable no interviene en la solucin del problema, su valor variara
objetivo adquieren un valor ilimitado sin quebrantar las restricciones estructurales. Este tipo de
Una Solucin ptima es aquella solucin bsica posible que optimiza a la funcin objetivo, la
funcin optima se obtiene cuando todos los elementos de la fila de la funcin objetivo son
positivos.
10. Qu diferencia existe entre los pasos para resolver un problema de maximizacin y
uno de minimizacin?
procedimiento, pero cambiando el sentido del criterio, es decir, para entrar en la base se elige la
variable cuyo valor, en la fila de la funcin objetivo sea el mayor de los positivos, y finalizan las
interacciones cuando todos los coeficientes de la fila funcin objetivo son negativos.
Esta tcnica muestra como puede obtenerse una solucin bsica factible inicial cuando las
variables de holgura no proporcionan tal solucin. En general este ser el caso cuando al menos
una de las restricciones es del tipo = o . Se desarrollan para este propsito mtodos basados en
Paso 2: Agregue variables no negativas al lado izquierdo de cada una de las ecuaciones
artificiales y su adicin hace que se infrinjan las restricciones correspondientes. Esta dificultad se
elimina asegurando que las variables artificiales sean cero (= 0) en la solucin final, siempre que
exista solucin del problema. Esto se logra asignando una penalizacin muy grande por unidad a
estas variables en la funcin objetivo. Tal penalizado se designar como M para problemas de
Paso 3: utilice las variables artificiales en la solucin bsica inicial. Sin embargo, a fin de que la tabla
bsicas nicamente. Esto significa que los coeficientes de las variables artificiales en la funcin objetivo
deben ser 0, un resultado que puede lograrse sumando mltiplos adecuados de las ecuaciones de
Las variables artificiales brindan solo un artificio matemtico para obtener una solucin de inicio. El
efecto de estas variables en la solucin final se cancela por su alta penalizacin en la funcin objetivo.
Una desventaja de la tcnica M es el posible error de computo que podra resultar de asignar
un valor muy grande a la constante M. Para aliviar la dificultad, el nuevo mtodo elimina el uso
de la constante M resolviendo el problema en dos fases, estas dos fases se describen de la manera
siguiente:
Fase 1: formula un nuevo problema reemplazando la funcin objetivo original por la suma de
las variables artificiales. La nueva funcin objetivo entonces se minimiza sujeta a las
restricciones del problema original. Si el problema tiene un espacio factible el Valor mnimo de la
nueva funcin objetivo ser 0. Ahora pase a la fase dos. De otra manera, si al Valor mnimo es
mayor a cero, el problema se termina con la informacin de que no existen soluciones factibles.
Fase 2: utilice la solucin bsica ptima de la fase uno como una solucin de inicio para el
problema original. En este caso la funcin objetivo original se expresa en trminos de de las