ADMINISTRACIN DE EMPRESAS

INVESTIGACIN OPERATIVA

Gua de Aprendizaje

ING. JORGE GALIANO D.

2011-2012

ING. JORGE GALIANO D.

INVESTIGACION OPERATIVA Asignatura del rea de Produccin y matemticas administrativas de la carrera de Ingeniera en Administracin de Empresas de la Universidad Tecnolgica Israel, es la base de la formacin tcnica que permite un anlisis, razonamiento y decisin crtica de los diferentes problemas que tienen los modelos de estudio empresarial, OBJETIVOS DE FORMACIN PROFESIONAL El objetivo bsico de todo proceso educativo en el mbito universitario debe respetar las siguientes secuencias en relacin al educando: - aprender a ser. - aprender a aprender. - aprender a hacer. Por lo tanto, la formacin del alumno universitario debe apuntar: 1) Al desarrollo de una slida tica universitaria. 2) A la generacin de un sentido de solidaridad y compromiso con la Universidad y con su pas. 3) A la adopcin de una fuerte responsabilidad comunitaria para con la sociedad que con su esfuerzo posibilita sus estudios. 4) A fomentar una actitud reflexiva y de crtica racional. En consonancia con lo anteriormente expuesto, se procura lograr en los egresados las caractersticas actitudinales, aptitudinales y de acervo cientfico que se describen a continuacin: En el plano actitudinal, incorporar en la personalidad del egresado las siguientes actitudes: - Innovador - creativo. - Analticos crtico. - Responsable. - Solidario hacia la Universidad y hacia la sociedad. - Conciente de su necesidad de auto superacin. - Profundamente respetuoso del disenso ajeno. - Con una slida formacin tica. - Con una adecuada jerarquizacin axiolgica que incorpore el saber entre los valores de primer orden. En el plano aptitudinal, desarrollar las siguientes aptitudes: - Para el anlisis fecundo y la sntesis que permita operar sobre los problemas. - Para comunicarse con adecuado nivel expresivo y persuasivo. - Para interactuar en el trabajo grupal e interdisciplinario. - Para realizar los anlisis contextuales imprescindibles para el posicionamiento en la toma de decisiones socioeconmicas. - Para investigar sobre los problemas y la realidad de forma de avanzar en la interpretacin y la solucin de las problemticas de su rea de competencia.

ING. JORGE GALIANO D.

- Para interpretar y evaluar las realidades culturales y axiolgicas en deber desempearse.

que

En cuanto al acervo cientfico, conocimientos: - Para interactuar con profesionales de otras reas en el abordaje de problemas de investigacin. - De la realidad presente y pasada con un profundo sentido de interpretacin cultural de cada tiempo y de su respectiva organizacin social. - De los mtodos y tcnicas para explorar la realidad y abordar los problemas. - Para analizar y comprender las variables endgenas y exgenas que rigen el comportamiento del hombre en sociedad y organizaciones por l creadas Para ello deber poseer un equilibrado conjunto de estructura curricular y planteo pedaggico que prevea: a) Conocimientos humansticos suficientes para analizar al hombre y su circunstancia. b) Conocimientos cientficos suficientes para fundamentar el abordaje de las tcnicas actuales y posibilitar su reciclaje permanente. c) Conocimientos tcnicos aptos para: - Abordar los problemas de su rea de incumbencia segn el estado actual de los avances tecnolgicos. - Desarrollar nuevos esquemas conceptuales y tcnicos para el abordaje de los problemas de su rea de competencia. - Ampliar el conocimiento en su rea de competencia ms all de sus actuales fronteras. El proceso de enseanza-aprendizaje propiciar: Desarrollar prcticas pedaggicas que apunten a generar un rol activo y crtico en el alumno. Privilegiar prcticas que familiaricen al alumno con la bsqueda de la verdad, utilizando la investigacin como herramienta pedaggica. Proponer actividades que integren adecuadamente los conceptos tericos con sus respectivas praxis. Disear situaciones de aprendizaje grupal que promuevan en los alumnos un sentido solidario y cooperativo y los capacite en la defensa del propio juicio y respeto del ajeno.

ING. JORGE GALIANO D.

OBJETIVOS GENERAL Desarrollar en el alumno la capacidad de plantear y resolver modelos mediante la utilizacin de las diferentes herramientas de la investigacin de operaciones para tomar decisiones gerenciales empresariales, con mtodos cuantitativos para aplicacin de las todos los conocimientos de ingeniera en Administracin. Elaborar sistemticamente los mtodos cientficos de la empresa para realizar la toma de decisiones con la investigacin de operaciones, y ser capaz de definir el tipo de problema y aplicacin tcnica para llegar a la solucin en forma rpida, razonable y con el uso adecuado de sistemas informticos. Proporcionar al estudiante un enfoque sistemtico y cientfico del anlisis de problemas administrativos y operacionales, fundamentados en modelos matemticos, con el fin de administrar y asignar recursos limitados, en la forma ms ptima. ESPECFICOS 1.- Desarrollar el mtodo simplex como una forma de solucin para resolver un problema de programacin lineal general. 2.- Aplicar el mtodo de la dualidad en los problemas de PL y la interpretacin de los datos de la ltima matriz solucin, para la interpretacin econmica. 3.- Aplicar el anlisis de sensibilidad, para encontrar e interpretar los cambios en la solucin ptima, cuando se realizan variaciones en los elementos particulares del mtodo del modelo de PL. 4.- Determinar e interpretar los resultados de la programacin lineal cuando los resultados tiene que ser valores enteros

CONTENIDO GENERAL 1. MTODO SIMPLEX Y DUALIDAD 1.1 Algebra matricial 1.1.1 Operacin de matrices 1.1.2 Mtodo de reduccin, sistemas de ecuaciones 1.1.3 Matriz ampliada, inversa 1.2 Mtodo simplex 1.2.1 Maximizacin, solucin matricial 1.2.2 Minimizacin, mtodo M y dos fases 1.2.3 Anlisis de recursos y sensibilidad 1.2.4 Casos especiales 1.3 Problema Dual 1.3.1 Condiciones del primal al dual 1.3.2 Interpretacin de resultados 1.3.3 Precios sombra

ING. JORGE GALIANO D.

MTODO SIMPLEX Y DUALIDAD

Objetivo Desarrollar el mtodo simplex como una forma de solucin para resolver un problema de programacin lineal general. Aplicar el mtodo de la dualidad en los problemas de PL y la interpretacin de los datos de la ltima matriz solucin, para la interpretacin econmica. Aplicar el anlisis de sensibilidad, para encontrar e interpretar los cambios en la solucin ptima, cuando se realizan variaciones en los elementos particulares del mtodo del modelo de PL. Contenido 1.1 Algebra matricial 1.1.1 Operacin de matrices 1.1.2 Mtodo de reduccin, sistemas de ecuaciones 1.1.3 Matriz ampliada, inversa 1.2 Mtodo simplex 1.2.1 Maximizacin, solucin matricial 1.2.2 Minimizacin, mtodo M y dos fases 1.2.3 Anlisis de recursos y sensibilidad 1.2.4 Casos especiales 1.3 Problema Dual 1.3.1 Condiciones del primal al dual 1.3.2 Interpretacin de resultados 1.3.3 Precios sombra
OPERACIN DE MATRICES METODO DE REDUCCION SISTEMAS DE ECUACIONES MATRIZ AMPLIADA

Esquema

ALGEBRA MATRICIAL

METODO SIMPLEX

ESTANDARIZACION

VARIABLES -HOLGURA - ARTIFICIALES

MAXIMIZACION

MINIMIZACION

METODO -M -DOS FASES

ANALISIS DE RECURSOS

ANALISIS DE SENSIBILIDAD

PROBLEMA DUAL

PRIMAL

DUAL

ING. JORGE GALIANO D.

ALGEBRA MATRICIAL Introducir el concepto de matriz y considerar los tipos especiales de matrices, con las operaciones bsicas. Matriz es arreglo rectangular de nmeros (entradas, elementos) de m filas y n columnas

aij

elemento o entrada de la matriz,

fila,

j columna

a11 a 21 M a m1

a12 a 22 M am2

... a1n ... a 2 n M ... a mn

Matriz de m x n o matriz de orden m x n

El nmero de elementos o entradas en una matriz m x n se obtiene multiplicando el nmero de filas m por el nmero de columnas n dando como resultado (mn)

4 1 0 2 1 4 2 3 1 5 Matriz de orden 3 x 5; 15 elementos A= 2 1 0 3 1

Matriz Fila o vector fila. Si la matriz tiene solo una fila

A = a1 j
B = [bi1 ]

[ ]

Matriz columna o vector columna. Si la matriz solo tiene una columna Matriz transpuesta. Se denota A es una matriz de orden n x m, donde A es una matriz de orden m x n, cuyo i-simo rengln es la i-sima columna de A.
T

Si A es una matriz, la matriz formada a partir de A intercambiando filas (renglones) con sus columnas es llamada la transpuesta de A.
1 2 Si A = 1 5

0 1 3 1

4 0 2 3

Matriz de orden 4 x 3,

1 2 1 5 T Entonces A = 0 1 3 1 Matriz de orden 3 x 4 4 0 2 3

ING. JORGE GALIANO D.

Matriz cuadrada. Matriz que tiene el mismo numero de filas y columnas n = m. 1 0 3 A = 1 2 0 Matriz de orden 3 x 3, o matriz de orden 3 0 1 4

Matriz cero. Una matriz de m x n si todas sus entradas son cero Matriz identidad. Matriz cuadrada, cuyos elementos de la diagonal principal son unos y los dems elementos son ceros.

I n = aij
1 0 I4 = 0 0

[ ], si i = j entonces a
0 1 0 0 0 0 1 0

ij

= 1 , si i j entonces aij = 0

0 0 Matriz de orden 4 0 1

Matriz diagonal Si todas las entradas que se encuentran fuera de la diagonal principal son cero de una matriz cuadrada. Matriz triangular. Matriz cuadrada
Superior, si todas las entradas abajo de la diagonal principal son ceros; aij

= 0,

si i > j
2 3 1 A = 0 1 4 Matriz de orden 3 0 0 2

Inferior, si todas las entradas arriba de la diagonal principal son ceros; aij

= 0,

si i < j
1 1 B= 2 1

0 3 1 1

0 0 1 4

0 0 Matriz de orden 4 0 6

Dos matrices son iguales A = B, si y solo si tienen el mismo orden y

aij = bij

A = aij

[ ]

B = bij

[ ]

ING. JORGE GALIANO D.

Operaciones de matrices Suma de matrices. La suma es factible si las matrices son del mismo orden. Si A = aij

y B = bij ambas son matrices m x n, entonces la suma A+B es la matriz de orden m x n obtenida sumando las correspondientes entradas de A y B.
a e x b f y A= c g z d h w Matriz de orden 4 x 3 1 2 3 2 3 2 B= 3 4 1 4 1 4 matriz de orden 4 x 3 a +1 e + 2 x + 3 b + 2 f + 3 y + 2 C = A+ B = c + 3 g + 4 z +1 d + 4 h + 1 w + 4 Matriz de orden 4 x 3

[ ]

[ ]

Multiplicacin por un escalar. Si A es una matriz m x n, y k un nmero real, entonces con kA denotamos a la matriz m x n multiplicando cada entrada de A por k.
a c A= b d

e f

g h

1 3 5 7 B= 2 4 6 8

ka kc C = kA = kb kd

ke kg kf kh

3 9 15 21 D = 3B = 6 12 18 24

Multiplicacin de matrices

Matriz Orden

A mxn

B nxp

C mxp

3 1 4 A= 1 2 2 2x3

1 2 B = 0 1 2 1 3x2

C = A*B =

c11 c12 c 21 c22

2x2

ING. JORGE GALIANO D.

C11= 3*1+(-1)*0+4*2 = 11 C21= 1*1+2*0+(-2)*2 = -3

11 1 C= 3 6

C12 = 3*2+(-1)*1+4*(-1) = 1 C22 = 1*2+2*1+(-2)*(-1) = 6

Sistemas de ecuaciones Mtodo de Reduccin. Mostrar como reducir una matriz y utilizar la reduccin de matrices para resolver un sistema lineal.
Resolver el sistema de ecuaciones lineales 2x + 3 y = 5 x 2 y = 1 Representacin como suma de matrices
2 3 5 x + y = 1 2 1

Representacin como multiplicacin de matrices

2 3 x 5 1 2 * y = 1

Aplicando el mtodo de reduccin 5 2 3 1 2 1

1 2 1 Intercambio de filas 2 3 5
1 2 1 0 7 7

F2 2 F1
1 F2 7 F1 + 2 F2

1 2 1 0 1 1

1 0

0 1

1 1

Solucin: X = 1, Y = 1

ING. JORGE GALIANO D.

METODO SIMPLEX
El mtodo Simplex es un algoritmo de solucin muy utilizado para resolver problemas de programacin lineal. Un algoritmo es una serie de pasos para cumplir con una tarea determinada. El mtodo simples es un mtodo general de solucin del problema de Programacin lineal (PL) con cualquier numero de variables de decisin, y consiste en partir de una Solucin Bsica Factible (SBF), para acercarse paso a paso a una mejor solucin, hasta alcanzar la Solucin ptima Factible (SOF). El procedimiento para el calculo que utiliza el mtodo simplex es un proceso iterativo (por aproximacin), es decir que realiza secuencialmente o usa sucesivamente la misma rutina del calculo, normalmente el algebra matricial, lo cual da por resultado una serie de soluciones sucesivas hasta que se encuentra la mejor (ptima). Una caracterstica bsica del mtodo simplex es que la ltima solucin produce una contribucin mayor o igual que la solucin previa en un problema de maximizacin, o menor, en un problema de minimizacin, lo que da la seguridad de llegar finalmente a la respuesta ptima. El mtodo simplex da informacin sobre lo que sucede al pasar de una solucin a otra; seala donde se gana, donde se pierde, donde no se gana ni pierde, hasta llegar a un punto en el que la introduccin de cualquier cambio o variacin perjudica la solucin, entonces se dice que dicha solucin es la optima del problema de programacin lineal. Caractersticas: La meta de la funcin objetivo, siempre deber ser maximizar o minimizar Todas las restricciones deben ser expresadas con ecuaciones en forma estndar Todas las variables deben ser no negativas (positivas)
Xj 0

j = 1,2,3,., n

Los trminos independientes del sistema de restricciones deben ser no negativos (los recursos disponibles siempre son positivos).
bj = 0

i = 1,2,3,., m

Estandarizacin. El proceso de la estandarizacin de un modelo es la transformacin del sistema de inecuaciones (restricciones) en un sistema de ecuaciones, para lo cual se aade una variable de holgura y/o artificial segn sea el caso.
Si es menor que

Si es mayor que , se resta una variable de holgura y se aade una variable artificial. Si es igual =, se suma solamente una variable artificial

, se suma una variable de holgura

En programacin lineal las variables de holgura representan el recurso no utilizado, el exceso de cada recurso para un nivel dado de produccin.
ING. JORGE GALIANO D.

10

Maximizacin
Modelo General Funcin Objetivo Limitaciones

Z = C1 X 1 + C2 X 2 + ... + Cn X n
a11 x1 + a12 x2 + ... + a1n xn b1 a21 x1 + a22 x2 + ... + a2 n xn b2 a31 x1 + a32 x2 + ... + a3n x3 b3
: : : : am1 x1 + am 2 x2 + ... + amn xn bm

Mx. o Min.

En donde x1 , x 2 ,..., x n y b1 , b2 ,..., bm son no negativas Variables de holgura X n +1 se transforme en una ecuacin. Estandarizacin.

X n + m son las que se aaden a una inecuacin para que

a11x1 + a12 x2 + ... + a1n xn + xn +1 = b1 a21 x1 + a22 x2 + ... + a2 n xn + xn + 2 = b2 a31 x1 + a32 x2 + ... + a3n x3 + xn + 3 = b3
: : : : am1 x1 + am 2 x2 + ... + amn xn + xn + m = bm

m Ecuaciones n + m Variables

Ejemplo: resolver el modelo utilizando el mtodo simplex para maximizacin Funcin Objetivo Restricciones Mx.

z = 7 x1 + 7 x2 + 6 x3 + 9 x4

4 x1 + 5 x2 + 3 x3 + 5 x4 30000 2 x1 + 1.5 x2 + 3 x3 + 3 x4 20000

Estandarizacin: Mx. Z = 7x1+7x2+6x3+9x4+0x5+0x6

4 x1 + 5 x 2 + 3 x 3 + 5 x 4 + x 5 = 30000 2 x1 + 1.5 x 2 + 3 x 3 + 3 x 4 + x 6 = 20000

ING. JORGE GALIANO D.

11

Cj X 0 0 X5 X6 Zj Zj - Cj B 30000 20000 0 X1

7 X2 4 2 0 -7

7 X3 5 1,5 0 -7

6 X4 3 3 0 -6

9 X5 5 3 0 -9 ingresa

0 X6 1 0 0 0

0 0 1 0 0

Relacion minima

Menor valor

6000 6666,67

sale

Fila criterio(indicador)

Clculos: Zj: 0 * 30000 + 0 * 20000 = 0 0*4+0*2=0 0 * 5 + 0 * 1,5 = 0 0*3+0*3=0 0*5+0*3=0 0*1+0*0=0 0*0+0*1=0

Solucin bsica factible:

X1 = X 2 = X 3 = X 4 = 0 X 5 = 30000 X 6 = 20000
Para maximizacin la fila Zj-Cj indica si se llego a un optimo, cuando todos los valores de la son positivos o cero

X4
Variable entrante

9
X5

El valor ms negativo de la fila criterio

Variable saliente

6000

Menor valor positivo de la relacin mnima

En la fila criterio elegimos el valor ms negativo, en caso de que los valores sean ceros o positivos se ha llegado a un ptimo.

Valor del EJE

Valor del SEMI EJE

ING. JORGE GALIANO D.

12

La posicin para la nueva iteracin donde esta ubicado el eje el valor debe ser 1, por lo cual la fila del eje le dividimos para cinco cada uno de sus elementos. 3000/5 = 6000; 4/5;

5/5 = 1;

3/5;

5/5 = 1;

1/5;

0/5 = 0

Otras variables: el elemento de la anterior etapa menos el producto del semieje por el valor de la nueva variable.
Valores Fila semi eje nueva fila

X6 20000 2 1,5 3 3 0 1

3 3 3 3 3 3 3

* 6000 * (4/5) 1 * * (3/5) 1 * * (1/5) 0 *

= = = = = = =

2000 -2/5 -1,5 6/5 0 -3/5 1

0 * 30000 + 0 * 20000 = 0 Zj: 9 * 6000 9 * 4/5 9*1 9 * 3/5 9*1 9 * 1/5 9*0 + 0 * 2000 + 0 * (-2/5) + 0 * (-3/2) + 0 * (6/5) +0*0 + 0 * (-3/5) +0*1 = 54000 = 36/5 =9 = 27/5 =9 = 9/5 =0

El cuadro de la iteracin seria:

Cj 9 0 Zj X X4 X6 B
6000 2000 54000 7 7 6 9 0 0

X1
4/5 -2/5 36/5 1/5

X2
1 -3/2 9 2

X3
3/5

X4
1 0 9 0

X5
1/5 -3/5 9/5 9/5

X6
0 1 0 0

RM
10000 5000/3 sale

6/5
27/5 -3/5

Zj - Cj

ingresa

ING. JORGE GALIANO D.

13

Valores Fila semi eje nueva fila

2000 -2/5 -1/5 6/5 0 -1/5 1

* * * * * * *

5/6 5/6 5/6 5/6 5/6 5/6 5/6

= 1666,7 = -1/3 = -5/4 = 1 = 0 = - 5/6 =

X4 6000 4/5 1 3/5 1 1/5 0

3/5 3/5 3/5 3/5 3/5 3/5 3/5

* * * * * * *

1666,67 (-1/3) (-5/4) 1 0 (-1/2) (5/6)

= = = = = = =

5000 1 7/4 0 1

Zj:

9 * 5000 + 6 * 1666.67 9*1 + 6 * (-1/3) 9 * 7/4 + 6 * (-5/4) 9*0 +6*1 9*1 +6*0 9 * 1/2 + 6 * (-1/2) 9 * (-1/2) + 6 * 5/6

= 55000 =7 = 33/4 =6 =9 = 3/2 = 1/2

Mejora el valor

Entonces, la siguiente iteracin ser:

Cj 9 6 Zj X X4 X6 B
5000 1666,67 55000 7 7 6 9 0 0

X1
1 -1/3 7 0

X2
7/4 -5/4 33/4 5/4

X3
0 1 6 0

X4
1 0 9 0

X5 -
3/2 3/2

X6 -
5/6

RM

Zj - Cj

Como, Zj Cj solamente tiene valores positivos y/o ceros, entonces tenemos un ptimo y la solucin ser:

Zj = 55000; X1= 0; X2= 0; X3=1666.67; X4=5000; X5=0; X6=0

En la ultima tabla se tiene cada uno de los diferentes coeficientes que tienen un significado econmico y se denominan tasas de sustitucin, ver solamente los valores de las variables de holgura correspondiente a su columna.

ING. JORGE GALIANO D.

14

Minimizacin
Mtodos: - Dos fases - M grande Ejercicio de aplicacin de la minimizacin Modelo: Funcin Objetivo: Min. Z = 4 x + y Restricciones
3x + y = 3 4x + 3y 6 x + 2y 3 x, y 0

Mtodo de las Dos fases

Estandarizacin

Min. Z Mx. (-Z) = 4 x y 3 x + y + A1 = 3 4 x + 3 y S2 + A2 = 6

x + 2 y + S3 = 3
Primera Fase

A1, A2 variables artificiales, que en esta fase tienen coeficientes de -1, el mtodo inicia con el cambio de minimizacin a maximizacin y procedemos como si fuese maximizacin

Cj -1 -1 0 X A1 A2 S3 Zj B 3 6 3 -9 x 3 4 1 -7 -7

0 y 1 3 2 -4 -4

0 S2 0 -1 0 1 1

0 S3 0 0 1 0 0

0 RM 1 3/2 3
sale

Zj - Cj

ingresa

Clculo de los valores de las filas de la siguiente iteracin, donde esta ubicado el eje para la siguiente tabla en esa posicin debe ser el valor de 1, por lo cual dividimos la fila para 3, en este caso.

6 4 3 -1 0

4 4 4 4 4

* * * * *

1 1 1/3 0 0

= 2 = 0 = 5/3 = -1 = 0

3 1 2 0 1

1 1 1 1 1

* * * * *

1 = 2 1 = 0 1/3 = 5/3 0 = 0 ING. JORGE GALIANO D. 0 = 1 15

Cj 0 -1 0 X x A2 S3 Zj B 1 2 2 -2 x 1 0 0 0 0

0 y 1/3 5/3 -5/3 -5/3 -5/3

ingresa

0 S2 0 -1 0 1 1 S3 0 0 1 0 0

0 RM 3 6/5 6/5

sale

Zj - Cj

Clculo de los valores de las filas de la siguiente iteracin

1 1 1/3 0 0

1/3 1/3 1/3 1/3 1/3

* 6/5 = * 0 = * 1 = * (-3/5) = * 0 =

3/5 1 0 1/5 0

2 0 5/3 0 1

5/3 5/3 5/3 5/3 5/3

* 6/5 = * 0 = * 1 = * (-3/5) = * 0 =

0 0 0 1 1

Tabla de la iteracin

Cj 0 0 0 X x y S3 Zj B 3/5 6/5 0 0 x 1 0 0 0 0

0 y 0 1 0 0 0

0 S2 1/5 -3/5 1 0 0 S3 0 0 1 0 0

0 RM

Zj - Cj

Tabla final, porque Zj Cj 0 termina la primera fase, en la base no aparecen variables artificiales, esta solamente X, Y, S3, si aparecen variables artificiales, entonces, no hay solucin.
ING. JORGE GALIANO D.

16

Segunda Fase Contina con el mtodo simplex

Cj -4 -1 0 X x y S3 Zj B 3/5 6/5 0 -18/5 x 1 0 0 -4 0

-4 y 0 1 0 -1 0

-1

0 S2 1/5 -3/5 1 -1/5 -1/5

ingresa

0 S3 0 0 1 0 0 RM 3 -2 0

sale

Zj - Cj

Clculo de los valores de las filas de la siguiente iteracin

3/5 1 0 1/5 0

1/5 1/5 1/5 1/5 1/5

* * * * *

0 0 0 1 1

= 2 = 0 = 5/3 = -1 = 0

6/5 0 1 -3/5 0

3/5 3/5 3/5 3/5 3/5

* * * * *

0 0 0 1 1

= = = = =

2 0 5/3 0 1

La ltima iteracin se tendr de la siguiente forma:

Cj -4 -1 0 X x y S2 Zj B 3/5 6/5 0 -18/5 x 1 0 0 -4 0

-4 y 0 1 0 -1 0

-1 S2 0 0 1 0 0

0 S3 -1/5 3/5 1 1/5 1/5 RM

Zj - Cj

Como en la fila criterio se tiene los valores mayores o iguales a cero, entonces alcanzamos el valor optimo de la funcin objetivo. Solucin: Z = 18/5, X = 3/5, Y = 6/5, S2 = 0, S3 = 0
ING. JORGE GALIANO D.

17

Mtodo M Grande, minimizacin

M es un valor positivo suficientemente grande, que nos ayuda a resolver la minimizacin. En la fila criterio Zj Cj seleccionamos el valor mas positivo y se alcanza el optimo de la funcin objetivo cuando en esta fila se tienen solo valores negativos y/o ceros. Modelo Original Ejemplo Funcin Objetivo Restricciones
3x + y = 3 4x + 3y 6 x + 2y 3

Min. Z = 4 x + y

Estandarizacin

Min. Z = 4 x + y 0S 2 0 S3 + MA1 + MA2 3x+ y + A1 =3 4 x + 3 y S2 + A2 = 6 x+2y + S3 =3

Cj M M 0 X A1 A2 S3 Zj B 3 6 3
9M

4 x 3 4 1
7M 7M-4 ingresa

1 y 1 3 2
4M 4M-1

0 S2 0 -1 0
-M -M

0 S3 0 0 1
0 0

M A1 1 0 0
M 0

M A2 0 1 0
M 0

RM 1 1,5 4

sale

Zj - Cj

Clculo de los valores de la fila para la siguiente iteracin

6 4 3 -1 0 0 1 4 4 4 4 4 4 4 * * * * * * * 1 1 0 0 1/3 0 = = = = = = 2 0 5/3 -1 0 -4/3 1

3 1 2 0 1 0 0

1 1 1 1 1 1 1

* * * * * * *

1 1 0 0 1/3 0

= = = = = =

2 0 5/3 0 1 -1/3 0

1/3 =

1/3 =

ING. JORGE GALIANO D.

18

Tabla de la siguiente iteracin:

Cj 4 M 0 X x A2 S3 Zj B 1 2 2
4+2M

4 x 1 0 0
4 0

1 y 1/3 5/3 5/3

4/3+(5/3)M 1/3+(5/3)M ingresa

0 S2 0 -1 0
-M -M

0 S3 0 0 1
0 0

M A1 1/3 -4/3 -1/3

4/3-(4/3)M 4/3-(7/3)M

M A2 0 1 0
M 0

RM 3 6/5 6/5

sale

Zj - Cj

Clculo de los valores de la fila para la siguiente iteracin

1 1 1/3 0 0 1/3 0 1/3 1/3 1/3 1/3 1/3 1/3 1/3 * * * * * * * 6/5 = 0 = 1 = -3/5 0 -4/5 3/5 = = = = 3/5 1 0 1/5 0 3/5 -1/5

2 0 5/3 0 1 -1/3 0

5/3 5/3 5/3 5/3 5/3 5/3 5/3

* * * * * * *

6/5 0 1 -3/5 0 -4/5 3/5

= = = = = = =

0 0 0 1 1 1 -1

Tabla de la siguiente iteracin:

Cj 4 1 0 X x y S3 Zj Zj - Cj B 3/5 6/5 0
18/5

4 x 1 0 0
4 0

1 y 0 1 0
1 0

0 S2 1/5 -3/5 1
1/5 1/5 ingresa

0 S3 0 0 1
0 0

M A1 3/5 -4/5 1
8/5 (8/5)-M

M A2 -1/5 3/5 -1
-1/5 (-1/5)-M

RM 3 0

sale

Clculo de los valores de la fila para la siguiente iteracin

3/5 1 0 1/5 0 3/5 -1/5 1/5 1/5 1/5 1/5 1/5 1/5 1/5 * * * * * * * 0 0 0 1 1 1 -1 = = = = = = = 3/5 1 0 0 -1/5 2/5 0

6/5 0 1 -3/5 0 -4/5 3/5

-3/5 -3/5 -3/5 -3/5 -3/5 -3/5 -3/5

* * * * * * *

0 0 0 1 1 1 -1

= = = = = = =

6/5 0 1 0 3/5 -1/5 0

ING. JORGE GALIANO D.

19

La ltima iteracin se tendr de la siguiente forma:

Cj 4 1 0 X x y S2 Zj Zj - Cj B 3/5 6/5 0
18/5

4 x 1 0 0
4 0

1 y 0 1 0
1 0

0 S2 0 0 1
0 0

0 S3 -1/5 3/5 1
-1/5 -1/5

M A1 2/5 -1/5 1
7/5 (7/5)-M

M A2 0 0 -1
0 -M

RM

Para la minimizacin en la fila criterio deben existir solo valores negativos y/o ceros para alcanzar el ptimo. La solucin ser: Z= 18/5; X=3/5; Y=6/5; S1=0; S2=0

Anlisis de sensibilidad y tasas de sustitucin y precios sombra

Un fabricante de muebles elabora anaqueles y escritorios en su empresa, que tiene dos departamentos, en los cuales los requerimientos en horas hombre por departamento y en unidad se indican a continuacin:

Anaqueles Dpto. I Preparacin de piezas 3 Dpto. II Ensamblaje y terminado 4 Costos por unidad 2000 Precio de venta 3500 Utilidad por unidad 1500

Escritorios Disponibilidad 5 240 h H/u 2 128 h H/u 2800 $/u 4600 $/u 1800 $/u

a) Establecer un programa de produccin que permita a la empresa maximizar las utilidades sin que la compaa forme inventario. b) Esta compaa tiene la posibilidad de ocupar la seccin de preparacin de piezas para otro artculo y le interesa conocer si con el programa de produccin ptimo actual le queda tiempo libre en el departamento. c) Suponiendo que la competencia vende escritorios similares a $300 la unidad que poltica deber adoptar el gerente si se llega a una competencia muy marcada. Desarrollo: I.- Datos, la tabla resume toda la informacin II.- Variables: X: numero de anaqueles a producir por semana Y: nmero de escritorios a producir por semana S1: Tiempo NO usado en el departamento I, preparacin S2: Tiempo NO usado en el departamento II, terminado III.- Funcin Objetivo Mx. U = 1500 X + 1800 Y + 0 S1 + 0 S2
ING. JORGE GALIANO D.

20

IV.- Limitaciones
3 x + 6 y 240 4 x + 2 y 128

Estandarizacin: F.O. Mx. U = 1500x + 1800 y + 0S1 + 0S 2 Dpto. I 3 x + 6 y + S1 = 240 Dpto. II 4 x + 2 y + S2 = 128

Cj 0 0 X S1 S2 Zj Zj - Cj B 240 128
0

1500 1800 x y 6 3 4 2
0 -1500 0 -1800 Ingresa

0 S1 1 0
0 0

0 S2 0 1
0 0

RM 40 64

Sale

128 4 2 0 1

2 2 2 2 2

* * * * *

40 1 1/6 0

= = = = =

48 3 0 1/3 1

Cj 1800 0 X y S2 Zj B 40 48
72000

1500 1800 x y 1 3 0
900 -600 Ingresa 1800 0

0 S1 1/6 -1/3
300 300

0 S2 0 1
0 0

RM 80 16

Sale

Zj - Cj

40 1 1/6 0

* * * * *

16 1 0 -1/9 1/3

= = = = =

32 0 1 2/9 -1/6
ING. JORGE GALIANO D.

21

Cj 1800 1500 X y x Zj B 32 16
81600

1500 1800 x y 0 1 1 0
1500 0 1800 0

0 S1 2/9 -1/9*
700/3 700/3

0 S2 -1/6 1/3
200 200

Tasas de sustitucin

Zj - Cj
Solucion:

OPTIMO

X = 16 (anaqueles/semana) Y = 32 (escritorios/semana) S1 = 0 indica que se usa todo el tiempo disponible en el Dpto. I S2 = 0 indica que se usa todo el tiempo disponible en el Dpto. II U = 81600 ($/semana) Toda tasa de sustitucin significa que para producir una unidad de la variable correspondiente a la columna se debe sacrificar la tasa de sustitucin indicada por la variable correspondiente a la fila.

S1 x -1/9*

Para alcanzar una unidad S1 (1 h-H) de tiempo disponible en el departamento I, necesitamos sacrificar (usar o gastar) -1/9 anaqueles.

Demostracin: 1 h-H en el departamento I (preparacin de piezas) La nueva produccin ser: X = 16 (-1/9) = 145/9 = 16.11 anaqueles Y = 32 (2/9) = 286/9 = 31.77 escritorios

Dpto. I

3x + 6 y = 3(

145 286 ) + 6( ) = 239 h-H/semana 9 9

Esto quiere decir, que el departamento I no completara la disponibilidad de las 240 h-H que tiene en la semana, sobrando 1 hora para la nueva produccin. Nueva utilidad U n = 1500 x + 1800 y
145 286 ) + 1800( ) 9 9 U n = 81366.67 U n = 1500(

Entonces,

U = U MAX U n = 81600 81366.67 = 233.33 =

700 3

ING. JORGE GALIANO D.

22

Este valor de

700 2100 se encuentra directamente en la fila criterio de la = 233.33 = 3 9 ltima iteracin.

S2 y -1/6

Para alcanzar 1 unidad S2 (1 h-H) de tiempo disponible en el departamento II, necesitamos sacrificar (usar o gastar) -1/6 de escritorios.

Demostracin: 1 h-H en el departamento II (ensamblaje y terminado) La nueva produccin ser: X = 16 (1/3) = 47/3 = 15.67 anaqueles Y = 32 (-1/6) = 193/6 = 32.16 escritorios

Dpto. II

4 x + 2 y = 4(

47 193 ) + 2( ) = 127 h-H/semana 3 6

Esto quiere decir, que el departamento II no completara la disponibilidad original de las 128 h-H que tiene en la semana, sobrando 1 hora para la nueva produccin, en caso de modificarle con las tasas de sustitucin o tambin conocido como precios sombra. Nueva utilidad
U n = 1500 x + 1800 y 47 193 ) + 1800( ) 3 6 U n = 81400 U n = 1500(

Entonces,

U = U MAX U n = 81600 81400 = 200

Este valor de 200 se encuentra directamente en la fila criterio de la ltima iteracin. En el anlisis de sensibilidad tratamos de determinar la variacin de los coeficientes de la funcin objetivo. En general Max. Z = C1 x + C2 y Para el anlisis de sensibilidad: en la tabla siguiente se debe busca un nmero que haga cero en Zj ajustada (Zj aj.), usar la formula: Zj aj. = Zj + Zj* Zj. Valor de la ltima iteracin, valor original Zj* valor calculado

ING. JORGE GALIANO D.

23

Para X: Para departamento I, columna S1 para el cuadro

Valor final a buscar x Zj* Zj Zj aj.
16 81600 1500 1800 0 0

x
1 1500

y
0 1800

S1
-1/9 2100/9

S2
1/3 Usar la formula

200

0 Valor inicial

Entonces,
1500 1800 0 0

x 2100 x Zj* Zj Zj aj.

16 81600 1 2100 1500 3600 Lmite superior

y
0 1800

S1
-1/9 -2100/9 2100/9

S2
1/3

200

Para C1 = 1500

2100

3600; si, C1 > 3600 S1 ingresa

Con el otro departamento, columna S2 para el cuadro

Valor final a buscar x Zj* Zj Zj aj.
16 81600 1500 1800 0 0

x
1 1500

y
0 1800

S1
-1/9 2100/9

S2
1/3 Usar la frmula

200 0
Valor inicial

Entonces,
1500 1800 0

x -600 x Zj* Zj Zj aj.

16 1 -600

y
0 1800

S1
-1/9 2100/9

S2
1/3 -200

81600 1500 900 Lmite inferior

200 0

ING. JORGE GALIANO D.

24

Para C1 = 1500

600

900; si, C1 < 900 S1 ingresa

En resumen,
Coeficiente C1 Minimo 900 600 Original 1500 Maximo 3600 2100

Para Y: Para departamento II, columna S2 para el cuadro

1500 1800 0 0

x 1200 y Zj* Zj Zj aj.

32 81600 1 1500

y
0 1200 1800 3000 Lmite superior

S1
2/9 2100/9

S2
-1/6 -200 200 Usar la frmula

0
Valor inicial

Para C2 = 1800

1200

3000; si, C2 > 3000 S2 ingresa

Para departamento I, columna S1 para el cuadro

Valor final a buscar 1500 1800 0 0

x -1050 y Zj* Zj Zj aj.

32 81600 0 1500

y
1 -1050 1800 750

S1
2/9 -2100/9 2100/9

S2
-1/6 Usar la frmula

200

Para C2 = 1800

1050

Lmite inferior Valor inicial

750; si, C2 < 750 S2 ingresa

ING. JORGE GALIANO D.

25

En resumen:

Coeficiente C2

Minimo 750 -1050

Original 1800

Maximo 3000 1200

Por lo tanto, el anlisis de sensibilidad para los coeficientes de la funcin objetivo pueden tener las siguientes variaciones:

Coeficiente C1 C2

Mnimo 900 750

Original 1500 1800

Mximo 3600 3000

Casos especiales del mtodo simplex

1. Degeneracin.- Una o mas soluciones de las variables de decisin son cero, el modelo tiene por lo menos una restriccin redundante 2. Soluciones no acotadas.- Las variables pueden tomar valores que se incrementan indefinidamente cumpliendo con las restricciones. El espacio solucin es no acotado en una direccin. 3. ptimos alternativos.- Si una funcin objetivo es paralela a una de las restricciones no acotadas, la F.O. asume el punto ptimo en ms de un punto de la solucin, infinidad de soluciones.
4. Solucin no factible.- Esto sucede cuando existen restricciones combinadas de mayor igual y menor igual en algunas ocasiones. En la tabla del simplex se encuentra cuando debiendo salir la variable artificial sale la variable de holgura. Ejercicios de investigacin Como identificar en una tabla del simplex que es un caso especial y a cual caso especial corresponde, usar un ejemplo para cada caso, tratar de resolverlo y concluir con un comentario sealando el procedimiento. Entregar su resolucin

ING. JORGE GALIANO D.

26

PROBLEMA DUAL
El principio llamado dualidad, permite resolver un problema de maximizacin resolviendo el problema de minimizacin relacionado con l. Problema
Primal (Dual)

Maximizar

Z = c1 x1 + c2 x2 + ... + cn xn
Sujeto a,

a11 x1 + a12 x2 + ... + a1n xn b1 a21 x1 + a22 x2 + ... + a2 n xn b2

M M M M

am1 x1 + am 2 x2 + ... + amn xn bm

x1 , x2 ,....xn 0
Dual (Primal)

Minimizar

W = b1 y1 + b2 y2 + ... + bm ym
Sujeto a,

a11 y1 + a21 y2 + ... + am1 ym c1 a12 y1 + a22 y 2 + ... + am 2 ym c2

M M M M

a1n y1 + a 2 n y 2 + ... + a nm y m cn

y1 , y2 ,...., ym 0
La solucin del modelo primal es igual a la del modelo dual en cuanto a su funcin objetivo.

PRIMAL n m
Ejemplo Modelo Primal Funcin Objetivo Restricciones

DUAL m n variables limitaciones

variables limitaciones

Mx. Z = 1500 X1 + 1800 X2 3 X1 + 6 X2 240 4 X1 + 2 X2 128

ING. JORGE GALIANO D.

27

Modelo Dual Funcin Objetivo Restricciones Desarrollo: PRIMAL Mx. D = 240 X1 + 128 X2 3 Y1 + 4 Y2 1500 6 Y1 + 2 Y2 1800 Mx. Z = 1500 X1 + 1800 X2 + 0S1 + 0S2 = 240 3 X1 + 6 X2 + S1 4 X1 + 2 X2 + S2 = 128
Cj 0 0 X S1 S2 Zj Zj - Cj B 240 128
0

1500 1800 X1 X2 3 6 4 2
0 -1500 0 -1800

0 S1 1 0
0 0

0 S2 0 1
0 0

RM 40 64

Sale

Cj 1800 0 X X2 S2 Zj B 40 48
72000

1500 Ingresa 1800 X1 X2 1 3 0

900 -600 Ingresa 1800 0

0 S1 1/6 -1/3
300 300

0 S2 0 1
0 0

RM 80 16

Sale

Zj - Cj

Cj 1800 1500 X X2 X1 Zj B 32 16
81600

1500 1800 X1 X2 0 1 1 0
1500 0 1800 0

0 S1 2/9 -1/9
700/3 700/3

0 S2 -1/6 1/3
200 200 OPTIMO

Zj - Cj

H1

H2

Y1

Y2

La solucin del modelo primal es Z = 81600; X1 = 16; X2 = 32

ING. JORGE GALIANO D.

28

DUAL

Min. D = 240 Y1 + 128 Y2 0 H1 0 H2 + M A1 + M A2 3 Y1 + 4 Y2 H1 + A1 = 1500 6 Y1 + 2 Y2 H2 + A2 = 1800

240 Y1 3 6
9M 9M-240 ingresa

bi M M Y A1 A2 Di C 1500 1800
3300M

128 Y2 4 2
6M 6M-128

0 H1 -1 0
-M -M

0 H2 0 -1
-M -M

M A1 1 0
M M

M A2 0 1
M M

RM 500 300

sale

Di-bi

bi M 240 Y A1 Y1 Di C 600 300

600M+72000

240 Y1 0 1
240 0

128 Y2 3 1/3
3M+80 3M-48 ingresa

0 H1 -1 0
-M -M

0 H2 -1/6
M-40 M-40

M A1 1 0
M 0

M A2 1/6
-M+40 -3M/2+40

RM 200 900

sale

Di - bi

bi 128 240 Y Y2 Y1 Di C 200 700/3

81600

240 Y1 0 1
240 0

128 Y2 0 1
128 0

0 H1 -1/3 1/9
-16 -16

0 H2 1/6 -2/9
-32 -32

M A1 1/3 -1/9
16 16-M

M A2 -1/6 2/9
32 32-M

RM

Di - bi

OPTIMO

S1

S2

-X1

-X2

La solucin del modelo Dual es D = 81600; Y1 = 700/3; Y2 = 200 En la ltima tabla del primal se puede determinar la solucin del dual, y en la ltima tabla del dual se puede comprobar la solucin del primal.

ING. JORGE GALIANO D.

29

USO DEL WINQSB

Ejemplo: resolver el modelo utilizando el mtodo simplex para maximizacin ingresando los datos en el WINQSB Funcin Objetivo Restricciones Mx.

z = 7 x1 + 7 x2 + 6 x3 + 9 x4

4 x1 + 5 x2 + 3 x3 + 5 x4 30000 2 x1 + 1.5 x2 + 3 x3 + 3 x4 20000

Estandarizacin: Mx. Z = 7x1+7x2+6x3+9x4+0x5+0x6

4 x1 + 5 x 2 + 3 x 3 + 5 x 4 + x 5 = 30000 2 x1 + 1.5 x 2 + 3 x 3 + 3 x 4 + x 6 = 20000

Ingresar al WINQSB

PROGRAMACION LINEAL

ING. JORGE GALIANO D.

30

Abrir un nuevo problema

ELEGIR NUEVO PROBLEMA

Completar la informacin en el cuadro de acuerdo al problema

Nmero de variable 4 Nmero de restricciones 2

ING. JORGE GALIANO D.

31

Una vez completado, elegir OK

elegir
Aparecer la siguiente pantalla

Modelo: Funcin Objetivo Restricciones Mx.

z = 7 x1 + 7 x2 + 6 x3 + 9 x4

4 x1 + 5 x2 + 3 x3 + 5 x4 30000 2 x1 + 1.5 x2 + 3 x3 + 3 x4 20000

Ingresar los coeficientes del modelo
ING. JORGE GALIANO D.

32

Seleccionar el icono
Seleccionar este icono

Aceptar

ING. JORGE GALIANO D.

33

Encontrar la solucin del modelo

SOLUCION: X1 = 0

X3 = 1666.66 X4 = 5000

X2 = 0 Z = 55000

Para el mtodo SIMPLEX se observa cada una de las tablas de modo de ir desde la SBF a una SOF

La solucin paso a paso: Primera Iteracin

Segunda Iteracin

ING. JORGE GALIANO D.

34

Tercera Iteracin

El anlisis de sensibilidad de los coeficientes de la funcin objetivo

ING. JORGE GALIANO D.

35