UTILIZACIÓN DEL MÉTODO DE SOLUCIÓN SIMPLEX DE LA PROGRAMACIÓN LINEAL.
PRESENTADO POR:
MIRLLAN ANDREA ARIAS QUINTERO
UNIDADES TECNOLÓGICAS DE SANTANDER
FACULTAD DE CIENCIAS SOCIOECONÓMICAS Y EMPRESARIALES
ADMINISTRACIÓN DE EMPRESAS VIRTUAL
BUCARAMANGA
PROGRAMACION LINEAL
2024
1. Resolver los problemas de la cartilla didáctica digital al final del capítulo 1 y del Capítulo 2
Aplicando el método SIMPLEX de solución.
Ejercicio de producción:
La empresa la hormiga de Bucaramanga, confecciona ropa para dama, fabrica faldas, y pantalones.
En la fabricación de las faldas, y pantalones, se necesitan dos máquinas M1 y M2. Las faldas se tardan
5 minutos, en M1 y 3 minutos, en 2. Los pantalones se tardan 6 minutos, en M1 y 2 minutos, en M2.
Esta maquinaria dispone semanalmente de 40 horas, M1 y 15 horas, de M2. En este sistema de
producción, las faldas tienen una utilidad, de $5000, y los pantalones tienen una utilidad, de $6000.
Para obtener la máxima ganancia en la fabricación de las faldas y los pantalones, cuántas prendas
se deben fabricar semanalmente, encontrar:
a) Definir las variables.
X= Numero de faldas
Y=Numero de pantalones
b) Definir la función objetivo.
X=5000
Y=6000
c) Definir las restricciones.
FALDAS PANTALONES
M1 5 MIN 6 MIN 40 HORAS =2400 MIN
M2 3 MIN 2 MIN 15 HORAS
5 X+6Y≤2400 X≥0 3 X+2Y≤900 Y≥0
(0,0), (0,400) (300,0) (75,338) 5000X*6000Y
=2400.000
=1500.000
=375.000+2.026.0000=2.403.000
Se elaboran 75 faldas y 338 pantalones para un total de 413 prendas.
2) Ejercicio de la Dieta
Una empresa fabrica cereales naturales, y los distribuye por kilos, con base a tres diferentes tipos
de granos. En su promoción anuncia que, 130 gramos de su producto mezclado con leche, satisface
las necesidades nutricionales magnesio, fósforo, hidratos carbono y las proteínas de un adulto. Los
costos de las materias primas, y el contenido nutricional de los gramos, se muestran en la tabla:
Tipo De Proteínas Hidrato De C Fósforo Magnesio Costo
Grano (Unidades/K g)
(Unidad es/K (Unidades/K (Unidades/K g por
G)
G) ) Kg
Trigo 23 15 9 5 1200
Cebada 27 16 7 4 1300
Centeno 22 23 8 3 1500
El ejercicio de la mezcla, se trata de establecer las cantidades adecuadas, de cada tipo de grano,
para ser apta para satisfacer los requisitos necesarios de un adulto, que son de 0.5 unidades de
magnesio, una (1) unidad de fosforo, dos (2,5) unidades de hidratos carbono, y dos tomas ocho (2,8)
unidades de proteína. Se debe determinar la mezcla del mínimo costo, para esta empresa.
Se debe determinar:
a) Definir las variables de decisión.
X1=Trigo
X2=Cebada
X3=Centeno
b) Definir la función objetivo.
MIN=23+27+22
c) Definir las restricciones
15+16+23 ≥2,5
9+7+8 ≥1
5+4+3 ≥0,5
1200+1300+1500 ≥2,8
X1= La mezcla mínima para el trigo es 54
X2 =la mezcla mínima para la cebada es 24 X3= la mezcla mínima para el centeno es 12
3) Ejercicio de inversión
La inversión en acciones, está sujeta a la rentabilidad del tipo de riesgo, que se tome en la inversión.
Una persona tiene 100 millones, los quiere invertir en de tipos de acciones Tipo A y Tipo B. Las de
Tipo A son productos que tiene un riesgo alto dando un beneficio de 11%. Las acciones de Tipo B,
son productos que tienen menos riesgo, o más seguro y producen una rentabilidad, del 6%.
Toma la decisión de invertir un máximo de 50 Millones en la acción de Tipo A y por al menos 20
Millones, en las acciones de Tipo B. También, que los invertido en Tipo A sea, al menos igual a los
invertido, en las acciones de Tipo B.
Para alcanzar el máximo beneficio, modelar este ejercicio, como un problema de programación
lineal.
Variables
X=Tipo A
Y=Tipo B
INVERSION RENDIMIENTO
A 11% 50 MILLONES
B 6% 20 MILLONES
X≥0
Y≥0
100(0,11) +50(0,6)
X+Y≤100
Y≥20
X Y X Y X Y X Y
0 100 50 0 0 20 0 0
100 0 50 20
Ejercicios capítulo 2.
Resolver en forma gráfica (graficar), los siguientes sistemas de inecuaciones.
2) Una carpintería fabrica mesas redondas y cuadradas para su venta, la utilidad de las mesas
redondas es de $100.000, se necesita 5 horas en la máquina de lijar y de 4 horas de trabajo de
pintura, la demanda no es superior a las 10 unidades. La mesa cuadrada, requiere de 4 horas en la
máquina de lijar y de 3 horas de trabajo de pintura, produce una utilidad de $130.000. La carpintería
dispone a la semana de 50 horas totales en la máquina de lijar y de 55 horas totales de trabajo de
pintura, la demanda no es superior a las 10 unidades. ¿Cuántas mesas redondas y cuadradas
deberán producir la carpintería para maximizar la utilidad? Presente este ejercicio como un
problema de programación lineal y resuélvalo optimizándolo por el método gráfico.
Tipo de mesa Tiempo de producción Tiempo de trabajo en Utilidad del producto
máquina de lijar pintura (horas) (s)
(horas)
Mesas redondas (X1) 5 4 100.000
Mesas cuadradas(X2) 4 3 130.000
Disponibilidad 50 55
El planteamiento del problema quedara de la siguiente manera:
Definimos las variables de decisión, en este caso el ejercicio es de maximización.
Formulación: Planteamos la función objetivo y las restricciones correspondientes.
Función objetivo: Max=100.000 X 1+130.000 X 2 Sujeto a:
5 X1+4Y 2≤50 4 X1+3Y 2≤55 X
1≤10 X 2≤10
X1 X2≥0
Método simplex:
Tabla inicial quedara de la siguiente manera:
Z X1 X2 S1 S2 S3 S4 Resultado
Z 1 -100000 -130000 0 0 0 0 0
S1 0 5 4 1 0 0 0 50
S2 0 4 3 0 1 0 0 55
S3 0 1 0 0 0 1 0 10
S4 0 0 1 0 0 0 1 10
COLUMNA PIVOTE: Revisando la fila Z, identifico el número menor (o más negativo). La columna
que contiene estos números se llama columna pivote.
Z X1 X2 S1 S2 S3 S4 Resultado
Z 1 -100000 -130000 0 0 0 0 0
S1 0 5 4 1 0 0 0 50
S2 0 4 3 0 1 0 0 55
S3 0 1 0 0 0 1 0 10
S4 0 0 1 0 0 0 1 10
FILA PIVOTE: La columna de resultado debe dividirse por el número correspondiente en la columna
pivote. Después de dividir, se debe identificar el resultado MENOS POSITIVO y este resultado
mostrará la fila pivote.
IDENTIFICAR EL NÚMERO PIVOTE: El número que queda en intersección con la fila pivote y la
columna pivote le denominamos "Número pivote".
Z X1 X2 S1 S2 S3 S4 Resultado Divido la columna
pivote
Z 1 -100000 -130000 0 0 0 0 0
0
S1 0 5 4 1 0 0 0 50
12,5
S2 0 4 3 0 1 0 0 55
18,33333333
S3 0 1 0 0 0 1 0 10
S4 0 0 1 0 0 0 1 10 10 menor positivo
LA VARIABLE QUE ENTRA Y LA VARIABLE QUE SALE: La variable que entra es la que está ubicada en
la columna pivote y la variable que sale se encuentra ubicada en la fila pivote. La variable que entra
reemplaza a la variable que sale.
Z X1 X2 S1 S2 S3 S4 Resultado
Z 1 -100000 -130000 0 0 0 0 0
S1 0 5 4 1 0 0 0 50
S2 0 4 3 0 1 0 0 55
S3 0 1 0 0 0 1 0 10
X2 0 0 1 0 0 0 1 10
LA NUEVA FILA PIVOTE: Para que el nuevo número pivote quede igual a uno se debe dividir la fila
pivote en el número pivote, definiendo una nueva fila pivote.
Z X1 X2 S1 S2 S3 S4 Resultado
X2 0 0 1 0 0 0 1 10
LA NUEVA FILA DE Z: Realizar tabla anexa para hallar la nueva fila de Z. Se identifica el valor de Z
ubicado en la columna pivote y se utiliza dicho número con diferente signo para multiplicar por la
nueva fila de X2 y coloco los resultados en la nueva fila del siguiente cuadro.
Z Z X1 X2 S1 S2 S3 S4 Resultado
Nueva 0 0 13000
Antigua 1 - -
100000 13000
Resultado 1 - 0
100000
3- Un grupo de aficionados al Atlético Bucaramanga, contrata a una empresa para trasladar a 1200
hinchas a ver un partido en otra ciudad. La empresa dispone, de buses de 50 y de 30 puestos. El
valor de los buses de 50 pasajeros, es de $600.000 y de los buses de 30 pasajeros, es de $450.000.
La empresa contratada dispone de 30 conductores, para ese traslado. ¿Cuántos buses de 50 y de 30
puestos, se debe contratar para minimizar el costo? ¿Y cuál es el costo? Desarrollarlo, como un
modelo de programación lineal, y optimizarlo, por método gráfico.
SOLUCION
- La información se puede ordenar en la siguiente tabla:
- El planteamiento del problema quedará así: Definimos las variables de decisión
- Para el planteamiento primal, el ejercicio es de Minimización Función Objetivo
Sujeto a:
- Modelo matemático en forma estándar
- Planteamos la función objetivo y las restricciones correspondientes, teniendo en cuenta que
los coeficientes de las variables de holgura no pueden ser negativos
Función Objetivo
Sujeto a:
La tabla simplex inicial quedará:
FILA PIVOTE: Revisando la columna de Resultados, identifico el número menor (o el más negativo).
La fila en la que se encuentra dicho número se denomina la fila pivote
COLUMNA PIVOTE: La fila de la variable W debe dividirse entre el número
correspondiente en la fila pivote. Después de dividir debe identificarse el resultado
MENOR POSITIVO y dicho resultado indicará la columna pivote.
IDENTIFICAR EL NÚMERO PIVOTE: El número que queda en intersección con la
fila pivote y la columna pivote le denominamos "Número pivote".
LA VARIABLE QUE ENTRA Y LA VARIABLE QUE SALE: La variable que entra es la que está ubicada en
la columna pivote y la variable que sale se encuentra ubicada en la fila la pivote. La variable que
entra reemplaza a la variable que sale.
LA NUEVA FILA PIVOTE: Para que el nuevo número pivote quede igual a uno se debe dividir la fila
pivote en el número pivote, definiendo una nueva fila pivote
LA NUEVA FILA DE W: Realizar tabla anexa para hallar la nueva fila de W. Se identifica el valor de W
ubicado en la columna pivote y se utiliza dicho número con diferente signo para multiplicar por la
nueva fila de Y1 y coloco los resultados en la nueva fila del siguiente cuadro.
LA NUEVA FILA DE S2: Realizar tabla anexa para hallar la nueva fila de S2. Se identifica el valor de
S2, ubicado en la columna pivote y se utiliza dicho número con diferente signo para multiplicar por
la nueva fila de Y1 y coloco los resultados en la nueva fila del siguiente cuadro.
HALLAR NUEVA MATRIZ: Trasladar todos los valores de las filas nuevas a una nueva matriz.
TODOS LOS VALORES DE LA FILA W DEBEN QUEDAR POSITIVOS. COMO
AUN QUEDAN DOS VALORES NEGATIVOS PARA LAS VARIABLES DE DECISIÓN (-90000 y -12000) DEBE
REPETIRSE TODO EL PROCESO ANTERIOR.
1- identificar fila pivote, columna pivote, numero pivote y variable que entra y sale.
2. Hallar nueva fila pivote
3. hallar la nueva fila de W
4. Hallar nueva fila de Y1
HALLAR NUEVA MATRIZ: Trasladar todos los valores de las filas nuevas a una nueva matriz.
Si todos los valores de la columna de Resultados son positivos ha terminado el ejercicio.
El costo mínimo por la contratación de buses será de $15'750.000 y se logrará contratando 15
buses de 50 puestos y 15 buses de 30 puestos
MÉTODO SIMPLEX:
Resolver por método simplex, el siguiente ejercicio: Minimizar Z=6 x1 +2 x2 +2 x3 S. A.
6 x1+2 x2+ 6 x3 ≥ 6
6 x1+ 4 x2=12
2 x1−2 x2 ≤ 2
xi≥ 0 ; i=1,2,3
Desarrollo
La solución óptima será:
Z =5 y se logrará para X2=3 ; X1= X3=0
Resolver por método simplex, el siguiente ejercicio:
Minimizar Z = 6x1 + 2x2 + 2x3 S. A.
61 + 22 + 6 3 ≥ 6
61 + 4 2 = 12
2 1 − 22 ≤ 2
≥ 0 ; = 1, 2, 3
- Simplex: Un banco en tiene cuatro productos de inversión, en su portafolio que son: créditos
de consumo, acciones, depósitos de metales preciosos, y préstamos industriales. Las directivas del
banco con el fin de lograr la diversificación de su cartera, plantea nuevas políticas. La primera es
maximizar el interés esperado, para el siguiente semestre. Y cumplir con la diversificación propuesta
por los directivos, según la tabla. En la actualidad tiene una disponibilidad de 5 millones de dólares
para las inversiones.
Fuente: elaboración propia.
Posteriormente, los directivos decidieron que al menos 6 % de la inversión, se debe dedicar a
Depósitos de Metales Preciosos, y Préstamos Industriales. Los créditos de consumo, no superen el
14%.
TIPO DE INVERSIÓN INTERÉS ESPERADO LÍMITE DE INVERSIÓN (M.
Crédito de consumo 7% 1.2
Acciones 10 % 2.4
Depósitos de Metales Preciosos 18 % 1.6
Préstamos Industriales 14 % 1.9
Posteriormente, los directivos decidieron que al menos 6 % de la inversión, se debe dedicar a
Depósitos de Metales Preciosos, y Préstamos Industriales. Los créditos de consumo, no superen el
14%.
DESARROLLO :
existe solución para el problema
3.60- En algunos modelos de PL mal construidos, el espacio de soluciones quizá no esté acotado aun
cuando el problema tenga un valor objetivo acotado. Esta ocurrencia apunta hacia posibles
irregularidades en la construcción del modelo. En problemas grandes, puede ser difícil detectar la
situación de “sin acotación” por inspección. Idee un procedimiento analítico para determinar si el
espacio de soluciones es no acotado
Maximizar la función objetivo:
Z = 2x1+1x2
Sujeto a las condicione
Solución
Convirtiendo las desigualdades en ecuaciones haciendo uso de las variables de holgura S1 y S2
Z - 2x1 - 1x2+ 0S1 + 0S2 = 0
0Z +1 x1 - 1x2 + 1S1+ 0S2 = 10
0Z +2 x1 - 1x2 + 0S1 + 1S2= 40
Construyendo la tabla simplex
En esta tabla, tanto x1 como x2 tienen coeficientes negativos en la ecuación z, lo que significa que
al incrementarse sus valores también lo hará el valor objetivo. Aunque x1 debe sea la variable de
entrada (tiene el coeficiente z más negativo), observamos que todos los coeficientes de restricción
bajo x 2 son ≤0; lo que significa que x2 puede incrementarse indefinidamente sin violar ninguna de
las restricciones. El resultado es que z puede incrementarse indefinidamente. Procederemos a
completar el problema para demostrar de lo que estamos hablando.
Identificando la columna pivote:
Eligiendo S1 como la fila pivote
Dividiendo la fila pivote entre el elemento pivote
Aplicando gauss-Jordán
Segunda interacción:
Identificando columna pivote
Identificando la fila y el elemento pivote
Aplicando gauss- Jordán
Por tanto, se llega a la conclusión que existen problemas para los cuales una o más de las variables
pueden aumentarse indefinidamente mejorando en forma indefinida la función objetivo. En esta
situación, se dice que la solución óptima no está acotada, por lo que la solución óptima es infinita.
386. La enlata dora Popeye firmó un contrato para recibir 60,000 lb diarias de tomates maduros a 7
centavos por libra, con los cuales produce jugo de tomate, salsa de tomate y puré de tomate
enlatados. Los productos enlatados se empacan en cajas de 24 latas. Una lata de jugo utiliza 1 lb de
tomates frescos, una lata de salsa utiliza12 lb, y una lata de puré utiliza 34 lb. La participación diaria
del mercado de la compañía está limitada a 2000 cajas de jugo, 5000 cajas de salsa y 6000 cajas de
puré. Los precios al mayoreo por caja de jugo, salsa y puré son $21, $9 y $12, respectivamente.
(a) Desarrolle un programa de producción diaria óptimo para Popeye.
(b) Si los precios por caja de jugo y puré permanecen fijos en los valores dados, aplique
el análisis de sensibilidad para determinar el intervalo de precio unitario que Popeye debería
cobrar por caja de salsa para mantener sin cambios la mezcla óptima de productos
PLANTEAMIENTO
Xi Numero de tomate (i=1,2) que se produce.
Maximizar Z = 18 X1+ 9 X2
Sujeta a:
1. 24 X1 + 8 X 2 < = 60000
2. X1 < = 2000
3. X2 < = 6000
X1, X2 > 0
X1 = Cajas de 24 latas de jugo de tomate a producir. X2 = Cajas de 24 latas de pasta de tomate a
producir.
SOLUCIÓN.
Conclusión:
Se debe producir 500 cajas de jugo de tomate y 6000 cajas de pasta de tomate y así obtenemos
una capacidad máxima para recibir hasta 63,000 libras de tomates.
CONCLUSIONES
- Los modelos de optimización deben ser manejables y representativos de la situación
original, pueden representar de manera exacta los problemas reales permitiendo de esta manera
implementar procedimientos exactos para la programación de la producción, programación de
distribución, ruteo de vehículos, localización y distribución de planta, gestión de proyectos, gestión
de proveedores, suplir nutrientes a una población con mínimo costo, entre otros.
- Si bien el Método Simplex puede ser resuelto de forma algebraica, la forma tabular es
apropiada para todos aquellos que se encuentran en un curso introductorio y que no
necesariamente tengan el conocimiento del uso de matrices o poliedros.
- El mercado y la constante competencia piden y exigen personas generadoras de ideas
nuevas, pero justo cada idea requiere decisiones que implican una serie de recursos de toda
índole.
BIBLIOGRAFIA
- Quecano M, Martha L, y Bermúdez M, Adriana I. 2012. Modelación matemática de
la gestión logística del transporte de residuos orgánicos en la empresa control ambiental de
Colombia Ltda. Universidad Libre. Departamento de ingeniería industrial. Bogotá.
Recuperado de
[Link]
[Link]? sequence=1&isAllowed=y
- González J, Victor & Sabando V, David & Barcia, Kleber. (2018). Modelo de
Programación
- Lineal Aplicado a una Empresa PYME de Calzado. 10.18687/LACCEI2018.1.1.291.
Recuperado de [Link]
Vera/publication/327564501_Modelo_de_Programacion_Lineal_Aplicado_a una_Empresa
_PY ME_de_Calzado/links/5c089c764585157ac1ab0f60/Modelo-deProgramacion-Lineal-
Aplicado- [Link]