Nombre de la asignatura: Investigación de Operaciones
Nombre de la unidad de II. Formulación del modelo de programación
aprendizaje. matemática.
Nombre de la práctica. Solución del problema matemático por
método
simplex.
No. de práctica UNO No. de integrantes. 5
Integrantes 4 David Hernández Andrade Angel Isabel
Benito Guerrero Angel Gabriel Hernández
Estrada. Rubén Castillo Rosas.
Duración (horas) 4 No. de sesiones. dos
Requerimientos Laboratorio de cómputo, software Excel y minitab.
(materiales, maquinaria,
software)
Requerimientos de EPP Desconozco
Laboratorio. De computo
introducción.
El método simplex es una técnica algorítmica fundamental en la programación lineal
utilizada para resolver problemas de optimización. Desarrollado por George Dantzig en
1947, el método simplex ha demostrado ser altamente efectivo para encontrar
soluciones óptimas a problemas que involucran maximización o minimización de una
función objetivo lineal sujeta a restricciones lineales. Este capítulo explora en detalleel
funcionamiento del método simplex, incluyendo su base teórica, la estructura del
algoritmo y su aplicación práctica en diversos contextos. (Hillier, F. S., & Lieberman, G. J.
(2010).)
La esencia del método simplex radica en la transformación de un problema de
programación lineal en una forma tabular que permite la iteración sistemática hacia la
solución óptima. Se basa en el concepto de moverse a través de los vértices del
conjunto de soluciones factibles, mejorando progresivamente el valor de la función
objetivo. A través de ejemplos detallados y explicaciones paso a paso, este capítulo
busca equipar a los lectores con las habilidades necesarias para aplicar el método
simplex a problemas reales de optimización. (Hillier, F. S., & Lieberman, G. J. (2010).)
Objetivo General
Es una herramienta principal en la programación lineal para resolver problemas de
optimización. Este capítulo tiene como finalidad que los estudiantes y profesionales sean
capaces de:
• Formular problemas de programación lineal.
• Aplicar el método simplex de manera efectiva para encontrar soluciones
óptimas.
• Interpretar los resultados obtenidos a través del método simplex.
• Utilizar el método simplex en diversos contextos industriales y empresariales
para mejorar la toma de decisiones y la eficiencia operativa.
Hillier, F. S., & Lieberman, G. J. (2010).
Objetivo Específico
Comprender los Fundamentos Teóricos: Adquirir un conocimiento profundosobre los
principios teóricos que sustentan el método simplex, incluyendo su formulación
matemática, el concepto de factibilidad y la optimización de la función objetivo en el
contexto de la programación lineal
Desarrollar Habilidades Prácticas: Aprender a aplicar el algoritmo del método simplex
paso a paso para resolver problemas de programación lineal, desde la identificación y
establecimiento del problema hasta la interpretación de lasolución final y la realización
de análisis de sensibilidad.
• Utilizar Herramientas Computacionales: Familiarizarse con el uso de software
especializado y herramientas computacionales para implementar el método
simplex, facilitando la resolución de problemas de mayor escala y complejidad.
• Analizar y Evaluar Resultados: Desarrollar la capacidad para interpretar los
resultados obtenidos mediante el método simplex, evaluando su validez y
aplicabilidad en diversos escenarios prácticos, y realizar ajustes necesarios
para mejorar las soluciones y la toma de decisiones en entornos industriales y
empresariales.
Justificación
Aprender y aplicar el método simplex con software especializado como Excel
Sol ver, MATLAB o LINDO ofrece eficiencia en la resolución de problemas de
programación lineal, siendo una técnica robusta para encontrar soluciones
óptimas bajo múltiples restricciones. Esta habilidad no solo es práctica, sino
también fundamental para realizar análisis detallados y sensibles que evalúen
el impacto de cambios en los parámetros del problema. Además, estos
programas permiten comunicar y documentar los resultados de manera clara y
efectiva mediante gráficos y reportes, mejorando la toma de decisiones basadas
en datos y promoviendo la competitividad profesional en diversos sectores.
Dominar el método simplex en software especializado no solo fortalece las
capacidades analíticas y comunicativas, sino que también posiciona a los
profesionales para enfrentar desafíos operativos y estratégicos con mayor eficacia
Desarrollo
1- Formulación del Problema de Programación Lineal:
Identificar la función objetivo que se desea maximizar o minimizar. Establecer
las restricciones del problema en forma de inecuaciones.
Convertir el problema en su forma estándar, donde todas las restricciones son
igualdades (esto se hace introduciendo variables de holgura).
2- Construcción de la Tabla Inicial del Simplex:
Crear la tabla inicial del método simplex, que incluye las variables básicas, las
variables no básicas, los coeficientes de la función objetivo, y los coeficientes de
las restricciones.
Asegurarse de que todas las restricciones estén en la forma estándar
(igualdades) y que todas las variables sean no negativas.
Identificación de la Variable Entrante y Saliente
Determinar cuál variable no básica entrará en la base. Esto se hace eligiendo la
variable con el coeficiente más negativo en la fila de la función objetivo (en
problemas de maximización).
Determinar cuál variable básica saldrá de la base. Esto se hace dividiendo los
valores de la columna del término constante por los coeficientes positivos de la
variable entrante en las restricciones, y seleccionando el menor cociente
positivo.
3- Actualización de la Tabla del Simplex:
Realizar las operaciones necesarias para actualizar la tabla del simplex, de
modo que la variable entrante reemplace a la variable saliente.
Asegurarse de que la nueva solución básica sea factible (todas las variables
deben ser no negativas).
4- Repetición del Proceso:
Repetir los pasos 3 y 4 hasta que no haya más coeficientes negativos en la
fila de la función objetivo (en problemas de maximización), lo que indica quese
ha alcanzado la solución óptima.
En problemas de minimización, el proceso termina cuando no hay más
coeficientes positivos en la fila de la función objetivo.
5- Interpretación de los Resultados:
Interpretar la solución óptima obtenida en términos del problema original.
Analizar la viabilidad y aplicabilidad de los resultados en el contexto del
problema real.
Ejercicios:
4.6-11 Diga si cada una de las siguientes afirmaciones es falsa o verdadera
y justifique su respuesta.
a) Cuando un modelo de programación lineal tiene una restricción de
igualdad, se introduce una variable artificial a esta restriccion con el fin de
comenzar el método símplex con una solución básica inicial obvia que sea
factible para el modelo original.
b) Cuando se crea un problema artificial al introducir variables artificiales yal
usar el método de la gran M, si todas las variables artificiales de una
solución óptima del problema artificial son iguales a cero, entonces el
problema real no tiene soluciones factibles.
c) En la práctica suele aplicarse el método de las dos fases porque, en
general, se requieren menos iteraciones para llegar a una so- lución óptima
que en el método de la gran M.
4.6-12 Considere el siguiente problema.
(sin restricción de no negatividad sobre x₁).
a) Reformule este problema para que todas las variables tengan
restricciones de no negatividad.
D.1 b) Aplique el método símplex paso a paso para resolver el problema.
Cc) Use un paquete de software basado en el método símplex para resolver el
problema.
Resultados:
4.6-11 a) Cuando un modelo de programación lineal tiene una restricción de
igualdad, se introduce una variable artificial a esta restricción con el fin de
comenzar el método símplex con una solución básica inicial obvia que sea
factible para el modelo original.
Esta afirmación es verdadera. En programación lineal, cuando una
restricción es de igualdad, se puede introducir una variable artificial para
garantizar una solución básica factible inicial que permita iniciar el método
símplex. Esto es esencial para comenzar el algoritmo en un punto factible.
b) Cuando se crea un problema artificial al introducir variables artificiales yal
usar el método de la gran M, si todas las variables artificiales de una
solución óptima del problema artificial son iguales a cero, entonces el
problema real no tiene soluciones factibles.
Esta afirmación es falsa. Si todas las variables artificiales son iguales a cero
en la solución óptima del problema artificial utilizando el método de la granM,
eso indica que el problema original sí tiene soluciones factibles. Las
variables artificiales se introducen para encontrar una solución factible
inicial, y su valor cero en la solución óptima significa que la solución
encontrada es factible para el problema original.
c) En la práctica suele aplicarse el método de las dos fases porque, en
general, se requieren menos iteraciones para llegar a una solución óptima
que en el método de la gran M.
Esta afirmación es verdadera. En la práctica, el método de las dos fases es
preferido sobre el método de la gran M porque suele ser más eficiente. El
método de las dos fases separa la búsqueda de una solución factible y la
optimización en dos fases distintas, lo que generalmente requiere menos
iteraciones y es más robusto frente a problemas numéricos.
Por lo tanto, las respuestas son:
a) Verdadera
b) Falsa
c) Verdader
a4.6-12
1. Formulación del Problema:
Definir la Función Objetivo: Determinar la función que se desea maximizar o
minimizar.
Establecer las Restricciones: Especificar todas las restricciones del
problema, asegurándose de que estén en forma de ecuaciones o
inecuaciones.
2. Preparación de los Datos:
Ingreso de Datos en el Software: Introducir los coeficientes de la función
objetivo y las restricciones en el formato requerido por el software.
Definir las Variables: Especificar las variables de decisión y sus límites (silos
hay).
3. Configuración del Problema en el Software:
Seleccionar el Método de Solución: Elegir el método simplex como el
algoritmo de solución en el software.
Establecer la Función Objetivo y las Restricciones:
En Excel Sol ver: Ingresar la celda que contiene la función objetivo,
seleccionar “Maximizar” o “Minimizar”, y añadir las celdas que contienen las
restricciones.
En MATLAB: Utilizar funciones específicas como linero para definir la
función objetivo y las restricciones.
En otro software: Seguir las instrucciones específicas del software para
definir la función objetivo, las restricciones y el tipo de problema
(maximización o minimización).
4. Ejecución del Algoritmo:
Resolver el Problema: Ejecutar el algoritmo del método simplex.
Verificar la Convergencia: Asegurarse de que el software haya encontrado
una solución óptima. Revisar mensajes de error o advertencias.
5. Análisis de Resultados:
Interpretar la Solución: Analizar los valores de las variables de decisión y la
función objetivo obtenidos.
Sensibilidad y Análisis Posterior: Revisar el análisis de sensibilidad (si está
disponible) para entender cómo cambios en los parámetros pueden afectar la
solución.
• Documentación y Exportación de Resultados:
Guardar y Exportar los Resultados: Guardar los resultados en un formato
adecuado para futuras referencias o informes.
Documentar el Proceso: Mantener un registro de las configuraciones
utilizadas y los resultados obtenidos para reproducibilidad y verificación.
Resultados de Aprendizaje
Al finalizar el estudio y la aplicación del método simplex mediante software
especializado, los estudiantes y profesionales serán capaces de formular
problemas de programación lineal, identificar la función objetivo y las
restricciones pertinentes, y emplear herramientas computacionales como
Excel Sol ver, MATLAB o LINDO para resolver estos problemas. Podrán
interpretar y analizar los resultados obtenidos, comprendiendo su
relevancia práctica y llevando a cabo análisis de sensibilidad para evaluar el
impacto de cambios en los parámetros del problema. Además, estarán
preparados para documentar y comunicar eficazmente los resultados,
utilizando gráficos y reportes para apoyar la toma de decisiones en
contextos industriales y empresariales, y aplicar el método simplex a
problemas complejos, mejorando la eficiencia y efectividad en las
decisiones operativas y estratégicas.
(Figura 1)
En esta imagen desarrollamos la matriz del segundo problema mediante un software
de python que SciPy
(Figura 2)
(En esta imagen terminamos la matriz con el software SciPy)
(Figura 3)
(En esta imagen se puede ver que utilizamos el software de python en la biblioteca
de SciPy que proporciona funciones adicionales para algebra lineal, optimización y
otros métodos numéricos)
(Figura 4)
(En esta imagen tomamos la decisión de tomar el problema para llevar a cabo unas
distintas respuestas como el coeficiente, limites, y las respuestas requeridas que se
esta llevando a cabo)
(Figura 5):
En esta Imagen nos dio un pequeño mensaje basado en lo que se eliminara, se
utilizara y ejemplos para el ejercicio que se llevó a cabo
Conclusión
En conclusión, el método simplex emerge como una herramienta poderosa
para la resolución de problemas de programación lineal, especialmente
cuando se utiliza junto con software avanzado como Excel Sol ver, MATLAB
o LINDO. Este enfoque no solo facilita la búsqueda de soluciones óptimas
en entornos complejos, sino que también permite realizar análisis
profundos de sensibilidad y generar resultados visuales que son cruciales
para la toma de decisiones informadas. Dominar esta técnica no solo
fortalece las habilidades analíticas y computacionales, sino que también
mejora la capacidad de comunicar y documentar los resultados de manera
efectiva, preparando a los profesionales para enfrentar desafíos
empresariales con mayor eficiencia y precisión.
Bibliografías
Hillier, F. S., & Lieberman, G. J. (2010). Introducción a la investigación de
operaciones (99 ed.). McGraw-Hill.
Taha, H. A. (2016). Operaciones Research: An Introducción (10th ed.).
Pearson Education.
