SlideShare una empresa de Scribd logo
1 de 14
Resolver el siguiente problema:

       Maximizar        Z = 3x1 + 2x2

       Sujeto a:        2x1 + x2 ≤ 18

                        2x1 + 3x2 ≤ 42

                        3x1 + x2 ≤ 24

                        x1 ≥ 0 , x2 ≥ 0
1.Convertir las desigualdades en igualdades: Se introduce una variable
de holgura por cada una de las restricciones, en este caso s1, s2, s3 .
         2x1 + x2 + s1 = 18
         2x1 + 3x2 + s2 = 42
         3x1 + x2 + s3 = 24

  8.Igualar la función objetivo a cero
        Z - 3x1 - 2x2 = 0

  12.Escribir el tablero inicial simplex: En las columnas aparecerán todas
                              :
las variables del problema y, en las filas, los coeficientes de las igualdades
obtenidas, una fila para cada restricción y la última fila con los coeficientes
de la función objetivo.
              objetivo
1. -Encontrar la Variable de Decision que entra en la base y la
   Variable de Holgura que sale de la base

               VD            Base            (Columnas )
               VH            Base            (Filas)

    -Para escoger la Variable de Decision que entra en la base,
    observamos la ultima fila, escogemos la variable con el coeficiente
    màs negativo = columna pivote.

    Nota Si en la última fila no existiese ningún coeficiente negativo, significa que
    se ha alcanzado la solución optima

    -Para escoger la variable de holgura que sale de la base, se divide
    cada término de la última columna (valores solución) por el término
    correspondiente de la columna pivote = fila pivote
Tablero Inicial

Base    Variable de       Variable de Holgura    Solución
       Decisión (VD)             (VH)

       X1       X2        S1        S2      S3


 S1     2        1         1        0       0      18


 S2     2        3         0        1       0      42


 S3     3        1         0        0       1      24


 Z     -3       -2         0        0       0       0
ITERACIÓN No. 1
                       (Buscar fila y columna pivote)

Base    Variable de          Variable de Holgura        Solución   Operación
       Decisión (VD)                (VH)


       X1        X2          S1        S2       S3                 División
                                                                   prueba

 S1    2         1            1         0        0        18       18/2 = 9

 S2    2         3            0         1        0        42       42/2 = 21

 S3    3         1            0         0        1        24       24/3 = 8

 Z     -3        -2           0         0        0         0
RESULTADO DE ITERACIÓN No. 1
(Por operaciones convertimos elemento pivote =1 y después ceros los otros elementos de la
                                     columna pivote)


 Base       Variable de        Variable de Holgura         Solución        Operación
           Decisión (VD)              (VH)

            X1       X2         S1        S2       S3                    Gauss-Jordan
                                                                        (Las VH se operan del
                                                                           cuadro anterior)


   S1        0       1/3         1         0      -2/3         2         – 2 (X1) +S1


   S2        0       7/3         0         1      -2/3        26         – 2 (X1) + S2


   X1        1       1/3         0         0      1/3          8             (1/3) X1


   Z         0        -1         0         0       1          24            3 (X1) +Z
RESULTADO DE ITERACIÓN NO. 1
     (En Z hay un negativo, no hay solución óptima, se repite el proceso)

Base      Variable de      Variable de Holgura     Solución     Operación
         Decisión (VD)            (VH)

           X1      X2       S1       S2     S3


 S1         0     1/3        1       0     -2/3        2


 S2         0     7/3        0       1     -2/3       26


 X1         1     1/3        0       0      1/3        8


 Z          0      -1        0       0       1        24
ITERACIÓN No. 2
                       (Buscar fila y columna pivote)

Base    Variable de        Variable de Holgura      Solución     Operación
       Decisión (VD)              (VH)


       X1       X2         S1       S2        S3                  División
                                                                  Prueba

 S1    0        1/3        1         0       -2/3       2        2/(1/3) = 6

 S2    0        7/3        0         1       -2/3       26     26/(7/3) = 78/7

 X1    1        1/3        0         0       1/3        8       8/(1/3) = 24

 Z     0         -1        0         0        1         24
RESULTADO DE ITERACIÓN No. 2
(Por operaciones convertimos elemento pivote =1 y después ceros los otros elementos de la columna
                                             pivote)


Base       Variable de           Variable de Holgura            Solución          Operación
          Decisión (VD)                 (VH)

                                                                                   Gauss-Jordan
            X1        X2          S1         S2       S3
                                                                               (Las VH se operan del
                                                                                  cuadro anterior)



 X2         0          1          3          0         -2           6                  3X2


 S2         0          0          -7         0         4           12          – (7/3) (X2)+S2


 X1         1          0          -1         0         1            6          – (1/3) (X2)+X1


 Z          0          0          3          0         -1          30                X2+Z
RESULTADO DE ITERACIÓN No. 2
(En Z hay un negativo, no hay solución òptima, se repite el proceso)

Base    Variable de    Variable de Holgura   Solución    Operación
       Decisión (VD)          (VH)

        X1      X2     S1       S2     S3


 X2      0      1       3       0      -2       6


 S2      0      0       -7      0      4       12


 X1      1      0       -1      0      1        6


 Z       0      0       3       0      -1      30
ITERACIÓN No. 3
                       (Buscar fila y columna pivote)
Base    Variable de        Variable de Holgura      Solución     Operación
       Decisión (VD)              (VH)


       X1       X2         S1       S2        S3


 X2    0         1         3         0        -2        6      No se toma por
                                                                ser negativo
 S2    0         0         -7        0        4         12        12/4 = 3

 X1    1         0         -1        0        1         6         6/1 = 6

 Z     0         0         3         0        -1        30
RESULTADO DE ITERACIÓN NO. 3
                (En Z son positivos, hay solución óptima)
Base    Variable de    Variable de Holgura     Solución        Operación
       Decisión (VD)          (VH)

        X1      X2      S1       S2      S3                   Gauss-Jordan
                                                            (Las VH se operan
                                                            del cuadro anterior)

 X2      0      1      -1/2      0       0        12            2 S3 +X2


 S3      0      0      -7/4      0       1         3             (1/4) S3


 X1      1      0       ¾        0       0         3            – S3 +X1


 Z       0      0       5/4      0       0        33              S3 + Z
TABLERO FINAL

Base    Variable de      Variable de Holgura   Solución
       Decisión (VD)            (VH)

       X1       X2       S1        S2     S3


 X2     0        1      -1/2       0       0     12


 S3     0        0      -7/4       0       1      3


 X1     1        0       3/4       0       0      3


 Z      0        0       5/4       0       0     33

Más contenido relacionado

La actualidad más candente (20)

Método simplex
Método simplexMétodo simplex
Método simplex
 
Ecuaciones de 1er orden
Ecuaciones de 1er ordenEcuaciones de 1er orden
Ecuaciones de 1er orden
 
Tema 3 tens_y_def
Tema 3 tens_y_defTema 3 tens_y_def
Tema 3 tens_y_def
 
Guia 2 metodo grafico
Guia 2 metodo graficoGuia 2 metodo grafico
Guia 2 metodo grafico
 
Tema2
Tema2Tema2
Tema2
 
Varian03espanol
Varian03espanolVarian03espanol
Varian03espanol
 
Folleto elementos julio 2011
Folleto elementos julio 2011Folleto elementos julio 2011
Folleto elementos julio 2011
 
Problemas resueltos
Problemas resueltosProblemas resueltos
Problemas resueltos
 
Ejemplo práctico en clase
Ejemplo práctico en claseEjemplo práctico en clase
Ejemplo práctico en clase
 
Modulo 3: Las Preferencias y la Utilidad (Parte 2)
Modulo 3: Las Preferencias y la Utilidad (Parte 2)Modulo 3: Las Preferencias y la Utilidad (Parte 2)
Modulo 3: Las Preferencias y la Utilidad (Parte 2)
 
Metodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila LMetodo simplex - Elvis del Aguila L
Metodo simplex - Elvis del Aguila L
 
Utilidad
UtilidadUtilidad
Utilidad
 
07 método dos fases y penalidad
07 método dos fases y penalidad07 método dos fases y penalidad
07 método dos fases y penalidad
 
Trading derivados15102010
Trading derivados15102010Trading derivados15102010
Trading derivados15102010
 
Simplex
 Simplex  Simplex
Simplex
 
Semana 11 invarianza del diferencial
Semana 11 invarianza del diferencialSemana 11 invarianza del diferencial
Semana 11 invarianza del diferencial
 
Trading Derivados10/03/2011
Trading Derivados10/03/2011Trading Derivados10/03/2011
Trading Derivados10/03/2011
 
Trading Derivados14/12/2010
Trading Derivados14/12/2010Trading Derivados14/12/2010
Trading Derivados14/12/2010
 
Varian04espanol
Varian04espanolVarian04espanol
Varian04espanol
 
Simplex
SimplexSimplex
Simplex
 

Destacado

Herramientas informatica i
Herramientas informatica iHerramientas informatica i
Herramientas informatica icgviviana
 
Mherramientasinformaticas[1]
Mherramientasinformaticas[1]Mherramientasinformaticas[1]
Mherramientasinformaticas[1]cgviviana
 
Act en moodle
Act en moodleAct en moodle
Act en moodlecgviviana
 
Act en moodle
Act en moodleAct en moodle
Act en moodlecgviviana
 
Der peticion y tutela
Der peticion y tutelaDer peticion y tutela
Der peticion y tutelacgviviana
 

Destacado (9)

so
soso
so
 
1 cal cder
1 cal cder1 cal cder
1 cal cder
 
Cc
CcCc
Cc
 
Herramientas informatica i
Herramientas informatica iHerramientas informatica i
Herramientas informatica i
 
Mherramientasinformaticas[1]
Mherramientasinformaticas[1]Mherramientasinformaticas[1]
Mherramientasinformaticas[1]
 
Act en moodle
Act en moodleAct en moodle
Act en moodle
 
Matema
MatemaMatema
Matema
 
Act en moodle
Act en moodleAct en moodle
Act en moodle
 
Der peticion y tutela
Der peticion y tutelaDer peticion y tutela
Der peticion y tutela
 

Similar a Maximizar función objetiva con restricciones múltiples

método Simplex
método Simplexmétodo Simplex
método Simplexynavadni
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXcabriales
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operacionesjuancastillosiente
 
S04 01 s08.s1.material metodo simplex
S04 01 s08.s1.material metodo simplexS04 01 s08.s1.material metodo simplex
S04 01 s08.s1.material metodo simplexOscarLuisGuillermoFl
 
Resolucion del metodo simplex
Resolucion del metodo simplexResolucion del metodo simplex
Resolucion del metodo simplexBaiser Roa
 
304solbol6fmimec0304
304solbol6fmimec0304304solbol6fmimec0304
304solbol6fmimec0304Luzmira77
 
Magnetic vortex non-lineal dynamics in magnetic nano-dots
Magnetic vortex non-lineal dynamics in magnetic nano-dotsMagnetic vortex non-lineal dynamics in magnetic nano-dots
Magnetic vortex non-lineal dynamics in magnetic nano-dotsJuan Alfonso Valero Lancho
 
Ecuaciones Diferenciales de Orden Superior
 Ecuaciones Diferenciales de Orden Superior Ecuaciones Diferenciales de Orden Superior
Ecuaciones Diferenciales de Orden SuperiorJoan Perez
 
Representacion de curvas
Representacion de curvasRepresentacion de curvas
Representacion de curvasmgarmon965
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2CEMEX
 
Resumen programación lineal
Resumen programación linealResumen programación lineal
Resumen programación linealUNL
 
Conceptos programacion lineal
Conceptos programacion linealConceptos programacion lineal
Conceptos programacion linealUNL
 
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...AlbertoCasasRodrigue
 
Calculo linea recta minimos cuadrados
Calculo linea recta minimos cuadradosCalculo linea recta minimos cuadrados
Calculo linea recta minimos cuadradosFIDEL GUEVARA LARA
 

Similar a Maximizar función objetiva con restricciones múltiples (20)

método Simplex
método Simplexmétodo Simplex
método Simplex
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEX
 
Proyecto investigacion de operaciones
Proyecto investigacion de operacionesProyecto investigacion de operaciones
Proyecto investigacion de operaciones
 
05 pl met.simplex
05 pl met.simplex05 pl met.simplex
05 pl met.simplex
 
S04 01 s08.s1.material metodo simplex
S04 01 s08.s1.material metodo simplexS04 01 s08.s1.material metodo simplex
S04 01 s08.s1.material metodo simplex
 
Resolucion del metodo simplex
Resolucion del metodo simplexResolucion del metodo simplex
Resolucion del metodo simplex
 
304solbol6fmimec0304
304solbol6fmimec0304304solbol6fmimec0304
304solbol6fmimec0304
 
Comp graf(2) marzo11
Comp graf(2) marzo11Comp graf(2) marzo11
Comp graf(2) marzo11
 
Magnetic vortex non-lineal dynamics in magnetic nano-dots
Magnetic vortex non-lineal dynamics in magnetic nano-dotsMagnetic vortex non-lineal dynamics in magnetic nano-dots
Magnetic vortex non-lineal dynamics in magnetic nano-dots
 
Ecuaciones Diferenciales de Orden Superior
 Ecuaciones Diferenciales de Orden Superior Ecuaciones Diferenciales de Orden Superior
Ecuaciones Diferenciales de Orden Superior
 
Sesión 04 2015 II
Sesión 04 2015 IISesión 04 2015 II
Sesión 04 2015 II
 
Representacion de curvas
Representacion de curvasRepresentacion de curvas
Representacion de curvas
 
Simplex
SimplexSimplex
Simplex
 
Investigación de Operaciones 2/2
Investigación de Operaciones 2/2Investigación de Operaciones 2/2
Investigación de Operaciones 2/2
 
Resumen programación lineal
Resumen programación linealResumen programación lineal
Resumen programación lineal
 
Conceptos programacion lineal
Conceptos programacion linealConceptos programacion lineal
Conceptos programacion lineal
 
Problemas mef
Problemas mefProblemas mef
Problemas mef
 
Metodo de elem.fin
Metodo de elem.finMetodo de elem.fin
Metodo de elem.fin
 
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...
Pau problemas ultimos cursos analisis_limites y derivadas_2018_2015_enunciado...
 
Calculo linea recta minimos cuadrados
Calculo linea recta minimos cuadradosCalculo linea recta minimos cuadrados
Calculo linea recta minimos cuadrados
 

Más de cgviviana

Polinomios juego
Polinomios juegoPolinomios juego
Polinomios juegocgviviana
 
Resumen limites
Resumen limitesResumen limites
Resumen limitescgviviana
 
72116073 fundamentos-de-ingenieria-economica
72116073 fundamentos-de-ingenieria-economica72116073 fundamentos-de-ingenieria-economica
72116073 fundamentos-de-ingenieria-economicacgviviana
 
1. funciones
1. funciones1. funciones
1. funcionescgviviana
 
1. funciones
1. funciones1. funciones
1. funcionescgviviana
 
Fis vectores
Fis vectores Fis vectores
Fis vectores cgviviana
 
Der peticion y tutela
Der peticion y tutelaDer peticion y tutela
Der peticion y tutelacgviviana
 
Repaso Metodo Simplex
Repaso Metodo SimplexRepaso Metodo Simplex
Repaso Metodo Simplexcgviviana
 
Repaso metodo grafico
Repaso metodo grafico Repaso metodo grafico
Repaso metodo grafico cgviviana
 
Matriz Inversa Gauss Jordan
 Matriz Inversa Gauss Jordan Matriz Inversa Gauss Jordan
Matriz Inversa Gauss Jordancgviviana
 

Más de cgviviana (20)

Polinomios juego
Polinomios juegoPolinomios juego
Polinomios juego
 
Resumen limites
Resumen limitesResumen limites
Resumen limites
 
Ct
CtCt
Ct
 
Matema
MatemaMatema
Matema
 
Log
LogLog
Log
 
Log2
Log2Log2
Log2
 
72116073 fundamentos-de-ingenieria-economica
72116073 fundamentos-de-ingenieria-economica72116073 fundamentos-de-ingenieria-economica
72116073 fundamentos-de-ingenieria-economica
 
Trabrecnot
TrabrecnotTrabrecnot
Trabrecnot
 
1 cal cder
1 cal cder1 cal cder
1 cal cder
 
Dioses
DiosesDioses
Dioses
 
2 limites
2 limites2 limites
2 limites
 
1. funciones
1. funciones1. funciones
1. funciones
 
1. funciones
1. funciones1. funciones
1. funciones
 
Fis vectores
Fis vectores Fis vectores
Fis vectores
 
Fisica
FisicaFisica
Fisica
 
Cuad
CuadCuad
Cuad
 
Der peticion y tutela
Der peticion y tutelaDer peticion y tutela
Der peticion y tutela
 
Repaso Metodo Simplex
Repaso Metodo SimplexRepaso Metodo Simplex
Repaso Metodo Simplex
 
Repaso metodo grafico
Repaso metodo grafico Repaso metodo grafico
Repaso metodo grafico
 
Matriz Inversa Gauss Jordan
 Matriz Inversa Gauss Jordan Matriz Inversa Gauss Jordan
Matriz Inversa Gauss Jordan
 

Maximizar función objetiva con restricciones múltiples

  • 1.
  • 2. Resolver el siguiente problema: Maximizar Z = 3x1 + 2x2 Sujeto a: 2x1 + x2 ≤ 18 2x1 + 3x2 ≤ 42 3x1 + x2 ≤ 24 x1 ≥ 0 , x2 ≥ 0
  • 3. 1.Convertir las desigualdades en igualdades: Se introduce una variable de holgura por cada una de las restricciones, en este caso s1, s2, s3 . 2x1 + x2 + s1 = 18 2x1 + 3x2 + s2 = 42 3x1 + x2 + s3 = 24 8.Igualar la función objetivo a cero Z - 3x1 - 2x2 = 0 12.Escribir el tablero inicial simplex: En las columnas aparecerán todas : las variables del problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila para cada restricción y la última fila con los coeficientes de la función objetivo. objetivo
  • 4. 1. -Encontrar la Variable de Decision que entra en la base y la Variable de Holgura que sale de la base VD Base (Columnas ) VH Base (Filas) -Para escoger la Variable de Decision que entra en la base, observamos la ultima fila, escogemos la variable con el coeficiente màs negativo = columna pivote. Nota Si en la última fila no existiese ningún coeficiente negativo, significa que se ha alcanzado la solución optima -Para escoger la variable de holgura que sale de la base, se divide cada término de la última columna (valores solución) por el término correspondiente de la columna pivote = fila pivote
  • 5. Tablero Inicial Base Variable de Variable de Holgura Solución Decisión (VD) (VH) X1 X2 S1 S2 S3 S1 2 1 1 0 0 18 S2 2 3 0 1 0 42 S3 3 1 0 0 1 24 Z -3 -2 0 0 0 0
  • 6. ITERACIÓN No. 1 (Buscar fila y columna pivote) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 División prueba S1 2 1 1 0 0 18 18/2 = 9 S2 2 3 0 1 0 42 42/2 = 21 S3 3 1 0 0 1 24 24/3 = 8 Z -3 -2 0 0 0 0
  • 7. RESULTADO DE ITERACIÓN No. 1 (Por operaciones convertimos elemento pivote =1 y después ceros los otros elementos de la columna pivote) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 Gauss-Jordan (Las VH se operan del cuadro anterior) S1 0 1/3 1 0 -2/3 2 – 2 (X1) +S1 S2 0 7/3 0 1 -2/3 26 – 2 (X1) + S2 X1 1 1/3 0 0 1/3 8 (1/3) X1 Z 0 -1 0 0 1 24 3 (X1) +Z
  • 8. RESULTADO DE ITERACIÓN NO. 1 (En Z hay un negativo, no hay solución óptima, se repite el proceso) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 S1 0 1/3 1 0 -2/3 2 S2 0 7/3 0 1 -2/3 26 X1 1 1/3 0 0 1/3 8 Z 0 -1 0 0 1 24
  • 9. ITERACIÓN No. 2 (Buscar fila y columna pivote) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 División Prueba S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6 S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7 X1 1 1/3 0 0 1/3 8 8/(1/3) = 24 Z 0 -1 0 0 1 24
  • 10. RESULTADO DE ITERACIÓN No. 2 (Por operaciones convertimos elemento pivote =1 y después ceros los otros elementos de la columna pivote) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) Gauss-Jordan X1 X2 S1 S2 S3 (Las VH se operan del cuadro anterior) X2 0 1 3 0 -2 6 3X2 S2 0 0 -7 0 4 12 – (7/3) (X2)+S2 X1 1 0 -1 0 1 6 – (1/3) (X2)+X1 Z 0 0 3 0 -1 30 X2+Z
  • 11. RESULTADO DE ITERACIÓN No. 2 (En Z hay un negativo, no hay solución òptima, se repite el proceso) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 X2 0 1 3 0 -2 6 S2 0 0 -7 0 4 12 X1 1 0 -1 0 1 6 Z 0 0 3 0 -1 30
  • 12. ITERACIÓN No. 3 (Buscar fila y columna pivote) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 X2 0 1 3 0 -2 6 No se toma por ser negativo S2 0 0 -7 0 4 12 12/4 = 3 X1 1 0 -1 0 1 6 6/1 = 6 Z 0 0 3 0 -1 30
  • 13. RESULTADO DE ITERACIÓN NO. 3 (En Z son positivos, hay solución óptima) Base Variable de Variable de Holgura Solución Operación Decisión (VD) (VH) X1 X2 S1 S2 S3 Gauss-Jordan (Las VH se operan del cuadro anterior) X2 0 1 -1/2 0 0 12 2 S3 +X2 S3 0 0 -7/4 0 1 3 (1/4) S3 X1 1 0 ¾ 0 0 3 – S3 +X1 Z 0 0 5/4 0 0 33 S3 + Z
  • 14. TABLERO FINAL Base Variable de Variable de Holgura Solución Decisión (VD) (VH) X1 X2 S1 S2 S3 X2 0 1 -1/2 0 0 12 S3 0 0 -7/4 0 1 3 X1 1 0 3/4 0 0 3 Z 0 0 5/4 0 0 33