Scribd
Cargar
405 vistas2 páginas

S04 S1-Tarea

El documento presenta un problema de maximización sujeto a restricciones. Se agregan variables de holgura para convertir las restricciones en igualdades y llevar el problema a forma estándar. Usando el método simplex, se identifica la variable de entrada y salida en cada iteración, realizando reducciones de Gauss-Jordan hasta llegar a un punto óptimo donde todos los costes reducidos son positivos. El valor máximo de la función objetivo es 40 y los valores óptimos de las variables son X1= 20, X2= 0, S1= 0, S2=

Cargado por

GIno AlvaRado
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
405 vistas2 páginas

S04 S1-Tarea

El documento presenta un problema de maximización sujeto a restricciones. Se agregan variables de holgura para convertir las restricciones en igualdades y llevar el problema a forma estándar. Usando el método simplex, se identifica la variable de entrada y salida en cada iteración, realizando reducciones de Gauss-Jordan hasta llegar a un punto óptimo donde todos los costes reducidos son positivos. El valor máximo de la función objetivo es 40 y los valores óptimos de las variables son X1= 20, X2= 0, S1= 0, S2=

Cargado por

GIno AlvaRado
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

EJERCICIO DE MAXIMIZACIÓN POR MÉTODO SIMPLEX 

A continuación, se presenta un nuevo problema de maximización:


Función Objetivo
Maximizar: Z = 2X1 + 5X2
Sujeto a:
X1 + 6X2 ≤ 20
X1 + X2 ≤ 60
X1 ≤ 40
X1, X2 ≥ 0
Solución:
 El problema se adecuará al modelo estándar de programación lineal, agregando las variables de holgura,
exceso y/o artificiales en cada una de las restricciones:
Restricción 1: Tiene signo «≤» (menor igual) por lo que se agrega la variable de holgura S1.
Restricción 2: Tiene signo «≤» (menor igual) por lo que se agrega la variable de holgura S2.
Restricción 3: Tiene signo «≤» (menor igual) por lo que se agrega la variable de holgura S3.
A continuación, se muestra el problema en la forma estándar. Se colocará el coeficiente 0 (cero) donde
corresponda para crear nuestra matriz:

Para encontrar la variable que entra a la base elegimos el valor más negativo del vector de costes
reducidos: -5. Por lo tanto, la variable de entrada sería X2.
Para la variable de salida dividiremos los valores de la columna R con los de la columna X2 (siempre y
cuando sean positivos). Los resultados en orden serían: 20/6, 60 y la última fila no se considera porque su
valor correspondiente a X2 no es positivo (0). Se debe elegir el menor valor de esta división: 20/6; por lo
tanto, la variable de salida se encuentra en la primera fila:  S1.
El elemento pivote se encuentra en el cruce de X2 y S1: 6.
Realizamos las reducciones de Gauss-Jordan:

Ingresa la variable X1 y sale de la base la variable X2. El elemento pivote es 1/6. Repetimos las


operaciones de Gauss-Jordan y obtenemos la siguiente matriz:

En esta última matriz, todos los valores del vector de costes reducidos son positivos lo que indica que nos
encontramos en el punto óptimo. El resultado sería:

Z = 40

X1= 20, X2= 0, S1= 0, S2= 40, S3= 20

También podría gustarte