UNIDAD II

FORMULACIN Y SOLUCIN DE MODELOS DE

PROGRAMACIN
LINEAL.

INTRODUCCIN.
La programacin lineal es una clase de modelos de programacin matemtica destinados a la asignacin
eficiente de los recursos limitados en actividades conocidas, con el objeto de satisfacer las metas deseadas (tal como
maximizar beneficios o minimizar costos). La caracterstica distintiva de estos modelos es que las ecuaciones que
representan el objetivo y las restricciones son lineales.


2.1.- VARIABLE DE DECISIN.
Son aquellas letras que utilizamos para presentar cualquier actividad (bien, producto o servicio) que intervienen en
un problema y que nos generan una ganancia o un costo y pueden ser n variables.

2.2.- ECUACIONES DE RESTRICCIN.
Son las ecuaciones que se forman al interrelacionar las variables de decisin siempre y cuando todas ellas sean
mayores o iguales a cero.

2.3.- FUNCIN OBJETIVO.
Es el valor de la relacin y de las variables de decisin que en el caso de maximizar representa las ganancias
obtenidas y en el caso de minimizar representa el costo de estas variables.








2.4.- SOLUCIN PTIMA Y SOLUCIN FACTIBLE.
La solucin factible es la solucin para la cual todas las restricciones se satisfacen, y la solucin ptima es una
solucin factible que lleva el valor ms favorable, que en el caso de maximizar es el valor ms grande y en el caso de
minimizar es el valor ms pequeo.


2.5.- INTERPRETACIN DE RESULTADOS.
Este punto est relacionado directamente con la solucin de cada problema, puesto que representa la solucin del
mismo.


2.6.- FORMULACIN DE MODELOS DE P. L.
Requerimientos Bsicos en un modelo de P. L.
Especificar cuales son las Variables de Decisin.
Definir claramente la funcin objetivo.
Definir las Ecuaciones de Restriccin o desigualdades, que deben describir al problema en forma lineal.
Las variables de decisin deben interrelacionarse.
Debe existir un suministro LIMITADO de recursos.

Aplicacin de la Programacin Lineal.
1. Planeacin de la produccin.
2. Mezcla de alimentos.
3. Corte y ajuste de materiales.
4. Control de calidad del agua.
5. Perforaciones de pozos y produccin de petrleo.
6. Balanceo y en el ensamble.
7. Inventarios.











MODELO DE PROGRAMACIN LINEAL.
Consumo de recursos por unidad de actividad.
Actividad.
Recursos 1 2 n Cantidad
De recursos disponibles.
1 a11 a12 aln b1
2 a21 a22 a2n b2
3 a31 a32 a3n b3
m am1 am2 amn bm
Incremento Z cl c2 cn
Nivel de act. x1 x2 xn

Un modelo lineal puede ser de maximizacin o minimizacin, las restricciones pueden ser del tipo (>=), (=), o (<=).
Y las variables pueden ser no negativas o irrestrictas en signos. Un modelo de P. L. General, por lo tanto, se define
usualmente como sigue.


FORMA CANNICA DEL MODELO DE P. L.

Variable de Decisin. X1, x2.............................. xn.
Funcin Objetivo
Minimizar Z=clx1 + c2x2 +. +cnxn.
Que es equivalente a. maximizar G=Z= -clx1 c2x2........cnxn.
Sujeta a las ecuaciones de Restriccin.
a11x1 + a12x2+.......a1nxn <=b1
a21x1 + a22x2+.......a2nxn <=b2
a31x1 + a32x2+.......a3nxn <=b3

am1x1+ am2x2+.......amnxn <=bm

Siempre y cuando x1, x2, x3, ......xn sean mayores o iguales que cero.
xi>=0
b1, b2, b3 .............................bm. Son los parmetros del modelo.







Las caractersticas de esta forma son.
1. Todas las variables de decisin son no negativas.
2. Todas las restricciones son del tipo (menor o igual).
3. La funcin objetivo es del tipo de maximizacin.

Un problema de P. L. puede ponerse en la forma cannica por el uso de 5 transformaciones elementales.

1. La minimizacin de una funcin Z es matemticamente equivalente a la maximizacin de la expresin negativa de esta
funcin, -Z.
2. Una desigualdad en una direccin (<= 0 >=) puede cambiarse a una desigualdad en la direccin (>= 0 <=),
multiplicando ambos lados por 1, por ejemplo.
a1x1+a2x2 >= b es equivalente -a1x1-a2x2 <= -b

3. Una ecuacin puede ser remplazada por dos desigualdades en direcciones opuestas, por ejemplo.
a1x1+a2x2 = b es equivalente a las dos restricciones simultneas.
a1x1+a2x2<=b y a1x1+a2x2>=b o bien a.
a1x1+a2x2<=b y -a1x1-a2x2<= -b
4. Una restriccin de desigualdad con su lado izquierdo en la forma de valor absoluto puede cambiarse a dos
desigualdades regulares, por ejemplo.
| a1x1+a2x2 | <= b es equivalente a.
a1x1+a2x2>= -b y a1x1 +a2x2<= b

de igual manera
| a1x1+a2x2 | >=b es equivalente a.
a1x1+a2x2 >=b y a1x1+a2x2 <= -b.

5. Una variable que es irrestricta en signo (esto es, positiva, negativa o cero) es equivalente a la diferencia entre dos
variables no negativas. Por consiguiente si x es irrestricta en signo puede reemplazarse por (

X X ) donde

X
>= 0 y

X >= 0.
6. EJEMPLO.
Considere el problema de programacin lineal.
Minimizar Z= 3x1-3x2+7x3
S.a.
x1+x2 +3x3<=40

x1+9x2-7x3>=50

5x1+3x2 =20

|5x2+8x3| <=100

x1>=0, x2>=0, x3 es irrestricta en signo.
ste problema se puede poner en la forma cannica
Max G= (-Z) = -3x1+3x2-7(

3 3
X X )
S.a.
x1+x2+3(

3 3
X X ) <=40
-x1-9x2+ (

3 3
X X ) <= -50
5x1+3x2 <= 20
-5x1-3x2 <= -20
5x2+8(

3 3
X X ) <= 100
-5x2-8 (

3 3
X X ) <= 100
x1>=0, x2>=0, (

3
X )>=0, (

3
X )>=0.
FORMA ESTNDAR DEL MODELO DE P.L.

Las caractersticas de la forma estndar son:
1. Todas las restricciones son ecuaciones excepto para las restricciones de no negatividad que pertenecen como
desigualdades (>=0).

2. Los elementos de los lados derechos de cada ecuacin son no negativos.





3. Todas las variables son no negativas.

4. La funcin objetivo es del tipo de maximizacin o de minimizacin.
Las restricciones de desigualdad pueden cambiarse a ecuaciones introduciendo (sumando o restando) en el lado
izquierdo de cada una de tales restricciones una variable no-negativa. Estas nuevas variables se conocen como variables
de holgura y se suman si la restriccin es <= o se resta si la restriccin es >=. El lado derecho se puede hacer siempre
positivo, multiplicando ambos lados por (-1) siempre que sea necesario. Las caractersticas restantes pueden realizarse
usando las transformaciones elementales introducidas en la forma cannica.




















2.7.- SOLUCIN DE MODELOS DE P.L. MEDIANTE EL MTODO GRFICO, SIMPLEX Y VARIABLES ARTIFICIALES.

2.7.1 FORMULACIN DE UN MODELO DE P.L.

EJEMPLO # 1: Una compaa produce artculos de vidrio de alta calidad, incluyen ventanas y puertas de vidrio,
cuenta con tres plantas para esta produccin. Los marcos y molduras de aluminio se hacen en la planta 1, los marcos de
madera en la planta 2 y en la planta 3 se fabrica el vidrio y se ensamblan los productos, que son puertas de vidrio de 8 pies
con marco de aluminio y ventanas de 4x6 pies con vidrio doble y marco de madera. Adems el departamento de ventas ha
estimado que la utilidad para cada puerta ser de 3 dlares y por cada ventana de 5 dlares. Plantee el problema como un
modelo de P.L y resuelva por el mtodo grfico s la compaa quiere maximizar su utilidad, a continuacin se da la tabla
de requerimientos y disponibilidad.

Capacidad usada por unidad producida
Planta puertas ventanas capacidad disponible
1 1 0 4
2 0 2 12
3 3 2 18
Ganancia unitaria 3 5


Planteamiento del modelo:

1. Variable de decisin
x1= cantidad de puertas a producir
x2= cantidad de ventanas a producir

2. funcin objetivo
Max Z=3x1 + 5x2

3. Ecuaciones de restriccin
x1 <= 4
2x2 <= 12
3x1 + 2x2 <= 18

Donde xi >= 0.
2.7.2.- SOLUCIN GRFICA DE PROGRAMACIN LINEAL CON DOS VARIABLES.

MTODO GRFICO
El propsito del mtodo grfico no es proveer un mtodo prctico para resolver problemas de P.L. ya que
usualmente los problemas prcticos incluyen un gran nmero de variables. El mtodo grfico solo se puede aplicar cuando
el ejemplo o problema es lo suficientemente pequeo como para resolver de manera directa en una grfica y en dos
dimensiones.
El mtodo grfico demuestra los conceptos bsicos para desarrollar la tcnica algebraica para programas lineales con ms
de dos variables. El vehculo de explicacin es un ejemplo numrico.

EJEMPLO:
Maximizar Z = 4x1+3x2
S.a.
2x1+3x2 <=6 Ecuacin 1
-3x1+2x2 <=3 2
2x2 <=5 3
2x1+ x2 <=4 4
x1, x2 >=0 5




La idea del mtodo grfico es determinar el espacio de solucin (factible), el cual se define como ele espacio
encerrado por las restricciones 1 a 5. La solucin ptima es el punto (en el espacio de solucin) que maximiza el valor de la
funcin Z.
La restriccin #5 define que la solucin debe estar en el primer cuadrante definido por x1>=0 y x2>=0

Una observacin interesante es que el valor mximo de Z siempre ocurre en uno de los puntos esquina, A, B, C,
D, y E del espacio de solucin. La eleccin de un punto esquina especfico como ptimo depende de la pendiente de la
funcin. Matemticamente un punto esquina se conoce como punto extremo.





2.7.3.- EL MTODO SIMPLEX.
El mtodo simplex es un procedimiento algebraico para resolver problemas de Programacin Lineal. Es un
algoritmo, por lo tanto es un proceso en el que se repite una y otra vez una operacin hasta obtener el resultado deseado.

Desarrollo del Mtodo Simplex.
El desarrollo del mtodo simplex est basado en el uso de la forma estndar (en la cual todas las restricciones se
convierten en ecuaciones) a fin de hacer la transicin de la representacin grfica a las algebraicas.
Se debern convertir aquellas restricciones que estn en forma de desigualdades a ecuaciones equivalentes, esto
se logra mediante la introduccin de variables de holgura. Si la desigualdad es <= la variable de holgura se suma y si la
desigualdad es >= la variable de la holgura se resta y se utilizan variables artificiales, las cuales se suman para ayudar a
formar la matriz idntica del sistema de ecuaciones. Adems los coeficientes de la funcin objetivo cambian de signo.

Un punto extremo factible, por consiguiente, se define como una solucin bsica factible.
Propiedad fundamental. Los puntos extremos factibles de un programa lineal son totalmente determinados por las
soluciones bsicas factibles de las ecuaciones que lo definen.


CONDICIONES DE OPTIMIDAD Y FACTIBILIDAD DEL MTODO SIMPLEX.
La solucin ptima para un programa lineal con m ecuaciones y n incgnitas puede obtenerse resolviendo Cm=n!
[m! (n-m)!] conjunto de ecuaciones simultneas. Este procedimiento es ineficiente. Primero el nmero de soluciones bsicas
posibles puede ser demasiado grande. Por ejemplo, si m=5 y n=15, deben resolverse 15!/(5!10!) =3003 conjuntos de
ecuaciones simultneas. Segundo, muchas de estas soluciones pueden ser infactibles o no existentes. Como prueba, en el
ejemplo 3*3-2 nicamente 5 de los 15 puntos extremos posibles (=C4) son factibles. Tercero, la funcin objetivo juega un
papel pasivo en el clculo, ya que es utilizada nicamente despus de que todas las soluciones bsicas factibles han sido
determinadas.

El mtodo simplex est diseado especficamente para evitar estas ineficiencias. El enfoque consiste en partir de
una solucin bsica factible (esto es, un punto extremo factible) y luego pasar sucesivamente a travs de una sucesin de
soluciones bsicas factibles (no redundantes), de tal manera que cada nueva solucin tenga la facultad de mejorar el valor
de la funcin objetivo.
La base del mtodo simplex que garantiza generar tal sucesin de solucin bsica est formada por dos
condiciones fundamentales.

1) Condicin de OPTIMIDAD.- Asegura que nunca se encontrar una solucin inferior (relativa al punto de solucin
actual).
2) Condicin de FACTIBILIDAD.- Garantizar que partiendo de una solucin bsica factible nicamente se encontrar
durante el clculo soluciones bsicas factibles.
Para ayudar a desarrollar las dos condiciones, el programa lineal en forma estndar se representa en una forma
tabular conveniente. El ejemplo 3*2-1 se utiliza en la discusin de tal manera que el lector pueda comparar las soluciones
grficas y algebraicas. La representacin da una explicacin particularmente lcida de la condicin de factibilidad.
La forma estndar del ejemplo 3*2-1 est dada como.

Maximizar Z = 4x1 + 3x2 + 0s1 + 0s2 + 0s3 + 0s4
Sujeta a:
2x1 + 3x2 + s1 =6
-3x1 + 2x2 +s2 =3
0x1 + 2x2 +s3 =5
2x1 + x2 +s4 =4
x1, x2, s1, s2, s3, s4 > 0

El mtodo simplex inicia con una solucin bsica factible (o punto extremo) la cual para este ejemplo debe tener
dos variables iguales a ser (de las seis). Se obtiene as una solucin bsica factible inicial obvia x1 = x2 = 0, esto
inmediatamente da (sin ningn clculo adicional) la solucin de inicio con todas las variables de holgura con valores s1 =6,
s2=3, s3=5, s4=4. Las variables de holgura proporcionan una solucin obvia de inicio en este caso porque (1) sus
coeficientes en las relaciones forman una matriz identidad, donde los elementos diagonales son unos y todos los elementos
restantes son ceros y (2) las constantes del lado derecho de las ecuaciones siempre son no negativas (propiedad de la
forma estndar)
Una forma conveniente para registrar la informacin sobre la solucin de inicio es la tabla siguiente.
BSICA E X1 X2 S1 S2 S3 S4 SOLUCIN

Z 1 -4 -3 0 0 0 0 0
S1 0 2 3 1 0 0 0 6
S2 0 -3 2 0 1 0 0 3
S3 0 0 2 0 0 1 0 5
S4 0 2 1 0 0 0 1 4

Observe que para el objeto de la tabla, la funcin objetivo se expresa en forma de ecuacin como

Z 4x1 3x2 0s1 0s2 0s3 0s4 = 0

La columna titulada Bsica contiene las variables bsicas (actuales) s1, s2, s3, s4, la columna Solucin da los
valores actuales de las variables bsicas; de tal manera que s1=6, s2=3, s3=5, s4=4, cada ecuacin en la tabla estar
identificada por la variable asociada en la columna marcada Bsica y sus valores son cero, esto es , x1=x2=0 los valores
asignados a las variables proporcionan Z=0, como se muestra en la columna Solucin.

El arreglo especial de la tabla anterior proporciona informacin til y por consiguiente ser utilizada en todo el
libro. Las columnas asociadas a las variables bsicas de inicio (s1, s2, s3 y s4 en este ejemplo) siempre aparecen
inmediatamente a la izquierda de la columna Solucin y su coeficiente de restricciones constituyen una matriz identidad.

Por conveniencia, la representacin grfica del espacio de soluciones para el ejemplo 3*2-1 est dada en la figura
3-2, la anterior solucin de incio corresponde al punto A en el espacio de soluciones.

El paso siguiente es determinar una nueva solucin bsica factible (punto extremo) con un valor mejorado de la
funcin objetivo. El mtodo simplex hace esto eligiendo una variable actual no bsica que se va a aumentar arriba de cero
siempre que su coeficiente en la funcin objetivo tenga la virtud de mejorar el valor Z, ya que un punto extremo (en este
ejemplo) debe tener dos variables no bsicas, una de las variables bsicas actuales debe hacerse no bsica en el nivel cero
siempre que la nueva solucin sea factible. La variable no bsica actual debe hacerse bsica; usualmente se le conoce
como variable que entra y est determinada por la condicin de optimidad. La variable bsica actual que va a ser no bsica
se conoce como la variable que sale y est determinada por la condicin de factibilidad.









Condicin de Optimidad: Dada la ecuacin Z expresada en funcin de la variable no bsica solamente, se elige la
variable que entra en maximizacin (minimizacin) como la variable no bsica que tiene el mayor coeficiente negativo (el
ms positivo) en la ecuacin Z. Un empate entre dos variables no bsicas debe descomponerse arbitrariamente. Cuando
todos los coeficientes del lado izquierdo de la ecuacin Z son no negativos (no positivos) se ha llegado al ptimo.
Condicin de Factibilidad: La variable que sale es la variable bsica correspondiente al cociente ms pequeo de los
valores actuales de las variables bsicas entre los coeficientes positivos de las restricciones de la variable que entra. Un
empate puede romperse arbitrariamente.

Algoritmo
1. En cada interacin el mtodo se mueve de una solucin bsica factible actual a una solucin bsica factible mejor.
Este movimiento incluye el reemplazo de una variable no bsica por una nueva y la identificacin de la nueva solucin
factible.

2. Seleccin de la variable bsica entrante.
La variable no bsica actual debe hacerse bsica, usualmente se le conoce como variable que entra y est determinada por
la condicin de optimidad. Y se elige como la que tiene el coeficiente mayor, con signo negativo, ya que es la que hace que
la funcin objetivo se incremente a tasas ms rpidas.

3. Identificacin de la variable bsica que sale.
Debe ser la variable bsica actual cuya restriccin de no negatividad impone la cota superior ms pequea sobre la que
puede aumentar el valor de la variable bsica entrante.
Y se determina dividiendo bi sobre v.e.
La variable bsica actual que va a ser no bsica se conoce como la variable que sale y est determinada por la condicin
de factibilidad.

4. Se ejecuta el clculo con una conversin de slo dos tipos de operaciones algebraicas (mtodo de gauss jordan).

5. Comprobacin de la optimidad.



La nica diferencia entre maximizar y minimizar ocurre en la condicin de optimidad. En minimizacin la variable que
entra es aquella con el mayor coeficiente positivo en la funcin objetivo . la condicin de factibilidad permanece igual ya que
depende de la restriccin y no de la funcin objetivo.
Los valores de la ecuacin cero Z tendrn que ser mayores o iguales que cero, es decir no debe de haber ningn
coeficiente con signo negativo en el caso de maximizar y ninguno con signo positivo en el caso de minimizar.
RESUMEN DEL PROCEDIMIENTO SIMPLEX.

1. Exprese la forma estndar del programa lineal en formato de tabla.
2. Elija una solucin factible bsica inicial. Este paso involucra dos casos:
* Si todas las restricciones en el problema son<= la variable de holgura se utiliza para una solucin de inicio.
* si las restricciones son >=o=, una tcnica conocida como la tcnica de variables artificiales, se utiliza para dar
una base de principio.
3. Genere nuevas soluciones bsicas factibles utilizando las condiciones optimidad y factibilidad hasta que se obtenga la
solucin ptima.

TCNICA DE VARIABLES ARTIFICIALES.
ste ser el caso cuando al menos una de las restricciones es del tipo (=) o (>=). Se desarrollan para este
propsito mtodos (muy relacionados) basados en el uso de variables artificiales.

1) Tcnica M o Mtodo de penalizacin.
2) Tcnica de dos fases

La Tcnica M.
Los pasos son los siguientes.
1. Exprese el problema en la forma estndar dada anteriormente.

2. Agregue variables no negativas al lado izquierdo de cada una de las restricciones del tipo (>=) y (=). Estas variables se
denominan variables artificiales y su adicin hace que se infrinja las restricciones correspondientes.
Esta dificultad se elimina asegurando que la variable artificial sea cero en la solucin final.
Esto se logra asegurando una penalizacin muy grande y por unidad a esta variable en la funcin objetivo. Tal penalizacin
se designar como M para problemas de maximizacin y +M para problemas de minimizacin, M>0.

3. Utilice las variables artificiales en la solucin bsica inicial. Sin embargo, a fin de que la tabla inicial se prepare
adecuadamente, la funcin objetivo deber expresarse en trminos de las variables no bsicas nicamente (compare
con la tabla de partida cuando todas las variables bsicas son de holgura). Esto significa que los coeficientes de las
variables artificiales en la funcin objetivo deben ser 0, un resultado que puede lograrse sumando mltiplos adecuados
de las ecuaciones de restriccin al rengln objetivo.


4. Proceda con los pasos regulares del mtodo simplex.



La Tcnica de las dos fases

FASE I.
Formule un nuevo problema reemplazando la funcin objetivo original por la suma de las variables
artificiales. La nueva funcin objetivo entonces se minimiza sujeta a las restricciones del problema
original. Si el problema tiene un espacio factible el valor mnimo de la nueva funcin objetivo ser 0 (lo
cual indica que todas las variables artificiales son ceros). Ahora pase a la fase II.
De otra manera si el valor mnimo es mayor que 0, el problema se termina con la informacin de que no
existe solucin factible.

FASE II.
Utilice la solucin bsica ptima de la fase I como una solucin de inicio para el problema original. En
este caso la funcin objetivo original se expresa en trminos de la variable no bsica utilizando las
eliminaciones usuales de Gauss-Jordan.
EJEMPLO:
Minim Z=4x1+x2
S a.

3x1+x2=3
4x1+3x2>=6
x1+2x2<=3
x1, x2>=0

INVESTIGUE LOS CASOS ESPECIALES EN LA APLICACIN DEL MTODO SIMPLEX EN MODELOS DE P.L.