Programacion Lineal SEM UNAD PDF

Act.
1 RevisindePresaberes
mircoles,18deagostode2010
09:10p.m.
Pagina1.RevisandoAlgunosConceptosdeinvestigacindeOperaciones
INTRODUCCION
Loscambiosrevolucionariosoriginarongranaumentoenladivisindetrabajoylaseparacindelaresponsabilidad esadministrativaenlas
organizaciones.Sinembargoestarevolucincreonuevosproblemasqueocurrenhastalafechaenmuchasempresas.Unodeestos problemasesla
tendenciademuchosdeloscomponentesaconvertirseenimperiosrelativamenteautnomos,consuspropiasmetasysistemasde valores.Este
tipodeproblemas,ylanecesidaddeencontrarlamejorformaderesolverlos,proporcionaronelsurgimientodelaInvestigacindeOperaciones.
LaInvestigacindeOperacionesaspiradeterminarlamejorsolucin(optima)paraunproblemadedecisinconlarestriccinderecursoslimitados.
EnlaInvestigacindeOperacionesutilizaremosherramientasquenospermitentomarunadecisinalahoraderesolverunproblema,taleselcaso
delosmodelosdeInvestigacindeOperacionesqueseempleansegnsealanecesidad.
Actualmentelainvestigacindeoperacionesaincursionadoenlaadministracinconmuybuenosresultadosenestecampopueselambientede
negociosalqueseestsometidoylosmltiplescambiosqueellosgeneran,losciclosdevidadelosproductossehacenmscortos,laabrumadoray
aceleradaeradelanuevatecnologaylainternacionalizacincreciente,sonrazonessuficientesparadesarrollarmodelosqueoptimicenlos
resultadosenestoscamposdelsaber
ANTECEDENTESYORIGENDELAINVESTIGACIONDEOPERACIONES

Lainvestigacindeoperacionesseoriginenlasegundaguerramundialcomounanecesidaddedarsolucinalosproblemasde carctermilitar,los
primerosinteresadosenestosaspectosfueronlosbritnicosylosamericanosquienesasignaronestatareaaungruposdefsicos,matemticos,
bilogos,estadsticos,psiclogosentreotrosparaemplearelmtodocientficoenlasolucindeproblemasestratgicosytcticos.
Despusdelaguerraatrajolaatencindelaindustriaquebuscabasolucionesaproblemasdecomplejidadyespecializacinascendente
enlasorganizaciones.Losprimerosesfuerzossededicaronadesarrollarmodelosapropiadosyprocedimientoscorrespondientes para
solucionarproblemasquesurganenreastalescomo:laprogramacinderefinerasdepetrleo,ladistribucindeproductos,la
planeacindeproductos,elestudiodemercadosylaplaneacindeinversiones.
UnfactorimportantedelaimplantacindelaInvestigacindeOperacionesenesteperiodoeselmejoramientodelastcnicas
disponiblesenestarea.Muchosdeloscientficosqueparticiparonenlaguerra,seencontraronabuscarresultadossustancialeseneste
estecampo;unejemplosobresalienteeselmtodoSimplexpararesolucindeproblemasdeProgramacinLineal,desarrolladoen1947
porGeorgeDantzing.MuchasdelasherramientasutilizadasenlaInvestigacindeOperacionescomolaProgramacinLineal,la
ProgramacinLneasdeEsperayTeoradeInventariosfuerondesarrolladasalfinaldelosaos50.
Enladcadadelos80conlainvencindecomputadoraspersonalescadavezmsrpidasyacompaadasdebuenospaquetesde
SoftwarepararesolverproblemasdeInvestigacindeOperacionesestopusolatcnicaalalcancedemuchaspersonas.Hoyendase
usatodaunagamadecomputadoras,desdelascomputadorasdegrandesescalascomolascomputadoraspersonalesparala
InvestigacindeOperaciones.
DelalecturaquedesarrollastedelosconceptosdeLainvestigacindeoperacionesysusantecedentes, sepuedededucirqueun
segundofactorimportanteparaeldesarrollodeestecampofueeladvenimientodelarevolucindelascomputadoras.Paramanejarlos
complejosproblemasrelacionadosconestadisciplina,generalmenteserequiereungrannmerodeclculosquellevarlosacaboa
manoescasiimposible.Porlotantoeldesarrollodelacomputadoradigital,fueunagranayudaparalaInvestigacindeOperaciones.
Sedicequelainvestigacindeoperacionesseajustaalmtodocientficoporque:
Buscaunasolucinfactible
Buscaunasolucinoptima
comienzaporlaobservacincuidadosaylaformulacindelproblemaincluyendolarecoleccindedatospertinentes.
Resolverlosconflictosdeintersentreloscomponentesdelaorganizacin
Unadelaslimitacionesdelainvestigacindeoperacionesconsisteen
Seleccionarmodelosparametrizados
seleccionarsolovariablescuantitativas
noconsiderartodaslasrestricciones
Seleccionarsolovariablescualitativas
Pagina3.QUEESLAINVESTIGACIONDEOPERACIONES?
Lainvestigacindeoperacioneseslaaplicacin,porgruposinterdisciplinarios,delmtodocientficoaproblemasrelacionadosconelcontroldelas
organizacionesosistemas,afindequeseproduzcansolucionesquemejorsirvanalosobjetivosdelaorganizacin.Estadefinicinfue
100404_45 - Programacin Lineal pgina 1

proporcionadapor Churchman,AckoffyArnoff.
Algunosaspectosrelacionadosconladefinicin:
Unaorganizacinesunsistemaformadoporcomponentesqueseinteraccionan,unasdeestasinteraccionespuedensercontroladasyotras
no.
Lacomplejidaddelosproblemasquesepresentanenlasorganizacionesyanoencajanenunasoladisciplinadelconocimiento, sehan
convertidoenmultidisciplinarioporlocualparasuanlisisysolucinserequierengruposcompuestosporespecialistasdediferentesreasdel
conocimientoquelograncomunicarseconunlenguajecomn.
Lainvestigacindeoperacioneseslaaplicacindelametodologacientficaatravsdemodelosmatemticos,primeropararepresentaral
problemayluegopararesolverlo.
Lainvestigacindeoperacionesseaplicaaproblemasqueserefierenalaconduccinycoordinacindeoperaciones(oactividades)dentrodeuna
organizacin.
Lainvestigacindeoperacionesintentaencontrarunamejorsolucin,(llamadasolucinptima)paraelproblemabajoconsideracin.
Unenfoquedelainvestigacindeoperacionesabarca:
Construirunmodelosimblicoqueporlogeneralesunmodelomatemtico,pretendeextraerloselementosfundamentalesdeun
problemadedecisinqueescomplejoeinciertodetalmaneraquepuedaoptimizarunasolucinviableparalaconsecucindelos
objetivosdeacuerdoalanalista.
Examinaryanalizarlasrelacionesquedeterminanlasconsecuenciasdeladecisinrealizadaycompararelmtodorelativode acciones
alternasconlosobjetivosdequienvaatomarladecisin.
Desarrollarunatcnicadedecisinquecomprendateorasmatemticasyqueconduzcaalaoptimizacindelosresultados.
Lainvestigacindeoperacionesseaplicatantoaproblemastcticoscomoestratgicosdeunaorganizacin.Losprimerostienenquevercon
actividadesdiariasylossegundostienenunaorientacinyunaplaneacinorganizadageneralmenteseapoyanenoperacionesdecarcterindirecto.
Pagina4.DEFINICIONYFORMULACIONDELPROBLEMA
Estoincluyedeterminarlosobjetivosapropiados,lasrestriccionessobreloquesepuedehacer,lasinterrelacionesdelrea bajoestudioconotras
reasdelaorganizacin,losdiferentescursosdeaccinposibles,loslmitesdetiempoparatomarunadecisin,etc.Esteprocesodedefinirel
problemaescrucialyaqueafectarenformasignificativalarelevanciadelasconclusionesdelestudio.
Laformaconvencionalenquelainvestigacindeoperacionesrealizaestoesconstruyendounmodelomatemticoquerepresente laesenciadel
problema.
Unmodelosiempredebesermenoscomplejoqueelproblemareal,esunaaproximacinabstractadelarealidadconconsideracionesy
simplificacionesquehacenmsmanejableelproblemaypermitenevaluareficientementelasalternativasdesolucin
Dependedelascaractersticasdelmodelo.Losprocedimientosdesolucinpuedenserclasificadosentrestipos:
a)analticos,queutilizanprocesosdededuccinmatemtica;
b)numricos,quesondecarcterinductivoyfuncionanenbaseaoperacionesdepruebayerror;
c)simulacin,queutilizamtodosqueimitano,emulanalsistemareal,enbaseaunmodelo.
Resolverunmodeloconsisteenencontrarlosvaloresdelasvariablesdependientes,asociadasalascomponentescontrolablesdelsistemaconel
propsitodeoptimizar,siesposible,ocuandomenosmejorarlaeficienciaolaefectividaddelsistemadentrodelmarcodereferenciaquefijanlos
objetivosylasrestriccionesdelproblema.Laseleccindelmtododesolucin.
Antesdeusarelmodelodebeprobarseexhaustivamenteparaintentaridentificarycorregirtodaslasfallasquesepuedanpresentar
Enlametodologadelainvestigacindeoperacionesunodelospasosqueesincorrectoes:
Formulacindeunmodelo
Definicindelproblema
Establecimientodecontrolessobrelaformulacin
Recoleccindedatos
"Lainvestigacindeoperacioneseslaaplicacin,porgruposinterdisciplinarios,delmtodocientficoaproblemasrelacionadosconel
controldelasorganizacionesosistemas(hombremquina),afindequeseproduzcansolucionesquemejorsirvanalosobjetivosdela
organizacin.Estadefinicinfupropuestapor:
Churchman,AckoffyArnoff
Kambe
Dantzing

Hallman
LIMITACIONESDELAINVESTIGACIONDEOPERACIONES
1.Frecuentementeesnecesariohacersimplificacionesdelproblemaoriginalparapodermanipularloydetenerunasolucin.
2.Lamayoradelosmodelossloconsideraunsoloobjetivoyfrecuentementeenlasorganizacionessetienenobjetivosmltiples.
3.Existelatendenciaanoconsiderarlatotalidaddelasrestriccionesenunproblemaprctico,debidoaquelosmtodosde enseanzay
entrenamientodanlaaplicacindeestacienciacentralmentesebasanenproblemaspequeospararazonesdendoleprctico,porloquese
desarrollaenlosalumnosunaopininmuysimplistaeingenuasobrelaaplicacindeestastcnicasaproblemasreales.
4.CasinuncaserealizananlisiscostobeneficiodelaimplantacindesolucionesdefinidaspormediodelaIdeO,enocasioneslosbeneficios
potencialessevansuperadosporloscostosocasionadosporeldesarrolloeimplantacindeunmodelo.
RIESGOALAPLICARLAINVESTIGACIN DEOPERACIONES
AlaplicarlaIdeOalestudiodesistemasyalaresolucindeproblemassecorreelriesgodetratardemanipularlosproblemasparabuscarquese
ajustenalasdiferentestcnicas,modelosdealgoritmosestablecidosenlugardeanalizarlosproblemasybuscarresolverlos obteniendolas
solucionesmejores,utilizandolosmtodosapropiados,esdecirresolverelproblemautilizandolosmtodosqueproporcionanlasmejoras
solucionesynobuscarajustarelproblemaaunmtodoespecfico.
ParallegarahacerunusoapropiadodelaIdeO,esnecesarioprimerocomprenderlametodologapararesolverlosproblemas,ascomolos
fundamentosdelastcnicasdesolucinparadeestaformasabercundoutilizarlasonoenlasdiferentescircunstancias.
COMOSETRABAJAENINVESTIGACIONDEOPERACIONES
LaInvestigacindeOperacionesbuscaelptimoresultadoenlautilizacinderecursosescasosyusaelmtodocientfico.Elorden
habitualdelasinvestigacionesqueserealizanconesteinstrumentaleselsiguiente:
1.Sedefineelproblemaquesedesearesolverenlaformamscompletayclaraqueseaposible.
2.Seconstruyeunmodeloapropiadoquerepresentealsistemaoalprocesoenestudio(matematizacindelproblema).
3.Sededuceunaovariassolucionesapartirdelmodeloconstruido.
4.Sehaceunapruebadelmodeloydelasolucinobtenida,contrastandoestoconlarealidad,siesqueexisteinformacinsuficiente,de
locontrarioelcontrastesehaceconmodelossecundarios.
5.Seajustaelmodeloysemonitoreaelresultado.
6.Seimplementalasolucin,estoes,seponeatrabajaralmodeloysussoluciones.
Veamosendetallecadaunadelaspartesqueacabamosdeenumerar:
1.Definicindelproblema. Noesposibleiniciarlabsquedadelasolucindeunproblemasinoestclaroculeselproblema?Al
investigadornoledebecaberlamenordudadequesabecorrectamenteloquebusca,delocontrariocualquiercosaqueencuentreest
bienyestmal,locualesunacontradiccin.Siemprenosdebemosrespondercuestionestalescomo:Culessonlosobjetivos?Cules
lasaccionesatomaryculessusalternativas?Culessonlasrestricciones?Cmosemedirnlosresultados?Ladefinicin del
problemadebeserclara,concisayconpalabrassencillasquenodejenlugaravariasinterpretaciones.
2.Construccindelmodelo apropiadoquerepresentealsistemaoprocesoenestudio.Unmodelo,desdeelpuntodelaInvestigacin
deOperaciones,esunarepresentacindeunarealidad(odeunaidealidad).Estospuedenser:
- Icnicos(representacionesfsicascomolosaeromodelos,lasmaquetas,loscarritos,losmuecos,etctera);
- anlogos,lamayoradeloscualessonmsdinmicosquelosicnicosypuedenmostrarcomportamientosderivadosdeacciones,
comolassuperficiesylascurvasdeofertaydemanda,
- losnomogramasdeingenieraquedescribenfenmenosdedeformacindeestructurasocomportamientosdetodaslasvariables
deunacaldera,etctera;
- Redesgrficas,comolasredesCPMPERT,Project,Harvardyotras,queseutilizanparalaplanificacin,ejecucinycontrolde
proyectos;
- MatemticosoSimblicos,loscualessedescribengeneralmentepormediodesistemasdemecuacionesconnincgnitasoen
formamatricial:A*x =b,dondeAesunmatriz,y,xybsonvectoresdelosespaciosvectorialesRmyRn,respectivamente.
Eshabitualquelafuncinllamadafuncinobjetivoyqueeslaquesedeseaoptimizar,seescribaenformaseparadacomof(x)=z.
Existenotrasclasificacionesperoconsideramosqueparalosfinesdeesteartculoessuficientementeclarosinosreferimos sloaestos
cuatro.Porotrolado,sedicequelosmodelossonDeterminsticos,comolosdeProgramacinLinealyTransporte;y,Probabilsticos,
comolasCadenasdeMarkov,losdeTeoradeJuegos,TeoradeDecisiones,laslneasdeEsperayotros.
3.Deduccindeunaovariassoluciones.Cuandoelmodelohasidobienescogidooconstruido,seesperaquelasolucindelproblema
realseaterico.Algunasvecesnoesposibleobtenersolucionesexactasparaelproblemaoriginal,entoncesaceptaremossoluciones
aproximadasobienusamossolucionesalternasenlaconstruccindelmodelo.Esposibleynoesnadararoquepodamosdetectarvarias
solucionesalternas.
4.Pruebasdelmodeloycontrasteconlarealidad. Comparacionesdesolucionesconlasdemodelossecundarios.
Usandoinformacinhistrica,stasemetealmodeloyseobservasilosresultadossoncoincidentesconlosresultadosrealesque
fueronobservadosatravsdeltiempo,luegosehacelomismoconinformacindelperodoexpost(lainformacinobtenidadurantela
pocadeconstruccin)ysecomparaconelfuncionamientorealdelproceso.
5.Ajustesdelmodeloymonitoreoderesultados. Enestemomentoyatenemosanuestromodelodndonosresultadosaceptables
(parecidos,sinoigualesalosobservados),sehaceunbalanceysevesivalelapenahacerajustesaloscoeficientesyorganizacindela

estructuradelmodeloparaobtenermejoresresultadososiporelcontrarioesnecesariohacerreingeniera.
Debeseguirsehaciendocomparacionesconvariasgeneracionesderesultadosparalograrafinarelmodelo.
6.Implementacindelasolucin.Unavezpasadastodaslaspruebasquedanseguridadsobreelfuncionamientodelinstrumento,seda
lacapacitacinnecesariaalaspersonasquetendrnasucargolaoperacindelmodelo,preparandotodaslasherramientasde cmputo
paraqueseelaborenautomticamentelosreportesquepermitirnalostomadoresdedecisinhacersutrabajo.(F)
LaexpresionMatematizaciondelproblema Enelcontextodelalecturaserefierea:
Comprobarelmodelo
aladefinicindelproblema
Laconstruccindelmodelo
Elcontroldelmodelo
LainformacinHistricaseusapara:
Contrastarlarealidad
Formularelproblemaainvestigar
RedactarelinformefinaldelaInvestigacin
Implementarelmodelo
UnadelaslimitacionesqueamenudosepresentanenlaIOes
Nocontratarpersonasidneas
NohaylimitacionesenlaIO
Loscostosdeoperacin
Notomartodaslasrestriccionesqueintervienenenelproblema
PRINCIPALESHERRAMIENTASENLAIO
CuandohablamosdeherramientasenIO,nosestamosrefiriendoalosdiferentesmodelostericos(comoporejemplo,modelosde
transporteyteoradecolas),yaotrasdisciplinas(comomatemtica,administracin,economa,etctera),queseutilizancomo
instrumentosdetrabajohabitualparaelprofesionaldelaInvestigacindeOperaciones.Debequedarclaro,sinembargo,quecadada
seagreganmstiposdemodelosyotrasdisciplinasimposiblesdeenumerarenestemomento.
DelamismamaneralaInvestigacindeOperacionesesconsiderada,ellamismacomounaherramientaalserviciodeotrasdisciplinas
(talcomorezaelttulodenuestrosartculos).EsbienconocidoquelaAdministracindeNegociossehaestadobeneficiando
grandementedelaInvestigacindeOperacionesahoraquesehainiciadotodaunarevolucinconelusodePlanificacinEstratgica,
ReingenieraylosprogramasdeCalidadTotal,paramencionaralgunos.
CuandohablamosdeherramientasenlaIOnosreferimosa:
Elusodecomputadores
Elusodeasesores
Elusodedocumentos
Elusodediferentesmodelostericos
Pagina5.METODOLOGIADELAINVESTIGACIONDEOPERACIONES
Elusodemtodoscuantitativosparasolucionarproblemas,generalmenteimplicaamuchagentedetodalaorganizacin.Losindividuosdeun
equipodeproyectosproporcionaninformacindesusreasrespectivasrespectoadiversosaspectosdelproblema.Elprocesodeaplicarmtodos
cuantitativosrequieredeunasucesinsistemticadepasos
Existentresformasdevalidarunmodelo,indiquecualnocorrespondeaestas
Experiencia
Pruebassicotcnicas
PruebasEstadsticas
Pruebaretrospectiva
Unodelosenfoquestradicionalesdelaadministracinoperativa parainterpretary resolverproblemases:
Lavalidacin

.Elestablecimientodecontroles
Laobservacin
Laevaluacin
Pegadode<http://campus07.unadvirtual.org/moodle/mod/lesson/view.php>

Act.3 ReconocimientoUnidad1
mircoles,18deagostode2010
11:59p.m.
INTRODUCCIONALAPROGRAMACIONLINEAL
MuchaspersonasclasificaneldesarrollodelaprogramacinlinealentrelosavancescientficosmsimportantesdemediadosdelsigloXX,su
impactodesde1950hasidoextraordinario.Enlaactualidadesunaherramientadeusonormalquehaahorradomilesomillones depesosamuchas
compaasonegocios,incluyendoempresasmedianasenlosdistintospasesindustrializadosdelmundo;suaplicacinaotrossectoresdela
sociedadseestampliandoconrapidez.Unaproporcinmuygrandedelosclculoscientficosencomputadorasestdedicadaalusodela
programacinlineal.
Culeslanaturalezadeestanotableherramientayqutiposdeproblemaspuedemanejar.Expresadobrevemente,eltipomscomnde
aplicacinabarcaelproblemageneraldeasignarrecursoslimitadosentreactividadescompetitivasdelamejormaneraposible (esdecir,enforma
ptima).Conmsprecisin,esteproblemaincluyeelegirelniveldeciertasactividadesquecompitenporrecursosescasosnecesariospara
realizarlas.Despus,losnivelesdeactividadelegidosdictanlacantidaddecadarecursoqueconsumircadaunadeellas.Lavariedaddesituaciones
alasquesepuedeaplicarestadescripcinessindudamuygrande,yvadesdelaasignacindeinstalacionesdeproduccina losproductos,hastala
asignacindelosrecursosnacionalesalasnecesidadesdeunpas;desdelaseleccindeunacarteradeinversiones,hastalaseleccindelos
patronesdeenvo;desdelaplaneacinagrcola,hastaeldiseodeunaterapiaderadiacin,etc.Noobstante,elingredientecomndetodasestas
situacioneseslanecesidaddeasignarrecursosalasactividadeseligiendolosnivelesdelasmismas.
CualeslafinalidaddeunmodelodeProgramacinlineal
plantearunproblema
solucionarproblemasdevariablesnicamenteenteras
relacionartodaslavariables
encontrarlasolucinptima
CuleslaimportanciadeemplearelenfoquedelaInvestigacindeOperaciones
resolverunproblemaatravsdeunasecuenciadepasos
Resolverproblemasporetapas
Darsolucionesentrminosdelaexperiencia
resolverunproblemaenformadirecta
Laprogramacinlinealutilizaunmodelomatemticoparadescribirelproblema.Eladjetivolinealsignificaquetodaslasfuncionesmatemticasdel
modelodeberserfuncioneslineales.Enestecaso,laspalabraprogramacinnoserefiereaprogramacinencomputadoras;enesenciaesun
sinnimodeplaneacin.As,laprogramacinlinealtratalaplaneacindelasactividadesparaobtenerunresultadoptimo,estoes,elresultadoque
mejoralcancelametaespecificada(segnelmodelomatemtico)entretodaslasalternativasdesolucin.
Aunquelaasignacinderecursosalasactividadeseslaaplicacinmsfrecuente,laprogramacinlinealtienemuchasotrasposibilidades.dehecho,
cualquierproblemacuyomodelomatemticoseajustealformatogeneraldelmodelodeprogramacinlinealesunproblemadeprogramacin
lineal.Anms,sedisponedeunprocedimientodesolucinextraordinariamenteeficientellamadomtodosimplex,pararesolverestosproblemas,
inclusolosdegrantamao.Estassonalgunascausasdeltremendoaugedelaprogramacinlinealenlasltimasdcadas
QuesignificaProgramacinenelterminodeProgramacinLineal?
organizacindeactividades
planeacindeactividades
programasdeaplicacin
programarenunacomputadoraelmodelo
MtodoempleadopararesolvermodelosdeprogramacinLineal
MtododeLagrange
MtododeBranch
MtodoRungeKutta
MtodoSimplex
Enprogramacinlinealelterminoprogramacinsignificaquevienedelusodecomputadoras.Estaafirmacines:
Totalmenteverdadera
Inconsistente

Verdadera
Falsa
Enprogramacinlinealeladjetivodelinealhacereferenciaa:
Lasrestriccionesdebenserexclusivamentedecarcterlineal
Lasrestriccionespuedenonoserdecarcterlineal
Eltomadordedecisionesesunilateralalahoradehallarunasolucin
Lostrazossonlneasrectas
Lostrminosclavesonrecursosyactividades,endondem denotaelnmerodedistintostiposderecursosquesepuedenusaryn denotaelnmero

deactividadesbajoconsideracin.Algunosejemplosderecursossondineroytiposespecialesdemaquinaria,equipo,vehculosypersonal.Los
ejemplosdeactividadesincluyeninversinenproyectosespecficos,publicidadenunmediodeterminadoyelenvodebienesdeciertafuentea
ciertodestino.Encualquieraplicacindeprogramacinlineal,puedeserquetodaslasactividadesseandeuntipogeneral(comocualquieradelos
ejemplos),yentoncescadaunacorresponderaenformaindividualalasalternativasespecficasdentrodeestacategorageneral.
Eltipomsusualdeaplicacindeprogramacinlinealinvolucralaasignacinderecursosaciertasactividades.Lacantidad disponibledecada
recursoestlimitada,deformaquedebenasignarsecontodocuidado.Ladeterminacindeestaasignacinincluyeelegirlosnivelesdelas
actividadesquelograrnelmejorvalorposibledelamedidaglobaldeefectividad.
QuepretendelaFuncinobjetivodeunmodelodePL
Calcularvaloresfactibles
maximizarominimizarunafuncinlineal
consumirtodoslosrecursos
resolverelproblemadeunaempresa
SUPOSICIONESDELMODELODEPROGRAMACINLINEAL
PROPORCIONALIDAD
LacontribucindecadaactividadalvalordelafuncinobjetivoZesproporcionalalniveldeactividadxj,comolorepresentaeltrminocjxjenla
funcinobjetivo.Demanerasimilar,lacontribucindecadaactividadalladoizquierdodecadarestriccinfuncionalesproporcionalalniveldela
actividadxj,enlaformaenquelorepresentaeltrminoaijxjenlarestriccin.Enconsecuencia,estasuposicineliminacualquierexponente
diferentea1paralasvariablesencualquiertrminodelasfunciones(yasealafuncinobjetivoolafuncinenelladoizquierdodelasrestricciones
funcionales)enunmodelodeprogramacinlineal.
ADITIVIDAD
Establecequelaentradaysalidadeunrecursoenparticularalconjuntodeactividades,debenserlamismacantidad;osea, quelasactividades
transformanlosrecursosynoloscreanodestruyen.Estasuposicingarantizaquelacontribucintotaltantoalafuncinobjetivocomoalas
restricciones,esigualalasumadelascontribucionesindividuales.Cuandoenunproblemadadonosetengalaaditividadpuederecurrirsealempleo
deotrastcnicasdelaprogramacinmatemtica,dependiendodecadacasoenparticular.
Cadafuncinenunmodelodeprogramacinlineal(yasealafuncinobjetivooelladoizquierdodelasrestriccionesfuncionales)eslasumadelas
contribucionesindividualesdelasactividadesrespectivas.
DIVISIBILIDAD
Lasvariablesdedecisinenunmodelodeprogramacinlinealpuedentomarcualquiervalor,incluyendovaloresnoenteros,quesatisfaganlas
restriccionesfuncionalesydenonegatividad.As,estasvariablesnoestnrestringidasaslovaloresenteros.Comocadavariablededecisin
representaelniveldealgunaactividad,sesupondrquelasactividadessepuedenrealizaranivelesfraccinales.
Cadafuncinenunmodelodeprogramacinlineal(yasealafuncinobjetivooelladoizquierdodelasrestriccionesfuncionales)eslasumadelas
contribucionesindividualesdelasactividadesrespectivas.Esteenunciadocorrespondeaprincipiode:
Direccionalidad
Aditividad
Involucin
proporcionalidad
Lasactividadessepuedenrealizaranivelesfraccinales.Estaafirmacinestabasadaenelprincipiode:
Proporcionalidad
Equidad
Divisibilidad
Fractalidad

Lasvariablesdedecisinenunmodelodeprogramacinlineal puedentomar
cualquiervalor
valorescualitativos
Valoresnicamenteenteros
valoresdeceroodeuno

Act.4 Leccinevaluativa1
mircoles,08deseptiembrede2010
10:25p.m.
IMPLEMENTACION DE LA SOLUCION
El paso final se inicia con el proceso de "vender" los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de
decisiones.
Despus de determinar la validez de una solucin y verificar su consistencia con el criterio global, se podra pensar que la decisin es
automtica. Esto en verdad en un sentido pero no en otros. El proceso de hacer y manejar modelos en investigacin de operaciones
puede verse como proporcionando una informacin de entrada al sujeto responsable de decidir, pero ste recibe otras informaciones que
pueden ser igualmente importantes incluyendo las puramente cualitativas o de naturaleza subjetiva. De hecho muchos resultados de la
investigacin de operaciones se tratan como planes iniciales que se pueden modificar.
LA SOLUCION DEL PROBLEMA DE PROGRAMACION LINEAL Y SU IMPLEMENTACION

ESTABLECIMIENTO DE CONTROLES DE SOLUCION
Esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema.
Es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo.
Usualmente esto se conoce como ANLISIS DE SENSIBILIDAD.
Considere un futuro profesional con intereses y aptitudes que estn lejos del campo de las tcnicas cuantitativas. La razn de que estudie
un curso de formulacin de modelos cuantitativos es:
Todas las respuestas son verdaderas

familiarizarlo con la clase de apoyo que una computadora puede proporcionar
proporcionarle nuevos modos para observar el ambiente
darle la oportunidad de llegar a una aceptacin o rechazo conscientes del uso de instrumentos cuantitativos
Determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema es una funcin de la fase
de:
Control de la solucin
Implementacin
Planeacin
Formulacin
Los modelos
juegan papeles diferentes en los diversos niveles de la empresa

raras veces se usan ni siquiera como entradas en los procesos de planeacin estratgica
son una manera costosa de tomar decisiones de la rutina diaria
todo lo anterior
CONCEPTO:
El adjetivo lineal significa que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra
programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata
la planeacin de las actividades para obtener un resultado ptimo.
La programacin lineal es una tcnica de investigacin de operaciones para la determinacin de la asignacin optima de recursos
escasos cuando la funcin objetivo y las restricciones son lineales. Es una manera eficiente de resolver estos problemas cuando se debe
hacer una eleccin de alternativas muy numerosas que no pueden evaluarse intuitivamente por los mtodos convencionales.
FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL
Aunque se ponga en duda, la parte ms difcil de PL es reconocer cundo sta puede aplicarse y formular el problema matemticamente.
Una vez hecha esa parte, resolver el problema casi siempre es fcil.
Para formular un problema en forma matemtica, deben expresarse afirmaciones lgicas en trminos matemticos. Esto se realiza
cuando se resuelven problemas hablados al estudiar un curso de lgebra. Algo muy parecido sucede aqu al formular las restricciones.
Por ejemplo, considrese la siguiente afirmacin: A usa 3 horas por unidad y B usa 2 horas por unidad. Si deben usarse todas las 100
horas disponibles, la restriccin ser:
3A + 2B = 100
Sin embargo, en la mayora de las situaciones de negocios, no es obligatorio que se usen todos los recursos (en este caso, horas de
mano de obra). Ms bien la limitacin es que se use, cuando mucho, lo que se tiene disponible. Para este caso, la afirmacin anterior
puede escribirse como una desigualdad:
3A + 2B <= 100
Para que sea aceptable para PL, cada restriccin debe ser una suma de variables con exponente 1. Los cuadrados, las races cuadradas,
etc. no son aceptables, ni tampoco los productos de variables. Adems, la forma estndar para una restriccin pone a todas las variables
del lado izquierdo y slo una constante positiva o cero del lado derecho. Esto puede requerir algn reacomodo de los trminos. Si, por

ejemplo, la restriccin es que A debe ser por los menos el doble de B, esto puede escribirse como:
A >= 2B A - 2B >= 0
El cambio o modificacin en los parmetros del problema se conoce con el nombre de:
Anlisis de control
Anlisis de variables
Anlisis de variabilidad
Anlisis de sensibilidad
EL MODELO DE PROGRAMACION LINEAL

Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n
denota el nmero de actividades bajo consideracin.
Z = valor de la medida global de efectividad.
Xj = nivel de la actividad j (para j = 1,2,...,n).
Cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j.
bi = cantidad de recurso i disponible para asignar a las actividades (para
i = 1,2,...,m).
aij = cantidad del recurso i consumido por cada unidad de la actividad j.
ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL

1. Funcin objetivo. Consiste en optimizar el objetivo que persigue una situacin la cual es una funcin lineal de las diferentes actividades
del problema, la funcin objetivo se maximizar o minimiza.
2. Variables de decisin. Son las incgnitas del problema. La definicin de las variables es el punto clave y bsicamente consiste en los
niveles de todas las actividades que pueden llevarse a cabo en el problema a formular.
3. Restricciones Estructurales. Diferentes requisitos que debe cumplir cualquier solucin para que pueda llevarse a cabo, dichas
restricciones pueden ser de capacidad, mercado, materia prima, calidad, balance de materiales, etc.
4. Condicin tcnica. Todas las variables deben tomar valores positivos, o en algunos casos puede ser que algunas variables tomen
valores negativos.
Cualquier modelo que contenga funcin objetivo, restricciones y variables de decisin es un programa lineal
No es posible determinarla
Es una afirmacin totalmente falsa
Es una afirmacin verdadera
Es una afirmacin complicada de analizar
Todas las restricciones de un PL son

Desigualdades cuadrticas
Ecuaciones cubicas
Desigualdades o ecuaciones
Desigualdades menor o igual a 0
En un problema de programacin lineal las restricciones son:

Desigualdades o igualdades lineales
Igualdades de cualquier forma

Desigualdades cuadrticas
Desigualdades de cualquier forma
DIFERENTES FORMAS DE MODELOS DE PROGRAMACION LINEAL

Supngase que existe cualquier nmero (digamos m) de recursos limitados de cualquier tipo, que se pueden asignar entre cualquier
nmero (digamos n) de actividades competitivas de cualquier clase. Etiqutense los recursos con nmeros (1, 2, ..., m) al igual que las
actividades (1, 2, ..., n). Sea xj (una variable de decisin) el nivel de la actividadj, para j = 1, 2, ..., n, y sea Z la medida de efectividad
global seleccionada. Sea cj el incremento que resulta en Z por cada incremento unitario en xj (para j = 1, 2, ..., n). Ahora sea bi la cantidad
disponible del recurso i (para i = 1, 2, ..., m). Por ltimo defnase aij como la cantidad de recurso i que consume cada unidad de la
actividadj (para i = 1, 2, ..., m y j = 1, 2, ..., n). Se puede formular el modelo matemtico para el problema general de asignar recursos a
actividades. En particular, este modelo consiste en elegir valores de x1, x2, ..., xn para:
Maximizar Z = c1x1 + c2x2 + ... + cnxn,
sujeto a las restricciones:
a11x1 + a12x2 + ... + a1nxn ? b1
a21x1 + a22x2 + ... + a2nxn ? b2
am1x1 + am2x2 + ... + amnxn ? bm y

x1 ? 0, x2 ?0, ..., xn ? 0
FORMA ESTANDAR
sta se llamar nuestra forma estndar (porque algunos libros de texto adoptan otras formas) para el problema de PL. Cualquier
situacin cuya formulacin matemtica se ajuste a este modelo es un problema de PL.
En este momento se puede resumir la terminologa que usaremos para los modelos de PL. La funcin que se desea maximizar,
c1x1 + c2x2 + ... + cnxn, se llama funcin objetivo. Por lo general, se hace referencia a las limitaciones como restricciones. Las primeras m
restricciones (aquellas con una funcin del tipo ai1x1 + ai2x2 + ... + ainxn, que representa el consumo total del recurso i) reciben el nombre
de restricciones funcionales. De manera parecida, las restricciones xj ? 0 se llaman restricciones de no negatividad. Las variables xj son
las variables de decisin. Las constantes de entrada, aij, bi, cj, reciben el nombre de parmetros del modelo.
OTRAS FORMAS DE MODELOS DE PL

Es conveniente agregar que el modelo anterior no se ajusta a la forma natural de algunos problemas de programacin lineal. Las otras
formas legtimas son las siguientes:
1. Minimizar en lugar de maximizar la funcin objetivo:
Minimizar Z = c1x1 + c2x2 + ... + cnxn,
2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual:
ai1x1 + ai2x2 + ... + ainxn, bi, para algunos valores de i,
3. Algunas restricciones funcionales en forma de ecuacin:
ai1x1 + ai2x2 + ... + ainxn, = bi, para algunos valores de i,
4. Las variables de decisin sin la restriccin de no negatividad:
xj no restringida en signo para algunos valores de j.
Cualquier problema que incluya una, varias o todas estas formas del modelo anterior tambin se clasifica como un problema de PL,
siempre y cuando stas sean las nicas formas nuevas introducidas. Puede ser que la interpretacin que se ha dado de asignacin de
recursos limitados entre actividades que compiten no se aplique, pero independientemente de la interpretacin o el contexto, lo nico que
se necesita es que la formulacin matemtica del problema se ajuste a las formas permitidas. Se ver que estas otras cuatro formas
legales se pueden reescribir en una forma equivalente para que se ajuste al modelo que se present. Entonces, todo problema de PL se
puede poner en nuestra forma estndar si se desea.
Se llaman parmetros a:
a las restricciones del problema
las igualdades del problema
las constantes del problema
las variables del problema
FORMULACION ALGEBRAICA
Todo problema de PL puede representarse como:
Max (z) =c1x1+c2x2+...+cnxn
sujeto a:
a11x1 + a12x2 +...+ a1nxn ? b1
a21x1 + a22x2 +...+ a2nxn ? b2
...
am1x1 + am2x2 +...+ amnxn ? bm
x1, x2, ...,xn ? 0
siendo:
xj: Nivel de actividad de la variable xj
cj: Contribucin unitaria de xj a funcin objetivo

aij: Coeficiente tcnico, unidades de recurso i que se consumen por unidad de variable j
bi: Cantidad disponible de recurso i
Otra representacin:

En forma matricial:
Max (z) = C x
sujeto a:
Ax ? b
x ?0
A esta forma se la denomina forma cannica
En un programa lineal puede decirse que:
Algunas veces hay restricciones

No hay restricciones
Siempre hay ecuaciones
Siempre debe haber restricciones
Las condiciones de no negatividad significan que:

todas las variables de decisin deben ser positivas o nulas
todas las restricciones de decisin deben ser positivas
todas las desigualdades no pueden tener coeficientes negativos
todas las ecuaciones no deben tener coeficientes negativos

Act.5 Quiz1
viernes,04demarzode2011
10:43p.m.
1
Puntos: 1
Un modelo puede ser pensado como un sustituto de la realidad y por lo general no hay una manera correcta
de construir un modelo de un problema real
Respuesta:
Verdadero
Falso
2
Puntos: 1
El mtodo grfico de programacin lineal:
Seleccione una respuesta.
a. Tiene la funcin objetivo que es no acotada.
b. Puede restringirse solo a una variable.
c. Obtiene como resultado un anlisis de las pendientes de las restricciones.
d. Por lo general se usa con la definicin de dos o tres variables de decisin.
3
Puntos: 1
Un modelo es:
a. Una forma optima
b. Una prospectiva
c. Un representacin selectiva de la realidad
d. Una idealizacin
4
Puntos: 1
Las actividades de los trabajos colaborativos del curso inician
a. Una vez termine el quiz de reconocimiento del curso
b. Despues de los quices de cada unidad
c. Despus de la actividad de revisin de presaberes
d. Desde el inicio del curso
5
Puntos: 1
Las restricciones, generalmente son impuestas
a. Porque representan la nica manera correcta de formular el problema
b. Para permitirnos usar la poderosa herramienta de la optimizacin restringida
c. Por consideraciones prcticas
d. Todas las respuestas son verdaderas
6
Puntos: 1
Para resolver un problema en 2 variables rpidamente es necesario optar por mtodos rpidos tal. Uno de los mtodos que se utiliza
generalmente es:

a. grfico
b. Por grafos
c. Simplex
d. Por partes
7
Puntos: 1
Un problema de programacin lineal est formado estructuralmente por:

a. Restricciones y pruebas
b. Variables de decisin y restricciones
c. Funcin objetivo y condicin tcnica de no negatividad
d. Condicin tcnica de no negatividad y pruebas
8
Puntos: 1
La investigacin de operaciones, tiene mtodos de optimizacin aplicables a diferentes tipos de problemas
a. METODOS HEURISTICOS: como la teora de inventarios
b. METODOS DETERMINISTICOS: Ej, Programacin lineal, programacin entera, probabilidad de
transporte, programacin no lineal, teora de localizacin o redes, probabilidad de asignacin, programacin
por metas, teora de inventarios, etc.
c. METODOS PROBABILISTICOS: Ej. Metodo Grafico
d. METODOS HIBRIDOS: Tienen que ver con los mtodos determnisticos y probabilsticas Ej,
Programacin lineal, programacin entera, probabilidad de transporte, programacin no lineal, teora de
localizacin o redes, probabilidad de asignacin, programacin por metas, teora de inventarios, etc
9
Puntos: 1
El Portafolio de Grupo (Wiki) y el Glosario se encuentran despus de:
a. Agenda del curso.
b. Foro General del curso
c. Noticias del Aula
d. Contenido en lnea
10
Puntos: 1
El Nmero de pasos necesarios para realizar el mtodo grfico es
a. son 3
b. son 7
c. son 4
d. son 6
11
Puntos: 1
La programacin lineal es:
a. una tecnica estocastica
b. una tecnica matematica
c. una tecnica de modelado o construccion de modelos
d. una tecnica heuristica
12
Puntos: 1
Cuanto ms complicado es un modelo, generalmente es ms til
Respuesta:
Verdadero Falso
13
Puntos: 1
La fase ms importante de metodologa de la investigacin de operaciones es el planteamiento del problema
Respuesta:
Verdadero Falso
14
Puntos: 1
Un modelo de programacin lineal:
a. Puede contener funciones con variables elevadas al cuadrado.
b. Solo puede generarse con 2 o 3 variables

c. Est compuesto por variables con restricciones y una funcin objetivo.
d. Es considerado como un modelo grfico
15
Puntos: 1
La Fase de Reconocimiento del curso se compone de Revisin de Presaberes y Reconocimiento del curso.
Respuesta: Verdadero Falso

Act.5 Quiz1
viernes,04demarzode2011
11:08p.m.

Act.7 Reconocimientounidad2
sbado,16deabrilde2011
03:27p.m.
Act 7: Reconocimiento de la unidad 2
Aun cuando la programacin lineal surgi especialmente para dar respuesta a cuestiones de carcter logstico y militar, es
en la industria y en la economa donde posteriormente ha encontrado sus aplicaciones ms interesantes
En los problemas prcticos con los que nos encontramos en el mundo actual intervienen multitud de factores (materia prima,
mano de obra, transporte, recursos disponibles, niveles econmicos, tiempo, etc.) sujetos a mltiples restricciones, con los
que se desea obtener unos beneficios mximos o unos costes mnimos
La parte de la matemtica con la que se resuelven este tipo de problemas se llama programacin lineal...
La programacin lineal naci como disciplina independiente poco antes de 1950 y, desde entonces, ha contribuido
enormemente a mejorar la productividad de los procesos industriales y al empleo ptimo de los recursos en los servicios y
en la administracin. De hecho, es una de las pocas disciplinas modernas incorporadas a los programas de matemticas en
el nivel secundario -en la mayor parte de los sistemas educativos- y ha merecido honores de portada en los principales
diarios del mundo, que han dado a conocer los principales descubrimientos que se han producido en este campo
En qu ao se constituy la Programacin lineal como disciplina independiente?
1967
1953
1945
1950
Una de la mayores contribuciones de la programacin lineal es:

La optimizacin de recursos
La administracin industrial
El conteo de variables extensas
La determinacin de inconsistencias administrativas
Hagamos un recorrido histrico por los autores de tcnicas y mtodos utilizados para la solucin de problemas de programacin lineal, No sin antes
recordar que existen tres mtodos para solucionar problemas de PL: el grafico, analtico, simplex.
Leonid V. Kantorovich
Nacido en 1912 en Leningrado (entonces San Petersburgo) recibe, junto a Koopmans, el premio Nobel de Economa en 1975. Graduado en
matemticas en esa misma ciudad, pronto compatibiliza su trabajo como profesor con sus investigaciones en Anlisis Funcional y Matemticas
aplicadas.
En 1938 comienza sus trabajos sobre economa, plantendose el problema de optimizar la distribucin de distintas materias primas entre varios
centros de produccin, bajo ciertas restricciones. Se trataba de maximizar una funcin lineal, dentro de un poliedro convexo. El mtodo general de
resolucin, consistente en comparar el valor que toma la funcin en cada uno de los vrtices no resultaba conveniente, debido al gran nmero de
ellos que se obtienen incluso
La Maximizacin de una funcin lineal, dentro de un poliedro convexo fueron objeto de estudio por parte de:
Stigler
Koopmans
Kantarovich
Neumann
George J. Stigler
Nacido en Seattle (Washington) en 1911, recibi el Nobel de Economa en 1982. Atrado por distintos temas econmicos, son conocidos sus estudios
sobre la teora de los precios "Readings in Price Theory". En 1946 publica su trabajo de programacin lineal, denominado "El coste de la
subsistencia", en el que desarrolla el llamado "problema de la dieta" y encuentra una solucin aproximada al mismo
Tjalling C. Koopmans
Nacido en 1910 en Graveland (Holanda) recibi junto a Kantorovich el premio Nobel de Economa en1975. En 1942, de forma paralela, pero
independiente, ambos formulan el llamado problema del transporte consistente en planificar el transporte de cierto producto entre varios centros de
produccin y varios centros de consumo.
Se le considera una de las figuras claves de la economa moderna, ya que sus trabajos fueron de gran trascendencia en los desarrollos posteriores
de la teora de la asignacin de recursos escasos y en el desarrollo de mtodos estadsticos aplicados a la economa.

Durante la segunda guerra mundial Koopmans trabaj como estadstico para la British Merchant Shipping Mission en Washington. Durante esos aos
se plantea investigar acerca del anlisis econmico de las rutas de transporte.
El problema de la determinacin del plan de embarques que minimice el coste total, conociendo de antemano las disponibilidades y las demandas de
cada puerto se conoce como el "problema del transporte". Hoy en da es un problema sencillo de Programacin Lineal, pero en 1942 Koopmans no
poda saber que el suyo era un caso particular de un problema ms general
Se le debe a este economista la optimizacin de la distribucin de distintas materia primas entre varios centros de produccin
Dantzing
Stigler
Koopmans
Kantorovich
Desarroll el problema de la dieta

Kantorovich
Stigler
Koopmans
Dantzing
Recibi en 1975 el premio nobel de economa

Stigler
Dantzing
Kantorovich
Koopmans
George Dantzig
Nacido en Oregn en 1914, hijo de inmigrantes de origen ruso, estudia matemticas en la Universidad de Maryland. Poco despus de doctorarse por
la Universidad de Berkeley, en 1947, formula el enunciado estndar de un problema general de Programacin Lineal y desarrolla el mtodo del
simplex. De hecho, estos estudios son una consecuencia de su trabajo como experto en mtodos de planificacin para las Fuerzas Aras
estadounidenses, que resolva utilizando calculadoras de mesa.
El nombre de "programacin" proviene, en realidad, del trmino militar "programa", que se refiere a la organizacin de la planificacin o los protocolos
de instruccin, suministro de materiales o despliegue de tropas.
Una de las primeras aplicaciones de sus estudios fue la resolucin del llamado "puente areo de Berln". A mediados de 1948, en plena guerra fra, la
URSS bloque las comunicaciones terrestres con Berln. Utilizando la Programacin Lineal, se dise un plan de abastecimiento areo que en pocos
meses consigui igualar a los anteriores suministros realizados por carretera y ferrocarril.
La aplicacin del mtodo del simplex ha estado siempre ligada al desarrollo de los ordenadores. En 1951 el ordenador SEAC (Standards Eastern
Automatic Computer) resolva problemas con 48 restricciones y 72 variables, si bien con cierta lentitud (William Orchard-Hays, refirindose a esa
poca, comentaba: "Una vez empezada una iteracin, nos bamos a comer y volvamos antes de que acabara")
En 1963 el IBM 7090 resolva problemas con 1024 restricciones y 10 aos ms tarde otro IBM, el modelo 360, era ya capaz de utilizar 32000
restricciones.
La contribucin de Dantzig ha sido reconocida con numerosos premios, entre los que destaca el premio Von Neumann de la Sociedad Americana de
Investigacin Operativa del ao 1975.
Durante la guerra fra en 1948 la programacin lineal fue utilizada para resolver problemas de estrategia militar conocido con el nombre de:
El problema de optimizacin de las comunicaciones
El problema de recursin
El problema del puente de Berln
El problema de las dos fases
Janos Von Neumann
Los fundamentos matemticos de la Programacin Lineal se deben a al matemtico Janos Von Neumann, nacido en Budapest en 1903 y discpulo de
Hilbert en Gotinga durante los aos 1926 y 27. En su libro Theory of Games and Economic Behavior sistematiza, junto con Oskar Morgenstern, la
teora de juegos en la que vena trabajando desde 1928, en particular, los denominados juegos de dos personas de suma cero, en los que la
ganancia de un jugador es una prdida para el otro, estableciendo la solucin denominada "mini-max". Estos juegos pueden resolverse como
problemas de programacin lineal.
En la pgina http://www.egwald.com/operationsresearch/gametheory.php3 puede verse un ejemplo de esta resolucin.
Narendra Karmarkar
En 1984 Narendra Karmarkar, un matemtico hind de 28 aos establecido en Estados Unidos public el artculo "A New Polynomial-Time Algorithm

for Linear Programming", que marc un hito en la Programacin Lineal. A partir del trabajo de Karmarkar se reactiv la investigacin en esta rama
matemtica, en especial en mtodos de barrera y de punto interior. Este nuevo mtodo se utiliza actualmente para la resolucin de problemas con un
gran nmero de variables. Recientemente un problema con 800.000 variables fue resuelto por este algoritmo. Su resolucin necesit 10 horas de
trabajo de ordenador. Parece ser que utilizando el mtodo del simplex su tiempo de resolucin hubiera sido de varias semanas
Dantzing es considerado el desarrollador de:

Mtodo de programacin lineal
Mtodo Simplex
Modelo de transporte
Modelo Hngaro
Los mtodos de barrera y de punto interior se deben a:

Karmarkar
Dantzing
Stigler
Neumann
Vonn Neuman realiz estudios valiosos sobre:

Evaluacin de proyectos
Teora de colas
Programacin lineal
Teora de Juegos

Act.8 LeccinEvaluativa2
domingo,07denoviembrede2010
08:42p.m.
INTRODUCCIONALMETODOGRAFICO
Antesdeentrarnosporcompletoenlosmtodosanalticosdelainvestigacindeoperacionesesmuyconvenienteverunpocoacercadelasdesigualdades
deunaecuacinlineal.
Porejemplotenemoslaecuacin
2X+3Y=60endondeX,Y>=0
Esdecirqueparaquesecumplalaigualdaddelaecuacinnostocaraadquirir15unidadesdeXy10unidadesdeYrespectivamente:
2(15)+3(10)=60
Ylasolucinsedaraporlamismalnearecta.
Peroporotrapartesienlaecuacinnosequierellegaralatotalidaddelresultadosedarlaecuacinenunaformadiferentellamadainecuacin:
2X+3Y<=60endondeX,Y>=0
Dndosecomosolucinfactibleunreasombreadaquedependedelsignodeladesigualdad.Sielsignoesel<=lasolucinserelreainferioresase
sombrearosiporelcontrarioelsigoes>=elreaasombrearserladetodoslospuntosporencimadelalneaobtenida.
EnlaanteriorgraficalasolucinmsfactibleesladelospuntosmscercadelejeX(bajolarectadelasolucinlinealyaquelaecuacinesprecedidaporel
signo?.
Lafuncinquesedeseamaximizarominimizarseledenomina:
Funcinacotada
Funcinobjetivo
Funcinprincipal
Funcinlineal
Elmtodograficoesdemuchautilidadenlasolucindeproblemasdeprogramacinlinealenlosqueintervienen:
Unavariable
tresvariables
Dosvariables
Mltiplesvariables
DEFINICIONYCONCEPTOGENERALDEMETODOGRAFICO
Ahoraseconsideraralaformaenquesepuedenresolverproblemasdetipolineal,endondelafuncindadasetendrquemaximizarominimizar.Una

funcinlinealenxyytienelaforma:
Z=ax+by
Dondeaybsonconstantes.
Tambinserequerirquelasrestriccionescorrespondientesestnrepresentadasmedianteunsistemadedesigualdadeslineales oecuacionesenxyenyy
quetodaslasvariablesseannonegativas.
Aunproblemaenelqueintervienentodasestascondicionesseledenominaproblemadeprogramacinlineal.
LaprogramacinlinealfuedesarrolladaporGeorgeB.danzingafinesdeladcadade1940yseutilizoprimeroenlafuerzaareadelosaestadosunidos
comoauxiliarenlatomadedecisiones.Enlaactualidadtieneampliaaplicacinenelanlisisindustrialyeconmico.Enunproblemadeprogramacin
linealalafuncinquesedeseamaximizarominimizarseledenominafuncinobjetivo.Aunqueporlogeneralexisteunacantidadinfinitamentegrandede
solucionesparaelsistemaderestricciones(alasquesedenominasolucionesfactiblesopuntosfactibles),elobjetivoconsisteenencontrarunadeesas
solucionesquerepresenteunasolucinptima(esdecirunasolucinquedelvalormximoomnimodelafusinobjetivo).
Enconclusinconloqueacabamosderevisarenlaparteanteriorsobrelasinecuacionesnosdaparadefinirliteralmenteelmtodograficoyelmtodo
algebraicodentrodelmbitodelaprogramacinlineal.
Entonceselmtodograficoenlaprogramacinlinealessimplementesacardeunasituacin(problema)ecuacioneslinealesyconvertirlasendesigualdades
oinecuacionesparapodergraficarlasyassacarlareginmasoptimadependiendodelsignodeladesigualdadesareasesombrearayesaserlasolucin
masoptimadelproblema.
Parallegaraunasolucinptimaenelmtodograficoserequiereseguirconunaseriedepasosquepodemosdaracontinuacin:
1.formulacindelproblema
Elprimerpasoparalaresolucinpormtodograficoesexpresarelproblemaentrminosmatemticosenelformatogeneralde laprogramacinlineal
(desigualdades)conunsolofinmaximizarlacontribucinalaganancia.
2.graficarlasrestricciones
Elprximopasodelasolucinpormtodograficoeslagraficacindelasrestriccionesenelplanocartesianoparaestablecertodaslasposiblessoluciones
.3.obtencindelasolucinoptima:
paraencontrarlasolucinptima,segraficalafuncinobjetivoenlamismagrficadelasrestricciones.Segraficarasiemprelafuncinobjetivodel
problemaysedarlasolucindeacuerdoconelsmboloqueestepresenteenlasrestriccindelafuncinobjetivo.
EJEMPLO:
Maximizarlafuncinobjetivo:
Z=3x+y
Sujetoalasrestricciones:
2x+y?8
2x+3y?12
x,y?0
Acontinuacingraficamoslasdesigualdadesplanteadasenlasrestriccionesas:
2x+y?8x=0;y=8
x=0;x=4
2x+3y?12x=0;y=4
y=0;x=6
x,y?0

SeobservaquelareginfactibleestaconformadaporlospuntosA(0,0);D(0,4);B(4,0)yelpuntoCqueeselresultadodelainterseccindelas2
inecuacionescuyovaloraproximadamenteenelplanoestadadoporlascoordenadas(3,2).
AhorabienelproblemasolicitalamaximizacindeZ=3x+yqueseobtieneprecisamenteenelpuntoC(3,2).
Lareginfactiblees
conjuntodepuntosexternoalainterseccindelosplanosdelasrestriccionesdadas
conjuntodepuntosquesatisfacenporlomenosdosdelasrestriccionesdadas
conjuntodepuntosformadoporlainterseccindelosplanosdelasrestriccionesdadas
elconjuntodetodoslospuntosquesatisfacenalmenosunarestriccin.
Lagraficacindelasrestriccionesenelplanocartesianotieneporobjeto:
Establecerlasolucinoptima
Establecercrucedevariables
Establecertodaslasposiblessoluciones
Establecerelgradodedegeneramientodelafuncin
Considereunpuntocualquierasobrelafronteradeunareginfactible.
Dichopuntonosatisfacelasrestriccionesdadas.
Dichopuntosatisfacetodaslasrestricciones.
Dichopuntosatisfaceunasolarestriccin
Dichopuntosatisfacelafuncinobjetivo.
METODOALGEBRAICO
INTRODUCCIN
Enocasionesnosencontramosconproblemasdendolemagnitud,aloscualessedeseamaximizarominimizarunafuncinsujeta aciertasrestricciones.
Muchaspersonascalificanalmtodoalgebraico,comounodelosmtodosmsimportantesenelcampodelaprogramacinlineal.Enlaactualidadesuna
herramientacomn,quesehaprestadopararesolverproblemasdegranmagnitud;porsusimplicidad,sencillezyestilodeusocientosdeempresas,
compaasdetodoelmundohanahorradomilesymilesdepesos.
Enestecapitulosetrataralaformulacindeproblemasutilizandoelmtodoalgebraicoparalasolucindeproblemasdeprogramacinlineal.Sehaceun
enfoquealavariedaddeaplicacionesdelmtodoparaqueelestudianteinteresadopuedatenerunavisinyejercitarsusconocimientos.
Elmtodoalgebraicocontemplaensudesarrolloalmtodograficoydelamismamaneraelmtodograficonoestaracompletosinlarigurosidaddel
mtodoalgebraicopueslaapreciacinvisualquedaelgraficoenlasolucinptimapuedeestarsujetaaerrorporpartedel analista.
PASOSPARAUTILIZARELMETODOALGEBRAICO
Dadoquetenemosunproblemadedosvariables,podemosgraficarlassolucionesposiblesycomprenderalgunospuntosinteresantesrespectoalas
relacioneslineales.Veremoslasiguientemaneradeobtenergrficamentelassolucionesalproblemaplanteadoyluegoveremos comoobtenerlas
algebraicamente.
1.Exprsenselosdatosdelproblemacomounafuncinobjetivoyrestricciones.
2.Graficarlasrestricciones.
3.Definirelconjuntofactible.
4.Encontrarlasolucinptima

Acontinuacinsepresentanelanlisisalgebraicoygraficodealgunosproblemasdeprogramacinlineal:
PROBLEMA1:
Supngaseunacompaafabrica2tiposdeartefactos,manualesyelctricos.Cadaunodeellosrequiereensufabricacinelusode3maquinas:A,ByC.un
artefactomanualrequieredelempleodelamaquinaAdurante2horas,deuna1enByuna1enC,unartefactoelctricorequierede1horaenA,2horas
enBy1horaenC.supngaseademsqueelnumeromximodehorasdisponiblepormesparaelusodelastresmaquinases180,160y100,
respectivamente.Lautilidadqueseobtieneconlosartefactosmanualesesde4000pesosyde6000pesosparaloselctricos. Silacompaavendetodos
losartefactosquefbrica,Cuntosdeellosdecadatiposedebenelaborarconelobjetodemaximizarlautilidadmensual?
Paraunmodelodeprogramacinlinealdemaximizacin
laregladeentradagarantizaquelafuncinobjetivocrecerencadarecorrido.
laregladeentradagarantizaquelafuncinobjetivonocrecerencadarecorrido.
laregladeentradagarantizaquelafuncinobjetivodecrecerencadarecorrido.
laregladeentradagarantizaquelafuncinobjetivonodecrecerencadarecorrido.
Enunproblemadeprogramacinlinealsetienelasiguienterestriccin:

y>2x+3
Culdelassiguientesparejasdepuntospertenecealareginfactibledeladesigualdad:
x=0;y=0
x=4;y=4
y=0;x=3/2
x=0;y=3
METODOSIMPLEX
Enlasleccionesanterioresvimoscomoresolverproblemasdeprogramacinlinealatravsdelmtodograficoyelmtodoalgebraico,surgengrandes
limitacionesalahoradetrabajarconestosdosmtodos,esdecirquenoesposibledarleptimasolucinaunproblema.Estosedebeaqueelmtodo
graficonoresultaprcticocuandoelnmerodevariablesseaumentaatres,yconmsvariablesresultaimposibledeutilizar.Porotraparteelmtodo
algebraicotardademasiadotiempoaunparaproblemasdepocasvariablesyrestricciones.
Elmejormtodopararesolverunproblemadeprogramacinlinealeselmtodosimplex,yaqueesunmtododefcilaplicacin,detipoalgortmicoy
conduceaunaeficientesolucindelproblema.
PASOSPARAELDESARROLLODELMETODOSIMPLEX
1.Elaborarlatablasimplexinicial.
Existencuatrovariablesdeholgura,S1,S2,S3,yS4;unaparacadarestriccin.
1.Sitodosloindicadoresdelltimorenglnsonnonegativos,entoncesZtieneunmximocuandoX1=0,X2=0yX3=0.Elvalor mximoes0.Siexisten
indicadoresnegativos,localizarlacolumnaenlaqueaparezcaelindicadormsnegativo.Estacolumnasealalavariableentrante.
2.Dividircadaunodeloselementosdelacolumnadebqueseencuentranporencimadelarectapunteadaentreelcorrespondienteelementodela
columnadelavariableentrante.Sedeberealizarestadivisinsoloenloscasosenlosqueelelementodelavariablequeentraseapositivo.
3.Encerrarenuncrculoelelementodelacolumnadelavariableentrantequecorrespondealmenorcocientedelpaso3.Esteesunelementopivote.La
variablesalienteeslaqueseencuentraalladoizquierdodelrenglndelelementopivote.
4.Utilizaroperacioneselementalessobrerenglonesparatransformarlatablaenotratablaequivalentequetengaun1endondeseencuentraelelemento
pivotey0enlasdemsposicionesdeesacolumna.
5.Lavariableentrantedebereemplazaralavariablesalienteenelladoizquierdodeestanuevatabla.
6.Sitodoslosindicadoresdelatablanuevasonnonegativos,yasetieneunasolucinptima.ElvalormximodeZeselelementodelltimorenglnyla
ltimacolumna.Ocurreestocuandolasvariablesseencuentrandelladoizquierdodelatablasonigualesaloelementoscorrespondientedelaltima
columna.Todaslasdemsvariablessonceros.Sicuandomenosunodelosindicadoresesnegativo,sedeberepetirelmismoprocesoconlanuevatabla,
comenzandoconelpaso2.
EJEMPLOSDESARROLLADOS

Lacolumnaentrantesedetermina:
Conelindicadordemenornegatividad
Conelindicadordemayorvalorpositivo
Conelindicadordemayornegatividad
Conelindicadordemenorvalorpositivo
Todatabladelmtodosimplex
Correspondeaunpuntoextremodelconjuntofactible
Muestraunconjuntodeecuacionestransformadas
Muestraunasolucinbsicafactibledelasecuacionesenlaformaestndarconrestriccionesdeigualdaddelmodelo
Muestraunasolucindelasecuacionesoriginales
Lasvariablesartificiales
SeusanenlafaseI
Seusancomoayudaenlabsquedadeunasolucininicial
Sepuedenusarparaencontrarlospreciosptimosdualesenelcuadrofinal
Todoloanterior

Act.9 Quiz2 Psimoresultado
mircoles,03denoviembrede2010
01:25a.m.
1
Puntos:1
Elprimalesunmodelodemaximizacinconmrestriccionesdeigualdadynvariablesnonegativas.Eldualtendr:
Seleccioneunarespuesta.
a.lasdosopcionespresentadassonvalidas
b.esunmodelodeminimizacin
c.nrestriccionesymvariablesnonegativas
2
Puntos:1
Unasolucinptimadegenerada
a.tienedemvariablespositivas(siendomelnmeroderestricciones)
b.puedenoproporcionarinformacinsobreelrangocompletodeaumentoydisminucinadmisibledeloscoeficientesenfuncin
objetivo
c.noproporcionainformacinsobreptimosalternativos
d.todaslasopcionesdadassonvalidas
3
Puntos:1
Elanlisisdesensibilidad
a.puedeaumentarnuestraconfianzaenunmodelo
b.puededebilitarnuestraconfianzaenlasrecomendacionesdeunmodelo
c.puedehacersegrficamenteendosdimensiones
d.todolasopcionesdadas
4
Puntos:1
Enlaprogramacinlineal,elanlisisdesensibilidad
a.puedetratardeloscambiosenloscoeficientesdelafuncinobjetivo
b.puedereferirseacambiosenelladoderecho
c.todaslasopcionesdadas
5
Puntos:1
Unarestriccinredundante

a.siempredebesereliminadadelmodelo
b.puedenoserfcildereconocer
c.puedesernomuyfcildereconocerydejardeserlosisecambianlosdatos
d.puededejardeserredundantesisecambianlosdatos
6
Puntos:1
Uncambioenloscoeficientesdelafuncinobjetivo,puedeafectarlasolucinencontradayaque
a.PuedecambiarnicamenteelvalordelaFuncinObjetivo.
b.Conduceauninfinitonmerodesoluciones
c.Nopuedecambiarlospreciosduales.
d.Nopuedeconduciraqueseaptimalasolucin.
7
Puntos:1
Eneldesarrollodelatablainicialsimplex,lasvariablesbsicasqueentranson:
a.Lasvariablesqueseanigualesaceroenelmodelo.
b.Lasvariablesquedefinenlafuncinobjetivo.
c."LasvariablesformadasporLamatrizidentidadquehasidoagregada.
d.Lasvariablesdefinidasporelmodelo.
8
Puntos:1
AlMaximizarZ=3X1+2X2;Sujetoa:X1menoroigual6;X2menoroigual7;X1+2X2menoroigual8;X1,X2mayoroiguala0.La
solucindelproblemaes:
a.X1=2,X2=6
b.X1=6,X2=1
c.X1=3,X2=0
d.X1=0,X2=1
9
Puntos:1
EnElDesarrollodelatablaSimplexinicial,lasvariablesdeLasBsicashijoqueEntranson:
a.Lasvariablesdefinidasporelmodelo.
b.Lasvariablesqueseanigualesaceroenelmodelo.
c.LasvariablesformadasporLamatrizidentidadquehasidoagregada.
d.Lasvariablesquedefinenlafuncinobjetivo.

10
Puntos:1
Todatabladelmtodosimplex
a.Correspondeaunpuntoextremodelconjuntofactible
b.Muestraunasolucindelasecuacionesoriginales
c.Muestraunconjuntodeecuacionestransformadas
d.Muestraunasolucinbsicafactibledelasecuacionesdelaformaestndarconrestriccionesdeigualdaddelmodelo
11
Puntos:1
Elsiguienteproblemaestaformuladocomounproblemadeprogramacinlineal:
FuncinObjetivoMinimizarZ=70X1+350X2+700X3
Sujetoa:
1X1+2X2+3X3mayorque100
2X1+3X2+1X3mayorque200
3X1+2.5X2+4X3mayorque600
X1,X2,X3mayorque0
a.S2yX1
b.X3yS3
c.X1yS1 Usadoenelquisdel2011
d.S1yX1
12
Puntos:1
EldualesunproblemadePLqueseobtienematemticamentedeunmodeloprimaldePLdado.Losproblemasdualyprimalestn
relacionadosatalgrado,quelasolucinsmplexptimadecualquieradelosdosproblemasconduceenformaautomticaalasolucin
ptimadelotro.Esnecesariopotencializarelmetodo
a.Medianteelanlisisdesensibilidad
b.Ladualidadyelanlisisdesensibilidad
c.Ladualidadymtodografico
d.Medianteelmtododual
13
Puntos:1
Qudelosiguientenoesverdadenelmtodosimplex?
a.Encadaiteracin,elvalorobjetivoquedaigualobienmejora
b.Convergeenlamayoradempasos,siendomelnmeroderestricciones
c.Indicasielproblemaesnoacotadoofactible
d.Sealalaoptimalidad

14
Puntos:1
Enelsistemadeecuaciones2x+3y+6;4x2y+8;5x+y+1;7x4y+2,Loscoeficientesindependientesson:
a. 2,1,1,1 UsasaenelQuizde2011
b.3,2,0,0
c.6,8,1,2
d.1,2,1,0
15
Puntos:1
Sepuederesolverconelmtodosimplex
a.eldual
b.tantoelprimalcomoeldual
c.elprimal
d.unodelosdosperonoambos

Act.9 Quiz2
mircoles,04demayode2011
08:00a.m.


Programacion Lineal SEM UNAD PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Programacion Lineal SEM UNAD PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Act.

100404_45 - Programacin Lineal pgina 1

100404_45 - Programacin Lineal pgina 2

100404_45 - Programacin Lineal pgina 3

Unodelosenfoquestradicionalesdelaadministracinoperativa parainterpretary resolverproblemases:

100404_45 - Programacin Lineal pgina 4

100404_45 - Programacin Lineal pgina 5

100404_45 - Programacin Lineal pgina 6

Lostrminosclavesonrecursosyactividades,endondem denotaelnmerodedistintostiposderecursosquesepuedenusaryn denotaelnmero

100404_45 - Programacin Lineal pgina 7

100404_45 - Programacin Lineal pgina 8

LA SOLUCION DEL PROBLEMA DE PROGRAMACION LINEAL Y SU IMPLEMENTACION

Todas las respuestas son verdaderas

juegan papeles diferentes en los diversos niveles de la empresa

100404_45 - Programacin Lineal pgina 9

EL MODELO DE PROGRAMACION LINEAL

ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL

Todas las restricciones de un PL son

En un problema de programacin lineal las restricciones son:

100404_45 - Programacin Lineal pgina 10

DIFERENTES FORMAS DE MODELOS DE PROGRAMACION LINEAL

am1x1 + am2x2 + ... + amnxn ? bm y

OTRAS FORMAS DE MODELOS DE PL

cj: Contribucin unitaria de xj a funcin objetivo

100404_45 - Programacin Lineal pgina 11

En un programa lineal puede decirse que:

Algunas veces hay restricciones

Las condiciones de no negatividad significan que:

100404_45 - Programacin Lineal pgina 12

Seleccione una respuesta.

100404_45 - Programacin Lineal pgina 13

100404_45 - Programacin Lineal pgina 14

100404_45 - Programacin Lineal pgina 15

100404_45 - Programacin Lineal pgina 16

Act 7: Reconocimiento de la unidad 2

Una de la mayores contribuciones de la programacin lineal es:

100404_45 - Programacin Lineal pgina 23

Desarroll el problema de la dieta

Recibi en 1975 el premio nobel de economa

Janos Von Neumann

En la pgina http://www.egwald.com/operationsresearch/gametheory.php3 puede verse un ejemplo de esta resolucin.

100404_45 - Programacin Lineal pgina 24

Dantzing es considerado el desarrollador de:

Los mtodos de barrera y de punto interior se deben a:

Vonn Neuman realiz estudios valiosos sobre:

100404_45 - Programacin Lineal pgina 25

100404_45 - Programacin Lineal pgina 26

100404_45 - Programacin Lineal pgina 27

100404_45 - Programacin Lineal pgina 28

100404_45 - Programacin Lineal pgina 29

100404_45 - Programacin Lineal pgina 30

100404_45 - Programacin Lineal pgina 32

100404_45 - Programacin Lineal pgina 33

100404_45 - Programacin Lineal pgina 34

100404_45 - Programacin Lineal pgina 35

100404_45 - Programacin Lineal pgina 36

100404_45 - Programacin Lineal pgina 37

Das könnte Ihnen auch gefallen