Programacin lineal

Introduccin:
1. Inecuaciones de primer grado
a) Inecuaciones de primer grado con una incgnita
1 Quitar corchetes y parntesis.
2 Quitar denominadores.
3 Agrupar los trminos en x a un lado de la desigualdad y los trminos independientes en el otro.
4 Efectuar las operaciones
5 Si el coeficiente de la x es negativo multiplicamos por 1, por lo que cambiar el sentido de la
desigualdad.
6 Despejamos la incgnita.
7 Expresar la solucin de forma grfica y con un intervalo.

[3, +)

2. Inecuaciones de primer grado con dos incgnitas

La solucin es uno de los semiplanos que resulta de representar la ecuacin resultante, que se obtiene al
transformar la desigualdad en una igualdad.

2x + y 3

1 Transformamos la desigualdad en igualdad. ->

2x + y = 3

2 Damos a una de las dos variables dos valores, con lo que obtenemos dos puntos.
x = 0;

2 0 + y = 3; y = 3;

(0, 3)

x = 1;

2 1 + y = 3; y = 1;

(1, 1)

3 Al representar y unir estos puntos obtenemos una recta.

4 Tomamos un punto, por ejemplo el (0, 0), los sustituimos en la desigualdad. Si se

cumple, la solucin es el semiplano donde se encuentra el punto, si no la solucin ser el otro
semiplano.
2x + y 3
20+03

03

2x + y > 3

20+0>3

0>3

No

En este caso los puntos de la recta no pertenecen a la solucin.

2. Inecuaciones de segundo grado. Consideremos la inecuacin:

x2 6x + 8 > 0
La resolveremos aplicando los siguientes pasos:
1Igualamos el polinomio del primer miembro a cero y obtenemos las races de la
ecuacin de segundo grado.
x2 6x + 8 = 0

2 Representamos estos valores en la recta real. Tomamos un punto de cada intervalo y

evaluamos el signo en cada intervalo:

P(0) = 02 6 0 + 8 > 0
P(3) = 32 6 3 + 8 = 17 18 < 0

P(5) = 52 6 5 + 8 = 33 30 > 0
3 La solucin est compuesta por los intervalos (o el intervalo) que tengan el mismo signo que
el polinomio.

S = (-, 2) (4, )
x2 + 2x +1 0
x2 + 2x +1 = 0

(x + 1)2 0
Como un nmero elevado al cuadrado es siempre positivo la solucin es
Solucin
x2 + 2x +1 0

(x + 1)2 0

x2 + 2x +1 > 0

(x + 1)2 > 0

x2 + 2x +1 0

(x + 1)2 0

x2 + 2x +1 < 0

(x + 1)2 < 0

x=1

x2 + x +1 > 0
x2 + x +1 = 0

Cuando no tiene races reales, le damos al polinomio cualquier valor si:

->El signo obtenido coincide con el de la desigualdad, la solucin es

->El signo obtenido no coincide con el de la desigualdad, no tiene solucin.

Solucin
x2 + x +1 0
x2 + x +1 > 0
x2 + x +1 0
x2 + x +1 < 0

2. desarrollo del tema:

LA PROGRAMACION LINEAL

1. concepto: es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema

indeterminado, formulado a travs de ecuaciones lineales, optimizando la funcin objetivo, tambin lineal.
Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma
que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un
sistema de inecuaciones lineales.
2.Historia
El problema de la resolucin de un sistema lineal de inecuaciones se remonta, al menos, a Joseph Fourier,
despus de quien nace el mtodo de eliminacin de Fourier-Motzkin. La programacin lineal se plantea como
un modelo matemtico desarrollado durante la Segunda Guerra Mundial para planificar los gastos y los
retornos, a fin de reducir los costos al ejrcito y aumentar las prdidas del enemigo. Se mantuvo en secreto
hasta 1947. En la posguerra, muchas industrias lo usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo simplex, en 1947, John von
Neumann, que desarroll la teora de la dualidad en el mismo ao, y Leonid Kantorvich, un matemtico
ruso, que utiliza tcnicas similares en la economa antes de Dantzig y gan el premio Nobel en economa en
1975. En 1979, otro matemtico ruso, Leonid Khachiyan, dise el llamado Algoritmo del elipsoide, a
travs del cual demostr que el problema de la programacin lineal es resoluble de manera eficiente, es decir,
en tiempo polinomial. Ms tarde, en 1984, Narendra Karmarkar introduce un nuevo mtodo del punto
interior para resolver problemas de programacin lineal, lo que constituira un enorme avance en los
principios tericos y prcticos en el rea.
El ejemplo original de Dantzig de la bsqueda de la mejor asignacin de 70 personas a 70 puestos de trabajo
es un ejemplo de la utilidad de la programacin lineal. La potencia de computacin necesaria para examinar
todas las permutaciones a fin de seleccionar la mejor asignacin es inmensa (factorial de 70, 70!) ; el nmero
de posibles configuraciones excede al nmero de partculas en el universo. Sin embargo, toma slo un
momento encontrar la solucin ptima mediante el planteamiento del problema como una programacin lineal
y la aplicacin del algoritmo simplex. La teora de la programacin lineal reduce drsticamente el nmero de
posibles soluciones ptimas que deben ser revisadas.

Variables

Cronologa
Ao
1826

Acontecimiento
Joseph Fourier anticipa la programacin lineal. Carl Friedrich Gauss
resuelve ecuaciones lineales por eliminacin "gaussiana".

1902 Gyula Farkas concibe un mtodo para resolver sistemas de desigualdades.

George Dantzig publica el algoritmo simplex y
John von Neumann desarroll la teora de la dualidad.
1947
Se sabe que Leonid Kantorvich tambin formul la teora en forma
independiente.
1984

Las
variables
son
nmeros
reales
mayores o iguales a
cero.
En caso que se requiera
que el valor resultante
de las variables sea un
nmero
entero,
el
procedimiento
de
resolucin se denomina
Programacin entera.

Narendra Karmarkar introduce el mtodo del punto interior para resolver

problemas de programacin lineal.

Restricciones
Las restricciones pueden ser de la forma:

Tipo 1:

Tipo 2:

Tipo 3:
Dnde:

A = valor conocido a ser respetado estrictamente;

B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones);
a; b; y, c = coeficientes tcnicos conocidos;
X = Incgnitas, de 1 a N;
i = nmero de la incgnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; , N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede no tener
sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema.

Funcin Objetivo
La funcin objetivo puede ser:

Donde:

fi = coeficientes son relativamente iguales a cero.

Programacin entera
En algunos casos se requiere que la solucin ptima se componga de valores enteros para algunas de las
variables. La resolucin de este problema se obtiene analizando las posibles alternativas de valores enteros de
esas variables en un entorno alrededor de la solucin obtenida considerando las variables reales. Muchas
veces la solucin del programa lineal truncado esta lejos de ser el ptimo entero, por lo que se hace necesario
usar algn algoritmo para hallar esta solucin de forma exacta. El ms famoso es el mtodo de 'Ramificar y
Acotar' o Branch and Bound por su nombre en ingls. El mtodo de Ramificar y Acotar parte de la adicin de
nuevas restricciones para cada variable de decisin (acotar) que al ser evaluado independientemente
(ramificar) lleva al ptimo entero.

Aplicaciones
La programacin lineal constituye un importante campo de la optimizacin por varias razones, muchos
problemas prcticos de la investigacin de operaciones pueden plantearse como problemas de programacin
lineal. Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y
problemas de flujo de mercancas se consideraron en el desarrollo de las matemticas lo suficientemente
importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su
solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin
constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las ideas de
programacin lineal han inspirado muchos de los conceptos centrales de la teora de optimizacin tales como
la dualidad, la descomposicin y la importancia de la convexidad y sus generalizaciones. Del mismo modo, la
programacin lineal es muy usada en la microeconoma y la administracin de empresas, ya sea para aumentar
al mximo los ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la
mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la asignacin de recursos
humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc.
Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin de agua.

Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con afluencias
caracterizadas por corresponder a una determinada frecuencia.

Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras hidrulicas;

Solucin de problemas de transporte.

Ejemplo

ste es un caso curioso, con solo 6 variables (un caso real de problema de transporte puede tener fcilmente
ms de 1.000 variables) en el cual se aprecia la utilidad de este procedimiento de clculo.
Existen tres minas de carbn cuya produccin diaria es:

La mina "a" produce 40 toneladas de carbn por da;

La mina "b" otras 40 t/da; y,
La Mina "c" produce 20 t/da.

En la zona hay dos centrales termoelctricas que consumen:

La central "d" consume 40 t/da de carbn; y,

La central "e" consume 60 t/da

Los costos de mercado, de transporte por tonelada son:

De "a" a "d" = 2 monedas

De "a" a "e" = 11 monedas
De "b" a "d" = 12 monedas
De "b" a "e" = 24 monedas
De "c" a "d" = 13 monedas
De "c" a "e" = 18 monedas

Si se preguntase a los pobladores de la zona cmo organizar el transporte, tal vez la mayora opinara que debe
aprovecharse el precio ofrecido por el transportista que va de "a" a "d", porque es ms conveniente que los
otros, debido a que es el de ms bajo precio.
En este caso, el costo total del transporte es:

Transporte de 40 t de "a" a "d" = 80 monedas

Transporte de 20 t de "c" a "e" = 360 monedas
Transporte de 40 t de "b" a "e" = 960 monedas
Total 1.400 monedas.

Sin embargo, formulando el problema para ser resuelto por la programacin lineal se tienen las siguientes
ecuaciones:

Restricciones de la produccin:

Restricciones del consumo:

La funcin objetivo ser:

La solucin de costo mnimo de transporte diario resulta ser:

Xb-d = 40 resultando un costo de 12 x 40 = 480 monedas

Xa-e = 40 resultando un costo de 11 x 40 = 440 monedas
Xc-e = 20 resultando un costo de 18 x 20 = 360 monedas
Total 1.280 monedas.

120 monedas menos que antes.