ndice

Introduccin. 2
Programacin Lineal... 3
Variable de Holgura.... 3
Mtodo Simplex 3
Mtodo Dual Simplex...... 4
Modelo de Progresin Lineal.. 5
Variable Irrestricta.. 7
Mtodo Grafico. 7
Variable de Decisin..... 8
Restriccin. 9
Funcin Objetivo. 10
Variables Artificial.. 10
Variables de Exceso 10

Introduccin

Muchas personas clasifican el desarrollo de la programacin lineal entre los avances

cientficos ms importantes de mediados del siglo XX. Su impacto desde 1950 ha sido
extraordinario, en la actualidad es una herramienta de uso normal que ha ahorrado miles o
millones de dlares a muchas compaas o negocios, incluyendo empresas medianas en los
distintos pases del mundo.

La programacin lineal trata de la planeacin de las actividades para obtener un resultado

ptimo, esto es el resultado que mejor alcance las metas especificadas entre todas las
alternativas de solucin. La variedad de situaciones a las que se puede aplicar esta
descripcin es sin duda muy grande, y va desde la asignacin de instalaciones productivas
a los productos, hasta la asignacin de los recursos nacionales a las necesidades de un pas;
desde la planeacin agrcola, hasta el diseo de una terapia de radiacin; etc. No obstante,
el ingrediente comn de todas estas situaciones es la necesidad de asignar recursos a las
actividades.

Es muy importante resaltar que una gran proporcin de clculos cientficos en

computadoras estn destinados a la programacin lineal.

1. Que es la programacin lineal:

La programacin lineal es un procedimiento o algoritmo matemtico mediante el cual se
resuelve un problema indeterminado, formulado a travs de un sistema de
inecuaciones lineales, optimizando la funcin objetivo, tambin lineal.
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.

2. Que es la variable de holgura o excedente:

Son variables que se agregan a la restriccin para que la relacin de la restriccin sea de
igualdad (representa el valor que le hace falta al lado izquierdo para ser igual al lado
derecho). Ambos tipos de variables tienen que cumplir con la restriccin de no
negatividad.
Variable de holgura: Se suma al lado izquierdo de la restriccin del tipo .
6

x1+4

x2

24

x1+4

x2

24

Variable de excedente: Se resta al lado izquierdo de la restriccin del tipo .

2 x1+3x2 24 6 x1+4 x2 - h = 24

3. Que es el mtodo simplex:

El mtodo Simplex es un procedimiento interactivo que permite ir mejorando la solucin a
cada paso, el proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en
buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a
travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es
mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la
solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su
valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f
aumenta.
Deber tenerse en cuenta que este mtodo slo trabaja para restricciones que tengan un tipo
de desigualdad "=" y coeficientes independientes mayores o iguales a 0, y habr que
estandarizar las mismas para el algoritmo. En caso de que despus de ste proceso,

aparezcan (o no varen) restricciones del tipo "=" o "=" habr que emplear otros mtodos,
siendo el ms comn el mtodo de las Dos Fases.

4. Que es el mtodo dual simplex:

El mtodo simplex dual resulta ser una estrategia algortmica eficiente cuando luego de
llevar un modelo de programacin lineal a su forma estndar, la aplicacin del mtodo
simplex no es inmediata o ms bien compleja, por ejemplo, puede requerir la utilizacin
del mtodo simplex de 2 fases.
Una aplicacin tpica del mtodo simplex dual es en la resolucin de problemas con una
funcin objetiva de minimizacin, con restricciones del tipo mayor o igual y donde las
variables de decisin son mayores o iguales a cero.
Ejemplo Simplex Dual
Considere el siguiente modelo de Programacin Lineal:

Paso 1: Se lleva el modelo a su forma estndar. En nuestro ejemplo esto se logra agregando
variables de exceso en cada una de las restricciones (3 primeras: S1, S2, S3,
respectivamente). Luego, se multiplica cada fila de las restricciones por -1 de modo de
disponer una solucin bsica inicial (infactible) en las variables de exceso S1, S2 y S3. De
esta forma se obtiene la siguiente tabla inicial.
A

S1

S2

S3

-15

-2

-1

-200

-7,5

-3

-1

-150

-5

-2

-1

-120

315

110

50

Paso 2: Se selecciona el lado derecho "ms negativo" lo cual indicar cul de las actuales
variables bsicas deber abandonar la base. En el ejemplo el lado derecho ms negativo se
encuentra en la primera fila, por tanto S1 deja la base. Para determinar cul de las actuales
variables no bsicas (A, B, C) entrar a la base se busca el mnimo de {-Yj/aij} donde aij
es el coeficiente de la respectiva variable no bsica en la fija i (del lado derecho ms
negativo, marcado en verde) y donde Yj es el costo reducido de la respectiva variable no

bsica. De esta forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21, donde el pivote
(marcado en rojo) se encuentra al hacer el primer cociente, por tanto A entra a la base.
Paso 3: Se actualiza la tabla anterior siguiendo un procedimiento similar al utilizado en
el Mtodo Simplex. En el ejemplo se debe dejar a la variable A como bsica y S1 como no
bsica. La tabla que resulta es la siguiente:
A

S1

S2

S3

2/15

1/15

-1/15

40/3

-2

-1/2

-1/2

-50

-4/3

-2/3

-1/3

-160/3

68

29

21

-4.200

Paso 4: Continuar las iteraciones y siguiendo el mismo procedimiento hasta disponer de

una solucin bsica factible. Luego de unas iteraciones se obtiene la siguiente tabla final:
A

S1

S2

S3

-1/10

1/10

1/4

-1

3/4

10

-3

60

10

36

-6.620

La solucin ptima es A=8, B=10, C=60 (marcado en verde) con valor

ptimo V(P)=6.620 (marcado en rojo - se obtiene con signo cambiado). Tambin es
interesante notar que los costos reducidos de las variables artificiales S1, S2 y S3 (marcado
en amarillo), corresponde a la solucin ptima del modelo presentado en el tutorial de
solver, esto dado que dicho modelo resulta ser el problema dual de nuestro ejemplo.

5. Cul es la forma estndar del modelo de progresin lineal:

Definicin de variables a utilizar en el mtodo de programacin lineal
Sea: Xj = nmero de piezas de producto j(j=1,2,3) a fabricar para maximizar la utilidad.
Funcin econmica y objetivo:

MAX Z= 50X1 + 20X2 + 25X3 [ (Dls/Unidad) (Unidad/Sem)] = [Dls/Sem.]

Sujeta a restricciones de horas mquina disponible por semana
Fresadora: 9X1 + 3X2 + 5X3 * 500 horas mquina fresadora
Torno: 5X1 + 4X2 * 350 horas mquina torno
Rectificadora: 3X1 + 2X3 * 150 horas maquina rectificadora
Condiciones de signos pare las variables:
X1 * 30 piezas
X2 * 15 piezas
X3 * 20 piezas
Ejemplo de inversin:
Se desean invertir 2 millones de dlares en 6 tipos de inversin cuyas caractersticas son
las siguientes:
Tipo de Inters Factor de Plazo promedio
Inversin Anual (%) Riesgo de inversin
1 8.5 0.02 8
2 9 0.01 2
3 8.5 0.38 5
4 14.3 0.45 6
5 6.7 0.07 2
6 13 0.35 4
El factor de riesgo significa la probabilidad de que el rendimiento real sea inferior al
esperado. Se considera ventajoso un perodo promedio ponderado de inversin de cuando
menos 5 aos; pero el factor promedio ponderado de riesgo no debe ser superior a 0.20. La
ley prohbe que la suma de las inversiones de los tipos 4 y 6 sea mayor al 25% del total de
la inversin. Con P.L formule un modelo de P.L para decidir cmo invertir para maximizar
el rendimiento de los 2 millones de dlares.
(SOL. A)
Definicin de variables
Sea: Xj = cantidad de dlares a invertir en el tipo j(j=1,2,3,4,5,6) para maximizar el
rendimiento.
Funcin objetivo

MAX Z= 0.085X1 + 0.09X2 + 0.85X3 + 0.143X4 + 0.067X5 +0.13X6

Sujeta a restricciones:
1) X1 + X2 + X3 +X4 + X5 + X6 = 2,000.000 dls.
0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 * 0.2 (2,000.000) = 400,000 dls.
8X1 + 2X2 + 5X3 +6X4 + 2X5 + 4X6 * 5 (2,000.000) = 10,000.000 dls.
X4 + X6 * 0.25 (2,000.000) = 5,000.000 dls.
X1, X2, X3, X4, X5, X6 * 0
(SOL. B)

Definicin de variables
Sea: Xj = Fraccin capital a invertir en el tipo j(j=1,2,3,4,5,6) para maximizar el
rendimiento.

Funcin econmica y objetivo:

MAX Z= 8.5X1 + 9X 2 + 8.5X3 + 14.3X 4 + 6.7X5 +13X 6
Sujeta a restricciones:
1) X1 + X2 + X3 +X4 + X5 + X6 = 1 (capital)
0.02X1 + 0.01X2 + 0.38X3 + 0.45X4 + 0.07X5 + 0.35X6 * 0.2 (1) = 0.2
8X1 + 2X2 + 5X3 +6X4 + 2X5 + 4X6 * 5 (1) = 5
X4 + X6 * 0.25 (1) = 0.25
X1, X2, X3, X4, X5, X6 * 0

6. Que es una variable irrestricta:

En las matemticas y otras disciplinas, incluyendo lenguajes formales que incluyen la
lgica matemtica , una variable libre es una notacin que especifica que coloca una
expresin matemtica (en) se puede producir una sustitucin. Esta idea est relacionada
con la de un marcador de posicin (un smbolo que ms tarde sera sustituido por una
cadena), o comodn en lugar del smbolo sin especificar, que se opone a la nocin de
variable ficticia o encuadernada.

7. Que es el mtodo grafico:

El mtodo grfico es una forma fcil y rpida para la solucin de problemas de

Programacin Lineal, siempre y cuando el modelo conste de dos variables. Para modelos
con tres o ms variables, el mtodo grfico es imposible.
Consiste en representar geomtricamente las restricciones, condiciones tcnicas y funcin
objetivo objetivo.
Los pasos necesarios para realizar el mtodo son:
Hallar las restricciones del problema

Las restricciones de no negatividad Xi 0 confan todos los valores

posibles.
Sustituir y por (=) para cada restriccin, con lo cual se produce la
ecuacin de una lnea recta.
Trazar la lnea recta correspondiente a cada restriccin en el plano. La
regin en cual se encuentra cada restriccin, el rea correspondiente a
cada restriccin lo define el signo correspondiente a cada restriccin
( ) se evala un punto antes y despus de la recta trazada, el punto
que cumpla con la inecuacin indicara el rea correspondiente el
espacio en el cual se satisfacen las tres restricciones es el rea factible.
Cada punto situado en la frontera del espacio del rea factible, es decir que
satisfacen todas las restricciones, representa un punto factible.
Las lneas paralelas que representan la funcin objetivo se trazan mediante la
asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la
cual crece o decrece el valor de la funcin objetivo.
La solucin ptima puede determinarse al observar la direccin en la cual aumenta
la funcin objetivo, se procede a graficar la funcin objetivo, si es un problema de
minimizacin la solucin optima es el primer punto factible que toque la funcin Z,
y si por lo contrario es un problema de maximizacin, ser entonces el ltimo de los
puntos factibles que toque la funcin Z
Hay principalmente cuatro tipos de problemas, de nica solucin, mltiples
soluciones, solucin no acotada y no factible, a continuacin hay un ejemplo de
cada caso, en el cual se puede observar la comparacin de la solucin obtenida con
el mtodo grafico, y la solucin obtenida con el mtodo simplex.

8. Que es una variable de decisin:

Una variable de decisin es un elemento desconocido de un problema de optimizacin.

Tiene un dominio, que es una representacin compacta del conjunto de todos los valores
posibles de la variable. Los tipos de variables de decisin son referencias a objetos cuya
naturaleza exacta depende del optimizador subyacente de un modelo. Se puede crear una
instancia de una variable de decisin slo en el contexto de una instancia de modelo
determinada.
La finalidad de un modelo de OPL es buscar valores para las variables de decisin tales
que se satisfagan todas las restricciones o, en los problemas de optimizacin, buscar
valores para las variables que satisfagan todas las restricciones y optimicen una funcin
objetivo especfico. Por lo tanto, las variables en OPL son bsicamente variables de
decisin y difieren sustancialmente de las variables de lenguajes de programacin como
Java y ILOG Script.

9. Que es una restriccin:

Las restricciones pueden ser de la forma:

Tipo 1:

Tipo 2:

Tipo 3:
Donde:

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.

10.Que es una funcin de objetivo:

La funcin objetivo puede ser:

Donde:

= coeficientes son relativamente iguales a cero.

11.Que es una variable artificial:

Una variable artificial es un truco matemtico para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la caracterstica
principal de estas variables es que no deben formar parte de la solucin, dado que no
representan recursos. El objetivo fundamental de estas variables es la formacin de la
matriz identidad.

Estas variables se representa por la letra "A", siempre se suman a las restricciones, su
coeficiente es M (por esto se le denomina Mtodo de la M grande, donde M significa un
nmero demasiado grande muy poco atractivo para la funcin objetivo), y el signo en la
funcin objetivo va en contra del sentido de la misma, es decir, en problemas de
Maximizacin su signo es menos (-) y en problemas de Minimizacin su signo es (+),
repetimos con el objetivo de que su valor en la solucin sea cero (0).

10

12.Que son las variables de excesos:

Se realiza al restar en el lado izquierdo de la desigualdad, una variable no negativa, que
representa el valor en el cual el valor del lado izquierdo excede al derecho. A esta variable
la llamaremos variable de exceso y en el caso particular en el que las restricciones de tipo
se refieran al contenido mnimo de un ingrediente en una mezcla, la variable adicionada
indica cunto ingrediente en exceso sobre el mnimo exigido contendr la mezcla.

Conclusin

Como breve resumen la programacin lineal no es ms que un proceso matemtico el cual

resuelve indeterminado problema mediante un sistema de inecuaciones lineales. Las
variables que se agregan a la restriccin para que la relacin de la restriccin sea de
igualdad tienen que cumplir con la restricciones de no negatividad.

Se revela como una herramienta insustituible en la toma de decisiones, y es as que a travs

de este mtodo hemos ayudado a una empresa a minimizar sus gastos. Es por esto, que
debemos poner en prctica todo lo que aprendemos, ya que de una u otra manera son
conocimientos obtenidos tiles y necesarios en la vida cotidiana.

11

Bibliografa

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-simplex/

http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal

http://www.01.ibm.com/support/knowledgecenter/SSSA5P_12.6.0/ilog.odms.ide.he
lp/OPL_Studio/opllangref/topics/opl_langref_decisiontypes_dvars.html?lang=es

http://invdoperaciones.wordpress.com/metodo-grafico

12

 http://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal/

http://www.investigaciondeoperaciones.net/metodo_simplex_dual.html/

http://www.monografias.com/trabajos75/metodo-simplex-maximizacio/metodosimplex-maximizacion.shtml/

13