You are on page 1of 129

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA


CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA

PROGRAMA DE CIENCIAS BASICAS

AUTOR DEL MATERIAL

GLORIA LUCIA GUZMAN ARAGON

100404 – PROGRAMACION LINEAL

EDGAR MAURICIO ALBA VALCARCEL


(Director Nacional)

LUIS GERMANA HUERFANO


Acreditador

SOGAMOSO

Junio de 2010
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

ASPECTOS DE PROPIEDAD INTELECTUAL Y VERSIONAMIENTO

El presente módulo fue diseñado en el año 2004 por La Esp. Gloria lucia Guzmán
Aragón, docente de la UNAD, y ubicado inicialmente en el CEAD de Neiva, ella es
Licenciada en Matemáticas y Física, Especialista en matemáticas Avanzadas,
Especialista en Docencia Universitaria, Magister en Dirección y Gestión de
Recursos Humanos, Maestrante en educación con especialidad en ONLINE, se ha
desempeñado como docente de la UNAD desde el 2004 y como tutor desde 1984
hasta la fecha, además ha sido catedrático de diversas Universidades de
Cundinamarca y del Huila, ha desempeñado cargos de docencia administrativa
como Rectora de varios colegios, Coordinadora Académica, Asesora pedagógica y
en la actualidad es investigadora principal de los grupos Delta 515 y generación
21.

El presente módulo ha tenido cinco actualizaciones, desarrolladas por la


docente Gloria Guzmán en los años 2006, 2007, 2008 y 2009 con los aportes de la
red de tutores que ella dirige y en 2010 por Edgar Mauricio Alba V. tutor del Cead
Sogamoso y en equipo con el grupo de tutores del curso.

Este documento se puede copiar, distribuir y comunicar públicamente bajo las


condiciones siguientes:
• Reconocimiento. Debe reconocer los créditos de la obra de la manera
especificada por el autor o el licenciador (pero no de una manera que
sugiera que tiene su apoyo o apoyan el uso que hace de su obra).
• No comercial. No puede utilizar esta obra para fines comerciales.
• Sin obras derivadas. No se puede alterar, transformar o generar una obra
derivada a partir de esta obra.
• Al reutilizar o distribuir la obra, tiene que dejar bien claro los términos de la
licencia de esta obra.
• Alguna de estas condiciones puede no aplicarse si se obtiene el permiso del
titular de los derechos de autor
• Nada en esta menoscaba o restringe los derechos morales del autor.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

INDICE DE CONTENIDOS

INTRODUCCIÓN

JUSTIFICACIÓN

INTENSIONALIDADES FORMATIVAS

a. PROPOSITOS

OBJETIVOS

Objetivo general

Objetivos específicos:

b. METAS

c. COMPETENCIAS

UNIDAD 1

INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL

CAPITULO 1

LA INVESTIGACION DE OPERACIONES

Introducción
Lección 1 Antecedentes y origen de la I.O
Lección 2 ¿Qué es la Investigación de operaciones?
Lección 3 Metodología de la I.O.
Lección 4 Componentes de investigación de Operaciones

CAPITULO 2

CONJUNTOS CONCAVOS Y CONVEXOS

Introducción
Lección 5 Concepto de conjunto convexo
Lección 6 Propiedades de los conjuntos convexos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Lección 7 Ejercicios de aplicación


Lección 8 Funciones cóncavas convexas

CAPITULO 3.

CONCEPTUALIZACION DE LA PROGRAMACION LINEAL

Introducción
Lección 9 Concepto
Lección 10 Formulación del problema de programación lineal
Lección 11 Modelo general de programación lineal
Lección 12 Otras formas de modelos de P.L.
Leccion 13 Terminología y conceptos basicos

UNIDAD 2

METODOS DE SOLUCION

CAPITULO 1

METODO GRAFICO

Lección 14 Introducción método Grafico


Lección 15 Definición
Lección 16 Concepto general del Método Grafico
Lección 17 Pasos para solución mediante el método grafico
Leccion 18 Ejemplos

CAPITULO 2

METODO ALGEBRAICO

Introducción
Lección 19 Pasos para utilizar un método Algebraico
Lección 20 Ejemplos desarrollados
Lección 21 Taller

CAPITULO 3

METODO SIMPLEX

Introducción
Lección 22 Pasos para desarrollar el método Simplex
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Lección 23 Dualidad
Lección 24 Comparación entre el método simplex y dual – simplex
Lección 25 Análisis de sensibilidad
Lección 26 Taller del método Simplex
Lección 27 Taller Dualidad
Lección 28 Degeneración
Lección 29 Problemas de programación lineal con variables acotadas
Lección 30 Algoritmo de descomposición
Lección 31 La Programación Lineal basada en los computa
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

INTRODUCCIÓN

El curso de Programación Lineal – Componente de Formación Disciplinar y tiene


carácter básico en los programas de Ingeniería que oferta la UNAD, además es de
tipo teórico. Tiene como objetivo Formular, obtener y analizar soluciones a
problemas de programación lineal, como apoyo a la industria y la ingeniería,
optimizando los recursos disponibles y facilitando la toma de decisiones.

El curso tiene 2 créditos académicos los cuales comprenden el estudio


independiente y el acompañamiento tutorial, con el propósito de:

 Comprender los elementos teóricos que sustentan la programación lineal.


 Identificar y utilizar los métodos de programación lineal para la solución de
problemas.
 Identificar y manejar los algoritmos utilizados en la optimización de
funciones lineales sujetas a restricción de tipo general.
 Identificar diferencias entre la formulación de modelos y técnicas de
solución.

Este curso está compuesto por dos Unidades didácticas a saber:

Unidad 1. Introducción a la Programación Lineal donde se pretende que el


estudiante valore la importancia que tiene la investigación de operaciones en
proporcionar herramientas para la construcción de modelos matemáticos en
particular los de programación lineal, además de la conceptualización y las
diferentes formas de presentación de un problema de programación lineal.

Unidad 2. Métodos de Solución se plantean los diferentes métodos empleados


para solucionar problemas a nivel gráfico, algebraico, simplex, con los que se
pretende que el estudiante posea herramientas para que busque la solución
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

óptima a problemas simples y complejos que se le puedan presentar tanto en la


cotidianidad como en el ejercicio de su vida profesional y/o laboral.

El curso es de carácter teórico y la metodología a seguir será bajo la estrategia de


educación a distancia. Por tal razón es importante planificar el proceso de:

 Estudio independiente: Se desarrolla a través del trabajo personal y del


trabajo en pequeños grupos colaborativos de aprendizaje.
 Acompañamiento tutorial: Corresponde al acompañamiento que el tutor
realiza al estudiante para potenciar el aprendizaje y la formación.

El Sistema de evaluación del curso es a través de la evaluación formativa, que


constituye diferentes formas de comprobar el avance en el auto aprendizaje del
curso.

En este sentido se realizarán tres tipos de evaluación alternativas y


complementarias, estas son:

 Autoevaluación: evaluación que realiza el estudiante para valorar su


propio proceso de aprendizaje.
 Coevaluación: Se realiza a través de los grupos colaborativos, y pretende
la socialización de los resultados del trabajo personal.
 Heteroevaluación: Es la valoración que realiza el tutor.

El sistema de interactividades vincula a lo9s actores del proceso mediante


diversas actividades de aprendizaje que orientan el trabajo de los estudiantes
hacia el logro de los objetivos que se pretenden, de la siguiente manera:

 Tutor-estudiante: a trasvés del acompañamiento individual


 Estudiante-estudiante: mediante la participación activa en los grupos
colaborativos de aprendizaje.
 Estudiantes-Tutor: a través del acompañamiento a los pequeños grupos
colaborativos de aprendizaje.
 Tutor-Estudiantes: mediante el acompañamiento en el grupo de curso.
 Estudiantes-Estudiantes: en los procesos de socialización que se realizan
en el grupo de curso.

Para el desarrollo del curso es importante el papel que juega los recursos
tecnológicos como medio activo e interactivo, buscando la interlocución durante
todo el proceso de diálogo docente-estudiante
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

 Los materiales impresos en papel, se han convertido en el principal soporte


para favorecer los procesos de aprendizaje autodirigido.
 Sitios Web: propician el acercamiento al conocimiento, la interacción y la
producción de nuevas dinámicas educativas.
 Sistemas de interactividades sincrónicas: permite la comunicación a través
de encuentros presenciales directos o de encuentros mediados ( Chat,
audio conferencias, videoconferencias, tutorías telefónicas)
 Sistemas de interactividades diferidas: permite la comunicación en forma
diferida favoreciendo la disposición del tiempo del estudiante para su
proceso de aprendizaje, mediante la utilización de correo electrónico, foros
grupos de discusión, entre otros.

El acceso a documentos adquiere una dimensión de suma importancia en tanto la


información sobre el tema exige conocimientos y planteamientos preliminares, por
tal razón es imprescindible el recurso a diversas fuentes documentales y el
acceso a diversos medios como son: bibliotecas electrónicas, hemerotecas
digitales o impresas, sitios Web especializados.

En la medida en que usted adquiera el rol de estudiante, interiorice y aplique los


puntos abordados anteriormente, podrá obtener los logros propuestos en este
curso, así como un aprestamiento en los enfoques y métodos de la programación
lineal, mediante la estrategia de la educación a distancia.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

JUSTIFICACIÓN

No es del todo fácil definir qué es la investigación de operaciones. Existen


diversas definiciones en textos, pero se podría decir que la investigación de
operaciones es un enfoque científico interdisciplinario para la solución de
problemas, que envuelve la interacción compleja, dinámica y sujetiva de hombres,
métodos y sistemas, a los cuales, en algunos casos no se les puede proporcionar
una solución exacta por medio de los procedimientos matemáticos o por medio de
técnicas de ensayo y error. Utilizando modelos matemáticos como un recurso
primario, la metodología de la investigación de operaciones está diseñada para
cuantificar y acotar estos problemas dentro de un marco de restricciones
específicas, medidas, objetivos y variables, de tal forma que se busquen controles
óptimos de operación, decisiones, niveles y soluciones.

La programación matemática es quizás el área más desarrollada de la


investigación de operaciones. Cubre tópicos tales como: Programación lineal,
programación de redes y programación entera, además de otras variantes de
métodos de programación tales como programación de metas, en este curso nos
ocuparemos de la programación lineal y sus diversos métodos y técnicas de
solución para una adecuada toma de decisión.

Un modelo de programación lineal proporciona un método eficiente para


determinar una decisión óptima, (o una estrategia óptima o un plan óptimo)
escogida de un gran número de decisiones posibles. La decisión óptima es la que
Satisface un objetivo de administración, sujeto a varias restricciones.

Las competencias que promueve el curso y que son necesarias son:

COGNITIVA: Capacidad de apropiarse de un conjunto de conocimientos a través


del desarrollo, monitoreo y aplicación de procesos de pensamiento.

COMUNICATIVA: Capacidad de comprender, expresar mensajes y de desarrollar


procesos argumentativos, apoyados por la asertividad en las relaciones
interpersonales.

CONTEXTUAL: Capacidad de ubicar el conocimiento en el contexto científico,


político, cultural, tecnológico, social y en el plano nacional e internacional, así
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

como la disposición y capacidad para aplicarlo en procesos de transformación que


inciden en la calidad de vida de la población.

VALORATIVA: Capacidad de apropiarse de valores como el respeto a la vida. La


dignidad humana, la convivencia la solidaridad, la tolerancia y la libertad que
orientan las acciones del individuo como persona, como ser social y como
profesional.

Para el logro de estas competencias, es necesario que se planifique de manera


responsable el proceso de auto estudio por parte del estudiante si se quieren
lograr resultados positivos en el aprendizaje de los conceptos incluidos en el
curso, este proceso se puede planificar de la siguiente manera:

 Auto estudio: Estudio individual del material sugerido y consulta de otras


fuentes ( documentales, consulta en biblioteca, Internet, bibliografía
recomendada, consulta a bases de datos documentales, entre otros)
 Trabajo en grupo: Creación de grupos de estudio o discusión con el
propósi8to de preparar consultas estructuradas al docente tutor.
 Consultas al tutor de las inquietudes surgidas en el punto anterior.
 Retroalimentación: Una vez el tutor haya resuelto las inquietudes, estudia
nuevamente el tema, teniendo en cuenta las sugerencias o respuestas
dadas por el tutor.
 Procesos de evaluación: Una vez se halla realizado el proceso de
retroalimentación, desarrolle los diferentes momentos de evaluación
propuesta para el curso como son la auto evaluación, la coevaluación y la
heteroevaluación.

De esta manera se pretende alcanzar los objetivos propuestos del curso y de la


programación lineal en la solución de problemas de aplicación.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

INTENSIONALIDADES FORMATIVAS

PROPOSITOS

 Construir modelos de programación lineal que permita describir una


situación dada en forma apropiada y así manipular los datos en forma
ordenada y eficiente.
 Apropiarse de los diferentes métodos y técnicas para resolver problemas de
programación lineal.
 Operar las soluciones planteadas a través de los diferentes métodos y tener
en cuenta las condiciones variables, es decir realizar el análisis de
sensibilidad correspondiente.
 Permitir que los estudiantes resuelvan problemas del campo de la ciencia,
la tecnología e ingeniería, con los conocimientos interiorizados del curso
académico en mención.
 Fomentar en el estudiante características que deben identificarlo en su
desempeño y actuación profesional de la Ingeniería.

OBJETIVO GENERAL

Formular, obtener y analizar soluciones a problemas de programación lineal, como


apoyo a la industria y la ingeniería, optimizando los recursos disponibles y
facilitando la toma de decisiones.

OBJETIVOS ESPECÍFICOS:

 Comprender los elementos teóricos que sustentan la programación lineal.


 Identificar y utilizar los métodos de programación lineal para la solución de
problemas.
 Identificar y manejar los algoritmos utilizados en la optimización de
funciones lineales sujetas a restricción de tipo general.
 Identificar diferencias entre la formulación de modelos y técnicas de
solución.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

METAS

Al terminar el curso de programación lineal, el estudiante:

 Identificará conceptos fundamentales de la programación lineal


 Reconocerá los diversos métodos y técnicas para solucionar problemas de
programación lineal.
 Valorará la importancia que tiene la programación lineal en situaciones
organizacionales para las empresas en el mundo moderno.
 Planteará y resolverá problemas en diferentes campos del saber, haciendo
un proceso de abstracción de escenarios conocidos a escenarios
desconocidos de las temáticas estudiadas.

COMPETENCIAS

 El estudiante comprende e interpreta adecuadamente los conceptos de


programación lineal, como función objetivo, restricciones, variables,
optimalidad, sensibilidad.
 El estudiante identifica y maneja los diferentes métodos y técnicas para
solucionar problemas que involucran la programación lineal.
 El estudiante aprende a compartir los conocimientos adquiridos con sus
compañeros, con su tutor y en general con la comunidad educativa.
 El estudiante adquiere destreza en el manejo de las TIC, en su formación
académica, por medio del uso de medios y mediaciones que la UNAD le
ofrece.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

UNIDAD UNO
INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO 1

LA INVESTIGACION DE OPERACIONES

INTRODUCCION
LECCION 1 ANTECEDENTES Y ORIGEN DE LA I.O.
LECCION 2 ¿QUE ES LA INVESTIGACION DE OPERACIONES?
LECCION 3 METODOLOGÍA DE LA I.O.
LECCION 4 COMPONENTES DE LA I.O.

INTRODUCCION

Los cambios revolucionarios originaron gran aumento en la división de trabajo y la


separación de las responsabilidades administrativas en las organizaciones. Sin
embargo esta revolución creo nuevos problemas que ocurren hasta la fecha en
muchas empresas. Uno de estos problemas es la tendencia de muchos de los
componentes a convertirse en imperios relativamente autónomos, con sus propias
metas y sistemas de valores. Este tipo de problemas, y la necesidad de encontrar
la mejor forma de resolverlos, proporcionaron el surgimiento de la Investigación de
Operaciones.

La Investigación de Operaciones aspira determinar la mejor solución (optima) para


un problema de decisión con la restricción de recursos limitados.

En la Investigación de Operaciones utilizaremos herramientas que nos permiten


tomar una decisión a la hora de resolver un problema, tal es el caso de los
modelos de Investigación de Operaciones que se emplean según sea la
necesidad.

Actualmente la investigación de operaciones a incursionado en la administración


con muy buenos resultados en este campo pues el ambiente de negocios al que
se está sometido y los múltiples cambios que ellos generan, los ciclos de vida de
los productos se hacen más cortos, la abrumadora y acelerada era de la nueva
tecnología y la internacionalización creciente, son razones suficientes para
desarrollar modelos que optimicen los resultados en estos campos del saber
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 1 ANTECEDENTES Y ORIGEN DE LA INVESTIGACION DE


OPERACIONES

La investigación de operaciones se origino en la segunda guerra mundial como


una necesidad de dar solución a los problemas de carácter militar, los primeros
interesados en estos aspectos fueron los británicos y los americanos quienes
asignaron esta tarea a un grupos de físicos, matemáticos, biólogos, estadístic os,
psicólogos entre otros para emplear el método científico en la solución de
problemas estratégicos y tácticos.

Después de la guerra atrajo la atención de la industria que buscaba soluciones a


problemas de complejidad y especialización ascendente en las organizaciones.
Los primeros esfuerzos se dedicaron a desarrollar modelos apropiados y
procedimientos correspondientes para solucionar problemas que surgían en áreas
tales como: la programación de refinerías de petróleo, la distribución de productos,
la planeación de productos, el estudio de mercados y la planeación de inversiones.

Un factor importante de la implantación de la Investigación de Operaciones en


este periodo es el mejoramiento de las técnicas disponibles en esta área. Muchos
de los científicos que participaron en la guerra, se encontraron a buscar resultados
sustanciales en este campo; un ejemplo sobresaliente es el método Simplex para
resolución de problemas de Programación Lineal, desarrollado en 1947 por
George Dantzing. Muchas de las herramientas utilizadas en la Investigación de
Operaciones como la Programación Lineal, la Programación Dinámica, Líneas de
Espera y Teoría de Inventarios fueron desarrolladas al final de los años 50.

Un segundo factor importante para el desarrollo de este campo fue el


advenimiento de la revolución de las computadoras. Para manejar los complejos
problemas relacionados con esta disciplina, generalmente se requiere un gran
número de cálculos que llevarlos a cabo a mano es casi imposible. Por lo tanto el
desarrollo de la computadora digital, fue una gran ayuda para la Investigación de
Operaciones.

En la década de los 80 con la invención de computadoras personales cada vez


más rápidas y acompañadas de buenos paquetes de Software para resolver
problemas de Investigación de Operaciones esto puso la técnica al alcance de
muchas personas. Hoy en día se usa toda una gama de computadoras, desde las
computadoras de grandes escalas como las computadoras personales para la
Investigación de Operaciones.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 2. QUE ES LA INVESTIGACION DE OPERACIONES

La investigación de operaciones es la aplicación, por grupos interdisciplinarios, del


método científico a problemas relacionados con el control de las organizaciones o
sistemas, a fin de que se produzcan soluciones que mejor sirvan a los objetivos de
la organización.

Algunos aspectos relacionados con la definición:

• Una organización es un sistema formado por componentes que se


interaccionan, unas de estas interacciones pueden ser controladas y otras
no.

• La complejidad de los problemas que se presentan en las organizaciones


ya no encajan en una sola disciplina del conocimiento, se han convertido en
multidisciplinario por lo cual para su análisis y solución se requieren grupos
compuestos por especialistas de diferentes áreas del conocimiento que
logran comunicarse con un lenguaje común.

• La investigación de operaciones es la aplicación de la metodología


científica a través de modelos matemáticos, primero para representar al
problema y luego para resolverlo.

La investigación de operaciones se aplica a problemas que se refieren a la


conducción y coordinación de operaciones (o actividades) dentro de una
organización.

La investigación de operaciones intenta encontrar una mejor solución, (llamada


solución óptima) para el problema bajo consideración.

Un enfoque de la investigación de operaciones abarca:

 Construir un modelo simbólico que por lo general es un modelo matemático,


pretende extraer los elementos fundamentales de un problema de decisión
que es complejo e incierto de tal manera que pueda optimizar una solución
viable para la consecución de los objetivos de acuerdo al analista.
 Examinar y analizar las relaciones que determinan las consecuencias de la
decisión realizada y comparar el método relativo de acciones alternas con
los objetivos de quien va a tomar la decisión.
 Desarrollar una técnica de decisión que comprenda teorías matemáticas y
que conduzca a la optimización de los resultados.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

La investigación de operaciones se aplica tanto a problemas tácticos como


estratégicos de una organización. Los primeros tienen que ver con actividades
diarias y los segundos tienen una orientación y una planeación organizada
generalmente se apoyan en operaciones de carácter indirecto.

LECCION 3. METODOLOGIA DE LA INVESTIGACION DE OPERACIONES

El uso de métodos cuantitativos para solucionar problemas, generalmente implica


a mucha gente de toda la organización. Los individuos de un equipo de proyectos
proporcionan información de sus áreas respectivas respecto a diversos aspectos
del problema. El proceso de aplicar métodos cuantitativos requiere de una
sucesión sistemática de pasos:

Definición del
problema

Formulación de un
Resolución del Solución
modelo matemático.
modelo
matemático.

¿Es válida la
Modelo NO solución?
modificado

Implementación
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 4. COMPONENTES DE LA INVESTIGACION DE OPERACIONES

4.1. DEFINICION Y FORMULACION DEL PROBLEMA:

Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se
puede hacer, las interrelaciones del área bajo estudio con otras áreas de la
organización, los diferentes cursos de acción posibles, los límites de tiempo para
tomar una decisión, etc. Este proceso de definir el problema es crucial ya que
afectará en forma significativa la relevancia de las conclusiones del estudio.

4.2 FORMULACION DE UN MODELO MATEMATICO:

La forma convencional en que la investigación de operaciones realiza esto es


construyendo un modelo matemático que represente la esencia del problema.

Un modelo siempre debe ser menos complejo que el problema real, es una
aproximación abstracta de la realidad con consideraciones y simplificaciones que
hacen más manejable el problema y permiten evaluar eficientemente las
alternativas de solución.

4.3 OBTENCION DE UNA SOLUCION APARTIR DEL MODELO

Depende de las características del modelo. Los procedimientos de solución


pueden ser clasificados en tres tipos: a) analíticos, que utilizan procesos de
deducción matemática; b) numéricos, que son de carácter inductivo y funcionan en
base a operaciones de prueba y error; c) simulación, que utiliza métodos que imitan o,
emulan al sistema real, en base a un modelo.

Resolver un modelo consiste en encontrar los valores de las variables


dependientes, asociadas a las componentes controlables del sistema con el
propósito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la
efectividad del sistema dentro del marco de referencia que fijan los objetivos y las
restricciones del problema.

La selección del método de solución.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

4.4 PRUEBA DEL MODELO:

Antes de usar el modelo debe probarse exhaustivamente para intentar identificar y


corregir todas las fallas que se puedan presentar.

4.5 VALIDACION DEL MODELO:

Es importante que todas las expresiones matemáticas sean consistentes en las


dimensiones de las unidades que emplean. Además, puede obtenerse un mejor
conocimiento de la validez del modelo variando los valores de los parámetros de
entrada y/o de las variables de decisión, y comprobando que los resultados de
modelo se comporten de una manera factible.

4.6 ESTABLECIMIENTO DE CONTROLES DE LA SOLUCION:

Esta fase consiste en determinar los rangos de variación de los parámetros dentro
de los cuales no cambia la solución del problema.

Es necesario generar información adicional sobre el comportamiento de la


solución debido a cambios en los parámetros del modelo. Usualmente esto se
conoce como ANÁLISIS DE SENSIBILIDAD.

Esta fase consiste en determinar los rangos de variación de los parámetros dentro
de los cuales no cambia la solución del problema.

Es necesario generar información adicional sobre el comportamiento de la


solución debido a cambios en los parámetros del modelo. Usualmente esto se
conoce como ANÁLISIS DE SENSIBILIDAD.

4.7 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.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO DOS

CONJUNTOS CONVAVOS Y CONVEXOS

INTRODUCCIÓN

LECCION 5. CONCEPTO DE CONJUNTO CONVEXO

LECCION 6. PROPIEDADES DE LOS CONJUNTOS CONVEXOS

LECCION 7. EJERCICIOS DE APLICACIÓN

LECCION 8. FUNCIONES CONCAVAS CONVEXAS

. INTRODUCCIÓN

En el presente capítulo podrá valorar la importancia que tiene el análisis de la


convexidad de conjuntos así como los diferentes tipos de convexidad o
concavidad de funciones toda vez que ellos constituyen los instrumentos
fundamentales para el desarrollo de la Teoría de la Optimización Matemática.

En primera instancia abordaremos el concepto de conjuntos convexos, su


definición y propiedades fundamentales para luego analizar el comportamiento de
las combinaciones lineales convexas.

LECCION 5. CONCEPTO DE CONJUNTO CONVEXO.

Para analizar el concepto de conjunto convexo vamos a plantear el siguiente


ejemplo
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

EJEMPLO.

Consideremos los siguientes CONJUNTOS:

CONJUNTO P

CONJUNTO Q

CONJUNTO R
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CONJUNTO T.

Definimos la idea de conjunto convexo como aquel conjunto que contiene


cualquier segmento que une dos puntos del conjunto.

Así por ejemplo según esta idea GRAFICA, el conjunto P

• x

• y

Obsérvese que para cualquier par de puntos (x, y) que estén dentro del conjunto
P, el segmento que une dichos puntos siempre queda dentro del conjunto, en
consecuencia P sería un conjunto convexo.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Consideremos el conjunto Q:

x y

Obsérvese que para cualquier par de puntos (x,y) que estén dentro del conjunto Q,
el segmento que une dichos puntos no queda dentro del conjunto, en
consecuencia Q no sería un conjunto convexo.

Consideremos el conjunto R:

• x R

• y

En este caso para cualquier par de puntos (x,y) de esta recta R, el segmento que
los une queda dentro del conjunto, en consecuencia R es un conjunto convexo.

Por último sea el conjunto T:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Es claro gráficamente que para cualquier par de puntos x, y, el segmento que los
une está totalmente contenido en dicho conjunto.

Consideremos un último ejemplo en el plano, sea el conjunto T

• •

(conjunto poligonal delimitado por los puntos (0,0),(5,3),(0,8),(7,4),(6,3),(7,1 )

Se puede ver que existen segmentos, como el indicado en la figura que se sale del
conjunto por lo que este conjunto no sería CONVEXO.

• •

T
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

EJERCICIOS

Determinar si los siguientes conjuntos son o no convexos, dibujándoles


previamente:

a. Conjunto poligonal determinado por los puntos (0,1),(1,0),(1,3),(0,1)

b. Conjunto poligonal determinado por los puntos (1,1),(2,1),(2,3),(-1,2), (-


1,0),(1,1)

SOLUCION:

a. es convexo

b. no es convexo

Podemos definir conjuntos en el plano de una manera más compleja:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Así por ejemplo si consideramos el conjunto

¿Qué hacemos para dibujar este conjunto?

Primero dibujamos la curva que delimita el conjunto.

Para delimitar la región del plano basta considerar un punto que no esté en la
curva, por ejemplo (1,2) si ese punto satisface la ecuación entonces ese es el
recinto a considerar, en nuestro caso como 2 sí es mayor o igual que 1. Entonces
el recinto es

Obsérvese que es claramente convexo pues cualquier par de puntos que estén en
S3 el segmento que los une está claramente contenido en S3.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

¿Qué sucedería si no podemos representar gráficamente el conjunto, como


sucede con conjuntos de dimensión superior a 3?

En esos casos es necesario dar una definición analítica de conjunto convexo, para
lo cual efectuamos la siguiente definición:

CONJUNTO CONVEXO:

Diremos que un subconjunto S є R n es convexo si para cualquier par de


puntos y para cualquier λ є [0,1] se cumple que está
en S, es decir que si llamamos segmento de extremos por

S es convexo si para cualesquiera ,

¿Cuál es el significado de z= λ x+(1- λ )y?

Vamos a verlo en un ejemplo:

EJEMPLO:

Estudiar analíticamente si el conjunto anterior

es un conjunto convexo.

Para ello consideremos dos vectores de S 3

(x1,y1), (x2,y2),
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Habría que comprobar si b(x1,y1)+(1-b)(x2,y2) es un vector que pertenece a S3 para


cualquier valor de b en [0,1]

Es decir tendremos que comprobar si

.bx1+(1-b)x2 , by1+(1-b)y2

Como x1,y1 entonces bx1,by1 (pues b es positivo o cero)

Y como x2,y2 entonces (1-b)x2,(1-b)y2

Sumando ambas expresiones se obtiene la desigualdad por tanto S 3 es un


conjunto convexo.

Y comprobando si el vector

Que una vez simplificado nos da

Y al expandirle

Si es un vector del conjunto S3.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

EJERCICIO

Estudiar de forma gráfica si los siguientes conjuntos son o no conjuntos convexos.

a.
b.

SOLUCIONES:

a. Lo hacemos gráficamente, representando el conjunto.


Para ello dibujamos los dos límites del conjunto x 2+y2=1 y x2+y2=4
(circunferencias de radio 1 y radio 2)

Definimos las expresiones

Y luego las representamos como aparece.

¿cuál es el recinto?

Ahora debemos determinar en que lado de las circunferencias se sitúa el


conjunto.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Tomemos un punto fuera de ambas circunferencias, por ejemplo (0,0),. Y


comprobemos si se verifica la primera desigualdad para ese punto

Efectivamente no se verifica, por tanto el conjunto se sitúa hacia fuera de la


circunferencia.

Por otro lado

Es cierta por tanto el conjunto es la corona circular situada entre la


circunferencia de radio 1 y la circunferencia radio 2.

¿Este conjunto es convexo?

Claramente se ve que no, tomemos dos puntos cualesquiera por ejemplo (-


1,1/2) y (2,0), ambos pertenecen al conjunto, sin embargo el segmento que
los une como se ve no pertenecen al conjunto.

b. Consideremos las expresiones que definen los límites del conjunto:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Representemos ambas rectas:

Para saber cuál es exactamente el recinto, tomemos un punto que no esté en


dichas rectas, por ejemplo (0,0).

Comprobemos a qué lado de la recta x+y=1 se encuentra nuestro conjunto x+y=1,


comprobamos para (0,0), y observamos que 0+0= 1 verifica la ecuación, por tanto
el recinto x+y=1 está al lado del (0,0).
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Y por otro lado para determinar el conjunto x-y=1 comprobamos que 0-0= 1 por
tanto también es de la recta hacia el (0,0), con lo cual tendremos que el recinto
será:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 6. PROPIEDADES DE LOS CONJUNTOS CONVEXOS.

Vamos a estudiar qué sucede con la UNIÓN y la INTERSECCIÓN de conjuntos


convexos. Comencemos con la INTERSECCIÓN de conjuntos convexos.

INTERSECCIÓN DE CONJUNTOS CONVEXOS.

EJEMPLO.

Sean los siguientes conjuntos convexos:

Si los representamos tendremos:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

¿Cuál es la intersección de estos dos conjuntos?

Se puede ver que la intersección es el conjunto

Se puede ver gráficamente que es un conjunto convexo.

Y este ejemplo se puede generalizar con la siguiente propiedad:

LA INTERSECCIÓN DE CONJUNTOS CONVEXOS ES UN CONJUNTO


CONVEXO.

UNIÓN DE CONJUNTOS CONVEXOS.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

A partir de los conjuntos convexos anteriores S y T, veamos cuál es el conjunto


unión.

Este conjunto no es convexo pues si considero dos puntos del conjunto por
ejemplo

(1.04, -1.57) y (2.43,-0.3)

Si representamos el segmento que une dichos puntos editando

Obtenemos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Segmento que no está totalmente contenido en el conjunto. Luego:

LA UNION DE CONJUNTOS CONVEXOS EN GENERAL NO ES UN CONVEXO

LECCION 7. EJERCICIOS DE APLICACION

CONJUNTOS CONCAVOS Y CONVEXOS

Representar los siguientes conjuntos de R 2 e indicar cuáles son convexos:

a.
b.
c. 2
d. R
e.
f.
g.
h.
i.

Probar que todo subespacio vectorial de R 3 es un conjunto convexo.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 8. FUNCIONES CONCAVAS Y CONVEXAS

Las funciones cóncavas y convexas representan un papel fundamental en la


Teoría de la Optimización ya que pueden garantizarnos la GLOBALIDAD de los
óptimos locales. Por ello vamos a iniciar este apartado introduciendo el concepto
de función cóncava y convexa para luego más tarde introducir condiciones que
nos permitan reconocer si una función es cóncava o convexa dependiendo de sus
propiedades de diferenciabilidad.

EJEMPLO.

Consideremos la siguiente función:

Si dibujamos esta función y obtenemos

Observemos la gráfica de esta función en el intervalo [0,3 ]


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Podemos ver que en esta gráfica si dibujamos cualquier segmento que una dos
puntos de la misma, éste siempre queda por debajo de la gráfica. Por ejemplo,
consideremos los puntos

Si dibujamos el segmento que une dichos puntos en la gráfica obtenemos

Qué claramente queda por debajo de la gráfica.

Consideremos otros pares de puntos de la gráfica por ejemplo:

Al dibujar el segmento que une dichos puntos tenemos:

Consideremos otro par de puntos por ejemplo

Si los dibujamos considerando


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Obtenemos

Se puede observar que para cualquier par de puntos de la gráfica que toman
valores en el segmento considerado el segmento que une dichos puntos siempre
queda por debajo de la gráfica por ello podemos efectuar la siguiente definición:

FUNCIONES ESTRICTAMENTE CONCAVAS Y CONCAVAS

DEFINICIÓN:
Diremos que una función f es estrictamente cóncava en un conjunto M convexo si
todo segmento que une dos puntos de la gráfica esta estrictamente por debajo de
la gráfica.

Diremos que una función es CONCAVA (no estricta) si no todas las cuerdas que
unen puntos de la gráfica en dicho intervalo quedan estrictamente por debajo.

Vamos ahora a introducir el concepto de función CONVEXA.

Consideremos el siguiente ejemplo:

EJEMPLO.

Consideremos la misma función anterior


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

pero ahora considerada en


que debemos enfocarnos es:

Consideremos ahora nuevamente varios puntos de esta gráfica en dicho intervalo


por ejemplo

si dibujamos el segmento que los une por medio de la matriz

se obtiene
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

si ahora dibujamos el segmento que une los puntos

Obtendremos

Obsérvese que los segmentos quedan siempre por encima de la gráfica de la


función.

En estos casos, diremos que la función es convexa en el intervalo dado.

Por ello podemos realizar la siguiente definición:

FUNCIÓN CONVEXA.

DEFINICION: Sea f una función definida en un intervalo de R, diremos que dicha


función es convexa en el intervalo si todo segmento que une dos puntos de la
gráfica queda por encima de la gráfica. Si siempre queda estrictamente por
encima decimos que la función es estrictamente convexa.

EJERCICIO

Estudiar el carácter de las siguientes funciones en los recintos que se indican:

(a) En toda la recta real:

(b) En toda la recta real:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

( C) En el intervalo (0,1 )

(d) En el intervalo (-1 ,0)

(e) En el recinto (-3 ,0)

(f) En el recinto (0,3 )

SOLUCIONES:

a. ESTRICTAMENTE CONVEXA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

b. ESTRICTAMENTE CONVEXA

c. ESTRICTAMENTE CONVEXA

d. ESTRICTAMENTE CONCAVA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

e. estrictamente CONCAVA

f. ESTRICTAMENTE CONVEXA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO 3

CONCEPTUALIZACION DE LA PROGRAMACION LINEAL

Introducción
LECCION 9. Concepto
LECCION 10. Formulación del problema de programación lineal
LECCION 11. Modelo general de programación lineal
LECCION 12. Otras formas de modelos de P.L.
LECCION 13. Terminología y conceptos básicos

INTRODUCCION

Muchas personas clasifican el desarrollo de la Programación Lineal (PL) entre


los avances científicos más importantes de mediados del siglo XX. En la
actualidad es una herramienta común que ha ahorrado miles o millones de dólares
a muchas compañías y negocios, incluyendo industrias medianas en distintos
países del mundo. ¿Cuál es la naturaleza de esta notable herramienta y qué tipo
de problemas puede manejar? Expresado brevemente, el tipo más común de
aplicación abarca el problema general de asignar recursos limitados entre
actividades competitivas de la mejor manera posible (es decir, en forma óptima).
Este problema de asignación puede surgir cuando deba elegirse el nivel de ciertas
actividades que compiten por recursos escasos para realizarlas. La variedad de
situaciones a las que se puede aplicar esta descripción es sin duda muy grande, y
va desde la asignación de instalaciones productivas a los productos, hasta la
asignación de los recursos nacionales a las necesidades de un país; desde la
planeación agrícola, hasta el diseño de una terapia de radiación; etc. No obstante,
el ingrediente común de todas estas situaciones es la necesidad de asignar
recursos a las actividades.

LECCION 9. CONCEPTO

El adjetivo lineal significa que todas las funciones matemáticas del modelo deber
ser funciones lineales. En este caso, las palabra programación no se refiere a
programación en computadoras; en esencia es un sinónimo de planeación. Así, la
programación lineal trata la planeación de las actividades para obtener un
resultado óptimo.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

La programación lineal es una técnica de investigación de operaciones para la


determinación de la asignación optima de recursos escasos cuando la función
objetivo y las restricciones son lineales. Es una manera eficiente de resolver estos
problemas cuando se debe hacer una elección de alternativas muy numerosas
que no pueden evaluarse intuitivamente por los métodos convencionales.

LECCION 10. FORMULACION DEL PROBLEMA DE PROGRAMACION LINEAL

10.1 INTRODUCCION

Los términos clave son recursos y actividades, en donde m denota el número de


distintos tipos de recursos que se pueden usar y n denota el número de
actividades bajo consideración.

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.

10.2 ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL

1. Función objetivo. Consiste en optimizar el objetivo que persigue una


situación la cual es una función lineal de las diferentes actividades del
problema, la función objetivo se maximizar o minimiza.

2. Variables de decisión. Son las incógnitas del problema. La definición de


las variables es el punto clave y básicamente consiste en los niveles de
todas las actividades que pueden llevarse a cabo en el problema a formular.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. Restricciones Estructurales. Diferentes requisitos que debe cumplir


cualquier solución para que pueda llevarse a cabo, dichas restricciones
pueden ser de capacidad, mercado, materia prima, calidad, balance de
materiales, etc.

4. Condición técnica. Todas las variables deben tomar valores positivos, o


en algunos casos puede ser que algunas variables tomen valores
negativos.

LECCION 11. MODELO GENERAL DE PROGRAMACION LINEAL

Formulación de modelos de Programación Lineal.

Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo


ésta puede aplicarse y formular el problema matemáticamente. Una vez hecha esa
parte, resolver el problema casi siempre es fácil.

Para formular un problema en forma matemática, deben expresarse


afirmaciones lógicas en términos matemáticos. Esto se realiza cuando se
resuelven “problemas hablados” al estudiar un curso de álgebra. Algo muy
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

parecido sucede aquí al formular las restricciones. Por ejemplo, considérese la


siguiente afirmación: A usa 3 horas por unidad y B usa 2 horas por unidad. Si
deben usarse todas las 100 horas disponibles, la restricción será:

3A + 2B = 100

Sin embargo, en la mayoría de las situaciones de negocios, no es


obligatorio que se usen todos los recursos (en este caso, horas de mano de obra).
Más bien la limitación es que se use, cuando mucho, lo que se tiene disponible.
Para este caso, la afirmación anterior puede escribirse como una desigualdad:

3A + 2B ≤ 100

Para que sea aceptable para PL, cada restricción debe ser una suma de
variables con exponente 1. Los cuadrados, las raíces cuadradas, etc. no son
aceptables, ni tampoco los productos de variables. Además, la forma estándar
para una restricción pone a todas las variables del lado izquierdo y sólo una
constante positiva o cero del lado derecho. Esto puede requerir algún reacomodo
de los términos. Si, por ejemplo, la restricción es que A debe ser por los menos el
doble de B, esto puede escribirse como:

A ≤ 2B ó A - 2B ≤ 0

Nótese que pueden moverse términos de un lado a otro de las desigualdades


como si fuera un signo de igualdad. Pero al multiplicar una desigualdad por -1, el
sentido de esta desigualdad se invierte. Puede ser necesario hacer esto para que
los coeficientes del lado derecho sean positivos. Por ejemplo, si se quiere que A
sea por lo menos tan grande como B - 2, entonces:

A≤B–2

A – B ≤ -2

Por último B – A ≥ 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Una nota final sobre desigualdades: es sencillo convertir una desigualdad en una
ecuación. Todo lo que se tiene que hacer es agregar (o restar) una variable extra.
Por ejemplo:

B-A≥2 es lo mismo que B-A+S=2

En donde S representa la diferencia, o la holgura, entre B - A y 2. S se llama


variable de holgura. Por otro lado, se restaría una variable de superávit en el caso
siguiente:

A - 2B ≤ 0 es lo mismo que A - 2B -S = 0

Algunos métodos de solución (como el Método Simplex) y la mayoría de


los programas de computadora (como el MathProg, que viene en el
ORCourseware, que acompaña al libro “Introducción a la Investigación de
Operaciones” de los autores Hillier y Lieberman) requieren que todas las
desigualdades se conviertan en igualdades.

La metodología de PL requiere que todas las variables sean positivas o


cero, es decir, no negativas. Para la mayoría de los problemas esto es real, no se
querría una solución que diga: prodúzcanse menos dos cajas o contrátense
menos cuatro personas.

Mientras que no existe un límite en el número de restricciones que puede


tener un problema de PL, sólo puede haber un objetivo. La forma matemática del
objetivo se llama función objetivo. Debe llevar consigo el maximizar o minimizar
alguna medida numérica. Podría ser maximizar el rendimiento, la ganancia, la
contribución marginal o los contactos con los clientes. Podría ser minimizar el
costo, el número de empleados o el material de desperdicio. Con frecuencia el
objetivo es evidente al observar el problema.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Como el valor de la función objetivo no se conoce hasta que se resuelve el


problema, se usa la letra Z para representarlo. La función objetivo tendrá,
entonces, la forma:

Maximizar Z = 4A + 6B ó

Minimizar Z = 2x1 + 5x2

Se analiza una aplicación para ilustrar el formato de los problemas de


Programación Lineal.

FORMA ESTÁNDAR DE LOS MODELOS DE PROGRAMACIÓN LINEAL.

Supóngase que existe cualquier número (digamos m) de recursos limitados de


cualquier tipo, que se pueden asignar entre cualquier número (digamos n) de
actividades competitivas de cualquier clase. Etiquétense los recursos con números
(1, 2, ..., m) al igual que las actividades (1, 2, ..., n). Sea xj (una variable de
decisión) el nivel de la actividad j, para j = 1, 2, ..., n, y sea Z la medida de
efectividad global seleccionada. Sea c j 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 último defínase aij como la cantidad de
recurso i que consume cada unidad de la actividad j (para i = 1, 2, ..., m y j = 1, 2,
..., n). Se puede formular el modelo matemático 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 + ... + c nxn,

sujeto a las restricciones:

a11x1 + a12x2 + ... + a1nxn ≤ b1

a21x1 + a22x2 + ... + a2nxn ≤ b2


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

am1x1 + am2x2 + ... + amnxn ≤ bm y

x1 ≥ 0, x2 ≥0, ..., xn ≥ 0

Ésta se llamará nuestra forma estándar (porque algunos libros de texto adoptan
otras formas) para el problema de PL. Cualquier situación cuya formulación
matemática se ajuste a este modelo es un problema de PL.

En este momento se puede resumir la terminología que usaremos para los


modelos de PL. La función que se desea maximizar, c 1x1 + c2x2 + ... + c nxn, se
llama función objetivo. Por lo general, se hace referencia a las limitaciones como
restricciones. Las primeras m restricciones (aquellas con una función 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
decisión. Las constantes de entrada, aij, bi, cj, reciben el nombre de parámetros del
modelo.

LECCION 12. OTRAS FORMAS DE MODELOS DE PROGRAMACIÓN LINEAL.

Es conveniente agregar que el modelo anterior no se ajusta a la forma


natural de algunos problemas de programación lineal. Las otras formas legítimas
son las siguientes:

1. Minimizar en lugar de maximizar la función objetivo:

Minimizar Z = c1x1 + c2x2 + ... + c nxn,

2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual:

ai1x1 + ai2x2 + ... + ainxn, ³ bi, para algunos valores de i,

3. Algunas restricciones funcionales en forma de ecuación:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

ai1x1 + ai2x2 + ... + ainxn, = bi, para algunos valores de i,

4. Las variables de decisión sin la restricción 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 también se clasifica como un problema de PL, siempre y cuando éstas
sean las únicas formas nuevas introducidas. Puede ser que la interpretación que
se ha dado de asignación de recursos limitados entre actividades que compiten no
se aplique, pero independientemente de la interpretación o el contexto, lo único
que se necesita es que la formulación matemática del problema se ajuste a las
formas permitidas. Se verá que estas otras cuatro formas legales se pueden
reescribir en una forma equivalente para que se ajuste al modelo que se presentó.
Entonces, todo problema de PL se puede poner en nuestra forma estándar si se
desea.

FORMULACION ALGEBRAICA: FORMA CANONICA

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


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

siendo:

xj: Nivel de actividad de la variable xj

cj: Contribución unitaria de xj a función objetivo

aij: Coeficiente técnico, unidades de recurso i que se consumen por


unidad de variable j

bi: Cantidad disponible de recurso i

 Otra representación:
n
M ax (z)   c j x j
j1

sujeto a :
n

a x
j1
ij j  bi donde i  1, 2, ... m

xj  0 j  1, 2, ... n

 En forma matricial:
Max (z) = C x

sujeto a:

Ax ≤ b

x ≥0

 A esta forma se la denomina forma canónica

IMPORTANCIA DE LA FORMA CANONICA

 La forma canónica es importante porque todos los desarrollos e


interpretaciones económicas del problema pueden referirse a la misma.
 Es posible transformar un problema de PL a un problema equivalente en
forma canónica.
 Un problema de PL puede consistir en:
• Buscar un máximo o un mínimo de la función objetivo
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

• Restricciones de tipo “≤“, “≥“ e “=“


• Variables positivas, negativas o no restringidas en signo
 Conversión de un problema lineal general a su forma canónica:
• Cambiar el sentido de la optimización
• Cambiar el sentido de la desigualdad
• Cambiar una desigualdad en igualdad
 Variable de holgura o “slack”
 Variable surplus
• Cambiar igualdades en desigualdades
• Cambiar variables sin restricción de signo a otras de signo positivo o
nulo

LECCION 13. TERMINOLOGIA Y CONCEPTOS BASICOS

 Conjunto factible
Es el conjunto de puntos que satisfacen simultáneamente todas las
restricciones (o “filas”) del problema

 Actividades, columnas o variables (xj)


Representan los usos alternativos que deben competir entre sí para la
obtención de los recursos de forma que se optimice la función objetivo

 Recursos (bi)
Son productos, tiempo, etc. Se cuantifican en el término independiente o
Right Hand Side (RHS) del problema

 El conjunto factible de un problema de PL, si existe, es representable mediante


un poliedro convexo
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

UNIDAD 2

METODOS DE SOLUCION
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO 1

LECCION 14. INTRODUCCION METODO GRAFICO

LECCION 15. DEFINICION

LECCION 16. CONCEPTO GENERAL DEL METODO GRAFICO

LECCION 17. PASOS PARA LA SOLUCION MEDIANTE EL METODO


GRAFICO

LECCION 18. EJEMPLOS

LECCION 14. INTRODUCCION METODO GRAFICO

Antes de entrarnos por completo en los métodos analíticos de la investigación de


operaciones es muy conveniente ver un poco acerca de las desigualdades de una
ecuación lineal.

Por ejemplo tenemos la ecuación

2X + 3Y = 60 en donde X, Y ≥ 0

Es decir que para que se cumpla la igualdad de la ecuación nos tocaría adquirir 15
unidades de X y 10 unidades de Y respectiva mente:

2(15) + 3(10) = 60
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Y la solución se daría por la misma línea recta.

Pero por otra parte si en la ecuación no se quiere llegar a la totalidad del resultado
se dará la ecuación en una forma diferente llamada inecuación:

2X + 3Y ≤ 60 en donde X, Y ≥ 0

Dándose como solución factible un área sombreada que depende del signo de la
desigualdad. Si el signo es el ≤ la solución será el área inferior esa se sombreará o
si por el contrario el sigo es ≥ el área a sombrear será la de todos los puntos por
encima de la línea obtenida.

En la anterior grafica la solución más factible es la de los puntos más cerca del eje
X (bajo la recta de la solución lineal ya que la ecuación es precedida por el signo
≤.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 15. DEFINICION:

Por definición de algunos libros una desigualdad entre dos variables es una
desigualdad que puede escribirse de la forma:

ax + by +c < 0 (o bien ≤ 0, ≥ 0, >0)

En donde a, b, c son constantes mientras que a “y” b son diferentes de cero

En términos geométricos, la solución de una desigualdad lineal en x y y consiste


en todos los puntos del plano cuyas coordenadas satisfacen la desigualdad.

Observemos a continuación las desigualdades y las regiones descritas por ellas:

EJEMPLO 1:

Determinar la región descrita por la desigualdad y ≤ 5

Cuando veamos un problema como este no nos asustemos porque el hecho de


que no aparezca la x en ningún lugar de la ecuación solo quiere decir que x es
cierto en cualquier punto de x.

SOLUCION

La región sombreada es la solución factible para la desigualdad planteada.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

EJEMPLO 2:

Describir la región definida por la desigualdad: x ≥ -2

EJEMPLO 3:

Dando valores a x y y determinamos las rectas con las áreas correspondientes a


las desigualdades planteadas.

2x + y > 3

x≥y

y–1>0

Este sistema es equivalente

y > -2x + 3 x =0; y =3

Y=0; x= 3/2

y≤x x= 0; y= 0

x=1 ; y= 1

y > 1/2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Obsérvese que se ha escrito cada desigualdad de manera que “y “queda


despejada. Consecuencia las regiones apropiadas con respecto a las rectas
correspondientes restaran evidentes. En primer lugar se trazan las rectas

y = -2x + 3,

y=x Y

y=y

Después se sombra la región que se encuentra simultáneamente por encima de la


recta, sobre o por debajo de la segunda de ellas y por encima de la tercera esta
región es la solución.

Entonces la solución para el anterior ejercicio seria la región sombreada.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 16. CONCEPTO GENERAL DEL METODO GRAFICO

Ahora se considerara la forma en que se pueden resolver problemas de tipo lineal,


en donde la función dada se tendrá que maximizar o minimizar. Una función lineal
en x y y tiene la forma:

ax+by=0

Donde a y b son constantes. También se requerirá que las restricciones


correspondientes estén representadas mediante un sistema de desigualdades
lineales o ecuaciones en x y en y y que todas las variables sean no negativas.

A un problema en el que intervienen todas estas condiciones se le denomina


problema de programación lineal.

La programación lineal fue desarrollada por George B. danzing a fines de la


década de 1940 y se utilizo primero en la fuerza aérea de losa estados unidos
como auxiliar en la toma de decisiones. En la actualidad tiene amplia aplicación en
el análisis industrial y económico.

En un problema de programación lineal a la función que se desea maximizar o


minimizar se le denomina función objetivo. Aunque por lo general existe una
cantidad infinitamente grande de soluciones para el sistema de restricciones (a las
que se denomina soluciones factibles o puntos factibles), el objetivo consiste en
encontrar una de esas soluciones que represente una solución óptima (es decir
una solución que del valor máximo o mínimo de la fusión objetivo)

En conclusión con lo que acabamos de revisar en la parte anterior sobre las


inecuaciones nos da para definir literalmente el método grafico y el método
algebraico dentro del ámbito de la programación lineal.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Entonces el método grafico en la programación lineal es simplemente sacar de


una situación (problema) ecuaciones lineales y convertirlas en desigualdades o
inecuaciones para poder graficarlas y así sacar la región mas optima dependiendo
del signo de la desigualdad esa área se sombreara y esa será la solución mas
optima del problema.

LECCION 17. PASOS PARA LA SOLUCION MEDIANTE EL METODO


GRAFICO

Para llegar a una solución óptima en el método grafico se requiere seguir con una
serie de pasos que podemos dar a continuación:

1. formulación del problema


El primer paso para la resolución por método grafico es expresar el problema
en términos matemáticos en el formato general de la programación lineal
(desigualdades) con un solo fin maximizar la contribución a la ganancia.

2. graficar las restricciones


El próximo paso de la solución por método grafico es la graficación de las
restricciones en el plano cartesiano para establecer todas las posibles
soluciones.

3. obtención de la solución optima


Para encontrar la solución óptima, se grafica la función objetivo en la misma
gráfica de las restricciones. Se graficara siempre la función objetivo del
problema y se dará la solución de acuerdo con el símbolo que este presente en
las restricción de la función objetivo.

LECCION 18. EJEMPLOS

EJEMPLO: 1

Maximizar la función objetivo:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Z= 3x + y

Sujeto a las restricciones:

2x + y ≤ 8

2x + 3y ≤ 12

x, y ≥ 0

a continuación graficamos las desigualdades planteadas en las restricciones así:

2x + y ≤ 8 x=0; y=8

y=0; x=4

2x + 3y ≤ 12 x=0; y=4

Y=0; x=6

x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Se observa que la región factible esta conformada por los puntos A(0,0); D(0,4);
B(4,0) y el punto C que es el resultado de la intersección de las 2 inecuaciones
cuyo valor aproximadamente en el plano esta dado por las coordenadas (3,2).

Ahora bien el problema solicita la maximización de Z = 3x + y que se obtiene


precisamente en el punto C(3,2).

EJEMPLO: 2

Minimizar la función objetivo:

Z= 2x + 3y

Sujeto a las restricciones:

x +2y ≥ 10

3x + 2y ≥ 18

x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

a continuación graficamos las desigualdades planteadas en las restricciones así:

x + 2y≥10 x=0; y=5

y=0; x=10

3x + 2y≥18 x=0; y=9

Y=0; x=6

x, y ≥ 0

Región Factible

(4,3)

Se observa que la región factible esta conformada por los puntos (0,9); (4,3);
(10,0), donde el punto (4,3) es el resultado de la intersección de las dos
ecuaciones dadas como restricciones.

Ahora bien el problema solicita la maximización de Z = 3x + y que se obtiene


precisamente en el punto C(3,2).
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO 2

METODO ALGEBRAICO

INTRODUCCION

LECCION 19. PASOS PARA UTILIZAR EN METODO ALGEBRAICO

LECCION 20. EJEMPLOS DESARROLLADOS

LECCION 21. TALLER

INTRODUCCION

En ocasiones nos encontramos con problemas de índole magnitud, a los cuales se


desea maximizar o minimizar una función sujeta a ciertas restricciones.

Muchas personas califican al método algebraico, como uno de los métodos más
importantes en el campo de la programación lineal. En la actualidad es una
herramienta común, que se ha prestado para resolver problemas de gran
magnitud; por su simplicidad, sencillez y estilo de uso cientos de empresas,
compañías de todo el mundo han ahorrado miles y miles de pesos.

En este capítulo se tratara la formulación de problemas utilizando el método


algebraico para la solución de problemas de programación lineal. Se hace un
enfoque a la variedad de aplicaciones del método para que el estudiante
interesado pueda tener una visión y ejercitar sus conocimientos.

El método algebraico contempla en su desarrollo al método grafico y de la misma


manera el método grafico no estaría completo sin la rigurosidad del método
algebraico pues la apreciación visual que da el grafico en la solución óptima puede
estar sujeta a error por parte del analista.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 19. PASOS PARA UTILIZAR EN METODO ALGEBRAICO

Dado que tenemos un problema de dos variables, podemos graficar las


soluciones posibles y comprender algunos puntos interesantes respecto a las
relaciones lineales. Veremos la siguiente manera de obtener gráficamente las
soluciones al problema planteado y luego veremos como obtenerlas
algebraicamente.

1. Exprésense los datos del problema como una función objetivo y


restricciones.

2. Graficar las restricciones.

3. Definir el conjunto factible.

4. Encontrar la solución óptima

A continuación se presentan el análisis algebraico y grafico de algunos problemas


de programación lineal:

LECCION 20. EJEMPLOS DESARROLLADOS

PROBLEMA 1:

Supóngase una compañía fabrica 2 tipos de artefactos, manuales y eléctricos.


Cada uno de ellos requiere en su fabricación el uso de 3 maquinas: A, B y C. un
artefacto manual requiere del empleo de la maquina A durante 2 horas, de una 1
en B y una 1 en C, un artefacto eléctrico requiere de 1 hora en A, 2 horas en B y 1
hora en C. supóngase además que el numero máximo de horas disponible por
mes para el uso de las tres maquinas es 180, 160 y 100, respectivamente. La
utilidad que se obtiene con los artefactos manuales es de 4000 pesos y de 6000
pesos para los eléctricos. Si la compañía vende todos los artefactos que fábrica,
¿Cuántos de ellos de cada tipo se deben elaborar con el objeto de maximizar la
utilidad mensual?
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

A B C UTILIDAD

MANUALES(X) 2 1 1 4000

ELECTRICOS(Y) 1 2 1 6000

HORAS 180 160 100


DISPONIBLES

SOLUCIÓN:

1. Paso: Planteamos la función objetivo y las restricciones correspondientes:

MAX Z= 4000X + 6000Y

SUJETO A:

2X + Y ≤ 180

X + 2Y ≤ 160

X + Y ≤ 100

2. Paso: Elaboramos el gráfico correspondiente a las restricciones con el fin


de precisar la región factible y determinar los puntos que la conforman:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

2X + Y ≤ 180 X=0 Y= 180

Y=0 X= 90

X + 2Y ≤ 160 X=0 Y=80

Y=0 X=160

X + Y ≤ 100 X=0 Y=100

Y=0 X=100

3. Paso: Resolvemos el sistema de ecuaciones para determinar las


coordenadas del punto B y C así:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Para B: X + 2Y ≤ 160 Para C: 2X + Y ≤ 180

X + Y ≤ 100 X + Y ≤ 100

Y= 60 X = 80

X= 40 Y = 20

4. Paso:

Con los puntos de la región factible:

O(0,0) ; B(40,60) ; C(80,20) ; A(0,80); D(90,0) Maximizamos la función


objetivo :

MAX Z = 4000x + 6000 y

(0,0) 4000(0) + 6000(0) = 0

(0,80) 4000(0) + 6000(80) = 480000

(40,60) 4000(40) + 6000(60)= 520000

(90,0) 4000(90) + 6000(0) = 360000


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

5. Paso: La solución para el problema está representada por la fabricación de


40 artefactos manuales y 60 artefactos eléctricos generando una máxima
utilidad de $ 520.000.

EJEMPLO 2:

Un granjero va a comprar fertilizante que contiene tres ingredientes nutritivos, A, B


Y C. Las necesidades mínimas son 160 unidades de A, 200 de B y 80 de C.
Existen en el mercado dos marcas populares de fertilizante. El llamado
crecimiento rápido que cuesta $ 4000 el costal y contienen 3 unidades de A, 5 de
B y 1 de C, y el de crecimiento normal que cuesta $3000 y contiene 2 unidades de
cada ingrediente. Si el granjero desea minimizar el costo al tiempo que mantiene
el mínimo de los ingredientes nutritivos que se requieren, ¿cuantos costales de
cada marca debe comprar?.

A B C COSTO

CRECI/RAPIDO 3 5 1 4000

CRECI/NORMAL 2 2 2 3000

REQUERIMIENTO 160 200 80

SOLUCIÓN:

1. Paso: Determinamos la función objetivo y sus restricciones:

MIN Z= 4000X + 3000Y


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

SUJETO A LAS RESTRICCIONES:

3X + 2Y ≥ 160

5X + 2Y ≥ 200

X + 2y ≥ 80

2. Paso: Elaboramos la gráfica y determinamos la región factible:

3X + 2Y ≥ 160 X=0 Y= 80

Y=0 X= 53,33

5X + 2Y ≥ 200 X=0 Y= 100

Y=0 X= 40

X + 2y ≥ 80 X=0 Y=40

Y=0 X=80
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. PASO: Determinar las coordenadas de los puntos A y B:

Para A: 3X + 2Y ≥ 160 Para B: 3X + 2Y ≥ 160

5X + 2Y ≥ 200 X + 2y ≥ 80

-2X = -40 2X = 80

X = 20 X= 40

Y = 50 Y = 20

4. Paso: Optimizamos la función objetivo:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Z= 4000X + 3000Y

(80,0) 4000(80) + 3000(0) = 320000

(40,20) 4000(40) + 3000(20) = 220000

(20,50) 4000(20) + 3000(50) = 230000

(0.100) 4000(0) + 3000(100) = 300000

5. Paso: La solución del problema para el granjero está en comprar 40


unidades de crecimiento rápido y 20 de crecimiento normal, con un costo
mínimo de $ 220.000.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 21. TALLER

1. MAXIMIZAR

P= 10x + 12y

Sujeta a:

x + y ≤ 60

x - 2y ≥ 0

x, y ≥ 0

2. MAXIMIZAR

P= 5x + 6y

Sujeta a

x + y ≤ 80

3x + 2y ≤ 220

2x + 3y ≤ 210

x, y ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. MAXIMIZAR

Z= 4x - 10y

Sujeta a

x – 4y ≥ 4

2x – y ≤ 2

x, y ≥ 0

4. MINIMIZAR

Z= 7x + 3y

Sujeta a

3x – y ≥ -2

x+y≤ 9

x – y = -1

x, y ≥ 0

5. Un fabricante de juguetes que esta preparando un programa de producción


para 2 nuevos artículos, “maravilla” y “fantástico”, debe utilizar la i información
respecto a sus tiempos de construcción que se proporcionan en la siguiente
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

tabla. Por ejemplo, cada juguete “maravilla” requiere de 2 horas en la maquina


A. las horas de trabajo disponibles de los empleados por semana, son: para la
maquina A, 70 horas; para la B, 40 horas; para terminado, 90 horas. Si las
utilidades de cada juguete “maravilla” y cada juguete “fantástico” son de
$40.000 y $60.000, respectivamente, ¿Cuántas unidades de cada uno deben
fabricarse por semana con el objeto de maximizar las utilidades? ¿cual seria la
utilidad máxima?

MAQUINA A MAQUINA B TERMINADO

“MARAVILLA” 2h 1h 1h

“FANTASTICO” 1h 1h 3h
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CAPITULO 3

METODO SIMPLEX

INTRODUCCION
LECCION 22. PASOS PARA DESARROLLAR EL METODO simplex
LECCION 23. DUALIDAD
LECCION 24. COMPARACION ENTRE EL METODO SIMPLEX DUAL Y EL
DUAL-SIMPLEX
LECCION 25. ANALISIS DE SENCIBILIDAD
LECCION 26. TALLER METODO SIMPLEX
LECCION 27. TALLER DUALIDAD
LECCION 28. DEGENERACION
LECCION 29. PROBLEMAS DE PL CON VARIABLES ACOTADAS
LECCION 30. ALGORITMOS DE DESCOMPOSICION
LECCION 31. LA PROGRAMACION LINEAL BASADA EN LOS
COMPUTADORES

INTRODUCION

En los capítulos 1 y 2 de esta unidad vimos como resolver problemas de


programación lineal a través del método grafico y el método algebraico, surgen
grandes limitaciones a la hora de trabajar con estos dos métodos, es decir que no
es posible darle óptima solución a un problema. Esto se debe a que el método
grafico no resulta práctico cuando el número de variables se aumenta a tres, y con
más variables resulta imposible de utilizar. Por otra parte el método algebraico
tarda demasiado tiempo aun para problemas de pocas variables y restricciones.

El mejor método para resolver un problema de programación lineal es el método


simplex, ya que es un método de fácil aplicación, de tipo algorítmico y conduce a
una eficiente solución del problema.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CONCEPTO

El método simplex fue desarrollado por George dantzig (1947) y es un método


algebraico que se utiliza para resolver problemas de programación lineal en un
número finito de pasos en una computadora. Este método establece una solución
factible y luego prueba si es óptima o no. Si no lo es busca una mejor solución y si
esta no es optima entonces repite el proceso hasta hallar una solución óptima.

LECCION 22. PASOS PARA EL DESARROLLO DEL METODO SIMPLEX

1. Elaborar la tabla simplex inicial.

X1 X2 X3 S1 S2 S3 S4 Z b

S1 a11 a12 a13 1 0 0 0 0 b1

S2 a21 a22 a23 0 1 0 0 0 b2

S3 a31 a32 a33 0 0 1 0 0 b3

S4 a41 a42 a43 0 0 0 1 0 b4

Z -C1 -C2 -C3 0 0 0 0 1 0

Indicadores

Existen cuatro variables de holgura, S1, S2, S3, y S4; una para cada restricción.

2. Si todos lo indicadores del último renglón son no negativos, entonces Z tiene


un máximo cuando X1=0, X2=0 y X3=0. El valor máximo es 0. Si existen
indicadores negativos, localizar la columna en la que aparezca el indicador
más negativo. Esta columna señala la variable entrante.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. Dividir cada uno de los elementos de la columna de b que se encuentran por


encima de la recta punteada entre el correspondiente elemento de la columna
de la variable entrante. Se debe realizar esta división solo en los casos en los
que el elemento de la variable que entra sea positivo.

4. encerrar en un círculo el elemento de la columna de la variable entrante que


corresponde al menor cociente del paso 3. Este es un elemento pivote. La
variable saliente es la que se encuentra al lado izquierdo del renglón del
elemento pivote.

5. Utilizar operaciones elementales sobre renglones para transformar la tabla en


otra tabla equivalente que tenga un 1 en donde se encuentra el elemento
pivote y 0 en las demás posiciones de esa columna.

6. la variable entrante debe reemplazar a la variable saliente en el lado izquierdo


de esta nueva tabla.

7. si todos los indicadores de la tabla nueva son no negativos, ya se tiene una


solución óptima. El valor máximo de Z es el elemento del último renglón y la
última columna. Ocurre esto cuando las variables se encuentran del lado
izquierdo de la tabla son iguales a lo elementos correspondiente de la última
columna. Todas las demás variables son ceros. Si cuando menos uno de los
indicadores es negativo, se debe repetir el mismo proceso con la nueva tabla,
comenzando con el paso 2.

EJEMPLOS DESARROLLADOS

EJEMPLO 1

Maximizar Z= 5X1+4X2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Sujeto a: X1+X2 ≤ 20

2X1+X2 ≤ 35

-3X1+X2 ≤ 12

X1≥0, X2≥0

Este problema de programación lineal se ajusta a la forma normal. La tabla


simplex inicial es:

x1 x2 S1 S2 S3 Z b Cocientes

S1 1 1 1 0 0 0 20 20÷1=20

Variable S2 2 1 0 1 0 0 35 35÷2=17.5

Saliente S3 -3 1 0 0 1 0 12

Z -5 -4 0 0 0 1 0

Indicadores

Variable

Entrante

El indicador mas negativo, -5, aparece en la columna x1. Por ello, x1 es la variable
entrante. El menor cociente es 17.5, de modo que, S2 es la variable saliente. El
elemento pivote es 2. Utilizando operaciones elementales sobre los renglones
para obtener un 1 en la posición del pivote y 0 en las demás posiciones de esa
columna, se tienen:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

x1 x2 S1 S2 S3 Z b

1 1 1 0 0 0 20

2 1 0 1 0 0 35

-3 1 0 0 1 0 12

-5 -4 0 0 0 1 0

1 1 1 0 0 0 20

1 1/2 0 1/2 0 0 35/2 (Multiplicando el renglón 2 por 1/2)

-3 1 0 0 1 0 12

-5 -4 0 0 0 1 0

0 1/2 1 -1/2 0 0 5/2 (Sumando al renglón uno el renglón 2

1 1/2 0 1/2 0 0 35/2 multiplicado por -1; sumando al renglón

0 5/2 0 3/2 1 0 129/2 tres el renglón 2 multiplicado por 3;

Sumando al renglón cuatro el renglón dos


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

0 -3/2 0 5/2 0 1 175/2 multiplicado por 5)

La nueva tabla es:

x1 x2 S1 S2 S3 Z b Cocientes

Variable S1 0 1/2 1 -1/2 0 0 5/2 5/2 ÷1/2=5

Saliente x1 1 1/2 0 1/2 0 0 35/2 35/2 ÷1/2=35

S3 0 5/2 0 3/2 1 0 129/2 129/2÷5/2=25(4/5)

Z 0 -3/2 0 5/2 0 1 175/2

Indicadores

Variable Entrante

Obsérvese que en el lado izquierdo, x1 reemplazó a S2. Ya que -3/2 es el


indicador más negativo se debe continuar con el proceso. La variable entrante es
ahora x2. El menor cociente es 5. De modo que S1 es la variable saliente y ½ es
el elemento pivote. Utilizando operaciones elementales sobre renglones, se tiene:

x1 x2 S1 S2 S3 Z b

0 ½ 1 -1/2 0 0 5/2

1 1/2 0 1/2 0 0 35/2

0 5/2 0 3/2 1 0 129/2

0 -3/2 0 5/2 0 1 175/2

0 1/2 1 -1/2 0 0 5/2 (Sumando al renglón dos el renglón uno

1 0 -1 1 0 0 15 multiplicado por -1; sumando al renglón


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

0 0 -5 4 1 0 52 tres el renglón uno multiplicado por -5;

Sumando al renglón cuatro el renglón

0 0 3 1 0 1 95 uno multiplicado por 3)

0 1 2 -1 0 0 5

1 0 -1 1 0 0 15

0 0 -5 4 1 0 52 (Multiplicando el renglón uno por 2)

0 0 3 1 0 1 95

La nueva tabla es:

x1 x2 S1 S2 S3 Z b

x2 0 1 2 -1 0 0 5

x1 1 0 -1 1 0 0 15

S3 0 0 -5 4 1 0 52

Z 0 0 3 1 0 1 95

Indicadores

En donde x2 reemplazo a S1 en el lado izquierdo. Como todos los indicadores son


no negativos, el valor máximo de Z es 95 y aparece cuando x2=5 y x1=15 (y
S3=52, S1=0, S2=0).

EJEMPLO 2

Maximizar Z= 3x1 + 4x2 + 3/2x3


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Sujeta a: -x1-2x2 ≥ -10

2x1+2x2+x3 ≤ 10

x1, x2, x3 ≥ 0

La restricción (10) no se ajusta a la forma normal. Sin embargo, multiplicando


ambos lados de (10) por -1 resulta.

TABLA SIMPLEX I

x1 x2 x3 S1 S2 Z b Cocientes

Variable S1 1 2 0 1 0 0 10 10÷2=5

Saliente S2 2 2 1 0 1 0 10 10÷2=5

Z -3 -4 -3/2 0 0 1 0

Indicadores

Variable

Entrante

La variable entrante es x2. Dado que existe un empate en el menor cociente, se


puede elegir cualquiera de los dos, S1 o S2, como la variable saliente. Se escoge
S1. Se encierra en un círculo el pivote. Utilizando operaciones elementales sobre
renglones, se obtiene la tabla 2.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

TABLA SIMPLEX II

x1 x2 x3 S1 S2 Z b Cocientes

Variable x2 1/2 1 0 1/2 0 0 5 no hay puesto

Saliente S2 1 0 1 -1 1 0 0 que 0 No es positivo

Z -1 0 -3/2 2 0 1 20 0÷1=0

Indicadores

Variable

Entrante

La tabla II corresponde a una SFB (solución básica factible) en la que una variable
básica S2 es 0. Por ello, la SFB es degenerada. Ya que existen indicadores
negativos, se continúa el proceso. La variable entrante es ahora x3, la variable
saliente es S2 y el pivote se encuentra encerrado en un círculo. Utilizando
operaciones elementales sobre renglones, se obtiene la tabla III.

TABLA SIMPLEX II

x1 x2 x3 S1 S2 Z b

x2 1/2 1 0 1/2 0 0 5

x3 1 0 1 -1 1 0 0

Z 1/2 0 0 1/2 3/2 1 20

Indicadores
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

En virtud de que todos los indicadores son no negativos, Z es máxima cuando


x2=5 y x3=0, y x1=S1=S2=0. El máximo valor es Z=20. Obsérvese que este valor
es igual al valor de Z correspondiente a la tabla II. En problemas con degeneración
es posible llegar al mismo valor de Z en varias etapas del proceso simplex.

EJEMPLO 3:

Considere el siguiente problema de programación lineal:

Maximizar Z=2x1+5x2+8x3

Sujeto a x1+ x2+ x3 ≤ 12

8x1-4x2+4x3 ≤ 24

x2+ x3 ≤ 8

x1, x2, x3 ≥ 0

PASO 1: INICIALIZACIÓN:

Maximizar Z

Z-2x1-5x2-8x3 = 0 (0)

x1+ x2+ x3+ x4 =12 (1) (II)

8x1-4x2+4x3 +x5 =24 (2)

x2+ x3 +x6 =8 (3)

xj≥0, j=1,2,…,6

Donde las variables de holgura son x4, x5 y x6.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

La tabla inicial para la aplicación del algoritmo Simplex es:

V.B x1 x2 x3 x4 x5 x6 b

Z -2 -5 -8 0 0 0 0

x4 1 1 1 1 0 0 12

x5 8 -4 4 0 1 0 24

x6 0 1 1 0 0 1 8

La solución básica falible de partida se obtiene fácilmente del sistema de


ecuaciones (II). Cada una de las ecuaciones tiene una sola variable básica. Por
ejemplo, la variable básica de la ecuación (2) es x5 ya que tiene coeficientes de +1
en esa ecuación y no aparece en ninguna de las otras ecuaciones.

Esto quiere decir que, en esa ecuación, la demás variables, al ser no básicas, sus
valores son ceros y, por consiguiente, podemos deducir que el valor de x5 es igual
a 24.

De manera similar, de la ecuación (0) se obtiene que Z = 0, de la (1) se obtiene


que x4 = 12 y de la (3) que x6 = 8.

Observe que en la tabla se pueden leer estos valores directamente. Bastará hacer
corresponder a cada variable básica indicada en la primera columna, (V.B.) los
valores de la última columna (b).

Observe además que la matriz correspondiente a las variables básicas de las


restricciones, es una matriz unidad.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

PASO 2: PROCESO ITERATIVO

Primera Iteración

La variable básica entrante es x3, puesto que es la que tiene mayor coeficiente en
la función objetivo de (I), o bien es la de coeficientes más negativos en la tabla
inicial (-8 en este ejemplo).

La variable básica saliente se determina de la siguiente manera: la cota superior


de la variable básica entrante xent = x3, viene dada por +∞ si a'13 ≤ 0 y b'1/a'13 si
a’13>0. Entonces, los valores de a'13 y b’1 son:

Restricción

1 a'13 = 1 b'1 = 12

2 a'23 = 1 b'2 = 24

3 a'33 = 1 b'3 = 8

Como todos los coeficientes de las ecuaciones i (i = 1, 2,3) son positivos, entonces
la cota superior estará dada por b'1/a'13. O sea:

b’1/a'13 = 12/1 = 12

b'2/a'23 = 24/4 = 6

b'3/a'33 = 8/1 = 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

La menor cota superior es 6, que corresponde a la restricción numero 2. La


variable básica que corresponde a esa ecuación es x5 y es, en consecuencia, la
variable básica saliente. Es decir, en el conjunto de variables básicas se cambia a
x5 por x3, por lo que las nuevas variables básicas son x4, x3 y x6.

Ahora x3 es una variable básica, luego debe tener un coeficiente +1 en la segunda


ecuación y no debe aparecer en ninguna otra, es decir, en cualquier otra ecuación
distinta de la segunda restricción (que es la ecuación donde la variable básica es
x3) el coeficiente de x3 debe ser cero. Esto se logra de la siguiente manera:

1. Divida toda la ecuación por 4, que es el coeficiente de x3 en la segunda


restricción.
La ecuación queda

2x1 - x2 + 1x3 + 1/4x5 = 6 (A)

2. Para lograr ceros en los coeficientes de x3 en las nuevas ecuaciones (0),


(1) y (3) multiplique la ecuación (A) anterior por 8, -1 y -1 uno a la vez, y
sume el resultado a las ecuaciones anteriores (0), (1) y (3). O sea,
multiplicar la ecuación (A) por 8 se obtiene:

16x1 - 8x2 + 8x3 + 2x5 = 48

Esta ecuación sumada con la ecuación (0) se partida queda:

Z + 14x1 – 13x2 + 2x5 = 48

Que vendría a ser la ecuación (0).


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

De manera similar, para lograr un cero en el coeficiente de x3 de la ecuación (1),


multipliquemos la ecuación (A) por -1 y sumemos el resultado a la ecuación (1).

(1) Ecuación A: -2x1 + x2 – x3 -1/4X5 = - 6

Ecuación (1): x1 + x2 + x3 + x4 = 12

Nueva Ecuación: - x1 + 2x2 + x4 – 1/4x5 = 6

Finalmente, para lograr un cero en el coeficiente de x3 de la ecuación (3),


multipliquemos (A) por -1 y sumemos el resultado a (3). La nueva ecuación (3)
después de la transformación es:

-2x1 + 2x2 - 1/4x5 + x6 = 2

La solución presente después de la primera iteración es:

(x1, x2, x3, x4, x5, x6) = (0, 0, 6, 6, 0, 2); Z = 48

Estos resultados se presentan de una manera sencilla en forma tabular. Al igual


que se hizo con la tabla inicial, registramos solamente los coeficientes de las
variables y los colocamos inmediatamente debajo de la tabla inicial. Esta segunda
tabla proporciona una manera fácil de ver los valores actuales de las variables
básicas después de que se ha realizado la primera iteración.

La tabla inicial y la que resulta después de la primera iteración son las siguientes:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

V.B x1 x2 x3 x4 x5 x6 b

Z -2 -5 -8 0 0 0 0

x4 1 1 1 1 0 0 12

x5 8 -4 4 0 1 0 24

x6 0 1 1 0 0 1 8

Tabla Inicial

V.B x1 x2 x3 x4 x5 x6 b

Z 14 -13 0 0 2 0 48

x4 -1 2 0 1 -1/4 0 6

x5 2 -1 1 0 1/4 0 6

x6 -2 2 0 0 -1/4 1 2

Tabla Después De La Primera Iteración

Observe que si en la segunda tabla se intercambian las columnas de x5 y x3, de


nuevo se destaca la matriz unitaria.

En este momento, es oportuno preguntarse si la solución que se ha obtenido


después de la primera iteración es la solución óptima. Para responder la pregunta,
veamos si es posible incrementar una de las variables de tal manera que la
función objetivo aumente. La función objetivo después de la primera iteración es:

Z + 14x1 – 13x2 + 2x5 = 48, o bien

Z = -14x1 + 13x2 – 2x5 + 48


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Si aumentamos x2 aumentará el valor de Z, puesto que su coeficiente es positivo


(+13). Por consiguiente, todavía no hemos obtenido el valor óptimo y necesitamos
realizar otra iteración. A esta misma conclusión hubiésemos llegado si
observamos que en la tabla después de la primera iteración, todavía existe un
coeficiente (el de x2) que es negativo.

Segunda iteración

Después de la primera iteración, el sistema de ecuaciones queda:

Z = -14x1 + 13x2 -2x5 + 48

-x1 + 2x2 + x4 - 1/4x5 = 6

2x1 - x2 + x3 + 1/4x5 = 6

-2x1 +2x2 - 1/4x5 + x6 = 2

La variable básica entrante es x2, puesto que es la que tiene mayor coeficiente en
la función objetivo, o bien es la del coeficiente más negativo en la tabla después
de la primera iteración.

Para determinar la variable básica saliente, procedemos de manera similar a lo


que hizo en la primera iteración.

En este caso xent = x2

Restricción

1 a'12 = 2 , b'1 = 6

2 a'22 = -1 , b'2 = 6

3 a'32 = 2 , b'3 = 2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Las cotas superiores son:

6/2 = 2

+∞ ya que a'22 = -1 < 0

2/2 = 1

La menor cota superior es 1 y corresponde a la tercera restricción. Entonces la


variable básica saliente es x6, es decir, cambiamos x6 por x2. Las nuevas
variables son x4,x3 y x2.

Como x2 es ahora una variable básica, debe tener un coeficiente +1 en la


ecuación (3) y no debe aparecer en ninguna otra ecuación. Esto se logra de la
siguiente manera:

1. Se divide toda la ecuación (3) por 2, que es el coeficiente de x2 en esa


ecuación.

2. Se multiplica la ecuación resultante en el paso 1º. por 13, -2 y +1, unos a


las vez, y se suman los resultados a las ecuaciones (0), (1) y (2).

El resultado es:

Z + x1 +3/8x5 + 13/2x6 = 61 (0)

x1 + x4 - x6 = 4 (1)

x1 + x3 + 1/8x5 + 1/2x6 = 7 (2)

x1 + x2 - 1/8x5 + 1/2x6 = 1 (3)


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Regla de parada

Como todos los coeficientes de la ecuación (0) son positivos, la solución presente
es óptima; o sea: Z = 61, x4 = 4, x3 = 7, x2 =1 y el resto de las variables son
ceros.

Al igual que en la primera iteración, los resultados se pueden presentar en forma


tabular. La tabla inicial y las que resultan después de la primera y de la segunda
iteración, son las siguientes:

V.B x1 x2 x3 x4 x5 x6 b

Z -2 -5 -8 0 0 0 0

x4 1 1 1 1 0 0 12

x5 8 -4 4 0 1 0 24

x6 0 1 1 0 0 1 8

Tabla Inicial

V.B x1 x2 x3 x4 x5 x6 b

Z 14 -13 0 0 2 0 48

x4 -1 2 0 1 -1/4 0 6

x5 2 -1 1 0 1/4 0 6

x6 -2 2 0 0 -1/4 1 2

Primera Iteración
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

V.B x1 x2 x3 x4 x5 x6 b

Z 1 0 0 0 3/8 13/2 61

x4 1 0 0 1 0 -1 4

x5 1 0 1 0 1/8 1/2 7

x6 1 1 0 0 -1/8 1/2 1

Segunda Iteración

La solución óptima es (x1, x2, x3, x4, x5, x6) = (0, 1, 7, 4, 0, 0); Z = 61

Hemos visto la aplicación del método Simplex para obtener la solución óptima de
un problema de Programación Lineal y su forma tabular asociada. En realidad, el
proceso de hace bastante mas expedito utilizando directamente la tabla, sin tener
que pasar por las ecuaciones correspondientes. La determinación de las variables
básica entrantes y salientes en cada iteración, puede hacerse directamente a
partir de cada una de las tablas.

Ejemplo 4:

Observemos el siguiente ejemplo, recordando los pasos fundamentales en el


método simplex, además del uso de variables artificiales, no confundir con
adicionales.

Maximizar Z = -5x1 + 8x2 + 3x3,

sujeto a

2x1 + 5x2 - x3 ≤ 1
-3x1 - 8x2 + 2x3≤ 4
-2x1 - 12x2 + 3x3≤£ 9

1. Expresamos estas condiciones en forma matricial. Se eligen 3 (m)


columnas linealmente independientes dentro de A ___ P4, P5, P6.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

P4 P5 P6

5 -1 1 0 0 1
2

-3 -8 2 0 1 0 4

-
-2 3 0 0 1 9
12

Al introducir estas tres nuevas columnas, estamos utilizando tres variables


adicionales: x4, x5 y x6.

Nuestra función objetivo tendrá la siguiente expresión:

Z = -5x1 + 8x2 + 3x3+ 0x4 + 0x5 + 0x6

Se resuelve el sistema en las variables correspondientes:

1 - 2x1 - 5x2 + x3 = x4

4 + 3x1 + 8x2 - 2x3 = x5

9 + 2x1 + 12x2 - 3x3 = x6

Haciendo x1= x2= x3= 0 se obtiene el vértice de salida:

(0,0,0,1,4,9)

Obtenemos, asimismo una "nueva" función objetivo:

Z =-5x1 + 8x2 + 3x3+ 0· (1 - 2x1 - 5x2 + x3)+ 0· (4 + 3x1 + 8x2 - 2x3) + 0· (9 + 2x1
+ 12x2 - 3x3)

2. De aquí obtenemos que z0= 0


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. Para ver si es posible mejorar z0, se examina la función z=f(x1, x2, x3) y de
todos los coeficientes que sean positivos, se coge el mayor. Mientras haya
coeficientes positivos se va a poder mejorar.

Se plantea como aumentar el valor de una variable, de forma que las otras
variables que aparecían en la expresión de Z sigan nulas y, al menos, una
de las que eran distintas de cero se anule.

Actuaremos sobre la variable x2, ya que es la de mayor coeficiente, 8.

Nuestro siguiente vértice debe cumplir las siguientes condiciones:

x2=k>0,
x1= x3= 0
y x4, x5, x6³ 0 y de estas tres variables, al menos, una nula.

Se resuelve el sistema en las variables señaladas, teniendo en cuenta


todas las anteriores condiciones:

1 - 5·k = x4

4 + 8·k = x5

9 + 12·k = x6

Debemos anular x4, ya que es imposible anular x5 y x6, con valores


positivos. La mejor elección será k=1/5,

Con este valor obtenemos el nuevo vértice de salida:

(0, 1/5 ,0,0, 28/5 ,57/5)

Ahora debemos rehacer las expresiones, expresadas en función de x 1, x3 y


x4 .

4. Se cambia la columna de la variable señalada que acaba de anularse por la


de la señalada que aumentó su valor.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

P2 P5 P6

1 -1/5 1/5 0 0 1/5


2/5

1/5 0 2/5 8/5 1 0 28/5

14/5 0 3/5 12/5 0 1 57/5

Se resuelve el sistema y se encuentra la expresión de la función objetivo


correspondiente a esa elección de columnas.

Z = 8/5 - 41/5 x1 + 23/5 x3 + 8/5 x4

Obtenemos z1, que saldrá de sustituir el valor del vértice hallado en la nueva
expresión de la función objetivo:

z1= 8/5.

5. Se repite cuantas veces haga falta el proceso. (mientras haya coeficientes


positivos).

x3= k
x1, x4= 0

Por tanto,

1/5 + k/5 = x2

28/5 - 2/5 ·k = x5

57/5 - 3/5 ·k = x6

Elegimos k= 14 (2ª igualdad), obteniendo los siguientes valores:


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

P2 P3 P6

1/2 1 0 1 1/2 0 3

1/2 0 1 4 5/2 0 14

5/2 0 0 -3/2 0 1 3

Se resuelve el sistema y se encuentra la expresión de la función objetivo:

Z = 66 - 21/2 x1 - 20 x4 + 23/2 x5

Calculamos el vértice de salida, haciendo x1= x4= x5= 0,

(0,3,14,0,0,3) è z2= 66

Ya no se puede mejorar este valor (no hay coeficientes positivos). El


proceso ha finalizado.

vértice solución: (0,3,14)


Alcanzado para Z= 66

Comentarios

 Para arrancar el simplex se precisa de un vértice inicial. Cuando las


columnas de la matriz identidad están dentro de A, este primer vértice
siempre se puede hallar.

Si Im no está dentro de A:
(Im , matriz identidad de mxm, con m= nº de condiciones.)

1. Debe elegirse m columnas linealmente independientes de A


cualesquiera. Aun así, puede que el simplex no arranque.
2. Manipular las ecuaciones del sistema para que éste sea equivalente
y la matriz identidad aparezca en el sistema final.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

1 1 -1 0 1 1 1 -1 0 1
F1
F2- 2F1
230 1 6 012 1 4

con Z, función objetivo del problema.

3. Introducción de nuevas variables, variables artificiales (no confundir


con adicionales). Serán tantas como sean necesarias y donde sean
necesarias para obtener la matriz identidad.

-1 0 0 1 1 48

1 2 -1 0 0 97

0 2 0 -1 0 11

-1 0 0 1 1 0 0 48

1 2 -1 0 0 1 0 97

0 2 0 -1 0 0 1 11

5. con Z, función objetivo del problema.

Esta introducción afecta a las condiciones y a la función objetivo que


quedará modificada en el sentido de que habrá dos variables nuevas
más (variables artificiales).

Se añaden tantos sumandos nuevos como variables artificiales


introducidas con coeficiente -M, siendo M arbitrariamente grande,
que no hace falta especificar.

Z = 2x1 - x2 + x4 - 3x5 - M(x6 + x7)


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Obtenemos un nuevo problema, llamado problema aumentado, de


cuya solución se saca la solución del problema estudiado:

I. Problema inicial (a su forma canónica): A·X = B; Z = C t · X


II. Problema aumentado: A' ·X = B; Z* = C' t · X

Si el problema aumentado tiene solución en un vértice en el que todas las


variables artificiales toman el valor cero, tendremos un vértice solución para el
problema en la forma canónica.

Vs* = (v1, v2,..., vn, ..., 0,..., 0 ) solución de II ___ Vs = (v1, v2,..., vn) solución de I.

Si el problema aumentado tiene una solución en un vértice en el que alguna de


sus componentes artificiales sea no nula, el problema inicial no tiene solución.

LECCION 23. DUALIDAD

Para cada problema de programación lineal hay una asociación y una relación
muy importante con otro problema de programación lineal, llamado precisamente
dual. El dual permite resolver problemas de maximización resolviendo un
problema minimización relacionado con aquel.

El método simplex además de resolver un problema de programación lineal


llegando a una solución óptima nos ofrece más y mejores elementos para la toma
de decisiones. La dualidad y el análisis de sensibilidad son potencialidades de
éste método

El dual es un problema de PL que se obtiene matemáticamente de un modelo


primal de PL dado. Los problemas dual y primal están relacionados a tal grado,
que la solución simplex óptima de cualquiera de los dos problemas conduce en
forma automática a la solución óptima del otro.

23.1 PASOS PARA CONVERTIR UN PROBLEMA PRIMAL A UNO DUAL

1. Si el primal es un problema de maximización su dual será un problema de


minimización y viceversa.
2. Los coeficientes de la función objetivo del problema primal se convierten en
los coeficientes del vector de la disponibilidad en el problema dual.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. Los coeficientes del vector de disponibilidad del problema original se


convierten en los coeficientes de la función objetivo (vector de costo o
precio) en el problema dual.
4. Los coeficientes de las restricciones en el problema primal, será la matriz
de los coeficientes tecnológicos en el dual.
5. Los signos de desigualdad del problema dual son contrarios a los del
primal.
6. Cada restricción en un problema corresponde a una variable en el otro
problema. Si el primal tiene m restricciones y n variables, el dual tendrá n
restricciones y m variables. Así, las variables Xn del primal se convierte en
nuevas variables Ym en el dual.

PROBLEMA PRIMAL EN PROBLEMA DUAL EN


FORMA CANONICA: FORMA CANONICA:

MAX Z= CX MIN Z= BY

Sujeto a: Sujeto a:

AX ≤ b AY ≥ C

X≥0 Y≥0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

23.2 EJEMPLOS RESUELTOS

EJEMPLO 1

Encontrar el dual del siguiente problema:

Maximizar Z = 3X1 + 4X2 + 2X3

Sujeta a X1 + 2X2 + 0X3 ≤ 10,

2X1 + 2X2 + X3 ≤ 10,

X1, X2, X3 ≥ 0.

El duaL es:

Minimizar W = 10Y1 + 10 Y2

Sujeta a Y1 + 2Y2 ≥ 3,

2Y1 + 2Y2 ≥ 4,

0Y1 + Y2 ≥ 2,

Y1, Y2 ≥ 0.

EJEMPLO 2

Encontrar el dual del siguiente problema:

Minimizar Z = 4X1+ 3X2

Sujeta a 3X1 - X2 ≥ 3, (11)

X1 + X2 ≤ 1, (12)

-4X1 + X2 ≤ 3, (13)

Y1, Y2 ≥ 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Debido a que es un problema de minimización, las restricciones (12) y (13) deben


quedar >. Multiplicando ambos lados de (12) y (13) por -1, tendremos -X1 - X2 > -
1 y 4X1 - X2 > -3. Por lo tanto:

3X1 - X2 ≥ 2,

X1 - X2 ≥ -1,

4X1 - X2 ≥ -3.

El dual es:

Maximizar W = 2Y1 – Y2 – 3Y3

Sujeta a 3Y1 – Y2 + 4Y3 ≤ 4,

-Y1 - Y2 - Y3 ≤ 3,

Y1, Y2, Y3 ≥ 0.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 24. COMPARACION ENTRE EL METODO SIMPLEX Y DUAL -


SIMPLEX

PRIMAL DUAL

Necesita para comenzar una base Necesita para comenzar una base
(primal) factible. (dual) factible.

Partiendo de una base primal factible, Partiendo de una base dual factible, el
se trata de alcanzar una factibilidad método trata de alcanzar factibilidad
del dual, manteniendo una factibilidad del primal, manteniendo una
del primal a través de todo el proceso. factibilidad del dual a través del todo
el proceso.

El criterio de optimización para el dual


El criterio para optimización para el
primal es el criterio de factibilidad del Es el criterio de factibilidad para el
dual. primal.

Los elementos pivote son posibles en Los elementos pivotes son negativos
todas las iteraciones, a fin de en todas las iteraciones, a fin de
mantener la factibilidad del primal. acercarse a la factibilidad del primal.

La columna pivote se selecciona La fila pivote se selecciona primero y


primero entre aquellas columnas que entre aquellas filas que tienen un
corresponden a un coeficiente valor actualizado negativo en el
negativo, luego se determina la fila segundo miembro de las ecuaciones.
pivote de tal manera que se garantice Se determina luego la columna pivote
que la factibilidad del primal se de tal manera que se mantenga la
mantenga en la próxima base. factibilidad dual en la próxima base.

La no factibilidad del dual se La no factibilidad del primal se


establece en el simplex primal, si la establece en el dual – simples, si la
columna pivote no tiene componentes fila pivote no tiene componentes con
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

con valores positivos. valores negativos.

LECCION 25. ANALISIS DE SENSIBILIDAD

Una vez que se ha obtenido la solución óptima de un problema de programación


lineal, es muchas veces necesario realizar un análisis de sensibilidad; esto es
estudiar cómo cambia la solución del problema por cambios discretos que se
introduzcan en los distintos coeficientes de este problema. Los cambios discretos
en esos coeficientes pueden o no afectar la condición de factibilidad (XB≥0) y la
llamada condición de optimalidad (todos los Zj – Cj ≥ 0 para los problemas del tipo
maximización).

Una forma de conocer los cambios que ocurren en la solución óptima de un


problema de P.L. cuando ocurren cambios (discretos) en uno o más coeficientes,
es resolver completamente el nuevo problema y comparar su solución con la
obtenida en el problema original. Esto puede ser, sin embargo, completamente
ineficiente. Otra manera es hacer uso de las propiedades del primal-dual
estudiadas anteriormente. En general, esto último reduce bastante el esfuerzo
computacional, comparando con el que tendríamos que realizar si resolvemos el
nuevo problema y es precisamente lo que haremos en esta sección.

Después de llegar a la solución de un problema de programación lineal. Puede


ocurrir que el administrador necesite hacer ciertos cambios en los recursos
disponibles de la operación, en el costo de operación, en el precio de materia
producido, etc. Generalmente estos cambios dan origen a un nuevo problema, y
su resolución requiere recursos financieros, humanos y tiempo; pero en ocasiones
no es factible gastar y esperar más por el nuevo problema creado con el cambio
ocurrido en las disponibilidades. Con las propiedades del método simplex no se
necesitará resolver el nuevo problema desde el principio, ya que es posible reducir
muchos cálculos y ahorrar recursos y tiempo llegando a nuevas soluciones
óptimas, sin resolver el problema totalmente, pues ese es el objetivo del análisis
de sensibilidad. El análisis de sensibilidad permite utilizar la tabla final para realizar
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

operaciones con objeto de analizar los siguientes cambios en el problema de


programación lineal:

 Cambios en el vector de disponibilidad de recursos


 Cambios en el vector de costos o precio, o sea, en los coeficientes de la
función objetivo
 Adición de nuevas actividades, es decir, las variables de decisión
 Aumentar el número de restricciones.

CAMBIOS EN EL VECTOR DE DISPONIBILIDAD

Suponga el siguiente problema de programación lineal:

Max Z= 8X1 + 6X2

Sujeta a:

4X1 + 2X2 ≤ 60

2X1 + 4X2 ≤ 48

X1 + X2 ≥ 0

El presidente de la fábrica decidió aumentar 2 horas de cada día en la capacidad


de los dos departamentos (la fábrica trabaja 6 días a la semana, pero los sábados
trabajan hasta medio día). Al presidente le interesa saber que efectos tendrán sus
decisiones sobre la solución óptima actual.

Z=132 X1= 12 X2= 6 H1= 0 H2= 0

Según la decisión del presidente el nuevo problema será:

Max Z= 8X1 + 2X2

Sujeto a:

4X1 + 2X2 ≤ 71
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

2X1 + 4X2 ≤ 59

Para resolver ese problema utilizamos la tabla final del problema anterior.

Base Variables de Variables de Solución


Decisiones Holgura

X1 X2 H1 H2
Z 0 0 5/3 2/3 132
Final X1 1 0 1/3 -1/6 12

X2 0 1 -1/6 1/3 6

Multiplicamos la matríz de los coeficientes tecnológicos de las variables que no


están en la base, al nuevo vector de disponibilidad, por consiguiente los nuevos
valores de las variables básicas actuales son:

X1 1/3 -1/6 71 14

= =

X2 -1/6 1/3 59 7.5

Como X1 y X2 no son negativos la nueva solución es factible y óptima. Para


encontrar el valor Z multiplicamos el vector de costo o precio al vector de la nueva
solución.

14

(8,6) = 157

7.5

Supóngase que por dificultades económicas no se puede vender el producto con


la misma rapidez que el año pasado, y por problemas de liquidez no es posible
cubrir el sueldo de todos los trabajadores, pero como se sabe que la situación es
temporal no se quiere cerrar la planta completamente, así que el presidente
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

decidió reducir la capacidad en ensamble y terminación a 56 y 25 horas


respectivamente, pero su inquietud es saber qué efectos tendrán estas nuevas
decisiones en el nivel de producción y en su ganancia, por consiguiente el nuevo
problema será:

Max z= 8x1 + 6x2

SUJETO A:

4x1 + 2x2 ≤ 56

2x1 + 4x2 ≤ 25

Solución:

X1 1/3 -1/6 56 14.5

= =

X2 -1/6 1/3 25 -1

Como los nuevos valores de las variables de decisión tienen signo negativo violan
la propiedad del simplex, o sea, cuando el sector [b] ≥ [0] la solución no es factible.
Entonces la nueva solución de la segunda restricción X2= -1 no es factible; aquí
el método de dual simplex llega a ser importante para restablecer la factibilidad del
problema.

Base X1 X2 H1 H2 Solución
Z 0 0 5/3 2/3 110
X1 1 0 1/3 -1/6 14.5

X2 0 1 -1/6 1/3 -1
Z 0 10 0 4 100
X1 1 2 0 ½ 12.5

X3 0 -6 1 -2 6 Óptimo

La solución factible y óptima actual es: X1= 12.5, X2= 0, X3= 6, X4= 0, Z= 100
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

No se debe olvidar que para encontrar cuál recurso hay que aumentar a fin de
lograr el mejor rendimiento marginal, tenemos que ver en la tabla final de dual
aquella variable dual correspondiente a la restricción primal que tiene el valor
positivo más alto, y el recurso que rendirá más si aumentamos unas unidades.
Para más información ver la interpretación de dual.

CAMBIO AL VECTOR DE COSTO O PRECIO

Supongamos que la compañía tiene mucha mercancía almacenada que no puede


vender. El presidente decide bajar el precio de la mesa a 6 pesos y el de la silla a
5 pesos, pero antes de hacer válida al decisión quiere saber qué efecto tendrá en
su operación y ganancia; el nuevo problema será:

Max Z= 6X1 + 5X2

Sujeto a:

4X1 + 2X2 ≤ 60

2X1 + 4X2 ≤ 48

X1,X2≥ 0

Solución:

El análisis de sensibilidad para este tipo de cambio toma como punto de partida la
solución óptima del problema original multiplicando el nuevo vector de costo o
precio (valores de la función objetivo por la matriz de coeficientes tecnológicos), o
sea, la matriz de los coeficientes de las variables que no están en la base de la
tabla final de simplex: el resultado de esta multiplicación le llamaremos Q.

Si Q≥ 0 la solución es factible, si Q ≤ 0 la solución no es factible. Hay una mejor


explicación con el procedimiento de simplex. Si la solución es factible se debe
verificar que la solución sea óptima también, si no es óptima, seguimos con el
procedimiento de simplex.

Para verificar si Q es el resultado de la F.O. por la matriz de coeficientes


tecnológicos multiplicamos Q por la matriz de los coeficientes del dual, y
llamaremos al resultado de esta multiplicación L, restamos L, con el nuevo vector
de costo o precio, si el resultado es el cero; la solución es óptima si no seguimos
con el procedimiento simplex.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

(vector de costo y precio) x Mariz de = Q

Coeficientes

Tecnológicos

Q matriz de las variables = L

De cual es dual

L – C = 0, la solución es óptima

1/3 -1/6

(6,5) = (7/6,2/3)

-1/6 1/3

Como Q, o verificamos la optimalidad

4 2

(7/6, 2/3) = (6,5)

2 4

Los nuevos coeficientes de la F.O. (Z) correspondientes a X1 y X2 de la tabla final


de simplex son:

(8 6) – (8 5) = (2 1)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 26. TALLER METODO SIMPLEX

1. MAXIMIZAR

Z= x1 + 2x2

Sujeta a

2x1 + x2 ≤ 8

2x1 + 3x2 ≤ 12

x1, x2 ≥ 0

2. MAXIMIZAR

Z= -x1 + 3x2

Sujeta a

x1 + x2 ≤ 6

-x1 + x2 ≤ 4

x1, x2 ≥ 0

3. MAXIMIZAR

Z= 8x1 + 2x2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Sujeta a

x1 – x2 ≤ 1

x1 + 2x2 ≤ 8

x1 + x2 ≤ 5

x1, x2 ≥ 0

4. Una compañía de carga maneja envíos para 2 compañías, A y B, que se


encuentran en la misma ciudad. La empresa A envía cajas que pesan 3
libras cada una y tiene un volumen de 2 pies³; la B envía cajas de 1 pie³ con
peso de 5 libras cada una. Tanto A como B hacen envíos a los mismos
destinos. El costo de trasporte para cada caja de A es $7500 y para B es
$5000. la compañía transportadora tiene un camión con espacio de carga
para 2400 pies³ y capacidad máxima de 9200 libras. En un viaje, ¿Cuántas
cajas de cada empresa debe transportar el camión para que la compañía
de transportes obtenga el máximo ingreso? ¿cual es este máximo?

5. una compañía fabrica 3 productos X, Y, Z. cada producto requiere de los


tiempos de maquina y tiempo de terminado como se muestran en la tabla.
Los números de horas de tiempo de maquinas y de tiempo de terminado
disponibles por mes son 900 y 5000 respectivamente. La utilidad por unidad
X, Y y Z es $3000, $4000 y $6000 respectivamente. ¿Cual es la utilidad
máxima al mes que puede obtenerse?

TIEMPO DE TIEMPO DE
MAQUINA TERMINADO

X 1 4

Y 2 4

Z 3 8
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 27. TALLER DUALIDAD

En los siguientes problemas hay que encontrar solo la forma dual del
ejercicio no es necesario que los resuelva, sin embargo si es su deseo
hacerlo proceda.

1. MAXIMIZAR

Z= 2x1 + 3x2

Sujeta a

x1 + x2 ≤ 6

-x1 + x2 ≤ 4

x1, x2 ≥ 0

2. MAXIMIZAR

Z= x1 + 8x2 + 5x3

Sujeta a

x1 + x2 + x3 ≥ 8

-x1 + 2x2 + x3 ≥ 2

x1, x2, x3 ≥ 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

3. Una empresa está comparando los costos de publicidad en dos medios de


comunicación: periódicos y radio. Para cada peso de publicidad la tabla que
aparece en seguida presenta el numero de personas por grupo de ingresos, de
cada uno de esos medios de comunicación alcanza. La empresa desea llegar a
cuando menos 8000 personas de las que tienen ingresos de menos de
$500.000 y cuando menos 6000 de las que ganan mas de $500.000. utilizar el
dual y el método simplex para hallar las cantidades que debe invertir la
empresa en publicidad en periódicos y en radio, para llegar a ese número de
personas, con un costo total mínimo. ¿cual es el costo total mínimo de
publicidad?

MENOS DE MAS DE $500.000


$500.000

PERIODICOS 40 100

RADIO 50 25

LECCION 28. DEGENERACION: INTRODUCCION

Las unidades anteriores cubren los aspectos fundamentales del modelo de


programación lineal. Pero este capítulo se presentan algunos tópicos avanzados
relacionados con la degeneración en programación lineal, así como algoritmos
para resolver problemas con estructuras especiales. Con el estudio de esta unidad
entonces, es complemento natural de un primer curso de investigación de
operaciones para un estudiante de ingeniería.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

DEGENERACION EN PROGRAMACION LINEAL

En el desarrollo del método simple, hemos visto que si existe una solución básica
factible (pero no optima) al conjunto de restricciones y en ausencia de
degeneración, es posible ir combinando sucesivamente un vector de la base y
alcanzar una solución optima (o una indicación de que la solución no esta
acotada) en un numero finito de pasos.

Para la solución de la degeneración en programación lineal existen dos métodos


importantes: método de perturbación de charnes y método simplex generalizado.

1. METODO DE PERTURBACION DE CHARNES

Se considera solamente la resolución de un problema particular, considerando un


conjunto de problemas cuyos valores son modificados a un valor en particular.
Cuando los valores no se modifican el conjunto de problemas incluye el problema
original a resolver.

PASOS PARA OBTENER UNA SOLUCION DEGENREADA APARTIR DE LA


SOLUCION BASICA

 Numeramos los vectores de tal manera que aquellos que conforman la


matriz identidad estén de primero.
 Comenzando con una matriz identidad como base podemos obtener
siempre una solución básica inicial para el problema perturbado.
En algunos casos no es importante hallar el valor de E (dado por algunos libros
como el coeficiente que acompaña el resultado de la solución factible), ya que no
es necesario en la practica porque requiere de mucho trabajo sin embargo es
importante ya que demuestra que cualquier valor entre 0 y Emax puede perturbar
el resultado de la solución degenerada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

2. USO DE LA TECNICA DE PERTURBACION EN EL METODO SIMPLEX EN


FORMA TABULAR

Para aplicar la técnica de perturbación de Charnes con el método tabular del


algoritmo simplex se resuelve de la misma forma que el método simplex para
realizar el cálculo de la SBF (solución básica factible).

En primer lugar consideramos las menores potencias de E porque los valores mas
pequeños son los que cuentan.

Claro esta que en el uso de la técnica de perturbación con el método simplex en


forma tabular, debemos proveer las columnas para los vectores artificiales que se
requieran.

Veamos a continuación un ejemplo ilustrativo del procedimiento para seleccionar


el vector que debe salir de la base y que asegurará que el ciclaje no ocurrirá.

a1 a2 a3 a4 a5

V.B x1 x2 x3 x4 x5 b

Z 0 0 0 -4 -3 0

X1 1 0 0 2 4 2

X2 0 1 0 3 1 0

X3 0 0 1 4 2 0

En la primera iteración el vector a4 entra a la base. Ahora bien, al dividir Xb/Yi4 se


tiene

Min {2/2;0/3;0/4}=0 (no es único)


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

El vector que sale de la base esta unívocamente determinado, puesto que

XB2/Y24=XB3/Y34=0 nos movemos entonces a la primera columna y


determinamos:

Y21/Y24 y Y31/Y34.

Y21/Y24=0/3=0

Y31/Y34=0/4=0

En ambos casos el coeficiente es cero. Tomemos entonces la columna de a2


(segunda columna) y calculamos Y22/Y24 y Y32/Y34, o sea:

Y22/Y24=1/3; Y32/Y34=0/4=0

En este caso se obtiene el coeficiente mínimo de cero.

Entonces sacamos de la base al vector a3. En otras palabras, la variable X4 entra


y sale X3. el elemento pivote es entonces Y34=4. la nueva tabla será:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

a1 a2 a3 a4 a5

V.B x1 x2 x3 x4 x5 b

Z 0 0 1 0 -1 0

X1 1 0 -1/2 0 3 2

X2 0 1 -3/4 0 -1/2 0

X3 0 0 ¼ 1 ½ 0

Primera iteración

Con una iteración adicional obtenemos la solución óptima. A partir de la


información dada en las tablas, vamos a mostrar la solución correspondiente al
problema perturbado.

Para la primera tabla de acuerdo a la ecuación

n+s

Xb(E) = Xb + ∑ E ^ (j)Yj

j=1

Tenemos:

XB1 (E) = 2 + E +2E^(4) +4E^(5)

XB2 (E) = 0 + E^(2) +3E^(4) +E^(5)

XB3 (E) = 0 + E^(3) +4E^(4) +2E^(5)

Z(E) = 0
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Los nuevos valores XnBi(E) cuando se incorpora el vector a4 se obtiene la


segunda tabla y son los siguientes:

XnB1 (E) = 2 + E^(3) –(1/2)E^(3) +3E^(5)

XnB2 (E) = E^(2) –(3/4) E^(3) –(1/2)E^(5)

XnB4 (E) = 1/4E^(3) + 4E^(4) +2E^(5)

ZN(E) = E^(3) + 4E^(4) + 2E^(5)

Para los valores pequeños de E los XBi(E) son positivos. A demás

ZN(E) > Z(E).

METODO SIMPLEX GENERALIZADO

Esta técnica utiliza el concepto de vectores ordenados lexicográficamente.

Un vector X es lexicográficamente positivo (y se denota por X>0) y su primer


componente distinto de 0 es positivo. Dicho de otra manera, si examinamos el
vector X de izquierda a derecha y encontramos que la primera componente
distinta de cero es positiva, entonces el vector es lexicográficamente positivo.

 Selección del vector que entra en la base

El vector que entra en la base en cualquier iteración se determina de la misma


manera que el método simplex común, de hecho es el mismo vector que entraría
si tratáramos con la solución básica factible XB del problema original.

 Selección del vector que sale de la base

Para determinar el vector que sale de la base podemos utilizar una generalización
de la formula usual;

XBr/Yrk = min{ XBi/Yik, Yik > 0}


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

EJEMPLO

Utilicemos el mismo ejemplo anterior para mostrar la solución obtenida utilizando


el método simplex generalizado.

V.B x1 x2 x3 x4 x5 b

Z 0 0 0 -4 -3 0

X1 1 0 0 2 4 2

X2 0 1 0 3 1 0

X3 0 0 1 4 2 0

Z 0 0 1 0 -1 0

X1 1 0 -1/2 0 3 2

X2 0 1 -3/4 0 -1/2 0

X3 0 0 ¼ 1 1/2 0

Para la tabla inicial

XB1=(2,1,0,0) XB2=(0,0,1,0) XB3=(0,0,0,1)

Z=(0,0,0,0)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Todos los vectores de las variables son lexicográficamente positivos.

Para la segunda tabla se tiene

XBN1=(2,1,0,-1/2) XBN2=(0,0,1,-3/4) XBN=(0,0,0,-1/4)

ZN=(0,0,0,1)

Los nuevos vectores de las variables son también lexicográf icamente positivos y
además ZN > Z.

LECCION 29. PROBLEMAS DE PROGRAMACION LINEAL CON VARIABLES


ACOTADAS

En un problema de programación lineal, frecuentemente ocurre que un cierto


numero de restricciones sin de la forma: 0<Xj <uj o bien 0< lj<X. estos tipos de
restricciones se denominan restricciones de variables acotadas; en el primer tipo
las variables tienen cotas superiores y en el segundo tipo tienen cotas inferiores.

En un problema de programación lineal donde el número de restricciones de


variables acotadas es pequeño, se puede aplicar directamente el método simplex
convencional sin tener inconveniente con el crecimiento de la base. Sin embargo,
si este número de restricciones es grande, entonces el tamaño de la base puede
ser tal que la aplicación directa del método simplex convencional resulte poco
eficiente.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

LECCION 30. ALGORITMO DE DESCOMPOSICION

INTRODUCCION

Frecuentemente se presentan problemas de programación lineal de gran tamaño y


con una estructura especial, los cuales son computacionalmente imposibles de
resolver. Un ejemplo típico ocurre cuando cada una de las actividades tiene el
mismo tiempo recursos propios y recursos compartidos con otras actividades.

A este tipo de problemas se les suele aplicar un procedimiento de


descomposición, el cual consiste en dividir el problema original en subproblemas
de más fácil manejo y luego resolver estos últimos casi independientemente.

PRINCIPIO DE DESCOMPOSICION

Los problemas de programación lineal con un gran numero de restricciones y una


estructura especial, son a menudo computacionalmente difíciles de resolver,
puesto que el tiempo de de solución se incrementa considerablemente con el
numero de restricciones.

Esto hace que sea conveniente utilizar el llamado principio de descomposición, o


sea, dividir el problema original en un cierto número de subproblemas, resolver
estos últimos casi independientemente y luego reunir las partes para obtener la
solución optima.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

ALGORITMO DE DESCOMPOSICION

Pasos:

1. reducir el problema original de la forma modificada en función de las nuevas


variables.
2. encontrar una SBF al problema modificado. A menudo es necesario utilizar
la técnica de las variables artificiales.
3. para la iteración en curso y para cada subproblema determine un valor
optimo utilizando la relación:

Minimizar Wj = (CB R0 Aj – Cj)Xj

Sujeto A: BjXj=bj

Xj≥0

Luego determine β(punto optimo)=min{βj} para todo j. si β≥0, la solución presente


es optima; en el caso contrario vaya al paso 4.

4. introduzca la variable que sea de la solución optima correspondiente a β y


calcule B exp(-1). Vaya al paso 2.

LECCION 31. LA PROGRAMACION LINEAL BASADA EN LOS


COMPUTADORES

Este apéndice está basado en el uso de programas de computación, para facilitar


la aplicación de la Programación Lineal y poder obtener resultados rápidamente.

PHP simplex es un programa gratis, que puede ayudar al estudiante a aclarar las
dudas en la aplicación de la teoría dada en este módulo. Este programa fácil de
manejar, presenta paso a paso y calcula las operaciones usando el método
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

Simplex, además calcula y realiza las gráficas cuando requiere realizar el


problema por el método gráfico.

Por el link: http://www.phpsimplex.com/simplex/simplex.htm entre, haciendo control +


clic sobre este vínculo.

En ayuda tutorial, encuentra la guía clara, para poder usar el programa php
simplex.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

FUENTES DOCUMENTALES

DOCUMENTOS IMPRESOS:

THA, Hamdy A. Investigación de operaciones. Editorial Alfaomega, 5 edición


1.995.

EPPEN, Gould y Schimidt. Investigación de operaciones en las Ciencias de


Ingeniería. Editorial Prentice may, 3 edición

GALLAGHER, Watson. Métodos Cuantitativos para la Toma de decisiones.


Editorial McGraw Hill

SHAMBLIN, James. Investigación de Operaciones.

KAUFMANN , A. Faure R. Invitación a la investigación de operaciones. 7 edición.


C:E:C:S:A

MARTHUR Y SOLOW. Investigación de Operaciones. Editorial Prentice Hall.

SASIENI, Yaspan. Investigación de operaciones. México. Limusa.

BARROS,Oscar. Investigación operativa análisis de sistemas. Chile, Universitaria.

MORA, Jose Luis. Investigación de operaciones e informática. Editorial Trillas.


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

PRAWDA, Juan. Métodos y Modelos de investigación de operaciones. Editorial


Limusa, 1.979. Tomo I

THIERAUF, Robert. Introducción a la investigación de operaciones. Editorial


Limusa 1.982

HADLEY G. Linear Programming. Editorial Addison-Wesley. 1969

GASS, Saul I. Linear Programming. Methods and Applications. Editorial McGraw


Hill. 1969.

Revistas:

 ters & Industrial Engineering.


 Computers & Operations Research.
 IIE Solutions.
 Industrial Engineering.
 Industrial World en Español.
 International Journal of Operations & Production Management.
 Management Science.
 Manufacturing Engineering.
 Mathematical Programming.
 Mathematics of Operations Research.
 Operations Research.

SOFTWARE EDUCATIVOS:
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
CONTENIDO DIDÁCTICO DEL CUSO: 100404 – PROGRAMACION LINEAL

CPLEX

NETPLOW

OPTIMA

PAFO

SOCRATES

MATLAB

SIAM 2000

PIMAD

DIRECCIONES SITIOS WEB:

SUN W.

NASDAQ.

TODAS LAS DIRECCIONES QUE LLEVEN A INVESTIGACIÓN DE


OPERACIONES.