Forma Tabular

Programacion Lineal
Cesar A. Escribano Otero
Grupo de Planificaci
on y Aprendizaje (PLG)
Departamento de Inform
atica
Escuela Polit
ecnica Superior
Universidad Carlos III de Madrid

October 2, 2014

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

1er m
e todo
Bibliografa

Forma Tabular

Factibilidad del problema inicial

Para garantizar una soluci

on inicial se a
naden variables artificiales
al problema original al pasarlas a forma estandar
n
P
j=1
n
P

aij xj bi

n
P

aij xj ti + ri = bi

j=1

aij xj = bi

j=1

n
P

aij xj + ri = bi

j=1

(donde ya se muestra la introducci

on de la variable de holgura ti )

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema

Reddy Mikks produce pinturas para interiores y exteriores utilizando dos
materias primas M1 y M2. La tabla siguiente proporciona los datos b
asicos del
problema.
Materia prima (toneladas)
Pinturas
Pinturas Disponibilidad diaria
exteriores interiores m
axima (toneladas)
Materia prima M1
6
4
24
Materia prima M2
1
2
6
Utilidad por tonelada
5
4
(miles de $)
Una encuesta de mercado indica que la demanda diaria de pintura para
interiores no puede ser mayor que 1 tonelada m
as que la de pintura para
exteriores. Tambien, que la demanda m
axima diaria de pintura para interiores
es de 2 toneladas.
Reddy Mikks desea determinar la mezcla o
ptima (la mejor) de productos para
exteriores y para interiores que maximice la utilidad diaria total.
C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema

parametricemos el problema para explicar el procedimiento de

calculo y rellenado de la tabla que vamos a construir:
max z
6x1
1x1
1x1

= 5x1 + 4x2
+4x2 6 24
+2x2 6 6
+x2 6 1
x2
62

donde x1 , x2 > 0

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: estandarizacion

Estandarizamos el problema seg

un hemos aprendido:
max z
6x1
1x1
1x1

= 5x1 + 4x2 + 0s1 + 0s2 + 0s3 + 0s4

+4x2 +s1
= 24
+2x2
+2s2
=6
+x2
+s3
=1
x2
+s4 = 2

donde xi , si > 0, i = 1, . . . , n

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: construccion de la tabla inicial

Construimos una tabla con los elementos relevantes en la situacion
inicial:
Basica
z
s1
s2
s3
s4

z x1 x2 s1 s2 s3 s4 Soluci o n
1 5 4 0 0 0 0
0
0 6
4 1 0 0 0
24
0 1
2 0 1 0 0
6
0 1 1 0 0 1 0
1
0 0
1 0 0 0 1
2

Rengl o nz
Rengl o ns1
Rengl o ns2
Rengl o ns3
Rengl o ns4

Hemos tomado x1 = 0 y x2 = 0 por ser una solucion basica y

factible

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Iteracion y solucion inicial

En la tabla se especifica el conjunto de variables basicas y no
basicas. Tambien se muestra la soluci
on asociada con la iteracion
inicial.
1

Variables no basicas: (x1 , x2 ) = (0, 0)

Variables basicas: (s1 , s2 , s3 , s4 )

Al observar el arreglo especial 0-1 de los coeficientes de las

variables basicas (s1 , s2 , s3 , s4 ) en la tabla, se dispone de inmediato
de la siguiente solucion:
z
s1
s2
s3
s4
C
esar A. Escribano Otero

= 0
= 24
= 6
= 1
= 2
Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Iteracion y solucion inicial

Es optima la solucion de inicio?
1

La variable no basica con el coeficiente mas positivo en una

funcion objetivo de maximizaci
on se selecciona para entrar a
la solucion basica.

La tabla smplex expresa la funci

on objetivo en la forma
z 5x1 4x2 = 0 la variable de entrada es x1 , porque
tiene el coeficiente mas negativo en la funci
on objetivo, que es
de maximizacion.

Si fuera el caso que todos los coeficientes de la funcion

objetivo fueran > 0, no sera posible mejorar z y eso querra
decir que se habra llegado al
optimo.

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Iteracion y solucion inicial

Variable de salida: se calculan las intersecciones,o coordenadas
(x1 ) al origen, de todas las restricciones con la direccion no
negativa del eje x1 (recordar que x1 es la variable de entrada). Esas
intersecciones son las razones del lado derecho de las ecuaciones
(columna Solucion) entre los coeficientes de restriccion
correspondientes, abajo de la variable de entrada x1 :
Basica Entra Soluci o n
Raz o n
x1
(o interseccion)
s1
6
24
x1 = 24
nimo
6 = 4 m
s2
1
6
x1 = 61 = 6
1
s3
1
1
x1 = 1
= 1(ignorar )
s4
0
2
x1 = 02 = (ignorar )

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Iteracion y solucion inicial

Las razones no negativas son iguales a las intersecciones en direcci
on de x1
creciente. Las razones (intersecciones) que corresponden a s3 y s4 no se toman
en cuenta, porque no limitan a x1 en la direcci
on no negativa:

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Iteracion y solucion inicial

La raz
on no negativa mnima corresponde a s1 b
asica, y quiere decir que s1 es
la variable de salida (su valor es cero en la nueva iteraci
on). El valor de la
variable de entrada x1 en la nueva soluci
on tambien es igual a la raz
on mnima:
x1 = 4 (punto B de la figura). El aumento correspondiente del valor de la z
objetivo es 5 4 = 20. El resultado final de intercambiar las variables de
entrada y de salida es que las variables no b
asicas y b
asicas en el nuevo punto
soluci
on (el punto B) son:
1

Variables no b
asicas: (s1 , x2 ) = (0, 0)

Variables b
asicas: (x1 , s2 , s3 , s4 )

Ahora se deben manipular las ecuaciones de la u

ltima tabla de modo que la
columna B
a- sica y la columna Soluci
on identifiquen la nueva soluci
on en el
punto B. El proceso se llama operaciones de rengl
on de Gauss-Jordan

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Primera iteracion

B
asica
z
s1
s2
s3
s4

z
1
0
0
0
0

x1
5
6
1
1
0
Columna
Pivote

x2
4
4
2
1
1

s1
0
1
0
0
0

s2
0
0
1
0
0

s3
0
0
0
1
0

s4
0
0
0
0
1

Soluci o n
0
24
6
1
2

Rengl o nPivote

Operaciones de rengl
on de Gauss-Jordan (son de dos tipos):
1

Rengl
on pivote:
Nuevo rengl
on pivote = (Rengl
on pivote actual) (Elemento pivote)

Todos los dem

as renglones (incluyendo z):
Nuevo rengl
on = (Rengl
on actual) (Su coeficiente en la columna
pivote) (Nuevo rengl
on pivote)
C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

1er m
e todo
Bibliografa

Forma Tabular

Definicion del problema: Tabla de la primera iteracion

Obtenemos:
Basica
z
x1
s2

s3
s4

z x1
1 0
0 1
0 0
0 0
0 0

x2

s1

2
3
2
3
4
3
5
3

5
6
1
6
1
6
1
6

s2 s3 s4 Soluci o n
0 0 0
20
0 0 0
4
1 0 0
2
0 1 0
5
0 0 1
2

...y repetimos la misma operaci

on en una nueva iteraci
on...
1

Rengl
on pivote:
Nuevo rengl
on pivote = (Rengl
on pivote actual) (Elemento pivote)

Todos los dem

as renglones (incluyendo z):
Nuevo rengl
on = (Rengl
on actual) (Su coef. en columna pivote) (Nuevo
rengl
on pivote)

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: calculo de variables de entrada y

salida

Basica Entra Soluci o n

Raz o n
x2
2
x1
4
x2 = 4 32 = 6
3
4
s2
2
x2 = 2 43 = 23 mnimo
3
5
s3
5
x2 = 5 35 = 3
3
s4
1
2
x2 = 21 = 2
Se ve que x2 = 32 , y que el aumento correspondiente en z es

2
3

3
2

= 1 , dando

la nueva z = 20 + 1 = 21
Dadas x2 y s2 como variables de entrada y de salida, aplicamos las operaciones
de rengl
on de Gauss-Jordan para obtener la siguiente tabla...

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Definicion del problema: Tabla segunda iteracion

Obtenemos:
Basica
z
x1
x2
s3
s4

z x1 x2
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0

s1

s2

3
4
1
4
1
8
3
8
1
8

1
2
1
2
3
4
5
4
3
4

s3 s4 Soluci o n
0 0
21
0 0
3
3
0 0
2
5
1 0
2
1
0 1
2

Como ninguno de los coeficientes del rengl

on z asociados con las
variables no basicas s1 y s2 son negativos el proceso termina pues
no podemos mejorar. La tabla es
optima

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Interpretacion de la solucion
Se puede leer la soluci
on
optima en la tabla smplex como sigue:
los valores optimos de las variables en la columna Basica se ven en
la columna Solucion del lado derecho, y se pueden interpretar del
siguiente modo:
Variable de decision Valor
optimo
x1
3
x2

3
2

21

C
esar A. Escribano Otero

Recomendacion
Producir 3 toneladas diarias
de pintura para exteriores
Producir 1.5 toneladas diarias
de pintura para interiores
La utilidad diaria es 21.000 $

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Interpretacion de la solucion
La tabla smplex muestra una gran cantidad de informacion
adicional, que comprende:
1
2
3

El estado de los recursos.

El valor por unidad (precios duales) de los recursos.
Todos los datos necesarios para efectuar un an
alisis de sensibilidad con la
soluci
on o
ptima.

Indicaremos aqu como se puede determinar el estado de los

recursos... el resto ya lo veremos:
1
2

Un recurso se llama escaso si las variables del modelo lo usan por completo.
En caso contrario, es abundante.

Recurso
Variable de holgura
Estado
Materia prima M1
s1 = 0
Escasa
Materia prima M2
s1 = 0
Escasa
Lmite de demanda 1
s1 = 52
Abundante
Lmite de demanda 2
s1 = 12
Abundante
C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Casos especiales I

Al analizar un problemas de programaci

on lineal se pueden dar,
atendiendo a las soluciones, cuatro casos:
1

Problema factible con una u

nica soluci
on
optima.

Problema factible con soluciones o

ptimas alternativas.

Problema factible no acotado.

Problema infactible.

Los dos primeros casos no aportan dificultades especiales, pero

como detectar si nos encontramos frente a uno de los otros dos?:

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Casos especiales II

Problema factible no acotado: La regla para reconocer la no acotaci

on es que
si en cualquier iteraci
on todos los coeficientes de restricci
on de toda variable
no b
asica son cero o negativos, entonces el espacio de soluciones no est
a
acotado en esa direcci
on. Si adem
as el coeficiente objetivo de esa variable es
negativo en caso de maximizaci
on, o positivo en caso de minimizaci
on,
entonces tambi
en el valor objetivo es no acotado.

Problema infactible: Estos casos nunca suceden si todas las restricciones son
del tipo 6 (suponiendo lados derechos no negativos) porque las holguras
permiten tener una soluci
on factible. Para otros tipos de restricciones se usan
variables artificiales. Aunque esas variables artificiales se penalizan en la funci
on
objetivo, para obligarlas a ser cero en el
optimo, eso s
olo puede suceder si el
modelo tiene un espacio factible. En caso contrario, al menos una variable
artificial ser
a positiva en la iteraci
on
optima.

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular

Forma Tabular

1er m
e todo
Bibliografa

Bibliografa

TAHA, HAMDY A.
Investigacion de operaciones, 7a. edici
on
2004
Editorial PEARSON EDUCACION,

C
esar A. Escribano Otero

Programaci
on Lineal. Forma tabular