UNIVERSIDAD NACIONAL DE INGENIERA

FACULTAD DE INGENIERA QUMICA

DISEO DE PLANTAS

SEMINARIO DE OPTIMIZACIN:
MTODO DE PROGRAMACIN LINEAL

Integrantes:
Everth Javier Ruiz Guilln.
Diana Patricia Tardencilla Baltodano.
Jos Ignacio Vado Carballo.
Docente:
Silvio Andrs Rojas Zambrana

Fecha de elaboracin:
6-10-17.

Fecha de entrega/defensa:
9-10-17.

1
Contenido
Introduccin ........................................................................................................................ 3
Programacin Lineal......................................................................................................... 4
La funcin objetivo ....................................................................................................... 4
Las variables de decisin ............................................................................................ 4
Las restricciones ........................................................................................................... 5
Mtodo Grfico ................................................................................................................... 6
Ejemplo del Mtodo Grafico ....................................................................................... 6
Solucin ptima mltiple............................................................................................. 8
Mtodo simplex .................................................................................................................. 9
Matriz identidad .............................................................................................................. 9
Variables de holgura y exceso ................................................................................... 9
Ejemplo del Mtodo Simplex .................................................................................... 10
Conclusiones .................................................................................................................... 17
Bibliografa ........................................................................................................................ 18

2
 Introduccin

Se conoce como programacin lineal a la tcnica de la matemtica que permite la

optimizacin de una funcin objetivo a travs de la aplicacin de diversas
restricciones a sus variables. Se trata de un modelo compuesto, por lo tanto, por
una funcin objetivo y sus restricciones, constituyndose todos estos componentes
como funciones lineales en las variables en cuestin. Los modelos de programacin
lineal contemplan que las variables de decisin (es decir, la funcin objetivo y las
restricciones) mantienen un comportamiento de tipo lineal. Esto hace que, a travs
de su mtodo, se puedan simplificar los clculos y obtener un resultado prximo a
la realidad.
Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de
solucin que presentan. stos pueden ser:
Factibles: Si existe el conjunto de soluciones o valores que satisfacen las
restricciones. Estas a su vez pueden ser: con solucin nica, con solucin mltiple
(si existe ms de una solucin) y con solucin no acotada (cuando no existe lmite
para la funcin objetivo).
No factibles: Cuando no existe el conjunto de soluciones que cumplen las
restricciones, es decir, cuando las restricciones son inconsistentes.
Como parte de los mtodos de solucin estn el Mtodo Simplex y el Mtodo Grfico

3
 Programacin Lineal
La Programacin Lineal corresponde a un algoritmo a travs del cual se resuelven
situaciones reales en las que se pretende identificar y resolver dificultades para
aumentar la productividad respecto a los recursos (principalmente los limitados y
costosos), aumentando as los beneficios. El objetivo primordial de la Programacin
Lineal es optimizar, es decir, maximizar o minimizar funciones lineales en varias
variables reales con restricciones lineales (sistemas de inecuaciones lineales),
optimizando una funcin objetivo tambin lineal.
Los resultados y el proceso de optimizacin se convierten en un respaldo
cuantitativo de las decisiones frente a las situaciones planteadas. Decisiones en las
que sera importante tener en cuenta diversos criterios administrativos como: los
hechos, la experiencia, la intuicin y la autoridad.
El primer paso para la resolucin de un problema de programacin lineal consiste
en la identificacin de los elementos bsicos de un modelo matemtico, estos son:
Funcin Objetivo
Variables
Restricciones
El siguiente paso consiste en la determinacin de los mismos, para lo cual
proponemos seguir la siguiente metodologa:
a) Definir el criterio de la Funcin Objetivo
b) Identificar y definir variables
c) Identificar y definir restricciones
d) Plantear la Funcin Objetivo
La funcin objetivo
La funcin objetivo tiene una estrecha relacin con la pregunta general que se desea
responder. S en un modelo resultasen distintas preguntas, la funcin objetivo se
relacionara con la pregunta del nivel superior, es decir, la pregunta fundamental.
As por ejemplo, si en una situacin se desean minimizar los costos, es muy
probable que la pregunta de mayor nivel sea la que se relacione con aumentar la
utilidad en lugar de un interrogante que busque hallar la manera de disminuir los
costos.
Las variables de decisin
Similar a la relacin que existe entre objetivos especficos y objetivo general se
comportan las variables de decisin respecto a la funcin objetivo, puesto que estas
se identifican partiendo de una serie de preguntas derivadas de la pregunta
fundamental. Las variables de decisin son en teora factores controlables del
sistema que se est modelando, y como tal, estas pueden tomar diversos valores
posibles, de los cuales se precisa conocer su valor ptimo, que contribuya con la
consecucin del objetivo de la funcin general del problema.

4
 Las restricciones
Cuando hablamos de las restricciones en un problema de programacin lineal, nos
referimos a todo aquello que limita la libertad de los valores que pueden tomar las
variables de decisin.
La mejor manera de hallarlas consiste en pensar en un caso hipottico en el que
decidiramos darle un valor infinito a nuestras variables de decisin, por ejemplo,
qu pasara si en un problema que precisa maximizar sus utilidades en un sistema
de produccin de calzado decidiramos producir una cantidad infinita de zapatos?
Seguramente ahora nos surgiran mltiples interrogantes, como por ejemplo:

Con cunta materia prima cuento para producirlos?

Con cunta mano de obra cuento para fabricarlos?
Pueden las instalaciones de mi empresa albergar tal cantidad de producto?
Podra mi fuerza de mercadeo vender todos los zapatos?
Puedo financiar tal empresa?
Pues bueno, entonces habramos descubierto que nuestro sistema presenta una
serie de limitantes, tanto fsicas, como de contexto, de tal manera que los valores
que en un momento dado podran tomar nuestras variables de decisin se
encuentran condicionados por una serie de restricciones.

5
 Mtodo Grfico
El mtodo grfico es un procedimiento de solucin de problemas de programacin
lineal muy limitado en cuanto al nmero de variables, en el caso de un grfico de
dos dimensiones sern dos variables y el caso de tres dimensiones sern 3
variables. Sin embargo, en materia de interpretacin de resultados e incluso anlisis
de sensibilidad es muy eficiente.
Este consiste en representar cada una de las restricciones y encontrar en la medida
de lo posible el polgono (poliedro) factible, comnmente llamado el conjunto
solucin o regin factible, en el cual por razones trigonomtricas en uno de sus
vrtices se encuentra la mejor respuesta (solucin ptima).
Ejemplo del Mtodo Grafico
Unos grandes almacenes encargan a un fabricante pantalones y chaquetas
deportivas.
El fabricante dispone para la confeccin de 750 m de tejidos de algodn y 1000 m
de tejidos de polister. Cada pantaln precisa 1 m de algodn y 2 m de polister.
Para cada chaqueta se necesitan 1.5 m de algodn y 1 m de polister.
El precio del pantaln se fija en 50 euros y el de la chaqueta en 40 euros.
Qu nmero de pantalones y chaquetas debe suministrar el fabricante a los
almacenes para que estos consigan una venta mxima?

Tabla 1. Variables Tabla 2. Funcin

x Nmero de pantalones Objetivo
y Nmero de chaquetas 50x+40y

Tabla 3. Tabla 4. No
Restricciones negatividad
1x+1.5y<=750 x>=y>=0
2x+1y<=1000

Tabla 5. Despeje de y
(Restricciones)
Restriccin
Restriccin 1 2
x+1.5y=750(2) 2x+y=1000
2x+3y=1500 . Mximo de ventas
y=(1500-2x)/3 y=1000-2x 28750

6
 Tabla 6
Restriccin
x Restriccin 1 2
0 500 1000
25 483.3333333 950
50 466.6666667 900
75 450 850
100 433.3333333 800
125 416.6666667 750
150 400 700
175 383.3333333 650
200 366.6666667 600
225 350 550
250 333.3333333 500
375 250 250
400 233.3333333 200
425 216.6666667 150
450 200 100
475 183.3333333 50
500 166.6666667 0

Grafico1. Solucin grafica

1050
1025
1000
975
950
925
900
875
850
825
800
775
750
725
700
675
Restricciones

650
625
600
575
550
525
500
475 Restriccin 1
450
425
400
375
350 Restriccin 2
325
300
275
250
225
200
175
150
125
100
75
50
25
0
0 25 50 75100125150175200225250275300325350375400425450475500525
Valores Asignados

Como se puede notar el problema anterior se puede resolver de manera grfica,

tambin se observa en la tabla 6 cuando x es igual a 375, y es igual a 250 para
ambas restricciones, en ese punto de la grfica es donde estar nuestra solucin

7
ya que se toma nuestra funcin objetivo de la tabla 2 y se sustituyen los valores de
y para ambas restricciones dando como resultado el mximo de ventas.
Solucin ptima mltiple

Una de las variantes que puede presentar un ejercicio de programacin lineal

consiste en la cantidad de soluciones ptimas, gran cantidad de ellos presenta ms
de una solucin ptima, es decir una solucin en la cual la funcin objetivo es
exactamente igual en una combinacin cuantitativa de variables diferente.

Estos problemas deben de afrontarse de tal manera que el anlisis de sensibilidad,

es decir una vez encontradas mltiples soluciones iguales se debe proceder al
comportamiento del consumo de los recursos y restricciones, evidentemente
prevaleciendo el concepto de productividad de los recursos ms limitados y
costosos. Ver grafica 2.

Los puntos A, B, C y D representas soluciones optimas dependiendo de lo que se

necesite estas soluciones darn repuesta a la problemtica segn un orden de
prioridades.

8
 Mtodo simplex
El Mtodo Simplex es un mtodo analtico de solucin de problemas de
programacin lineal capaz de resolver modelos ms complejos que los resueltos
mediante el mtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en
cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste
en caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente o
disminuya (segn el contexto de la funcin objetivo, sea maximizar o minimizar),
dado que el nmero de vrtices que presenta un poliedro solucin es finito siempre
se hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense
George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo de
crear un algoritmo capaz de solucionar problemas de m restricciones y n variables.

Matriz identidad
Una matriz puede definirse como una ordenacin rectangular de elementos, (o
listado finito de elementos), los cuales pueden ser nmeros reales o complejos,
dispuestos en forma de filas y de columnas.
La matriz idntica o identidad es una matriz cuadrada (que posee el mismo nmero
tanto de columnas como de filas) de orden n que tiene todos los elementos
diagonales iguales a uno (1) y todos los dems componentes iguales a cero (0), se
denomina matriz idntica o identidad de orden n, y se denota por:

La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado

que el algoritmo se basa en dicha teora para la resolucin de sus problemas.

Variables de holgura y exceso

El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales
que se modelan mediante programacin lineal no lo son, para ello hay que convertir
estas inecuaciones en ecuaciones utilizando unas variables denominadas de
holgura y exceso relacionadas con el recurso al cual hace referencia la restriccin y
que en el tabulado final representa el "Slack or surplus" al que hacen referencia
famosos programas de resolucin de investigacin de operaciones, estas variables
adquieren un gran valor en el anlisis de sensibilidad y juegan un rol fundamental
en la creacin de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra "S", se suman si la restriccin
es de signo "<= " y se restan si la restriccin es de signo ">=".

9
Inecuaciones modeladas mediante programacin lineal,

Inecuaciones transformadas en ecuaciones,

Ejemplo del Mtodo Simplex

La empresa el SAMN Ltda. Dedicada a la fabricacin de muebles, ha ampliado su

produccin en dos lneas ms. Por lo tanto, actualmente fabrica mesas, sillas,
camas y bibliotecas. Cada mesa requiere de 2 piezas rectangulares de 8 pines, y 2
piezas cuadradas de 4 pines. Cada silla requiere de 1 pieza rectangular de 8 pines
y 2 piezas cuadradas de 4 pines, cada cama requiere de 1 pieza rectangular de 8
pines, 1 cuadrada de 4 pines y 2 bases trapezoidales de 2 pines y finalmente cada
biblioteca requiere de 2 piezas rectangulares de 8 pines, 2 bases trapezoidales de
2 pines y 4 piezas rectangulares de 2 pines. Cada mesa cuesta producirla $10000
y se vende en $ 30000, cada silla cuesta producirla $ 8000 y se vende en $ 28000,
cada cama cuesta producirla $ 20000 y se vende en $ 40000, cada biblioteca cuesta
producirla $ 40000 y se vende en $ 60000. El objetivo de la fbrica es maximizar las
utilidades.

10
 Paso 1: Modelacin mediante programacin lineal
Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
Paso 2: Convertir las inecuaciones en ecuaciones
En este paso el objetivo es asignar a cada recurso una variable de Holgura, dado
que todas las restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24
2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4), formado por las
variables de holgura las cuales solo tienen coeficiente 1 en su respectivo recurso,
por el ejemplo la variable de holgura "S1" solo tiene coeficiente 1 en la restriccin
correspondiente a el recurso 1.
La funcin objetivo no sufre variaciones:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4
Paso 3: Definir la solucin bsica inicial
El Mtodo Simplex parte de una solucin bsica inicial para realizar todas sus
iteraciones, esta solucin bsica inicial se forma con las variables de coeficiente
diferente de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16

11
 Paso 4: Definir la tabla simplex inicial
Solucin: En esta columna se consigna el segundo trmino de la solucin, es decir
las variables, lo ms adecuado es que estas se consignen de manera ordenada, tal
cual como se escribieron en la definicin de restricciones.
Cj = La columna "Cj" hace referencia al coeficiente que tiene cada una de las
variables de la fila "solucin" en la funcin objetivo.
Variable Solucin = En esta columna se consigna la solucin bsica inicial, y a partir
de esta en cada iteracin se van incluyendo las variables que formarn parte de la
solucin final.
Cb = En esta fila se consigna el valor que tiene la variable que se encuentra a su
derecha "Variable solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es decir la suma de los productos
entre trmino y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su significado
es un "Shadow price", es decir, la utilidad que se deja de recibir por cada unidad de
la variable correspondiente que no forme parte de la solucin.

Usando nuestros datos:

12
 PASO 5: REALIZAR LAS ITERACIONES NECESARIAS
Este es el paso definitivo en la resolucin por medio del Mtodo Simplex, consiste
en realizar intentos mientras el modelo va de un vrtice del poliedro objetivo a otro.

El procedimiento a seguir es el siguiente:

1. Evaluar que variable entrar y cual saldr de la solucin ptima:

Minimizar Maximizar

Variable
La ms positiva de los La ms negativa de los
que
Cj - Zj Cj - Zj
entra

Siendo b los valores Siendo b los valores

bajo la celda solucin y
a el valor
Variable correspondiente a la
que sale interseccin entre b y
la variable que entra.
La menos positiva de
los b/a.
bajo la celda solucin y
a el valor
correspondiente a la
interseccin entre b y
la variable que entra.
La ms positiva de
los b/a.

2. El hecho de que una variable distinta forme parte de las variables solucin
implica una serie de cambios en el tabulado Simplex, cambios que se
explicarn a continuacin. Lo primero es no olvidar el valor del "a"
correspondiente a la variable a entrar, en este caso el "a = 4".

13
Lo siguiente es comenzar a rellenar el resto de la tabla, fila por fila.

Se repite este procedimiento con las dos filas restantes, ahora se harn los clculos
correspondientes en el resto de las celdas.

14
De esta manera se culmina la primera iteracin, este paso se repetir cuantas veces
sea necesario y solo se dar por terminado el mtodo segn los siguientes criterios.

Maximizar Minimizar

Solucin Cuando todos los Cj - Cuando todos los Cj

ptima Zj sean <= 0 - Zj sean >= 0

Continuamos con las iteraciones para lo cual tenemos que repetir los pasos
anteriores.

15
En esta ltima iteracin podemos observar que se cumple con la consigna Cj - Zj
<= 0, para ejercicios cuya funcin objetivo sea "Maximizar", por ende, hemos llegado
a la respuesta ptima.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 34000

16
 Conclusiones

El conocimiento de aplicacin de los principales conceptos de programacin lineal

permite plantear la resolucin de nuevos casos prcticos que surgen da a da en la
Empresa, la Industria y la Ingeniera.
En el mbito de reas tan diversas como direccin de la produccin, investigacin
de mercados, marketing, logstica, finanzas, etc.; la programacin lineal se revela
como herramienta insustituible en la toma de decisiones.
Si se habla de los mtodos de solucin para la programacin lineal; como se pudo
observar el mtodo grafico es muy eficiente en cuanto a la facilidad con la que se
puede interpretar un problema, debido a este nos da una visin global y a la vez
muy especfica de la problemtica a tratar la cual puede variar segn el mbito en
que se desee aplicar. Por otra parte tambin este mtodo nos permite tener o
visualizar mltiples soluciones dentro de un problema dejando la que ms convenga
o simplemente abordando cada una segn un orden de prioridades.
En conclusin, en lo que respecta al mtodo simplex, la importancia de este mtodo
radica en que gracias a su existencia se pueden resolver problemas complejos. Este
mtodo conforma la base de la programacin lineal y es debido a este procedimiento
(simplex) que se facilita la toma de decisiones en casos complejos o de
incertidumbre ya que ha resultado ser muy eficiente en la prctica. Una gran parte
de software para clculos estn estrictamente basados en el mtodo simplex,
facilitndonos la interpretacin de datos en poco tiempo es decir que gracias a este
mtodo y a los programas que se basan en el ejercicios que se tardaran das en
resolverse se llevan a cabo en tan solo horas y hasta minutos optimizando el trabajo
de todo aquel que necesite realizar este tipo de clculo

17
 Bibliografa

Javier Faulin, . A. (s.f.). APLICACIONES DE LA PROGRAMACIN LINEAL.

Taha, H. A. (s.f.). Investigacin de operaciones .

18