Unidad:

MODELAMIENTO MATEMÁTICO

Capitulo y Tema: Actividad (Número y nombre):

I. Retroalimentación. 1.1 Conceptos y Definición

Tema 1. Programación Lineal

Tema 2.Método Gráfico
Tema 3. Método Simplex
Tema 4. Método Simplex Dos Fases

Módulo: Nombre (s):

009 MILTON ORLANDO VARGAS SALTO
Profesor:
LUIS ANTONIO CHAMBA ERAS
Fecha en la cual el profesor encarga la Fecha en la cual el profesor recibe la actividad:
actividad:
Mie 13/Oct/2010 Mie 20/Oct/2010

Bibliografía:
 Materiales Interactivos para la resolución de un problema de Programación Lineal usando
el Método Simplex M. J. García-Ligero y P., Román, P1. Departamento de Estadística e
Investigación Operativa Universidad de Granada (España).Disponible en URL:
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf
 Morales, Jaime, Ejercicios de Programación Lineal [Seriada en línea].Pág.1-3
Disponible_en:URL:http://web.educastur.princast.es/cursos/cursowqp/aplic/0909
9/PROGRAMACION_LINEAL.html Consultado Octubre 16, 2010
 Santín, Mario, Conceptos de Programación Lineal [Seriada en línea].Pág.2-11
Disponible en : URL: http://www.docstoc.com/search/programacion-
lineal?catfilter=1Consultado Octubre 16, 2010
 Álvarez, J. José, Programación Lineal [Seriada en línea].Pág.5-12 Disponible en :
URL: http://www.docstoc.com/docs/21905985/PROGRAMACION-LINEAL
Consultado Octubre 16, 2010

INTRODUCCIÓN:

La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se resuelve

un problema indeterminado, formulado a través de ecuaciones lineales, optimizando la función
objetivo, también lineal.

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.

RESULTADOS:

PROGRAMACIÓN LINEAL
La Programación Lineal es una de las herramientas más utilizadas en la Investigación
Operativa debido a que por su naturaleza se facilitan los cálculos y en general permite una
buena aproximación de la realidad. La programación lineal es un método eficiente para
determinar una decisión óptima entre un gran número de decisiones posibles.

Consiste en optimizar (minimizar o maximizar) una función lineal, denominada función

objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales.

Un problema de programación lineal es un problema en cual debemos hallar el valor

máximo o mínimo de una expresión lineal

ax + by + cz + . . .
(llamada la función ojectiva), sujeta a unas restricciones lineales de la forma
Ax + By + Cz + . . .≤ N
o
Ax + By + Cz + . . .≥ N.

El valor más grande o más pequeño de la función objetiva se llama el valor óptimo, y un
conjunto de valores de x, y, z, . . . que se resultan en el valor óptimo es la solución óptima.
Las variables x, y, z, . . . se llaman las variables decisión.

La PL es una técnica mediante la cual se toman decisiones, reduciendo el problema bajo

estudio a un modelo matemático general, el cual debe ser resuelto por métodos
cuantitativos.
 MÉTODO GRÁFICO

El método gráfico para solucionar a un problema de programación lineal es el siguiente:

A. Dibuje la región factible de las restricciones.

B. Calcule las coordenadas de los puntos extremos (puntos de esquina).
C. Sustituya las coordenadas de los puntos de esquina en la función objetiva para ver
cual da el valor óptimo. Este punto da la solución del problema de programación
lineal.
D. Si la región factible no es acotada, este método puede ser erróneo: soluciones
óptimas siempre existen cuando la región factible está acotada, pero pueden no
existir en el caso no acotado.

Si la región factible no es acotada, estamos minimizando una función objetiva cuyos

coeficientes son no negativos, entonces existe una solución dado por este método.

 Para determinar si existe una solución en el caso general no acotado:

 1. Acote la región por añadir una recta horizontal por encima del punto de esquina
más arriba, y una recta vertical a la derecha del punto de esquina que esté mas
hacia la derecha.
2. Calcule las coordenadas de los puntos nuevos de esquina que se obtiene.
3. Halle el punto de esquina donde ocurre el valor óptimo de la función ojectiva.
4. Si el valor óptimo se ocurre a un punto de esquina de la región original (no
acotada) entonces existe la solución óptima a aquel punto. Si ocurra el valor
óptimo solo a un punto nuevo de esquina, entonces el problema de programación
lineal no tiene soluciones.

Ejemplo
Minimizar C = 3x + 4y sujeta a
3x - 4y ≤ 12,
x + 2y ≥ 4
x ≥ 1, y ≥ 0.
La región factible para este conjunto de restricciones fue mostrada más arriba.
Aquí está otra vez con los puntos de esquinas indicados.

Aunque no es acotada la región factible, estamos minimizando C = 3x + 4y, cuyas

coeficientes son no negativos. Entonces existe una solución obtenida por el
método más arriba a la izquierda.
La siguiente tabla muestra el valor de C a cada punto de esquina:

Punto C = 3x + 4y
(1, 1.5) 3(1)+4(1.5) = 9 mínimo
(4, 0) 3(4)+4(0) = 12
Entonces, la solución es x = 1, y = 1.5, que da C = 9 como el valor mínimo.

MÉTODO SIMPLEX
Es un procedimiento iterativo que permite ir mejorando la solución a cada paso. El
proceso concluye cuando no es posible seguir mejorando más dicha solución. Partiendo
del valor de la función objetivo en un vértice cualquiera, el método consiste en buscar
sucesivamente otro vértice que mejore al anterior. La búsqueda se hace siempre a través
de los lados del polígono (o de las aristas del poliedro, si el número de variables es mayor).
Cómo el número de vértices (y de aristas) es finito, siempre se podrá encontrar la
solución.

El método del simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma

su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de la
cual f aumenta.

- Construcción de la primera tabla: En la primera columna de la tabla aparecerá lo que

llamaremos base, en la segunda el coeficiente que tiene en la función objetivo cada
variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el término
independiente de cada restricción (P0), y a partir de ésta columna aparecerán cada una de
las variables de la función objetivo (Pi). Para tener una visión más clara de la tabla,
incluiremos una fila en la que pondremos cada uno de los nombres de las columnas. Sobre
ésta tabla que tenemos incluiremos dos nuevas filas: una que será la que liderará la tabla
donde aparecerán las constantes de los coeficientes de la función objetivo, y otra que será
la última fila, donde tomará valor la función objetivo. Nuestra tabla final tendrá tantas
filas como restricciones.

Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn

Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 será el de sustituir Cim
en la función objetivo (y cero si no aparece en la base). El resto de columnas se obtiene
restando a este valor el del coeficiente que aparece en la primera fila de la tabla.

Se observará al realizar el método Simplex, que en esta primera tabla, en la base estarán
las variables de holgura.

- Condición de parada: Comprobaremos si debemos de dar una nueva iteración o no, que
lo sabremos si en la fila Z aparece algún valor negativo. Si no aparece ninguno, es que
hemos llegado a la solución óptima del problema.
- Elección de la variable que entra: Si no se ha dado la condición de parada, debemos
seleccionar una variable para que entre en la base en la siguiente tabla. Para ello nos
fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos será el que
nos de la variable entrante.

- Elección de la variable que sale: Una vez obtenida la variable entrante, obtendremos la
variable que sale, sin más que seleccionar aquella fila cuyo cociente P0/Pj sea el menor de
los estrictamente positivos (teniendo en cuenta que sólo se hará cuando Pj sea mayor de
0). La intersección entre la columna entrante y la fila saliente nos determinará el elemento
pivote.

- Actualización de la tabla: Las filas correspondientes a la función objetivo y a los títulos

permanecerán inalterados en la nueva tabla. El resto deberá calcularse de dos formas
diferentes:

Si es la fila pivote cada nuevo elemento se calculará:

Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.

Para el resto de elementos de filas se calculará:

Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote en la fila actual * Nuevo Elemento Fila).

MÉTODO SIMPLEX DOS FASES

Éste método difiere del Simplex en que primero hay que resolver un problema auxiliar que
trata de minimizar la suma de las variables artificiales. Una vez resuelto este primer
problema y reorganizar la tabla final, pasamos a la segunda fase, que consiste en realizar
el método Simplex normal.

FASE 1

En esta primera fase, se realiza todo de igual manera que en el método Simplex normal,
excepto la construcción de la primera tabla, la condición de parada y la preparación de la
tabla que pasará a la fase 2.

- Construcción de la primera tabla: Se hace de la misma forma que la tabla inicial del
método Simplex, pero con algunas diferencias. La fila de la función objetivo cambia para la
primera fase, ya que cambia la función objetivo, por lo tanto aparecerán todos los
términos a cero excepto aquellos que sean variables artificiales, que tendrán valor "-1"
debido a que se está minimizando la suma de dichas variables (recuerde que minimizar F
es igual que maximizar F·(-1)).

La otra diferencia para la primera tabla radica en la forma de calcular la fila Z. Ahora
tendremos que hacer el cálculo de la siguiente forma: Se sumarán los productos Cb·Pj
para todas las filas y al resultado se le restará el valor que aparezca (según la columna que
se éste haciendo) en la fila de la función objetivo.
 Tabla
C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n-k ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn

Siendo Zj = Σ(Cb·Pj) - Cj y los Cj = 0 para todo j comprendido entre 0 y n-k (variables de

decisión, holgura y exceso), y Cj = -1 para todo j comprendido entre n-k y n (variables
artificiales).

- Condición de parada: La condición de parada es la misma que en el método Simplex

normal. La diferencia estriba en que pueden ocurrir dos casos cuando se produce la
parada: la función toma un valor 0, que significa que el problema original tiene solución, o
que tome un valor distinto, indicando que nuestro modelo no tiene solución.

- Eliminar Columna de variables artificiales: Si hemos llegado a la conclusión de que el

problema original tiene solución, debemos preparar nuestra tabla para la segunda fase.
Deberemos eliminar las columnas de las variables artificiales, modificar la fila de la función
objetivo por la original, y calcular la fila Z de la misma forma que en la primera tabla de la
fase 1.