Repblica Bolivariana de Venezuela

Universidad Privada Nororiental Gran Mariscal de Ayacucho

Ctedra: Investigacin de Operaciones
Seccin 1s1303
















Profesor Alumno (a)
Nellys Martnez
C.I 22930060







Programacin Lineal
La programacin lineal es una tcnica matemtica relativamente reciente (siglo XX), que
consiste en una serie de mtodos y procedimientos que permiten resolver problemas de
optimizacin. La programacin lineal es un procedimiento o algoritmo matemtico mediante el
cual se resuelve un problema indeterminado, formulado a travs de un sistema de
inecuaciones lineales, optimizando la funcin objetivo, tambin lineal.
Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo,
de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que
expresamos mediante un sistema de inecuaciones lineales.
Variables
Son nmeros reales mayores o iguales a cero. En caso que se requiera que el valor resultante
de las variables sea un nmero entero, el procedimiento de resolucin se
denomina Programacin entera
Restricciones
Las restricciones pueden ser de la forma:
Tipo 1:
Tipo 2:
Tipo 3:
Dnde:
A = valor conocido a ser respetado estrictamente;
B = valor conocido que debe ser respetado o puede ser superado;
C = valor conocido que no debe ser superado;
j = nmero de la ecuacin, variable de 1 a M (nmero total de restricciones);
a; b; y, c = coeficientes tcnicos conocidos;
X = Incgnitas, de 1 a N;
i = nmero de la incgnita, variable de 1 a N.
En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M;
, N < M.
Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y puede
no tener sentido una optimizacin.
Los tres tipos de restricciones pueden darse simultneamente en el mismo problema.


Funcin Objetivo
La funcin objetivo puede ser:


o

Dnde:
= coeficientes son relativamente iguales a cero.
Programacion Entera
En algunos casos se requiere que la solucin ptima se componga de valores enteros para
algunas de las variables. La resolucin de este problema se obtiene analizando las posibles
alternativas de valores enteros de esas variables en un entorno alrededor de la solucin
obtenida considerando las variables reales. Muchas veces la solucin del programa lineal
truncado est lejos de ser el ptimo entero, por lo que se hace necesario usar algn algoritmo
para hallar esta solucin de forma exacta. El ms famoso es el mtodo de Ramificar y Acotar.
El mtodo de Ramificar y Acotar parte de la adicin de nuevas restricciones para cada variable
de decisin (acotar) que al ser evaluado independientemente (ramificar) lleva al ptimo entero.
Programacin Lineal 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.
QUE ES UNA 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.
OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX
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 los 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 ">=".
QUE ES UNA MATRIZ IDENTIDAD?
Una matriz puede definirse como una ordenacin rectangular 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, de orden n que tiene todos los
elementos diagonales iguales a uno y todos los dems componentes iguales a cero, se
denomina matriz idntica o identidad de orden n.
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.
OBSERVACIONES IMPORTANTES AL UTILIZAR MTODO SIMPLEX
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 los 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 ">=".
Por ejemplo:




Forma estndar del modelo de programacin lineal
Para desarrollar el modelo de solucin general el problema de programacin lineal debe
ponerse en un formato comn al que denominamos formato estndar, las propiedades de la
forma/formato estndar son:
1. Todas las restricciones son ecuaciones con los segundos miembros no negativos
2. Todas las variables deben ser no negativas
3. La funcin objetivo puede ser de maximizacin o minimizacin y estar igualada a cero
Restricciones
Las inecuaciones pueden volverse igualdades mediante la suma de una variable holgura o
resta de una variable exceso, dentro el primer miembro de la restriccin.
Variables
Existen casos en los que la variable puede ser irrestricta (Adquiere cualquier valor), esta puede
expresarse en trminos de dos variables no negativas mediante el uso de una sustitucin.
Funcin objetivo
La maximizacin de una funcin equivale a la minimizacin del negativo de la misma funcin y
viceversa.
Soluciones bsicas
Considerando un modelo estndar de programacin lineal con "m" ecuaciones y "n" incgnitas,
una solucin bsica asociada se determina haciendo n-m variables iguales a cero, y
resolviendo las ecuaciones con las variables restantes.
Mtodo Simplex Primal
Forma Estndar
Todas las restricciones deben ser del tipo menor o igual que, con el lado derecho positivo, la
funcin objetivo debe ser de maximizacin y todas las variables son no negativas.
Se introducen las variables holgura se seleccionan las variables de decisin como las variables
no bsicas inciales, y as variables holgura como las variables bsicas inciales.
Prueba de optimidad
La solucin bsica es optima si y solo si los coeficientes de la funcin objetivo son no
negativos, si es as el proceso se detiene de otra manera sigue a una nueva iteracin para
obtener la siguiente solucin bsica.
Determinar la variable bsica entrante
Se escoge la variable no bsica con el coeficiente negativo de mayor valor absoluto (el ms
negativo) de la ecuacin objetivo. Esta ser la columna pivote.
Determinar la variable bsica saliente
Esto se realiza con la prueba del cociente mnimo:
1. Elija los cocientes estrictamente positivos y diferentes de cero, de la columna
correspondiente al pivote
2. Divida cada coeficiente entre el elemento del lado derecho de la misma fila
3. Identifique la fila que tenga el menor de estos cocientes
4. La variable bsica de esta fila es la variable bsica que sale, sustityala por la variable
bsica entrante en la columna de la variable bsica de la siguiente tabla
Despejar la nueva solucin bsica mediante eliminacin Gaussiana
1. Divida la fila del pivote entre el pivote
2. En la siguiente tabla copie la fila del pivote y llene su columna de ceros
3. El nuevo elemento = elemento (coef. Fila del pivote) (coef. Columna del pivote).
Interpretacin grfica del Mtodo Simplex
La resolucin de problemas lineales con slo dos o tres variables de decisin se puede
ilustrar grficamente, mostrndose como una ayuda visual para comprender muchos de los
conceptos y trminos que se utilizan y formalizan con mtodos de solucin ms sofisticados,
como por ejemplo el Mtodo Simplex, necesarios para la resolucin de problemas con varias
variables. Para ello se puede usar el mtodo Grfico.
Aunque en la realidad rara vez surgen problemas con slo dos o tres variables de
decisin, es sin embargo muy til esta metodologa de solucin e interpretacin, en la que se
vern las situaciones tpicas que se pueden dar, como son la existencia de una solucin ptima
nica, de soluciones ptimas alternativas, la no existencia de solucin y la no acotacin.
Describimos aqu las fases del procedimiento de solucin del Mtodo Grfico:
1. Dibujar un sistema de coordenadas cartesianas en el que cada variable de
decisin est representada por un eje, con la escala de medida adecuada a su variable
asociada.
2. Dibujar en el sistema de coordenadas las restricciones del problema
(incluyendo las de no negatividad). Para ello, observamos que si una restriccin es una
inecuacin, define una regin que ser el semiplano limitado por la lnea recta que se
tiene al considerar la restriccin como una igualdad. Si la restriccin fuera una
ecuacin, la regin que define se dibuja como una lnea recta. La interseccin de todas
las regiones determina la regin factible o espacio de soluciones (que es un conjunto
convexo). Si esta regin es no vaca, ir a la fase siguiente. En otro caso, no existe
solucin que satisfaga (simultneamente) todas las restricciones y el problema no tiene
solucin, denominndose no factible.
3. Determinar los puntos extremos (puntos que no estn situados en segmentos
de lnea que unen otros dos puntos del conjunto convexo) de la regin factible (que,
como probaremos en la siguiente seccin, son los candidatos a solucin ptima).
Evaluar la funcin objetivo en estos puntos y aqul o aquellos que maximicen (o
minimicen) el objetivo, corresponden a las soluciones ptimas del problema.