Está en la página 1de 46

2. Programacin Lineal.

2.1. Introduccin.
Muchas personas clasifican el desarrollo de la Programacin Lineal (PL) entre los
avances cientficos ms importantes de mediados del siglo XX. En la actualidad es una
herramienta comn que ha ahorrado miles o millones de dlares a muchas compa!as "
negocios# inclu"endo industrias medianas en distintos pases del mundo. Cul es la
naturaleza de esta notable herramienta y qu tipo de problemas puede manejar?
E$presado %revemente# el tipo ms comn de aplicacin a%arca el pro%lema general de
asignar recursos limitados entre actividades competitivas de la me&or manera posi%le (es
decir# en forma ptima). Este pro%lema de asignacin puede surgir cuando de%a elegirse
el nivel de ciertas actividades que compiten por recursos escasos para reali'arlas. La
variedad de situaciones a las que se puede aplicar esta descripcin es sin duda mu"
grande# " va desde la asignacin de instalaciones productivas a los productos# hasta la
asignacin de los recursos nacionales a las necesidades de un pas( desde la planeacin
agrcola# hasta el dise!o de una terapia de radiacin( etc. )o o%stante# el ingrediente
comn de todas estas situaciones es la necesidad de asignar recursos a las actividades.
*on frecuencia# seleccionar una alternativa inclu"e satisfacer varios criterios al mismo
tiempo. Por e&emplo# cuando se compra una pie'a de pan se tiene el criterio de frescura#
tama!o# tipo (%lanco# integral u otro)# costo " re%anado o sin re%anar. +e puede ir un
paso ms adelante " dividir estos criterios en dos categoras, restricciones " el o%&etivo.
Las restricciones son las condiciones que de%e satisfacer una solucin que est %a&o
consideracin. +i ms de una alternativa satisfacen todas las restricciones# el o%&etivo se
usa para seleccionar entre todas las alternativas facti%les. *uando se elige una pie'a de
pan# pueden quererse -.. gr. de pan %lanco re%anado " hecho no antes de a"er. +i varias
marcas satisfacen estas restricciones# puede aplicarse el o%&etivo de un costo mnimo "
escoger las ms %arata.
E$isten muchos pro%lemas administrativos que se a&ustan a este molde de tratar de
minimi'ar o ma$imi'ar un o%&etivo que est su&eto a una lista de restricciones. un
corredor de inversiones# por e&emplo# trata de ma$imi'ar el rendimiento so%re los
fondos invertidos pero las posi%les inversiones estn restringidas por las le"es " las
polticas %ancarias. /n hospital de%e planear que las comidas para los pacientes
satisfagan ciertas restricciones so%re sa%or# propiedades nutritivas# tipo " variedad# al
mismo tiempo que se trata de minimi'ar el costo. /n fa%ricante# al planear la
produccin futura# %usca un costo mnimo al mismo tiempo cmo cumplir restricciones
so%re la demanda del producto# la capacidad de produccin# los inventarios# el nivel de
empleados " la tecnologa. La PL se ha aplicado con 0$ito a estos " otros pro%lemas.
La PL es una t0cnica determinista# no inclu"e pro%a%ilidades " utili'a un modelo
matemtico para descri%ir el pro%lema. El ad&etivo lineal significa que todas las
funciones matemticas del modelo de%en ser funciones lineales. En este caso# la pala%ra
programacin no se refiere a programacin en computadoras( en esencia es un sinnimo
de planeacin. 1s# la PL trata la planeacin de las actividades para obtener un
resultado ptimo, esto es, el resultado que mejor alcance la meta especificada (se!n el
modelo" entre todas las opciones de solucin. 1unque la asignacin de recursos a las
actividades es la aplicacin ms frecuente# la PL tiene muchas otras posi%ilidades. 2e
hecho# cualquier pro%lema cu"o modelo matemtico se a&uste al formato general del
modelo de PL es un pro%lema de PL.
Supuestos de la programacin lineal.
E$iste un nmero de suposiciones reali'adas en cada modelo. La utilidad de un modelo
est directamente relacionada con la realidad de los supuestos.
El primer supuesto tiene que ver con la forma lineal de las funciones. 3a que el o%&etivo
es lineal# la contri%ucin al o%&etivo de cualquier decisin es proporcional al valor de la
varia%le de decisin. Producir dos veces ms de producto producir dos veces ms de
ganacia# contratando el do%le de pginas en las revistas do%lar el costo relacionado con
las revistas. Es una Suposicin de Proporcin.
1dems# la contri%ucin de una varia%le a la funcin o%&etivo es independiente de los
valores de las otras varia%les. La ganancia con una computadora )ote%oo4 es de
5-.#67....# independientemente de cuantas computadoras 2es4top se producen. Este es
un Supuesto de Adicin.
1nlogamente# "a que cada restriccin es lineal# la contri%ucin de cada varia%le al lado
i'quierdo de cada restriccin es proporcional al valor de la varia%le e independiente de
los valores de cualquier ora varia%le.
Estas suposiciones son %astante restrictivas. 8eremos# sin em%argo# que ser claros "
precisos en la formulacin del modelo puede a"udar a mane&ar situaciones que parecen
en un comien'o como le&anos a estos supuestos.
El siguiente supuesto es la Suposicin de ser Divisible. Es posi%le tomar una fraccin
de cualquier varia%le. Por e&emplo# en un pro%lema de mar4eting# qu0 significa comprar
9.:6 avisos en la televisin;. Es posi%le que la suposicin de ser divisi%le sea
insatisfecha en este e&emplo. < puede ser que tales unidades de 9.:6 avisos
correspondan a 9#:::.6 minutos de avisos# en cu"o caso redondeando la solucin seran
9#::6 minutos con una mnima duda que est0 cercana a la solucin ptima. +i la
suposicin de divisi%le no es vlida# entonces se usar la t0cnica de Programacin
Lineal Entera.
La ltima suposicin es el Supuesto de Certeza. La Programacin Lineal no permite
incertidum%re en los valores.
+er difcil que un pro%lema cumpla con todas las suposiciones de manera e$acta. Pero
esto no negar la facti%ilidad de uso del modelo. /n modelo puede ser an til aunque
difiera de la realidad# si se es consistente con los requerimientos ms estrictos dentro del
modelo " se tiene claras sus limitaciones al interpretar los resultados.
E$isten limitaciones prcticas para el uso de la PL. /na se relaciona con los clculos.
En general se necesita una computadora. 2esafortunadamente# las calculadoras# aun las
programa%les# son poco tiles# puesto que la PL tiene necesidad de gran cantidad de
memoria o almacenamiento. +i no se tiene acceso a una computadora# se estar limitado
a pro%lemas mu" sencillos. La otra limitacin se refiere al costo de formular un
pro%lema de PL. En teora# podra usarse PL# por e&emplo# para hacer las compras
semanales de a%arrotes. +in em%argo# sera necesario conocer todas las compras
posi%les que pueden reali'arse (0stas seran las varia%les)# adems de cada restriccin
como sa%or# nmero de comidas# vitaminas " protenas. Es o%vio que el costo de
o%tener todos estos datos e$cede lo que se podra ahorrar si se hicieran las compras
ptimas. 1ntes de emprender una aplicacin de PL# de%e considerarse la disponi%ilidad
" el costo de los datos necesarios.
2.2. Formulacin de modelos de Programacin Lineal.
1unque se ponga en duda# la parte ms difcil de PL es reconocer cundo 0sta puede
aplicarse " formular el pro%lema matemticamente. /na ve' hecha esa parte# resolver el
pro%lema casi siempre es fcil.
Para formular un pro%lema en forma matemtica# de%en e$presarse afirmaciones lgicas
en t0rminos matemticos. Esto se reali'a cuando se resuelven =pro%lemas ha%lados> al
estudiar un curso de lge%ra. 1lgo mu" parecido sucede aqu al formular las
restricciones. Por e&emplo# consid0rese la siguiente afirmacin, A usa ? horas por
unidad " B usa 9 horas por unidad. +i de%en usarse todas las -.. horas disponi%les# la
restriccin ser,
?1 @ 9A B -..
+in em%argo# en la ma"ora de las situaciones de negocios# no es o%ligatorio que se usen
todos los recursos (en este caso# horas de mano de o%ra). Ms %ien la limitacin es que
se use# cuando mucho# lo que se tiene disponi%le. Para este caso# la afirmacin anterior
puede escri%irse como una desigualdad,
?1 @ 9A -..
Para que sea acepta%le para PL# cada restriccin de%e ser una suma de varia%les con
e$ponente -. Los cuadrados# las races cuadradas# etc. no son acepta%les# ni tampoco los
productos de varia%les. 1dems# la forma estndar para una restriccin pone a todas las
varia%les del lado i'quierdo " slo una constante positiva o cero del lado derecho. Esto
puede requerir algn reacomodo de los t0rminos. +i# por e&emplo# la restriccin es que A
de%e ser por los menos el do%le de B# esto puede escri%irse como,
1 9A 1 9A .
)tese que pueden moverse t0rminos de un lado a otro de las desigualdades como si
fuera un signo de igualdad. Pero al multiplicar una desigualdad por -# el sentido de
esta desigualdad se invierte. Puede ser necesario hacer esto para que los coeficientes del
lado derecho sean positivos. Por e&emplo# si se quiere que A sea por lo menos tan
grande como A 9# entonces,
1 A 9
1 A 9
por ltimo A 1
9
/na nota final so%re desigualdades, es sencillo convertir una desigualdad en una
ecuacin. Codo lo que se tiene que hacer es agregar (o restar) una varia%le e$tra. Por
e&emplo,
A 1 9 es lo mismo que A 1 + S B 9
en donde S representa la diferencia# o la holgura# entre A 1 " 9. S se llama variable de
holura. Por otro lado# se restara una variable de supervit en el caso siguiente,
1 9A . es lo mismo que 1 9A S B .
1lgunos m0todos de solucin (como el M0todo +mple$) " la ma"ora de los programas
de computadora (como el MathProg# que viene en el <D*ourseEare# que acompa!a al
li%ro =Fntroduccin a la Fnvestigacin de <peraciones> de los autores Gillier "
Lie%erman) requieren que todas las desigualdades se conviertan en igualdades.
La metodologa de PL requiere que todas las varia%les sean positivas o cero# es decir# no
negativas. Para la ma"ora de los pro%lemas esto es real# no se querra una solucin que
diga, prod'canse menos dos ca&as o contrtense menos cuatro personas.
Mientras que no e$iste un lmite en el nmero de restricciones que puede tener un
pro%lema de PL# slo puede haber un objetivo. La forma matemtica del o%&etivo se
llama funcin objetivo. 2e%e llevar consigo el ma$imi'ar o minimi'ar alguna medida
num0rica. Podra ser ma$imi'ar el rendimiento# la ganancia# la contri%ucin marginal o
los contactos con los clientes. Podra ser minimi'ar el costo# el nmero de empleados o
el material de desperdicio. *on frecuencia el o%&etivo es evidente al o%servar el
pro%lema.
*omo el valor de la funcin o%&etivo no se conoce hasta que se resuelve el pro%lema# se
usa la letra Z para representarlo. La funcin o%&etivo tendr# entonces# la forma,
Ma$imi'ar H B I1 @ :A
Minimi'ar H B 9$
-
@ 7$
9

+e anali'a una aplicacin para ilustrar el formato de los pro%lemas de Programacin
Lineal.
Planeacin de la fuerza de trabajo.
El gerente de personal de =La Cortuga 8elo'# +.1. de *.8.># est anali'ando la necesidad
de mano de o%ra semi calificada durante los pr$imos seis meses. +e lleva - mes
adiestrar a una persona nueva. 2urante este perodo de entrenamiento un tra%a&ador
regular# &unto con uno en adiestramiento (aprendi')# producen el equivalente a lo que
producen -.9 tra%a&adores regulares. +e paga 57..... mensuales a quien est en
entrenamiento# mientras que los tra%a&adores regulares ganan 5J..... mensuales. La
rotacin de personal entre los tra%a&adores regulares es %astante alta# del -.K mensual.
El gerente de personal de%e decidir cuntas personas necesita contratar cada mes para
adiestramiento. En seguida se da el nmero de mesesLhom%re necesarios. Cam%i0n se
desea tener una fuer'a de tra%a&o regular de --. al principio de &ulio. En cuanto al -M de
enero# ha" 7J empleados regulares.
Mes
MesesLhom%re requeridos
Mes Meses-om!re re"ueridos
Enero :. 1%ril J.
Ne%rero 7. Ma"o 6.
Mar'o :. Ounio -..
Este pro%lema tiene un aspecto dinmico# "a que la fuer'a de tra%a&o en cualquier mes
depende de la fuer'a de tra%a&o regular " en adiestramiento del mes anterior. Para
cualquier mes# el nmero total de mesesLhom%re disponi%les se puede e$presar como
sigue,
MesesLhom%re disponi%les, D
i
@ ..91
i

en donde, D
i
B nmero de tra%a&adores regulares al principio del mes
1
i
B nmero de aprendices contratados en el mes.
Entonces los requerimientos de cada mes pueden e$presarse por las restricciones,
enero D
-
@ ..91
- :.
fe%rero D
9
@ ..91
9
7.
mar'o D
?
@ ..91
? :.
a%ril D
I
@ ..91
I J.
ma"o D
7
@ ..91
7
6.
&unio D
:
@ ..91
: -..
&ulio (principio) D
6
--.
2e%ido a la rotacin# el -.K de los tra%a&adores regulares se van cada mes. 1s# el
nmero de tra%a&adores regulares disponi%les# por e&emplo# al principio de fe%rero sera,
D
9
B ..PD
-
@ 1
-

En la misma forma# pueden escri%irse las ecuaciones para el nmero de tra%a&adores
disponi%les al principio de cada mes,
enero D
-
B 7J (dado)
fe%rero D
9
B ..PD
-
@ 1
-
mar'o D
?
B ..PD
9
@ 1
9
a%ril D
I
B ..PD
?
@ 1
?
ma"o D
7
B ..PD
I
@ 1
I
&unio D
:
B ..PD
7
@ 1
7
&ulio D
6
B ..PD
:
@ 1
:
El o%&etivo glo%al del gerente de personal es minimi'ar el costo. La funcin o%&etivo es,
Minimi'ar, H B J..(D
-
@ D
9
@ D
?
@ D
I
@ D
7
@ D
:
) @ 7..(1
-
@ 1
9
@ 1
?
@ 1
I
@ 1
7
@ 1
:
)
1hora se tiene el pro%lema en el formato general de PL con -? varia%les " -I
restricciones.
Los tomadores de decisiones en las empresas esta%lecen criterios que de%e cumplir una
solucin "# despu0s# %uscan esa solucin. En PL# los criterios se e$presan como
restricciones. +e e$ploran las soluciones posi%les " se usa la funcin o%&etivo para elegir
la me&or de entre aquellas que cumplen con los criterios. La PL se denomina t0cnica de
optimi'acin# pero optimi'a slo dentro de los lmites de las restricciones. En realidad
es un m0todo de satisfaccin de criterios.
Forma est#ndar de los modelos de Programacin Lineal.
+upngase que e$iste cualquier nmero (digamos m) de recursos limitados de cualquier
tipo# que se pueden asignar entre cualquier nmero (digamos n) de actividades
competitivas de cualquier clase. Etiqu0tense los recursos con nmeros (-# 9# ...# m) al
igual que las actividades (-# 9# ...# n). +ea $
&
(una varia%le de decisin) el nivel de la
actividad j# para j B -# 9# ...# n# " sea Z la medida de efectividad glo%al seleccionada. +ea
c
&
el incremento que resulta en Z por cada incremento unitario en $
&
(para j B -# 9# ...# n).
1hora sea %
i
la cantidad disponi%le del recurso i (para i B -# 9# ...# m). Por ltimo
defnase a
i&
como la cantidad de recurso i que consume cada unidad de la actividad j
(para i B -# 9# ...# m " j B -# 9# ...# n). +e puede formular el modelo matemtico para el
pro%lema general de asignar recursos a actividades. En particular# este modelo consiste
en elegir valores de $
-
# $
9
# ...# $
n
para,
Ma$imi'ar H B c
-
$
-
@ c
9
$
9
@ ... @ c
n
$
n
#
su&eto a las restricciones,
a
--
$
-
@ a
-9
$
9
@ ... @ a
-n
$
n
%
-
a
9-
$
-
@ a
99
$
9
@ ... @ a
9n
$
n
%
9
a
m-
$
-
@ a
m9
$
9
@ ... @ a
mn
$
n
%
m
"
$
-
.# $
9
.# ...# $
n
.
Qsta se llamar nuestra forma estndar (porque algunos li%ros de te$to adoptan otras
formas) para el pro%lema de PL. *ualquier situacin cu"a formulacin matemtica se
a&uste a este modelo es un pro%lema de PL.
En este momento se puede resumir la terminologa que usaremos para los modelos de
PL. La funcin que se desea ma$imi'ar# c
-
$
-
@ c
9
$
9
@ ... @ c
n
$
n
# se llama funcin
objetivo. Por lo general# se hace referencia a las limitaciones como restricciones. Las
primeras m restricciones (aquellas con una funcin del tipo a
i-
$
-
@ a
i9
$
9
@ ... @ a
in
$
n
# que
representa el consumo total del recurso i) reci%en el nom%re de restricciones
funcionales. 2e manera parecida# las restricciones $
&
. se llaman restricciones de no
neatividad. Las varia%les $
&
son las variables de decisin. Las constantes de entrada#
a
i&
# %
i
# c
&
# reci%en el nom%re de parmetros del modelo.
$tras %ormas de modelos de Programacin Lineal.
Es conveniente agregar que el modelo anterior no se a&usta a la forma natural de algunos
pro%lemas de programacin lineal. Las otras formas le#timas son las siguientes,
-. Minimi'ar en lugar de ma$imi'ar la funcin o%&etivo,
Minimi'ar H B c
-
$
-
@ c
9
$
9
@ ... @ c
n
$
n
#
9. 1lgunas restricciones funcionales con desigualdad en el sentido ma"or o igual,
a
i-
$
-
@ a
i9
$
9
@ ... @ a
in
$
n
# %
i
#

para algunos valores de i#
?. 1lgunas restricciones funcionales en forma de ecuacin,
a
i-
$
-
@ a
i9
$
9
@ ... @ a
in
$
n
# B %
i
#

para algunos valores de i#
I. Las varia%les de decisin sin la restriccin de no negatividad,
$
&
no restringida en signo para algunos valores de j.
*ualquier pro%lema que inclu"a una# varias o todas estas formas del modelo anterior
tam%i0n se clasifica como un pro%lema de PL# siempre " cuando 0stas sean las !nicas
formas nuevas introducidas. Puede ser que la interpretacin que se ha dado de
asignacin de recursos limitados entre actividades que compiten no se aplique# pero
independientemente de la interpretacin o el conte$to# lo nico que se necesita es que la
formulacin matemtica del pro%lema se a&uste a las formas permitidas. +e ver que
estas otras cuatro formas legales se pueden reescri%ir en una forma equivalente para que
se a&uste al modelo que se present. Entonces# todo pro%lema de PL se puede poner en
nuestra forma estndar si se desea.
2.&. Solucin 'r#%ica de Modelos Lineales con dos (aria!les.
Para la solucin grfica de programas lineales con dos varia%les# lo que se tiene que
hacer es tra'ar un e&e de coordenadas cartesianas# para graficar las desigualdades dadas
por el pro%lema# despu0s encontrar el Rrea de +oluciones Nacti%les " proceder a graficar
la funcin o%&etivo para conocer el valor ptimo (ma$imi'ar o minimi'ar) que ser la
solucin del pro%lema.
Ejemplo Problema de mezcla de productos.
/n fa%ricante est tratando de decidir so%re las cantidades de produccin para dos
artculos, mesas " sillas. +e cuenta con P: unidades de material " con 69 horas de mano
de o%ra. *ada mesa requiere -9 unidades de material " : horas de mano de o%ra. Por
otra parte# las sillas usan J unidades de material cada una " requieren -9 horas de mano
de o%ra por silla. El margen de contri%ucin es el mismo para las mesas que para las
sillas, 57... por unidad. El fa%ricante prometi construir por lo menos dos mesas.
Paso ! formulacin del problema.
El primer paso para resolver el pro%lema es e$presarlo en t0rminos matemticos en el
formato general de PL. S*ul es el o%&etivo; Es ma$imi'ar la contri%ucin a la
ganancia. *ada unidad de mesas o sillas producidas contri%uir con 57 en la ganancia.
1s las dos alternativas son la produccin de mesas " la produccin de sillas. 1hora
puede escri%irse la funcin o%&etivo,
Ma$imi'ar H B 7$
-
@ 7$
9

en donde, $
-
B nmero de mesas producidas
$
9
B nmero de sillas producidas
S*ules son las restricciones o limitaciones del pro%lema; E$isten tres restricciones.
Primero# el material est limitado a P: unidades. *ada mesa se lleva -9 unidades de
material " cada silla usa J unidades. La primera restriccin es# entonces,
-9$
-
@ J$
9
P:
La segunda restriccin es el total de horas de mano de o%ra. /na mesa se lleva : horas#
una silla -9 horas " se dispone de un total de 69 horas. 1s,
:$
-
@ -9$
9
69
E$iste una limitacin ms. El fa%ricante prometi producir por lo menos dos mesas.
Esto puede e$presarse como,
$
-
9
Por ltimo# las restricciones de no negatividad son,
$
-
.# $
9
.
Poniendo todo &unto el modelo se tiene,
Ma$imi'ar H B 7$
-
@ 7$
9
Destricciones, -9$
-
@ J$
9
P:
:$
-
@ -9$
9
69
$
-
9
$
-
.# $
9
.
Paso 2 gr"fica de las restricciones.
El siguiente paso en el m0todo grfico es di%u&ar todas las restricciones en una grfica.
Esto puede hacerse en cualquier orden. Por conveniencia se comen'ar con las
restricciones de no negatividad. Qstas se muestran en la siguiente figura,
En esta grfica# una solucin se representara por un punto con coordenadas $
-
(mesas)
" $
9
(sillas). Las coordenadas representaran las cantidades de cada artculo que se
de%en producir. El cuadrante superior derecho se llama $ein %actible puesto que es el
nico cuadrante en que pueden estar las soluciones. Los otros tres cuadrantes no son
facti%les# "a que requeriran la produccin de cantidades negativas de mesas o de sillas
o de am%as.
La siguiente restriccin es $
-
9. La manera ms sencilla de di%u&ar las restricciones de
recursos es en dos pasos, (-) convertir una desigualdad en una ecuacin " graficar la
ecuacin " (9) som%rear el rea apropiada arri%a " a%a&o de la lnea que resulta en el
paso -. *onvertir una igualdad en una ecuacin aqu significa ignorar la parte de
=ma"or que> o =menor que> de la restriccin.
1s# en el e&emplo# $
-
9 se convierte en $
-
B 9. Esta ecuacin est tra'ada en la
siguiente figura,
*ualquier punto en la lnea $
-
B 9 satisface la ecuacin. +in em%argo# la restriccin es
ms amplia# "a que cualquier punto $
-
T 9 tam%i0n la cumplir. Esto inclu"e todos los
puntos que estn a la derecha de la lnea $
-
B 9. Entonces# la regin facti%le inclu"e
todos los valores de $
-
que estn sobre o a la derecha de la l#nea $
-
B 9.
La limitacin so%re las horas de mano de o%ra es la siguiente restriccin. *omo antes#
primero se convierte en una ecuacin, :$
-
@ -9$
9
B 69. Puede graficarse esta lnea si se
encuentran dos puntos so%re ella. El par de puntos ms sencillos de locali'ar son las
intersecciones con los e&es X
-
" X
9
. Para encontrar la interseccin con el e&e X
9
se hace
$
-
B .. La ecuacin se reduce# entonces# a,
-9$
9
B 69
$
9
B :
La interseccin con el e&e X
-
se encuentra haciendo $
9
B .. 1s,
:$
-
B 69
$
-
B -9
Estos dos puntos " la lnea que los une se muestran en la siguiente figura,
*ualquier punto que est sobre o abajo de esta lnea cumplir con la restriccin.
*ualquier punto arri%a de esta lnea requerir ms de 69 horas de mano de o%ra " no es
acepta%le. En la siguiente figura se com%ina esta restriccin con la anterior. En la regin
facti%le# am%as restricciones se cumplen.
La ltima restriccin es la de material. +iguiendo el procedimiento anterior# primero se
encuentran las intersecciones para la igualdad. Qstas son $
-
B .# $
9
B -9 " $
-
B J# $
9
B..
+e locali'an los dos puntos en la grfica( se tra'a la lnea# " como la restriccin es del
tipo menor o igual que# se som%rea el rea que est a%a&o de la lnea. El resultado se
muestra en la siguiente figura,
*ualquier solucin que est0 en la frontera o dentro del rea som%reada cumplir con
todas las restricciones. 1hora se utili'ar la funcin o%&etivo para seleccionar la
solucin ptima.
Paso # obtencin de la solucin ptima l$neas de indiferencia.
Para encontrar la solucin ptima# se grafica la funcin o%&etivo en la misma grfica de
las restricciones. La funcin o%&etivo en este pro%lema es H B 7$
-
@ 7$
9
. *omo todava
no se conoce el m$imo valor facti%le de H# no puede tra'arse el ptimo de la funcin
o%&etivo. )o o%stante# es posi%le suponer algunos valores para H " graficar las lneas
resultantes. En la siguiente figura se muestran las lneas para H B 97 "H B 7.,
Las lneas de este tipo se llaman l#neas de indiferencia# porque cualquier punto so%re
una lnea dada da la misma ganancia total. )tese que la distancia perpendicular del
origen a la lnea aumenta al aumentar el valor de H. Cam%i0n# todas las lneas de
indiferencia son paralelas entre s. Estas propiedades grficas pueden usarse para
resolver el pro%lema.
En la siguiente figura# se ilustran todas las restricciones " las dos lneas de indiferencia
supuestas. En la grfica puede o%servarse que la lnea de indiferencia para H B 7. est
completamente fuera de la regin facti%le. Para H B 97# parte de la lnea cae dentro de la
regin facti%le. Por tanto# e$iste alguna com%inacin de $
-
" $
9
que satisface todas las
restricciones " da una ganancia total de 597. Por inspeccin# puede o%servarse que ha"
ganancias ms altas que son facti%les.
Fmaginando que la lnea de indiferencia H B 97 se mueve hacia la lnea H B 7.# de las
propiedades de la grfica que se hicieron notar antes# el punto ptimo estar so%re la
lnea de indiferencia ms le&ana al origen pero que todava toque la regin facti%le. Esto
se muestra en la siguiente figura,
*on el punto ptimo locali'ado grficamente# la nica tarea que queda es encontrar las
coordenadas del punto. )tese que el punto ptimo est en la interseccin de las lneas
de restriccin para materiales " horas de mano de o%ra. Las coordenadas de este punto
se pueden encontrar resolviendo el sistema de ecuaciones que forman estas dos
restricciones utili'ando cualquiera de los m0todos de solucin (suma " resta# sustitucin
o igualacin). Las coordenadas de este punto resultan ser (:# ?). La sustitucin de este
punto en la funcin o%&etivo da la ganancia m$ima,
H B 7(:) @ 7(?) B 5I7
%esumen del m&todo gr"fico.
Para resolver grficamente pro%lemas de programacin lineal,
-. E$pr0sense los datos del pro%lema como una funcin o%&etivo " restricciones.
9. Urafquese cada restriccin.
?. Localcese la solucin ptima.
)so del m*todo gr#%ico para minimi+acin.
*onsideremos un Pro%lema de PL en el cual el o%&etivo es minimi'ar costos. La
solucin del pro%lema de minimi'acin sigue el mismo procedimiento que la de
pro%lemas de ma$imi'acin. La nica diferencia es que ahora se quiere el menor valor
posi%le para la funcin o%&etivo. +upngase que se tiene el siguiente pro%lema,
Ejemplo Problema de dieta.
/n comprador est tratando de seleccionar la com%inacin ms %arata de dos alimentos#
que de%e cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos
vitamnicos son por lo menos I. unidades de vitamina V# 7. unidades de vitamina X "
IP unidades de vitamina 3. *ada on'a del alimento 1 proporciona I unidades de
vitamina V# -. unidades de vitamina X " 6 unidades de vitamina 3( cada on'a del
alimento A proporciona -. unidades de V# 7 unidades de X " 6 unidades de 3. El
alimento 1 cuesta 7 pesosW4ilogramo " el alimento A cuesta J pesosW4ilogramo.
Paso ! formulacin del problema.
La meta en este pro%lema es encontrar la manera menos costosa para satisfacer las
necesidades vitamnicas. Las dos alternativas disponi%les son los alimentos 1 " A.
Matemticamente la funcin o%&etivo es,
Minimi'ar H B 71 @ JA
Las restricciones son los requerimientos mnimos de las tres vitaminas. Qstas se
muestran enseguida,
Destricciones, I1 @ -.A I. vitamina V
-.1 @ 7A 7. vitamina X
61 @ 6A IP vitamina 3
1 .# A . no negatividad
Paso 2 gr"fica de las restricciones.
El procedimiento para graficar es el mismo que se us antes, (-) graficar cada ecuacin
de restriccin( (9) graficar el rea apropiada. Para la primera restriccin la ecuacin es
I1 @ -.A B I.. Las dos intersecciones con los e&es son (.#I) " (-.#.). Esta lnea se
muestra en la siguiente figura,
La restriccin pide I. unidades o ms de la vitamina V. *ualquier punto que est0
arriba de la lnea de restriccin ser facti%le " todos los puntos que quedan a%a&o de esa
lnea sern acepta%les. En la siguiente figura se muestra la regin facti%le,
2espu0s se grafica la restriccin para la vitamina X. La ecuacin -.1 @ 7A B 7. tiene
intersecciones con los e&es en (.#-.) " (7#.). En la siguiente figura se ilustran las
restricciones para las vitaminas V " X. )tese que las soluciones que quedan en las
reas a o b no son facti%les# "a que quedaran a%a&o de las lneas de restriccin.
1l agregar la tercera restriccin# este segundo paso queda terminado# como se muestra
en la siguiente figura,
Paso # localizacin de la solucin ptima.
En la siguiente figura se muestra la frontera e$trema ms dos lneas de indiferencia# las
de H B I. pesos " H B :. pesos. La frontera e$trema est formada por los puntos a# %# c
" d# puesto que 0stos son los puntos de interseccin facti%les ms cercanos al origen.
Urficamente# el o%&etivo de minimi'ar el valor de H significa a&ustar una lnea de
indiferencia tan cerca del origen como sea posi%le. En la figura anterior puede
o%servarse que e$isten muchas soluciones posi%les para H B :.# pero ninguna para H B
I.. Fmaginando mover la lnea H B :. hacia el origen# el ltimo punto de contacto con la
frontera e$trema ser el punto %. Entonces# el punto % es la solucin ptima. En la figura
anterior se o%serva que el punto % es la interseccin de dos lneas,
(-) I1 @ -.A B I.
(9) 61 @ 6A B IP
Desolviendo el sistema de ecuaciones,
Multiplquese la ecuacin (-) por 6, (?) 9J1 @ 6.A B 9J.
Multiplquese la ecuacin (9) por X I, (I) X9J1 X 9JA B X-P:
I9A B JI
A B 9
+ustit"ase en la ecuacin (-), I1 @ -.(9) B I.
1 B 7
La solucin menos costosa es 7 4ilogramos de alimento 1 " 9 4ilogramos de alimento
A. El costo total de esta com%inacin es,
H B 71 @ JA B 7(7) @ J(9) B 97 @ -: B I- pesos
+i se usa el m0todo de prue%a " error para locali'ar la solucin ptima# se de%en
encontrar las coordenadas de los puntos a# b# c# " d. +e de%e calcular despu0s el valor de
la funcin o%&etivo para cada punto. 1 continuacin se muestran los resultados de este
procedimiento,
,esultados de prue!a - error
Punto .oordenadas Z / 0A + 1B
a 1 B -.# A B . 7.
% 1 B 7# A B 9 I- menor
c 1 B?# A B I I6
d 1 B .# A B -. J.
*1+<+ E+PE*F1LE+.
M2ltiples soluciones.
Ma$imi'ar H B
?$
-
@
9$
9
su&eta a
$
-
I
$
9
-9
?$
-
@
9$
9
-J
$
-
.# $
9
.
3inguna solucin %acti!le.
Ma$imi'ar H B
?$
-
@
9$
9
su&eta a
-WI.$
-
@
-W:.$
9
-
-W7.$
-
@ -W7.$
9
-
$
-
?.
$
9
9.
$
-
.# $
9
.
4rea o ,egin de Soluciones Facti!les no Acotada.
Ma$imi'ar H B 9$
-
X $
9
su&eta a $
-
X $
9
-
9$
-
@
$
9
:
$
-
.# $
9
.
2.5. M*todo S6mple7.
El m0todo smple$ es un algoritmo. 2e hecho# cualquier procedimiento iterativo de
solucin es un algoritmo. Entonces# un algoritmo es simplemente un proceso en el que
se repite (se itera) un procedimiento sistemtico una " otra ve' hasta o%tener el
resultado deseado. *ada ve' que se lleva a ca%o el procedimiento sistemtico se reali'a
una iteracin. En consecuencia# un algoritmo sustitu"e un pro%lema difcil por una serie
de pro%lemas fciles.
1dems de las iteraciones# los algoritmos inclu"en un procedimiento para iniciar " un
criterio para determinar cundo detenerse# como se resume enseguida,
Paso inicial Preparacin para iniciar iteraciones
Paso iterati8o %ealizacin de iteraciones
,egla de detencin 'Es ptima la solucin actual(
+i no +i s
Nin
El m0todo smple$ es un procedimiento alebraico en el que cada iteracin contiene la
solucin de un sistema de ecuaciones para o%tener una nueva solucin a la que se le
aplica la prue%a de optimalidad. )o o%stante# tam%i0n tiene una interpretacin
eomtrica mu" til. Para ilustrar los conceptos geom0tricos generales se emplear la
solucin grfica del siguiente pro%lema,
Ma$ H B ?$
-
@ 7$
9
s.a.
$
-
I
9$
9
-9
?$
-
@ 9$
9
-J
$
-
. $
9
.
Solucin por el m&todo gr"fico
En la figura anterior pueden o%servarse los puntos de interseccin que son las
soluciones en los vrtices del pro%lema. Los cinco puntos que se encuentran en los
v0rtices de la rein factible# (.#.)# (.#:)# (9#:)# (I#?)# (I#.) son las soluciones
%acti!les en los 8*rtices. 1lgunas de estas soluciones facti%les en un v0rtice son
ad-acentes# en el sentido de que estn conectadas por una sola orilla (segmento de
lnea) de la frontera de la regin facti%le( esto es# tanto (.#:) como (I#?) son ad"acentes
a (9#:). Las tres propiedades clave de las soluciones facti%les en los v0rtices " que
forman el fundamento del m0todo smple$ se resumen como sigue,
Propiedades de las soluciones factibles en un v&rtice
1a. +i e$iste e$actamente una solucin ptima# entonces debe ser una solucin facti%le
en un v0rtice.
1!. +i e$isten soluciones ptimas mltiples# entonces al menos dos de ellas de%en ser
soluciones facti%les en v0rtices ad"acentes.
2. E$iste slo un nmero finito de soluciones facti%les en los v0rtices ad"acentes.
&. +i una solucin en un v0rtice es igual o menor (segn el valor de H) que todas las
soluciones facti%les en los v0rtices adyacentes a ella# entonces es igual o me&or que
todas las dems soluciones en los v0rtices( es decir# es ptima.
La propiedad - significa que la %squeda de la solucin ptima se puede reducir a la
consideracin de slo las soluciones facti%les en los v0rtices# de manera que slo e$iste
un nmero finito de soluciones que es necesario tomar en cuenta (propiedad 9). La
propiedad ? proporciona una prue%a de optimalidad mu" conveniente.
El m0todo smple$ e$plota estas tres propiedades al e$aminar nada ms unas cuantas
soluciones facti%les en v0rtices prometedores " al detenerse en cuanto una de ellas pasa
la prue%a de optimalidad. En particular# se traslada repetidamente (en forma iterativa) de
una solucin facti%le en un v0rtice a otra# ad"acente " me&or. Esto se puede reali'ar en
forma mu" eficiente hasta que la solucin actual no tiene soluciones facti%les en
v0rtices ad"acentes que sean me&ores. Este procedimiento se resume como sigue,
)os*uejo del m&todo s$mple+
1. &aso inicial' inicio en una solucin facti%le en un v0rtice.
2. &aso iterativo' traslado a una me&or solucin facti%le en un v0rtice ad"acente.
(Deptase este paso las veces que sea necesario).
&. &rueba de optimalidad' la solucin facti%le en un v0rtice es ptima cuando ninguna
de las soluciones en v0rtices ad"acentes a ella sean me&ores.
Este %osque&o muestra la esencia del m0todo smple$#. En el caso del e&emplo# al utili'ar
estas reglas de seleccin el m0todo smple$ procede como sigue,
1. &aso inicial' comien'a en (.#.).
2a. (teracin )' se mueve de (.#.) a (.#:)
2!. (teracin *' se mueve de (.#:) a (9#:).
&. &rueba de optimalidad' ni (.#:) ni (I#?) son me&ores que (9#:)# entonces se detiene#
(9#:) es ptima.
Preparacin para el m&todo s$mple+.
En el procedimiento alge%raico es mucho ms conveniente mane&ar ecuaciones que
desigualdades. 1s# el primer paso para preparar el m0todo smple$ es convertir las
restricciones funcionales de desiualdad en restricciones equivalentes. (Las
restricciones de no negatividad se pueden de&ar como desigualdades porque el algoritmo
las usa slo indirectamente). Esta conversin se hace mediante la introduccin de
8aria!les de olgura. *onsid0rese la primera restriccin funcional del e&emplo,
$
-
I
La varia%le de holgura para esta restriccin es $
?
# que no es otra cosa que la holgura
entre los dos lados de la desigualdad. Entonces,
$
-
@ $
?
B I
La restriccin original $
-
I se cumple siempre que $
?
.. Por tanto# $
-
I es
totalmente equivalente al con&unto de restricciones
$
-
@ $
?
B I "
$
?
.#
de manera que se usar este con&unto por resultar ms conveniente.
1l introducir varia%les de holgura en las otras restricciones en forma parecida# el
modelo de programacin lineal original para este e&emplo se puede sustituir por el
modelo equivalente,
Ma$imi'ar H B ?$
-
@ 7$
9
#
su&eta a
$
-
@
$
?
B I
9$
9
@
$
I
B -9
?$
-
@
9$
9
@
$
7
B -J
$
&
. para & B -# 9# Y# 7
1un cuando este pro%lema es id0ntico al anterior# esta forma es mucho ms conveniente
para la manipulacin alge%raica " la identificacin de las soluciones facti%les en los
v0rtices. Qsta se llama la forma de iualdades del pro%lema# para diferenciarla de la
forma de desigualdades original " poder introducir la siguiente definicin,
/na solucin aumentada es una solucin para un pro%lema que originalmente se
encontra%a en forma de desigualdades " que se ha aumentado con los valores
correspondientes de las variables de holura para cam%iar el pro%lema a la forma de
igualdades.
Por e&emplo# al aumentar la solucin (?#9) en el e&emplo# se o%tiene la solucin
aumentada (?#9#-#J#7)# puesto que los valores correspondientes de las varia%les de
holgura son $
?
B -# $
I
B J# $
7
B 7.
/na solucin !#sica es una solucin en un v0rtice aumentada.
Para ilustrar esto# consid0rese la solucin no facti%le en el v0rtice (I#:) del e&emplo. 1l
aumentar con los valores o%tenidos para las varia%les de holgura $
?
B .# $
I
B . " $
7
B X:#
se llega a la solucin %sica correspondiente (I#:#.#.#X:). +e permite que las soluciones
%sicas sean facti%les o no facti%les# lo que lleva a la siguiente definicin,
/na solucin !#sica %acti!le es una solucin facti%le en un v0rtice aumentada.
1s# la solucin facti%le en el v0rtice (.#:) del e&emplo es equivalente a la solucin
%sica facti%le (.#:#I#.#:) para la forma de igualdades del pro%lema.
*omo los t0rminos solucin bsica " solucin bsica factible constitu"en partes mu"
importantes del voca%ulario normal de programacin lineal# es necesario aclarar sus
propiedades alge%raicas. )tese que para la forma de igualdades del e&emplo# el sistema
de restricciones funcionales tiene dos varia%les ms (cinco) que ecuaciones (tres). Este
hecho proporciona dos rados de libertad al resolver el sistema# "a que se pueden elegir
dos varia%les cualesquiera " hacerlas iguales a cualquier valor ar%itrario para resolver
las tres ecuaciones en t0rminos de las tres varia%les restantes (se e$clu"en
redundancias). El m0todo smple$ usa cero para este valor ar%itrario. Las varia%les que
por el momento se hacen iguales a cero se llaman 8aria!les no !#sicas( todas las dems
se llaman 8aria!les !#sicas. La solucin que resulta es una solucin bsica. +i todas las
varia%les %sicas son no negativas# entonces se tiene una solucin bsica factible. Para
cualquier solucin %sica# la solucin en el v0rtice correspondiente se o%tiene
simplemente al quitar las varia%les de holgura. 2os soluciones %sicas son ad"acentes si
todas menos una de sus varia%les son las mismas( la misma aseveracin se cumple para
las varia%les %sicas. Entonces# trasladarse de una solucin %sica facti%le a una
ad"acente significa cam%iar el estado de una varia%le de no %sica a %sica " viceversa
para otra varia%le.
En t0rminos generales# el nmero de variables no bsicas de una solucin %sica
siempre es igual a los rados de libertad del sistema de ecuaciones " el nmero de
variables bsicas siempre es igual al nmero de restricciones funcionales.
1l tra%a&ar con el pro%lema en forma de igualdades# conviene tomar en cuenta "
manipular la ecuacin de la funcin o%&etivo al mismo tiempo que las nuevas
ecuaciones de las restricciones. 1ntes de comen'ar con el m0todo smple$ es necesario
escri%ir el pro%lema una ve' ms en su forma equivalente,
Ma$imi'ar H#
su&eta a
H ?$
-
7$
9
B .
$
-
@ $
?
B I
9$
9
@ $
I
B -9
?$
-
@ 9$
9
@ $
7
B -J
$
&
. para & B -# 9# Y# 7
*omo la ecuacin de la funcin o%&etivo "a se encuentra en forma de igualdad# no
necesita varia%le de holgura. *on esta interpretacin# las soluciones %sicas no cam%ian#
e$cepto que H puede verse como una varia%le %sica adicional permanente.
1 partir de este momento "a estamos listos para pasar los coeficientes de nuestro
pro%lema a lo que conoceremos como la ,abla S$mple+,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . . .
$
?
. - . - . . I (.# .# I# -9# -J)
$
I
. . 9 . - . -9 H B .
$
7
. ? 9 . . - -J
La ta%la anterior ilustra una propiedad clave que toda ta%la smple$ de%e tener para estar
en la forma apropiada( se trata del patrn especial de los coeficientes de las varia%les
%sicas. En particular# ntese cmo las columnas de $
?
# $
I
" $
7
(al igual que la columna
de H) contiene e$actamente un @- en el rengln que corresponde a esa varia%le %sica
(v0ase la primera columna)# " todos los dems coeficientes en esa columna son cero. 2e
la misma manera# cada ecuacin contiene e$actamente una varia%le %sica con
coeficiente distinto de cero# en donde este coeficiente es @-. Esta propiedad es
significativa# "a que permite identificar de inmediato la solucin %sica facti%le actual a
partir de la ta%la( esto es# cada varia%le %sica es igual a la constante del lado derecho de
su ecuacin. Esta primera solucin %sica facti%le actual se muestra en la figura anterior
en la columna de +s ptima?. 2e aqu en adelante# para cada nueva iteracin del
m0todo smple$ mostraremos la solucin %sica facti%le actual en esta columna de la
ta%la smple$. (Decu0rdese que las varia%les no %sicas son iguales a cero). La ta%la
smple$ inicial quedar automticamente en esta forma apropiada (a menos que el
pro%lema original de programacin lineal no est0 en nuestra forma estndar).
El m0todo smple$ constru"e una ta%la smple$ para cada solucin %sica facti%le que
se o%tiene# hasta alcan'ar la solucin ptima. 1 continuacin descri%imos el
procedimiento para pro%lemas que "a estn en la forma estndar# con %
i
> . para toda i
B -# 9# Y# m.
PAS$ I3I.IAL. +e introducen varia%les de holgura. 2espu0s se seleccionan las
variables oriinales como variables no bsicas iniciales (se igualan a cero) " las
variables de holura como las variables bsicas oriinales. Esta seleccin lleva a la
ta%la smple$ inicial anterior. *omo esta ta%la est en la forma apropiada# de inmediato
se o%tiene la solucin %sica facti%le inicial para el e&emplo# (.#.#I#-9#-J). 1hora de%e
reali'arse la prue%a de optimalidad para determinar si la solucin es optima.
P,):BA <: $P=IMALI<A<. La solucin %sica facti%le actual es ptima si " slo si
todos los coeficientes de la ecuacin de la funcin o%&etivo (rengln de H) son no
negativos ( . ). +i es as# el proceso termina( de otra manera# se lleva a ca%o otra
iteracin para o%tener la nueva solucin %sica facti%le# lo que significa el cam%io de
una varia%le no %sica por una %sica (parte -) " viceversa (parte 9)# " despu0s despe&ar
las varia%les de la nueva solucin (parte ?).
En este e&emplo# ha" dos coeficientes negativos en la ecuacin de H# ? para $
-
" 7
para $
9
de manera que de%e irse al paso iterativo. Cacharemos la solucin %sica facti%le
actual como se muestra en la ta%la anterior para indicar que esta solucin no es ptima.
PAS$ I=:,A=I($.
&arte ). +e determina la variable bsica entrante mediante la eleccin de la varia%le
con el coeficiente neativo (automticamente se refiere a una varia%le no %sica) que
tiene el ma"or valor a%soluto en la ecuacin de H. +e enmarca la columna
correspondiente a este coeficiente( esta columna reci%e el nom%re de columna pi8ote.
En el e&emplo# el coeficiente negativo ms grande (en t0rminos de valor a%soluto) es X7
para $
9
(7T?)# por lo que $
9
de%e convertirse en varia%le %sica. Este cam%io se indica
en la siguiente ta%la con el recuadro en la columna de $
9
a%a&o del X7,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . . .
$
?
. - . - . . I
$
I
. . 9 . - . -9 -9W9 B : mnimo
$
7
. ? 9 . . - -J -JW9 B P
&arte *. +e determina la variable bsica que sale( para esto# a) se toma cada coeficiente
estrictamente positivo (T.) de la columna enmarcada# %) se divide el lado derecho de
cada rengln entre estos coeficientes# c) se identifica la ecuacin con el menor
coeficiente " d) se selecciona la varia%le %sica para esta ecuacin. (Esta varia%le %sica
es la que llega a cero primero cuando se incrementa la varia%le %sica entrante). +e
enmarca el rengln de esta ecuacin en la ta%la smple$ sin incluir la columna H " se le
da el nom%re de rengln pi8ote. El nmero que est en la interseccin de los dos
recuadros se llama pi8ote.
En la ta%la anterior# se muestran los resultados de las partes - " 9 para el e&emplo (antes
de enmarcar el rengln)( la prue!a del cociente m6nimo para determinar la varia%le
%sica que sale se muestra a la derecha de la ta%la. Entonces la varia%le %sica que sale
es $
I
.
&arte ,. +e determina la nueva solucin bsica factible al construir una nueva ta%la
smple$ en la forma apropiada# a%a&o de la que se tiene. Las primeras dos columnas no
cam%ian# e$cepto que la varia%le %sica entrante sustitu"e a la varia%le %sica que sale
en la columna de -ariable .sica. Para cam%iar el coeficiente de la nueva varia%le
%sica en el rengln pivote a @-# se divide todo el rengln pivote entre el nmero pivote,
Dengln pivote nuevo B Dengln pivote antiguo W pivote
En este punto# la ta%la smple$ para el e&emplo se ve como la que se muestra enseguida.
Para o%tener un coeficiente . para la nueva varia%le %sica en las otras ecuaciones# cada
rengln Zinclusive el de la ecuacin de H[ e/cepto el rengln pivote# se cam%ia por la
nueva ta%la smple$ usando la siguiente frmula,
Dengln nuevo B rengln antiguo (coeficiente en la columna pivote rengln pivote
nuevo)
en donde el coeficiente en la columna pivote es el nmero en la columna pivote
correspondiente a este rengln.
(aria!le
B#sica
Z 7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . . .
$
?
. - . - . . I (.# .# I# -9# -J)
7
5
. . 9 . - . -9 H B .
$
7
. ? 9 . . - -J
H -
$
?
.
7
2
. . - . -W9 . :
$
7
.
Para ilustrar con el e&emplo# los nuevos renglones se o%tienen de la forma siguiente,
$enln de 0' [? 7 . . .# .]
(7) [ . - . -W9 .# :]
Dengln nuevo B [? . . 7W9 .# ?.]
$enln ), +in cam%io porque su coeficiente en la columna pivote es cero.
$enln ,' [? 9 . . -# -J]
(9) [. - . -W9 .# :]
Dengln nuevo B [? . . - -# :]
Estos cam%ios llevan a la nueva ta%la smple$ que se muestra en la siguiente ta%la para
la
iteracin -,
(aria!le
B#sica
Z 7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . . .
$
?
. - . - . . I (.# .# I# -9# -J)
7
5
. . 9 . - . -9 H B .
$
7
. ? 9 . . - -J
H - X? . . 7W9 . ?.
$
?
. - . - . . I (.# :# I# .# :)
7
2
. . - . -W9 . : H B ?.
$
7
. ? . . X- - :
*omo las varia%les %sicas siempre son iguales al lado derecho de la ecuacin que le
corresponde# la nueva solucin %sica facti%le es (.# :# I# .# :) con H B ?..
Este tra%a&o completa el paso iterativo# as que de%e proseguirse a la prue%a de
optimalidad. *omo la ecuacin de H todava tiene coeficientes negativos (X? para $
-
)# la
prue%a de optimalidad indica que la solucin no es ptima# (lo cual se muestra en la
figura anterior) por lo que manda al algoritmo de regreso al paso iterativo para o%tener
la siguiente solucin %sica facti%le. El paso iterativo comien'a de nuevo en la ta%la
smple$ actual para encontrar la nueva solucin. +i se siguen las instrucciones de las
partes - " 9# se encuentra que $
-
es la varia%le %sica entrante " $
7
la varia%le %sica que
sale# como se muestra en la siguiente ta%la,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? . . 7W9 . ?.
$
?
. - . - . . I IW- B I (.# :# I# .# :)
$
9
. . - . -W9 . : H B ?.
$
7
. ? . . X- - : :W? B 9 mn.
En las siguientes ta%las se muestra el con&unto completo de las ta%las del m0todo
smple$ para este e&emplo. La nueva solucin %sica facti%le es (9# :# 9# .# .)# con H B
?:. 1l hacer la prue%a de optimalidad# se encuentra que la solucin es ptima porque no
ha" coeficientes negativos en la ecuacin de H# de manera que el algoritmo ha
terminado. En consecuencia# la solucin ptima para este e&emplo (sin tomar en cuenta
las varia%les de holgura) es $
-
B 9# $
9
B :.
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . . .
$
?
. - . - . . I (.# .# I# -9# -J)
$
I
. . 9 . - . -9 -9W9 B : mn. H B .
$
7
. ? 9 . . - -J -JW9 B P
H - X? . . 7W9 . ?.
$
?
. - . - . . I IW- B I (.# :# I# .# :)
$
9
. . - . -W9 . : H B ?.
$
7
. ? . . X- - : :W? B 9 mn.
H - . . . ?W9 - ?:
$
?
. . . - -W? X-W? 9 (9# :# 9# .# .)
$
9
. . - . -W9 . : H B ?:
$
-
. - . . X-W? -W? 9 -ptima
1nteriormente no se di&o qu0 hacer cuando las reglas de seleccin del m0todo smple$
no llevan a una decisin clara# "a sea porque e$isten empates (valores iguales) o por
otras am%ig\edades parecidas.
Empate para la variable b"sica entrante.
El paso - de cada iteracin elige la varia%le %sica que tiene el coeficiente neativo con
el mayor valor absoluto en la ecuacin de H actual como la varia%le %sica entrante.
1hora suponga que dos o ms varia%les no %sicas tienen el coeficiente negativo ms
grande (en valor a%soluto)# es decir# que ha" un empate entre ellas. Por e&emplo# esto
ocurrira en la primera iteracin del e&emplo anterior si se cam%iara la funcin o%&etivo a
H B ?$
-
@ ?$
9
# con lo que la ecuacin del rengln de H inicial sera H?$
-
?$
9
B ..
S*mo de%e romperse este empate;
La respuesta es que la eleccin entre estos dos contendientes se puede hacer de manera
arbitraria. Carde o temprano se llegar a la solucin ptima# sin importar cul de las
varia%les empatadas se ha"a escogido# " no e$iste un m0todo conveniente para predecir
cul lleva ah ms rpidamente. En este e&emplo ocurre que si se escoge $
-
como
varia%le entrante# el m0todo smple$ alcan'a la solucin ptima (9# :) en tres iteraciones
" si se elige $
9
# llega en dos.
Empate para la variable b"sica *ue sale degeneracin.
1hora suponga que el empate ocurre entre dos o ms varia%les %sicas al elegir la
varia%le que sale en el paso 9 de una iteracin. SFmporta cul se escoge; En teora s# "
en una forma crtica de%ido a que puede ocurrir la siguiente sucesin de eventos.
Primero# todas las varia%les empatadas se hacen cero al mismo tiempo cuando aumenta
el valor de la varia%le entrante. Por tanto# aquellas que no se eligieron como varia%le
%sica que sale tam%i0n tendrn un valor de cero en la nueva solucin %sica facti%le.
(Las varia%les %sicas con valor de cero se llaman degeneradas " el mismo nom%re se
da a la solucin %sica facti%le correspondiente.) +egundo# si una de estas varia%les
%sicas degeneradas sigue con valor de cero hasta que se selecciona como varia%le
%sica que sale en una iteracin posterior# la varia%le %sica entrante de%er tam%i0n
quedar con valor de cero ("a que no puede crecer sin que la varia%le %sica que sale se
vuelva negativa)# entonces el valor de H permanecer sin cam%io. Cercero# si H
permanece igual en lugar de me&orar cada iteracin# el m0todo smple$ puede caer en un
ciclo que repite la misma secuencia de soluciones peridicamente# en lugar de aumentar
en algn momento para llegar a la solucin ptima.
Por fortuna# aunque en teora es posi%le que ha"a ciclos perpetuos# ha sido en e$tremo
raro que tenga lugar en pro%lemas reales. +i ocurriera un ciclo siempre se puede salir de
0l cam%iando la eleccin de la varia%le %sica que sale. Por lo tanto se recomienda
romper los empates arbitrariamente " seguir el proceso sin preocuparse de las varia%les
que puedan resultar.
Cuando no .a/ variable b"sica *ue sale 0 no acotada.
E$iste otra posi%ilidad en el paso 9 de una iteracin# de la que no se ha ha%lado, aquella
en la que ninuna varia%le califica como varia%le %sica que sale. Esta situacin puede
ocurrir si la varia%le %sica entrante puede crecer indefinidamente sin que ninuna de
las varia%les %sicas actuales adquiera valores negativos. En la forma ta%ular# esto
significa que todos los coeficientes en la columna pivote (se e$clu"e el rengln de H)
son negativos o cero.
*omo se ilustra en la siguiente ta%la# esta situacin surge cuando se considera el
siguiente e&emplo,
Ma$imi'ar H B ?$
-
@ 7$
9
#
su&eta a $
-
I
" $
-
.# $
9
.
En este e&emplo se ignoraron las dos ltimas restricciones funcionales del e&emplo
resuelto anteriormente. 8ea en la ta%la que $
9
es la varia%le %sica entrante pero el nico
coeficiente en la columna pivote es cero. *omo la prue%a del cociente mnimo usa slo
coeficientes ma"ores que cero# no se cuenta con un cociente que proporcione una
varia%le %sica que sale.
La interpretacin de una ta%la smple$ como la que se muestra en la siguiente ta%la es
que las restricciones no impiden el crecimiento indefinido de la funcin o%&etivo H# de
manera que el m0todo smple$ se detiene con el mensa&e de que H es no acotada.
2e%ido a que ni siquiera la programacin lineal ha descu%ierto la manera de lograr
ganancias infinitas# el mensa&e real en pro%lemas prcticos es, ]+e ha cometido un error^
Cal ve' el modelo est0 mal formulado# "a sea por ha%er omitido una restriccin
relevante o por ha%erla esta%lecido incorrectamente. 2e otra manera# pudo ha%er
ocurrido un error en los clculos.
(aria!le
B#sica
Z
7
1
7
2
7
&
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . .
X
?
. - . - I 1in m#nimo
Soluciones ptimas m1ltiples.
En la definicin de solucin ptima se mencion que un pro%lema puede tener ms de
una solucin ptima. +i en el e&emplo cam%iamos la funcin o%&etivo a H B ?$
-
@ 9$
9
resulta que todos los puntos so%re el segmento de recta entre (9#:) " (I#?) son soluciones
ptimas. Entonces todas las soluciones son un promedio ponderado de estas dos
soluciones facti%les en los v0rtices ptimas,
($
-
# $
9
) B 2
-
(9# :) @ 2
9
(I# ?)#
donde los pesos 2- "29 son nmeros que satisfacen las relaciones,
2
-
@ 2
9
B - " 2
-
.# 2
9
.
Por e&emplo# 2
-
B -W? " 2
9
B 9W? da,
($
-
# $
9
) B -W?(9# :) @ 9W?(I# ?) B (9W?@JW?# :W?@:W?) B (-.W?# I)
como una solucin ptima.
En general# cualquier promedio ponderado de dos o ms soluciones (vectores) donde los
pesos son no negativos " suman - se llama com!inacin con8e7a de estas soluciones.
Entonces# toda solucin ptima en el e&emplo es una com%inacin conve$a de (9# :) "
(I# ?).
Este e&emplo es representativo de pro%lemas con soluciones ptimas mltiples.
Cualquier pro%lema de Programacin Lineal con soluciones ptimas
mltiples (" una regin facti%le acotada) tiene al menos dos soluciones
facti%les en los v0rtices que son ptimas. 3oda solucin ptima es una
com%inacin lineal de estas soluciones facti%les en los v0rtices ptimas.
En consecuencia# en la forma aumentada# toda solucin ptima es una
com%inacin conve$a de las soluciones %sicas facti%les ptimas.
El m0todo smple$ se detiene automticamente al encontrar una solucin %sica facti%le
ptima. +in em%argo# en muchas aplicaciones de Programacin Lineal e$isten factores
intangi%les que no se incorporan al modelo " que pueden ser tiles para tomar
decisiones significativas so%re las soluciones ptimas alternativas. En esos casos#
tam%i0n de%en identificarse las otras soluciones ptimas. Esto requiere encontrar todas
las dems soluciones %sicas facti%le ptimas# " entonces toda solucin ptima es una
com%inacin conve$a de las soluciones %sicas facti%les ptimas.
/na ve' que el m0todo smple$ encuentra una solucin %sica facti%le ptima# se puede
detectar si e$isten otras "# si as es# se encuentra como sigue,
+iempre que un pro%lema tiene ms de una solucin %sica facti%le
ptima# al menos una varia%le no %sica tiene coeficiente cero en la
ecuacin de H final# de manera que si aumenta su valor# el valor de la
funcin H no cam%ia. Por lo tanto# estas otras soluciones %sicas
facti%les ptimas se pueden identificar (si se desea) reali'ando
iteraciones adicionales del m0todo smple$# en las que cada ve' se elige
una varia%le no %sica con coeficiente cero como varia%le %sica
entrante. +i una de estas iteraciones no tiene una varia%le %sica que sale
esto indica que la regin facti%le es no acotada " la varia%le %sica
entrante puede crecer indefinidamente sin cam%iar el valor de H.
2.0. M*todo de la >M? o de Penali+acin.
Gasta este momento se han presentado los detalles del m0todo smple$ con la
suposicin de que el pro%lema se encuentra en nuestra forma est"ndar @ma7imi+ar Z
suAeta a las restricciones %uncionales de la %orma - restricciones de no
negati8idad so!re todas las 8aria!lesB con !
i
C para toda i / 1D 2D ...D m. En esta
seccin se esta%lecer cmo hacer los a&ustes requeridos a otras formas legtimas de
modelos de Programacin Lineal. +e ver que todos estos a&ustes se pueden hacer en el
paso inicial# de manera que el resto del m0todo smple$ se aplica &usto como se
aprendi.
El nico pro%lema serio que introducen las otras formas de restricciones funcionales (B
) es identificar una solucin inicial bsica factible. 1ntes# esta solucin inicial se
encontra%a en forma mu" conveniente al hacer que las varia%les de holgura fueran las
varia%les %sicas iniciales# donde cada una era igual a la constante no neativa del lado
derecho de la ecuacin correspondiente. 1hora de%e hacerse algo ms. El enfoque
estndar que se utili'a es estos casos es la t*cnica de 8aria!les arti%iciales. Qsta
constru"e un problema artificial ms conveniente introduciendo una varia%le ficticia
(llamada variable artificial) en cada restriccin que lo requiera. Esta nueva varia%le se
introduce slo con el fin de que sea la varia%le %sica inicial para esa ecuacin. Las
restricciones usuales de no negatividad tam%i0n se aplican so%re estas varia%les " la
funcin o%&etivo se modifica para que imponga una penali+acin e$or%itante en el caso
de que adquieran valores ma"ores que cero. Las iteraciones del m0todo smple$
automticamente fuer'an a las varia%les artificiales a desaparecer (a volverse cero) una
a una# hasta que todas quedan fuera de la solucin( despu0s de esto se resuelve el
pro%lema real.
Para ilustrar la t0cnica de las varia%les artificiales# primero se considerar el caso en que
la nica forma no estndar en el pro%lema es la presencia de una o ms restricciones en
forma de igualdad.
%estricciones en forma de igualdad.
En realidad# cualquier restriccin en forma de igualdad,
a
i-
$
-
@a
i9
$
9
@ . . . @ a
in
$
n
B %
i

es equivalente a dos restricciones de desigualdad,
a
i-
$
-
@ a
i9
$
9
@ . . . @ a
in
$
n
%
i
#
a
i-
$
-
@ a
i9
$
9
@ . . . @ a
in
$
n
%
i

+in em%argo# en lugar de hacer esta sustitucin e incrementar con ello el nmero de
restricciones# es ms conveniente usar la t0cnica de la varia%le artificial. +uponga que se
modifica el pro%lema de e&emplo presentado " resuelto en la seccin anterior. El nico
cam%io que sufre el modelo de programacin lineal es que la tercera restriccin# ?$
-
@
9$
9
-J# se convierte en una restriccin de igualdad,
?$
-
@ 9$
9
B -J
1plicando la t0cnica de las varia%les artificiales se introduce una varia%le artificial no
negativa (denotada por $
7
) en la ltima ecuacin# como si fuera una varia%le de holgura,
?$
-
@ 9$
9
@ $
7
B-J
En resumen si tenemos una restriccin funcional en forma de igualdad " deseamos
4pasarla a su forma de iualdad5# nicamente de%emos sumar una varia%le artificial.
Destricciones funcionales de la forma
Para ilustrar la manera en que la t0cnica de las varia%les artificiales mane&a las
restricciones de la forma usaremos el siguiente e&emplo,
Minimi'ar H B ..I$
-
@ ..7$
9
su&eta a ..?$
-
@ ..-$
9
9.6
..7$
-
@
..7$
9
B :
..:$
-
@
..I$
9
:
$
-
.# $
9
.
)otemos que la tercera restriccin es del tipo # por lo que para cam%iarla a su forma de
igualdad tendramos que restar una varia%le de supervit (o de e$cedente)# quedando de
la siguiente manera,
..:$
-
@ ..I$
9
$
7
B :
+e ha restado la variable de e/cedente $
7
(se utili' $
7
porque en la primera restriccin
agregamos una varia%le de holgura que sera $
?
" en la segunda restriccin agregamos
tam%i0n una varia%le artificial que sera $
I
( todo esto con el fin de convertir las
desigualdades a su forma de igualdades) para que consuma el e$ceso de ..:$
-
@ ..I$
9
# o
sea# lo que se pasa de :. )o o%stante en este caso de%e agregarse otra varia%le. Esta
varia%le e$tra# llamada variable artificial se aumenta como sigue,
..:$
-
@ ..I$
9
$
7
@ $
:
B :
La ra'n de esto es que# si no se agrega la varia%le artificial# no se estaran cumpliendo
las restricciones de no negatividad. Para comprenderlo# se de&ar sin aumentar. El
m0todo smple$ comien'a por hacer todas las varia%les reales (originales) iguales a
cero. Entonces,
..:$
-
@ ..I$
9
$
7
B :
+ea $
-
B . " $
9
B .# entonces,
$
7
B :
$
7
B : (que no cumple la restriccin de no negatividad)
La varia%le artificial opera para mantener todas las varia%les no negativas cuando ..:$
-
@ ..I$
9
es menor que :. +i $
-
B . " $
9
B .# entonces $
7
B . "
..:$
-
@ ..I$
9
$
7
@ $
:
B :
$
:
B :
En resumen# una restriccin de la forma se convierte a su forma de igualdad restando
una varia%le de e$cedente " sumando una varia%le artificial.
*onsideremos el siguiente pro%lema,
Ma$imi'ar H B
?$
-
@
7$
9
su&eta a
$
-
I
9$
9
-9
?$
-
@
9$
9
B -J
$
-
.# $
9
.
*omo e$plicamos anteriormente# para resolver este pro%lema# de%emos construir un
pro!lema arti%icial que tiene la misma solucin ptima que el pro%lema real# haciendo
dos modificaciones a este pro%lema real.
-. +e aplica la t*cnica de las 8aria!les arti%iciales introduciendo una 8aria!le
arti%icial no neativa (denotada por $
7
) en la ltima ecuacin# como si fuera una
varia%le de holgura,
?$
-
@ 9$
9
@ $
7
B-J
9. +e asigna una penalizacin enorme al hecho de tener $
7
> .# cam%iando la funcin
o%&etivo
H B ?$
-
@ 7$
9
a,
H B ?$
-
@ 7$
9
M$
7
#
donde M sim%licamente representa un nmero positivo muy rande. Este m0todo
que fuer'a a $
7
hasta el nivel de $
7
B . en la solucin ptima se llama m*todo de la
M.
2otaE Para el caso de minimi'acin# penali'amos a la varia%le artificial# haci0ndola
aparecer en la funcin o%&etivo con un coeficiente de @M.
1hora se encuentra la solucin ptima para el pro%lema real aplicando el m0todo
smple$ al pro%lema artificial.
*omo $
7
&uega el papel de la varia%le de holgura en la tercera restriccin del pro%lema
artificial# esta restriccin es equivalente a ?$
-
@ 9$
9
-J.
En particular# el sistema de ecuaciones despu0s de aumentar el pro%lema artificial (en
otras pala%ras# pasarlo a su forma de igualdades) es,
Ma$imi'ar H#
su&eta a
H ?$
-
7$
9
@ M$
7
B .
$
-
@
$
?
B I
9$
9
@
$
I
B -9
?$
-
@
9$
9
@
$
7
B -J
$
&
. Para & B -# 9# Y# 7
En este momento estamos preparados para pasar los coeficientes a la ta%la smple$,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - X? X7 . . M .
$
?
. - . - . . I
$
I
. . 9 . - . -9
$
7
. ? 9 . . - -J
Esta ta%la todava no est en la forma apropiada porque el coeficiente de $
7
es diferente
de cero en la ecuacin de H (es M). Por lo tanto# antes de que el m0todo smple$ pueda
aplicar la prue%a de optimalidad " encontrar la varia%le %sica entrante# de%e pasarse
esta ta%la a la forma apropiada para que cumpla la condicin s6mple7. Esta condicin
que de%e cumplir toda ta%la del m0todo smple$ para que pueda reportarnos la siguiente
solucin %sica facti%le dice que, =Coda varia%le %sica de%e tener un - en la
interseccin de su rengln " columna correspondiente " cero en los dems renglones
incluido el rengln de H># en otras pala%ras# que toda varia%le que sea %sica solamente
de%e aparecer en el rengln de la restriccin que representa. Para hacer cero el
coeficiente M# utili'amos el rengln de $
7
como rengln pivote multiplicndolo por M
" sumando el resultado al rengln de H. Deali'ando el procedimiento anterior# la ta%la
smple$ queda de la siguiente manera,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - L?ML? L9ML7 . . . -JM 6/
7
8 0
$
?
. - . - . . I (.# .# I# -9# -J)
$
I
. . 9 . - . -9 H B -JM
$
7
. ? 9 . . - -J
Podemos o%servar que la ta%la anterior "a se encuentra en la forma apropiada "
podemos leer la solucin %sica facti%le actual# que es (.# .# I# -9# -J)# la cual aplicando
la prue%a de optimalidad vemos que no es ptima "a que todava tenemos coeficientes
negativos en el rengln de H (los correspondientes a $
-
" $
9
). 1plicando el m0todo
smple$ a la ta%la anterior tenemos, el coeficiente negativo con el ma"or valor a%soluto
corresponde a $
-
(?M?)# recordemos que M es un nmero muy rande positivo# por lo
tanto# $
-
se convierte en la varia%le %sica entrante# reali'ando los cocientes
correspondientes# vemos que $
?
se convierte en la varia%le %sica saliente. El
procedimiento completo para resolver este e&emplo se muestra en el siguiente con&unto
de ta%las,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - L?ML? L9ML7 . . . -JM
$
?
. - . - . . I IW- B I (.# .# I# -9# -J)
$
I
. . 9 . - . -9 H B -JM
$
7
. ? 9 . . - -J -JW? B :
H - . L9ML7 ?M@? . . :M@-9
$
-
. - . - . . I (I# .# .# -9# :)
$
I
. . 9 . - . -9 -9W9 B : H B :M@-9
$
7
. . 9 ? . - : :W9 B ?
H - . . PW9 .
M@7W9
96
$
-
. - . - . . I IW- B I (I# ?# .# :# .)
$
I
. . . ? - - : :W? B 9 H B 96
$
9
. . - ?W9 . -W9 ?
H - . . . ?W9
M@-
?:
$
-
. - . . -W? -W? 9 (9# :# 9# .# .)
$
?
. . . - -W? -W? 9 H B ?:
$
9
. . - . -W9 . : Fptima
3424340AC4-2 con el m&todo s$mple+.
/na manera directa de minimi'ar H con el m0todo smple$ es cam%iar los roles de los
coeficientes negativos " positivos en el rengln de la funcin o%&etivo# tanto para la
prue%a de optimalidad como para la parte - de una iteracin. +e determina la variable
bsica entrante mediante la eleccin de la varia%le con el coeficiente positivo menor en
la ecuacin de H. La solucin %sica facti%le actual es ptima si " slo si todos los
coeficientes de la ecuacin de la funcin o%&etivo (rengln de H) son no positivos (
. ). +i es as# el proceso termina( de otra manera# se lleva a ca%o otra iteracin para
o%tener la nueva solucin %sica facti%le# lo que significa el cam%io de una varia%le no
%sica por una %sica (parte -) " viceversa (parte 9)# " despu0s despe&ar las varia%les de
la nueva solucin (parte ?). )otemos que no se ha dicho nada con respecto a la forma de
o%tener la variable bsica saliente en una iteracin# "a que este paso se reali'a de la
misma manera que cuando se est ma$imi'ando# es decir# se escoge aquella varia%le
%sica con el menor cociente. Flustremos la forma de utili'ar el m0todo smple$ para el
caso de minimi'acin. *onsideremos el siguiente e&emplo,
Minimi'ar H B ?$
-
@ J$
9
su&eta a
$
-
@
I$
9
I
$
-
@ 9$
9
9
$
-
.# $
9
.
Pasando este pro%lema a su forma de igualdades a!adiendo las varia%les necesarias#
o%tenemos lo siguiente,
Minimi'ar H#
su&eta a
H ?$
-
J$
9
M$
7
B .
$
-
@
I$
9
@
$
?
B I
$
-
@
9$
9
$
I
@
$
7
B 9
$
&
. para & B -# 9# Y# 7
/tili'ando el m0todo de la M para o%tener una solucin ptima por el m0todo smple$#
o%tenemos el siguiente con&unto de ta%las,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
Lado
dereco
.ociente 9:s ptima;
H - ? J . . M .
$
?
. - I - . . I
$
7
. - 9 . - - 9
H - M? 9MJ . M . 9M
(.# .# I# .# 9)
$
?
. - I - . . I IW- B I H B 9M
$
7
. - 9 . - - 9 9W- B 9
H - . 9 . ? M@? :
(9# .# 9# .# .)
$
?
. . 9 - - - 9 H B :
$
-
. - 9 . - - 9 Fptima
)otemos que la primera ta%la no se encontra%a en la forma apropiada para el m0todo
smple$# "a que el coeficiente de la varia%le %sica $
7
era de M en el rengln de H# lo
cual hacia que no se cumpliera la condicin smple$.
2.G. M*todo de las dos Fases.
En el e&emplo presentado en la seccin =Destricciones funcionales de la forma =#
recordemos la funcin o%&etivo real,
&roblema real' Minimi'ar H B ..I$
-
@ ..7$
9
+in em%argo# el m0todo de la M utili'a la siguiente funcin o%&etivo a trav0s de todo el
procedimiento,
6todo de la 6' Minimi'ar H B ..I$
-
@ ..7$
9
@ M$
I
@ M$
:

*omo los dos primeros coeficientes (..I " ..7) son desprecia%les comparados con M# el
m0todo de dos fases puede eliminar la M usando las siguientes dos funciones o%&etivo
que definen H de manera completamente diferente,
6todo de las dos fases'
%ase )' Minimi'ar H B $
I
@ $
:
(hasta que $
I
B . " $
:
B .).
%ase *' Minimi'ar H B ..I$
-
@ ..7$
9
(con $
I
B . " $
:
B .).
La funcin o%&etivo de la fase - se o%tiene dividiendo la funcin o%&etivo del m0todo de
la M entre M eliminando los t0rminos desprecia%les# en otras pala%ras# la fase - consiste
en la minimi'acin de la suma de todas las varia%les artificiales que se introdu'can en el
pro%lema. *omo la fase - conclu"e al o%tener una solucin %sica facti%le para el
pro%lema real (aquella en la que $
I
B . " $
:
B .)# esta solucin se usa como la solucin
%sica facti%le inicial para aplicar el m0todo smple$ al pro%lema real (con su funcin
o%&etivo) en la fase 9. 1ntes de resolver el e&emplo de esta manera se har un resumen
de las caractersticas generales.
%esumen del m&todo de dos fases.
&aso inicial' +e revisan las restricciones del pro%lema original introduciendo varia%les
artificiales segn se necesite para o%tener una solucin %sica facti%le inicial o%via para
el pro%lema artificial.
%ase )' uso del m0todo smple$ para resolver el pro%lema de programacin lineal,
Minimi'ar H B de todas las varia%les artificiales# su&eta a las restricciones
revisadas.
La solucin ptima que se o%tiene para este pro%lema (con H B .) ser una solucin
%sica facti%le para el pro%lema real.
%ase *' se eliminan las varia%les artificiales (de todas formas# ahora todas valen cero).
*omen'ando con la solucin %sica facti%le que se o%tuvo al final de la fase -# se usa el
m0todo smple$ para resolver el pro%lema real.
Enseguida se resumen los pro%lemas que de%en resolverse por el m0todo smple$ en las
fases respectivas para el e&emplo.
&roblema para la fase )'
Minimi'ar V B $
I
@ $
:
#
su&eta a
..?$
-
@
..-$
9
@
$
?
B 9.6
..7$
-
@
..7$
9
@
$
I
B :
..:$
-
@
..I$
9
$
7
@
$
:
B :
"
$
-
. $
9
. $
?
$
I
. $
7
. $
:
.
&roblema para la fase *'
Minimi'ar H B ..I$
-
@ ..7$
9
#
su&eta a
..?$
-
@
..-$
9
@
$
?
B 9.6
..7$
-
@
..7$
9
B :
..:$
-
@
..I$
9
$
7
B :
"
$
-
. $
9
. $
?
$
7
.
Las nicas diferencias entre estos dos pro%lemas se encuentran en la funcin o%&etivo "
en la inclusin (fase -) o e$clusin (fase 9) de las varia%les artificiales $
I
" $
:
. +in las
varia%les artificiales# el pro%lema para la fase 9 no tiene una solucin bsica factible
inicial o%via. El nico propsito de resolver el pro%lema para la fase - es o%tener una
solucin %sica facti%le con $
I
B . " $
:
B . que se pueda usar como la solucin %sica
facti%le inicial para la fase 9.
Las siguientes ta%las muestran el resultado de aplicar el m0todo smple$ a este pro%lema
para la fase -,
(aria!le
B#sica
H
7
1
7
2
7
&
7
5
7
0
7
G
Lado
dereco
.ociente 9:s ptima;
V - . . . - . - .
$
?
. ..? ..- - . . . 9.6
$
I
. ..7 ..7 . - . . :
$
:
. ..: ..I . . - - :
V - -.- ..P . . - . -9
$
?
. ..? ..- - . . . 9.6 9.6W..?BP (.#.#9.6#:#.#:)
$
I
. ..7 ..7 . - . . : :W..7B-9 V B -9
$
:
. ..: ..I . . - - : :W..:B-.
V - . ..7? ?.:: . - . 9.-
$
-
. - ..?? ?.?? . . . P
PW..??B96.9
(P#.#.#-.7#.#..:)
$
I
. . ..?? -.:: - . . -.7
-.7W..??BI.7
V B 9.-
$
:
. . ..9 9 . - - ..: ..:W..9B?
V - . . -.:I . -.:7 9.:7 ..7-
$
-
. - . :.:? . -.:7 -.:7 J..-
J..-W-.:7BI.J
(J..-#?#.#..7-#.#.)
$
I
. . . -.:I - -.:7 -.:7 ..7-
..7-W-.:7B..?.
V B ..7-
$
9
. . - -. . 7 7 ?
V - . . . - . - .
$
-
. - . 7 - . . 6.7 (6.7#I.7#.#.#..?#.)
$
7
. . . ..PP ..:. - - ..? V B .
$
9
. . - 7..7 ? . . I.7 Fptima %ase 1
)otemos que "a hemos o%tenido una solucin ptima para la fase - que consisti en la
minimi'acin de la suma de todas las varia%les artificiales. <%servemos tam%i0n que la
funcin o%&etivo V termin con un valor de cero en la ltima ta%la# lo que indica que las
dos varia%les artificiales ($
I
" $
:
) valen cero tienen valores recprocos " se cancelan
mutuamente para dar cero. En nuestro caso# las dos varia%les artificiales valen cero "a
que no se encuentran en la columna de las varia%les %sicas en la ltima ta%la de la
primera fase. La segunda fase consiste en resolver el pro%lema original utili'ando como
ta%la inicial de esta fase la ltima ta%la de la primera fase pero sin considerar la columna
de las varia%les artificiales "a que 0stas tomaron el valor de cero en la primera fase. El
m0todo smple$ aplicado a la segunda fase se muestra en el siguiente con&unto de ta%las,
(aria!le
B#sica
Z
7
1
7
2
7
&
7
5
7
0
7
G
Lado
dereco
.ociente 9:s ptima;
H - ..I ..7 . . . . .
$
-
. - . 7 - . . 6.7
$
7
. . . ..PP ..:. - - ..?
$
9
. . - 7..7 ? . . I.7
H - .
..7
9 . ?
$
-
. - . 7 . 6.7
$
7
. . . ..PP - ..?
$
9
. . - 7..7 . I.7
H - . .
..79
. 7.97
$
-
. - . 7 . 6.7
(6.7#I.7#.#.#..?#.)
$
7
. . . ..PP - ..? H B 7.97
$
9
. . - 7..7 . I.7 Fptima %ase 2
)otemos que no fue necesario aplicar propiamente el m0todo smple$ a la primera ta%la
de la segunda fase# "a que nicamente aplicando operaciones con matrices para tratar de
llevar esta ta%la a la forma apropiada para el m0todo smple$ fue suficiente para
resolver el pro%lema planteado en la segunda fase. Es necesario aclarar que no siempre
ocurrir de esta manera# es decir# si despu0s de de&ar la ta%la en la forma apropiada# es
necesario aplicar el m0todo smple$# se de%e aplicar como lo hemos estudiado.
2ota Fndependientemente de que el pro%lema original (real) sea de ma$imi'acin o
minimi'acin# la primera %ase siempre consistir# en la minimi+acin de la
suma de todas las varia%les artificiales.