Cronologa1

Ao
1826

Acontecimiento
Joseph Fourier anticipa la programacin lineal. Carl Friedrich Gauss
resuelve ecuaciones lineales por eliminacin "gaussiana".

1902 Gyula Farkas concibe un mtodo para resolver sistemas de inecuaciones.

George Dantzig publica el algoritmo simplex y
1947 John von Neumann desarroll la teora de la dualidad.
Se sabe que Leonid Kantorvich tambin formul la teora en forma independiente.
1984

Narendra Karmarkar introduce el mtodo del punto interior para resolver

problemas de programacin lineal.

Historia de la programacin lineal

El problema de la resolucin de un sistema lineal de inecuaciones se remonta, al menos,
a Joseph Fourier, despus de quien nace el mtodo de eliminacin de Fourier-Motzkin. La
programacin lineal se plantea como un modelo matemtico desarrollado durante la Segunda
Guerra Mundial para planificar los gastos y los retornos, a fin de reducir los costos al ejrcito y
aumentar las prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo simplex, en
1947, John von Neumann, que desarroll la teora de la dualidad en el mismo ao, y Leonid
Kantorvich, un matemtico de origen ruso, que utiliza tcnicas similares en la economa
antes de Dantzig y gan el premio Nobel en economa en 1975. En 1979, otro matemtico
ruso, Leonid Khachiyan, dise el llamado Algoritmo del elipsoide, a travs del cual demostr
que el problema de la programacin lineal es resoluble de manera eficiente, es decir,
en tiempo polinomial.2 Ms tarde, en 1984, Narendra Karmarkar introduce un nuevo mtodo
del punto interior para resolver problemas de programacin lineal, lo que constituira un
enorme avance en los principios tericos y prcticos en el rea.
El ejemplo original de Dantzig de la bsqueda de la mejor asignacin de 70 personas a 70
puestos de trabajo es un ejemplo de la utilidad de la programacin lineal. La potencia de
computacin necesaria para examinar todas las permutaciones a fin de seleccionar la mejor
asignacin es inmensa (factorial de 70, 70!) ; el nmero de posibles configuraciones excede al
nmero de partculas en el universo. Sin embargo, toma slo un momento encontrar la
solucin ptima mediante el planteamiento del problema como una programacin lineal y la
aplicacin del algoritmo simplex. La teora de la programacin lineal reduce drsticamente el
nmero de posibles soluciones factibles que deben ser revisadas.

Variables
Las 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:
Donde:

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:

Donde:

= coeficientes son relativamente iguales a cero.

Programacin 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 esta 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'
o Branch and Bound por su nombre en ingls. El mtodo de Ramificar y Acotar parte de la
adicin de nuevas restricciones para cada variable de decisin (acortar) que al ser evaluado
independientemente (ramificar) lleva al ptimo entero.

Aplicaciones
La programacin lineal constituye un importante campo de la optimizacin por varias razones,
muchos problemas prcticos de la investigacin de operaciones pueden plantearse como
problemas de programacin lineal. Algunos casos especiales de programacin lineal, tales
como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en
el desarrollo de las matemticas lo suficientemente importantes como para generar por si
mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de
algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen
casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las
ideas de programacin lineal han inspirado muchos de los conceptos centrales de la teora de
optimizacin tales como la dualidad, la descomposicin y la importancia de la convexidad y
sus generalizaciones. Del mismo modo, la programacin lineal es muy usada en la

microeconoma y la administracin de empresas, ya sea para aumentar al mximo los

ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la
mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la
asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de
publicidad, etc.
Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin

de agua.

Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con

afluencias caracterizadas por corresponder a una determinada frecuencia.

Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras
hidrulicas;

Solucin de problemas de transporte.

Ejemplo

Este es un caso curioso, con solo 6 variables (un caso real de problema de transporte puede
tener fcilmente ms de 1.000 variables) en el cual se aprecia la utilidad de este
procedimiento de clculo.
Existen tres minas de carbn cuya produccin diaria es:

La mina "a" produce 40 toneladas de carbn por da;

La mina "b" produce 40 t/da; y,

La mina "c" produce 20 t/da.

En la zona hay dos centrales termoelctricas que consumen:

La central "d" consume 40 t/da de carbn; y,

La central "e" consume 60 t/da

Los costos de mercado, de transporte por tonelada son:

De "a" a "d" = 2 monedas

De "a" a "e" = 11 monedas

De "b" a "d" = 12 monedas

De "b" a "e" = 24 monedas

De "c" a "d" = 13 monedas

De "c" a "e" = 18 monedas

Si se preguntase a los pobladores de la zona cmo organizar el transporte, tal vez la mayora
opinara que debe aprovecharse el precio ofrecido por el transportista que va de "a" a "d",
porque es ms conveniente que los otros, debido a que es el de ms bajo precio.
En este caso, el costo total del transporte es:

Transporte de 40 t de "a" a "d" = 80 monedas

Transporte de 20 t de "c" a "e" = 360 monedas

Transporte de 40 t de "b" a "e" = 960 monedas

Total 1.400 monedas.

Sin embargo, formulando el problema para ser resuelto por la programacin lineal se tienen
las siguientes ecuaciones:

Restricciones de la produccin:

Restricciones del consumo:

La funcin objetivo ser:

La solucin de costo mnimo de transporte diario resulta ser:

Xb-d = 40 resultando un costo de 12 x 40 = 480 monedas

Xa-e = 40 resultando un costo de 11 x 40 = 440 monedas

Xc-e = 20 resultando un costo de 18 x 20 = 360 monedas

Total 1.280 monedas.

120 monedas menos que antes.

Vase tambin

Poliedro convexo

Algoritmo de pivote

Algoritmo simplex

Conjetura de Hirsch

Leonid Kantorvich

Referencias
1.

Volver arriba Crilly, 2011.

2.

Volver arriba Khachiyan, 1979, pp. 191-194.

Bibliografa

Crilly, Tony (2011). 50 cosas que hay que saber sobre matemticas. Ed.
Ariel. ISBN 978-987-1496-09-9.

Khachiyan, L. (1979). A polynomial algorithm in linear programming 20. Soviet

Math. Doklady.

Loomba, N.P. Linear Programming: An introductory analysis. McGraw-Hill,

New York, 1964

Universidad Peruana Unin - Biblioteca Central - libro nmero 0.001245/f12

Programacin lineal.