18/09/2016

PROGRAMACIN LINEAL

CONCEPTO.
La programacin lineal es el campo de la optimizacin matemtica
dedicado a maximizar o minimizar una funcin lineal, de tal forma
que las variables de dicha funcin estn sujetas a una serie de
restricciones expresadas mediante un sistema
de inecuaciones tambin lineales.

CONSIDERACIONES GENERALES.
La programacin lineal se origino mediante el planteamiento de
modelos matemticos desarrollados durante la segunda guerra
UNIDAD N 2 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
PROGRAMACIN LINEAL usaron en su planificacin diaria.

Los fundadores de la tcnica son George Dantzig (public el
algoritmo simplex en 1947), John von Neumann (desarroll la teora
de la dualidad en el mismo ao), y Leonid Kantorovich (matemtico
ruso, que utilizo tcnicas similares en la economa antes de
Dantzig), gan el premio Nobel en economa en 1975.
UTILIDADES.
MODELO.
Estructura o expresin matemtica que describe una situacin real.
PROGRAMACION.
Proceso de establecer y definir cantidades, secuencias y
procedimientos de ejecucin de los recursos comprometidos en una
actividad especfica (RRHH, RRFF, RRTT, tiempo)

Distribucin de recursos
LINEAL (PROPORCIONALIDAD).
Transporte
Es la relacin o razn constante entre
Asignacin de responsabilidades
magnitudes medibles (variables)
Determinacin de tiempos ptimos
Determinacin de volumenes de produccin
a) P. Directa: Y X
b) P. Inversa: Y 1/ X
Y= f(X)

1
 18/09/2016

ESTRUCTURA BASE DE UN MPL

Donde:
Max .Z = c 1.X1 + c 2 .X 2 + c 3 .X 3 + ...... + c n .X n Funcin Z: Valor de la medida global de eficiencia del modelo
Objetivo
s.a. Xj: Variables decisionales
a11.X1 + a12 .X 2 + a13 .X 3 + .......... .. + a1n .X n b1 Nivel de la actividad j (j= 1, 2, 3, .., n)
a 21.X1 + a 22 .X 2 + a 23 .X 3 + .......... . + a 2n .X n b 2 cj: Incremento en Z que se obtiene al aumentar una unidad en
a 31.X1 + a 32 .X 2 + a 33 .X 3 + .......... . + a 3n .X n b 3 Restricciones el nivel de la actividad j
Funcionales o
......... Estructurales bi: Cantidad del recurso i disponible para asignar a cada una de
......... las actividades (i= 1, 2, 3, , m)
a m1.X1 + am 2 .X 2 + a m 3 .X 3 + ......... + a mn .X n bm aij: Cantidad del recurso i consumido por cada unidad de la
X1, X 2 , X 3 ,...., X n 0 Restricciones actividad j
de No
Negatividad

INICIO
ESENCIA DEL MTODO
MTODO..

Configuracin del
Procedimiento del mtodo SIMPLEX.

El MTODO SIMPLEX es un procedimiento algebraico; sin

embargo sus conceptos son geomtricos. modelo
Este es un algoritmo iterativo, es decir un procedimiento de
solucin sistemtico que repite una serie definida de pasos, aij, bj, cj
hasta que se obtiene el resultado deseado.

Identificar Var.
Entrada y Var. Salida

Aplicar operaciones x
filas (Gauss Jordan)
Solucin de vrtice
(Sol. ptima)
Coeficientes
No
de F.O. son
positivos?
Zona Factible
Si
Solucin
ptima: Z, Xj FIN

2
 18/09/2016

Etapas del procedimiento.

1 Expresar la informacin presentada (enunciado del problema) en
forma matemtica, planteando la funcin objetivo.
2 Si fuese posible, expresar la forma grafica las desigualdades de
restriccin (2 variables) Opcional.
3 Determinar la variable no bsica (VNB) que entra.
De la fila de la Funcin Objetivo la VNB que tiene el indicador mas
negativo.
4 Determinar la variable que sale.
Se toma el cociente de los valores en la columna del lado derecho
de cada restriccin entre los coeficientes positivos de la columna de
la variable que entra.
5 Aplicacin del mtodo de Gauss Jordan.
Mediante operaciones sobre filas se elimina (en realidad se
sustituye) la variable que entra en todas las filas de la tabla Simplex.
En otras palabras se convierte la columna de la variable que entra
en un vector columna unitario (que contiene un 1 y puros ceros).
CRITERIO PARA TERMINAR EL PROCESO.
6 Se repiten los pasos 2 al 5 hasta que todos los indicadores de la
funcin objetivo sean positivos.
Cuando esto sucede se ha encontrado la solucin optima del
problema.

PROCESO: DESIGUALDADES ECUACIONES Max.Z = c1.X1 + c 2.X2 + c 3 .X3 + ......

s.a.
a11.X1 + a12.X2 + a13.X3 + .... b1
Convertir las restricciones funcionales de desigualdad en a21.X1 + a22.X2 + a23 .X3 + .... b2 Tabla SIMPLEX.
restricciones de igualdad equivalentes. a31.X1 + a32.X2 + a33.X3 + .... b3
Esta conversin se logra mediante la introduccin de VARIABLES a41.X1 + a 42.X2 + a 43.X3 + .... b 4
DE HOLGURA.
X1, X2 , X3 ,.... 0
X1 5 X1 + X 4 = 5

En el ejemplo X4 es la variable de holgura, ya que compensa el

primer miembro de la desigualdad Variables Bsicas:
H1, H2, H3

Variables No
Bsicas: X1, X2

3
 18/09/2016

Utilizacin de Variables de Holgura VARIANTES DE UN MPL BASE.

Max.Z = 10.X1 + 12.X 2 a) En la Funcin Objetivo

s.a. Z 10.X1 12 .X 2 .......... ........ = 0
2.X1 + 3.X 2 1500 2.X1 + 3.X 2 + X 3 .......... ......... = 1500 Min.Z = c 1.X1 + c 2 .X 2 + ...... + c n .X n
3.X1 + 2.X 2 1500 3.X1 + 2.X 2 ......... + X 4 .......... = 1500
X1 + X 2 600
b) En las Restricciones Funcionales
X1 + X 2 .......... .......... ..... + X 5 = 600
X1, X 2 0
a i1.X1 + a i2 .X 2 + ..... + a in .X n b i

a i1.X 1 + a i2 .X 2 + ..... + a in .X n = b i

c) En las Restricciones de No Negatividad

Xj= irs (irrestricta de signo)

Variables artificiales.
Mtodo SIMPLEX Avanzado (Aplicacin de la Gran M)

Se emplea cuando las restricciones funcionales se tiene: y = .

1 Pasar el modelo matemtico a la forma estndar.
2 Agregar variables artificiales a las ecuaciones que carecen variables
En estos casos es necesario sumar una variable no negativa
de holgura, es decir a las restricciones que poseen = y ..
(VARIABLES ARTIFICIALES) a todas las ecuaciones que contengan
3 Penalizar las variables artificiales (VA) en la FO, asignndoles
variables bsicas iniciales.
coeficientes positivos muy grandes M.
Las variables agregadas desempearan la misma funcin que una
variable de holgura.
Modelos de Minimizacin: Penalizacin de la VA se suma
Estas variables no tienen significado fsico, desde el punto de vista del
Modelos de Maximizacin: Penalizacin de la VA se resta..
problema original.
PROCEDIMIENTO VALIDO Variables artificiales = 0 (Cuando se
llegue a la solucin optima)

4
 18/09/2016

Utilizacin de Variables de Supervit y

Artificiales

3 En la FO, no deben aparecer variables bsicas, por lo que se Min.Z = X1 + 9.X 2 + 4.X 3 3.X1 6.X2 + X3 + X4................. = 12
hace necesario eliminar las variables artificiales de la FO s.a.
(Eliminar las M de las columnas de las variables artificiales. 3.X1 6.X 2 + X 3 12 X1 5.X2............ X5 + X6........ = 7
X1 5.X 2.......... .. 7
6 Con la solucin inicial artificial se aplica el mtodo Simplex de la 4.X1.......... + 8.X3............... + X7 = 15
forma acostumbrada, generando las tablas necesarias a fin de llegar 4.X1.......... + 8X 3 = 15

a la solucin optima.

X4: Variable de Holgura

X5: Variable de Supervit o Exceso
X6, X7: Variable Artificiales

Solamente se penalizan las variables artificiales con el

parmetro M en la Funcin Objetivo

M TEORIA DE LA DUALIDAD.

Min.Z = X1 + 9.X 2 + 4.X3 + M.X 6 + M.X 7
Los cambios en la Funcin Objetivo se dan al multiplicarla por (-1),
adems de pasar todos sus componentes al 1 miembro.
Max ( Z ) = X 1 9.X 2 4 . X 3 M. X 6 M. X 7
Z + X1 + 9.X 2 + 4.X 3 + M.X 6 + M.X 7 = 0
Por cada problema de maximizacin (o de minimizacin),
hay un problema nico relacionado de minimizacin (o de
maximizacin) que requiere los mismos datos que
describen tambin el problema original.
El problema inicial se llama PRIMAL y el problema
relacionado se llama DUAL.
EL OBJETIVO DE LA TEORIA DE LA DUALIDAD ES
DETERMINAR LA EFICIENCIA DEL MODELO ORIGINAL
PARA SU APLICACIN PRACTICA EN PROBLEMAS REALES.

5
 18/09/2016

Modelo Primal Modelo Dual

Modelo Primal Modelo Dual

Donde:
Y1, Y2, Y3, Y4 son las variables duales
Se debe verificar: Z=W
(Precios Sombra)

Min cT x ANLISIS DE SENSIBILIDAD.

s.a Ax = b
x 0
Donde la tabla final del Mtodo mantiene la siguiente estructura: El objetivo del Anlisis de Sensibilidad es IDENTIFICAR LOS
PARAMETROS SENSIBLES (Parmetros cuyos valores no pueden
cambiar sin cambie la solucin optimo)

Donde:
a ij , bi , cj Constantes conocidas
I: Matriz Identidad
0: Costos reducidos asociados a las variables bsicas
B: Matriz de variables bsicas Intervalo de los parmetros para los cuales
D: Matriz de variables no bsicas donde la solucin optima no cambia
b: Lado derecho
Cb: Coeficientes en la funcin objetivo asociados a las variables
bsicas
Cd: Coeficientes en la funcin objetivo asociados a las variables no Intervalo permisible de permanencia optima
bsicas