Modelamiento Matemático

Amay Burguan,D.1.
1 Carrera Ingeniería en Sistemas. Universidad Nacional de Loja. Argelia

RESUMEN
Antes de empezar con el estudio de la Programación Lineal se debe hacer énfasis en el
análisis cuantitativo que es la base del enfoque científico, este es el punto de partida del
proceso que determinará la toma de una decisión. Es conveniente hacer referencia a los
pasos a seguir en ese análisis. Recordar aspectos cualitativos en el proceso de tomar
decisiones, que proporcionan conceptos fundamentales, que son parte de cada técnica a
estudiar. Dentro de ellos están los conceptos de sistema, modelo y optimización.
Justificando así el uso de modelos para tomar decisiones.

Sistema: Un sistema es un conjunto de elementos que interactúan entre sí.

Modelo: Un modelo es una representación simplificada de un sistema de la vida real, de una
situación o de una realidad.
Optimización: La optimización es un criterio utilizado y es sinónimo de maximización o
minimización.

Una técnica de estudio en modelamiento matemático es Programación Lineal. Esta es una

de las técnicas más empleadas y se aplica en sistemas con relaciones lineales, para usar los
recursos escasos de la mejor manera posible. Es uno de los temas más amplios. Sus
diferentes secciones están dedicadas a conocimientos particulares dentro de la técnica tales
como: formulación y construcción del modelo general; para luego definir el método que
utilizaremos para resolverlo tal como: el método gráfico o el método Simplex.

INTRODUCCIÓN:
El objetivo de este ensayo es proveer una introducción útil y práctica a la Programación
Lineal; además de aprender a dar solución a modelos lineales con el método Simplex y
Gráfico. En este ensayo se realizará énfasis tanto en la definición como en la práctica, en
lugar de enfatizar los duros conceptos teóricos y matemáticos que hay tras la técnica.

Este ensayo empezará con una sección con algo de teoría ligera describiendo la técnica en
los términos de sus elementos y su uso. La primera sección es un esbozo de conceptos y
aspectos relevantes de la teoría de estos dos métodos. La segunda sección proveerá de
ejemplos del "mundo real". Estos ejemplos revelarán como la técnica puede ser usada para
modelar sistemas específicos y el tipo de control que puede ofrecer.
DESARROLLO:
Método Gráfico
 El método gráfico se usa para resolver modelos lineales con dos variables.
 Muestra el conjunto convexo que constituye la denominada región solución y el(los)
punto(s) s extremo(s) que proporciona(n) la solución del modelo.
 El proceso para trabajar con el Método Gráfico sigue los pasos siguientes:
o Graficar las restricciones como igualdades y luego determinar el área
correspondiente a la desigualdad, sombreando el espacio correspondiente.
o Determinar el área común a todas las restricciones.
o Evaluar la Función Objetivo en cada punto extremo del espacio de soluciones
posibles. El punto o los puntos extremos en el que se obtenga el mejor valor,
determinarán la solución del modelo. O también este paso se lo puede
remplazar por el siguiente punto
o Graficar la Función Objetivo con un valor arbitrario dentro de la región
solución. Luego se desplaza paralelamente en la dirección que incremente su
valor (si está maximizando) o decrezca su valor (si está minimizando). El
punto o los puntos extremos que toque esa Función Objetivo antes de salir
totalmente fuera de la región de soluciones posibles determinarán el óptimo,
o solución del modelo.
 Hay solución óptima UNICA cuando sólo una combinación de variables proporciona
el mejor valor para el objetivo; en el gráfico un único punto extremo provee el mejor
valor del objetivo.
 Tiene soluciones óptimas ALTERNAS cuando más de una combinación de variables
proporciona el óptimo valor del objetivo.
 NO TIENE SOLUCIÓN POSIBLE cuando no hay alguna combinación de variables que
satisfaga todas las restricciones. En el gráfico no existe ninguna región común para
todas las restricciones.
 Tiene SOLUCIÓN CON VALOR INFINITO cuando no hay alguna combinación que
limite el valor del objetivo a un valor finito. Se reconocen en el gráfico porque el
espacio de solución es abierto, no acotado, no limitado y la Función Objetivo puede
moverse dentro de esa región hasta el infinito y mas allá.
Método Simplex
 El Método Simplex es un procedimiento de cálculo algebráico, iterativo, para
resolver Modelos Lineales de cualquier tamaño.
 El algoritmo Simplex requiere que el Modelo Lineal, para ser solucionado, cumpla las
condiciones de Forma Estándar y Sistema Canónico.
 La Forma Estándar incluye: a) una Función Objetivo a optimizar, b) lado derecho de
las restricciones con valor positivo, c) variables de decisión no negativas y d) las
restricciones deben ser expresadas como igualdades.
 El Sistema Canónico en un Modelo Lineal significa que debe existir una variable
básica en cada restricción. Esto permite obtener una primera solución posible que
satisface todas las restricciones.
 Para transformar las restricciones en igualdades se deben incorporar las llamadas
variables de holgura y exceso.
  Una Tabla Simplex es un resumen detallado de toda la información del modelo para
trabajar más fácilmente con él.
 El Método Simplex funciona, en forma general, de la siguiente forma:
o Calcula una solución posible inicial y determina sí esa solución es óptima.
o Si no lo es, se mueve a un punto extremo adyacente, en el conjunto convexo
de soluciones posibles, y calcula la nueva solución en ese punto.
o De nuevo determina si esa solución es o no óptima; si no lo es, repite el
proceso anterior.
o Así continúa sucesivamente hasta encontrar un punto extremo cuyo valor
objetivo no pueda ser mejorado y allí concluye, determinando así que ha
encontrado la solución.
 Con las Tablas Simplex se reconoce que hay una solución óptima ÚNICA cuando
ninguna de las variables no-básicas igualaría el valor óptimo encontrado.
 Hay una solución óptima ALTERNA cuando por lo menos uno de los coeficientes
relativos de variables no-básica tiene valor igual a cero.
 Hay una solución óptima con valor INFINITO cuando por lo menos uno de los
coeficientes relativos de variables no-básica tiene un valor que indique que la
solución actual puede ser mejorada.

Ejemplos:

Resolver mediante el método gráfico el siguiente problema:

Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0

otro la y, como se puede ver en la figura.

variables en relación con las restricciones del problema. A continuación dibujamos las
restricciones. Comenzando con la primera, dibujamos la recta que se obtiene al considerar
la restricción como igualdad. Aparece representada como el segmento que une A con B y la
región que delimita ésta restricción viene indicada por el color AMARILLO. Se repite el
proceso de la misma forma con la segunda y tercera restricción, y delimitan la región de
color AZUL y ROJO respectivamente. La región factible es la intersección de las regiones
delimitadas por la terna de restricciones y por las condiciones de no negatividad de las
variables, es decir, por la región de valores admisibles limitada por ambos ejes
coordenados. La región factible está representada por el polígono convexo O-F-H-G-C, que
aparece de color VIOLETA.
 Fig1. Gráfico de las distintas Zonas 1

 Ya que la región factible es no vacía (problema factible), procedemos a determinar

sus puntos extremos, candidatos a soluciones óptimas, que son los puntos O-F-H-G-C
de la figura. Finalmente, evaluamos la función objetivo (3x + 2y) en esos puntos,
resultado que se recoge en la tabla siguiente. Como el punto G proporciona el mayor
valor al objetivo Z, tal punto constituye la solución óptima, que indicaremos x = 3 y =
12, con valor óptimo Z = 33.

Método Simplex:

Resolver mediante el método simplex el siguiente problema:

Maximizar Z = f(x,y) = 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0

1
G. Dantzing, Programación Lineal-Ejemplo de método Grafico. PHPSimplex. Disponible en
URL. http://www.phpsimplex.com/ejemplo_metodo_grafico.htm
  Desigualdades convertimos a igualdades
2x + y+h1+0h2+0h3 = 18
2x + 3y+0h1+1h2+0h 3 = 42
3x + y +0h1+0h2+1h3=24

 Igualar la Función Objetivo a cero

Z = 3x + 2y
Z -3x- 2y=0

 Escribir la tabla inicial Simplex

Iteración I
Base X Y h1 h2 H3 VS VS/X
h1 2 1 1 0 0 18 18/2=9
h2 2 3 0 1 0 42 42/2=21
h3 3 1 0 0 1 24 24/3=8
Z -3 -2 0 0 0 0 0

h3 1 1/3 0 0 1/3 8

 La intersección de la fila pivote y la columna pivote nos da el elemento pivote.

 Encontrar los coeficientes de la nueva tabla
o Se divide el elemento pivote para cada elemento de la fila pivote.
o La nueva fila es igual a la resta entre: (Vieja fila)-(Coeficiente de la vieja fila en
la columna de la variable entrante X Nueva fila del Pivote)
Vieja fila 2 1 1 0 0 18
h1
- - - - - -
2 2 2 2 2 2
x x x x x x
1 1/3 0 0 1/3 8
= = = = = =
0 1/3 1 0 -2/3 2

Vieja fila 2 3 0 1 0 42
h2
- - - - - -
2 2 2 2 2 2
x x x x x x
1 1/3 0 0 1/3 8
= = = = = =
0 7/3 0 1 -2/3 26
Vieja fila Z -3 -2 0 0 0 0
- - - - - -
-3 -3 -3 -3 -3 -3
x x x x x x
1 1/3 0 0 1/3 8
= = = = = =
0 -1 0 0 1 24

Iteración II

Base h3 Y h1 h2 h3 VS VS/X
h1 0 1/3 1 0 -2/3 2 2/(1/3)=6
h2 0 7/3 0 1 -2/3 26 26/(7/3)=78/7
X 1 1/3 0 0 1/3 8 8/(1/3)=24
Z 0 -1 0 0 1 24 0

Y 0 1 3 0 -2 6

Vieja fila 0 7/3 0 1 -2/3 26

h2
- - - - - -
7/3 7/3 7/3 7/3 7/3 7/3
X x x x x x
0 1 3 0 -2 6
= = = = = =
0 0 -7 1 4 12

Vieja fila X 1 1/3 0 0 1/3 8

- - - - - -
1/3 1/3 1/3 1/3 1/3 1/3
X x x x x x
0 1 3 0 -2 6
= = = = = =
1 0 -1 0 1 6

Vieja fila Z 0 -1 0 0 1 24
- - - - - -
-1 -1 -1 -1 -1 -1
X x x x x x
0 1 3 0 -2 6
= = = = = =
0 0 3 0 -1 30
 Iteración III
Base h3 Y h1 h2 h3 VS VS/X
h1 0 1 3 0 -2 6
h2 0 0 -7 1 4 12 12/4=3
X 1 0 -1 0 1 6 6/1=6
Z 0 0 3 0 -1 30

h2 0 0 -7/4 1/4 1 3

Vieja fila 0 1 3 0 -2 6
h1
- - - - - -
-2 -2 -2 -2 -2 -2
x x x x x x
0 0 -7/4 1/4 1 3
= = = = = =
0 1 0 -1/2 0 12

Vieja fila X 1 0 -1 0 1 6
- - - - - -
1 1 1 1 1 1
x x x x x x
0 0 -7/4 1/4 1 3
= = = = = =
1 0 3/4 -1/4 0 3

Vieja fila Z 0 0 3 0 -1 30
- - - - - -
-1 -1 -1 -1 -1 -1
x x x x x x
0 0 -7/4 1/4 1 3
= = = = = =
0 0 5/4 1/4 0 33

Iteración IV
Base h3 Y h1 h2 h3 VS VS/X
h1 0 1 0 -1/2 0 12
h2 0 0 -7/4 1/4 1 3
X 1 0 3/4 -1/4 0 3
Z 0 0 5/4 1/4 0 33
Se observa que en la última fila todos los coeficientes son positivos, por lo tanto se cumple
la condición de parada, obteniendo la solución óptima.
La solución óptima viene dada por el valor de Z en la columna de los valores solución, en
nuestro caso: 33. En la misma columna se puede observar el punto donde se alcanza,
observando las filas correspondientes a las variables de decisión que han entrado en la
base: (x,y) = (3,12)
Z = 3x + 2y
33 = 3(3) + 2(12).
33=33

El valor máximo de la función es 33, y corresponde a x=3 y Y=12.

CONCLUSIONES:
 Es evidente que lo esencial de estos métodos es el de formular correctamente el
modelo. Ya que si éste está mal realizado, todo lo demás por ende está mal.
 Que no importa el método que utilicemos, el resultado debe ser el mismo.

Unidad:
Modelamiento Matemático
Capitulo y Tema: Actividad (Numero y nombre):
Programación Lineal Elaborar un ensayo sobre Programación Lineal,
Método Gráfico y Método Simplex.
Módulo: Nombre (s):
Noveno “B” Diana Karina Amay Burguan
Profesor:
Ingeniero Luis Chamba
Fecha en la cual el Fecha en la cual el profesor recibe la actividad:
profesor encarga la 19 de Octubre de 2010
actividad:
12 de Octubre de 2010

Bibliografía:
D. Gibson, Programación Lineal - Making simple work of maths, SPLat Control Pty.
Ltd, 1999.
G. Dantzing, Programación Lineal-Ejemplo de método Simplex. PHPSimplex.
Disponible en URL. http://www.phpsimplex.com/ejemplo_metodo_simplex.htm
G. Dantzing, Programación Lineal-Ejemplo de método Grafico. PHPSimplex.
Disponible en URL. http://www.phpsimplex.com/ejemplo_metodo_grafico.htm