Está en la página 1de 13

UNIVERSIDAD RICARDO PALMA

FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL

CURSO: INVESTIGACION DE OPERACIONES I

LA PROGRAMACION LINEAL
La programación lineal es una técnica matemática de optimización; el cual consiste en al
distribución de recursos a diversas actividades, de tal manera que a la vez que se logra un
objetivo se satisfacen ciertas condiciones. La programación lineal se utiliza en la planificación
administrativa y económica para lograr optimizar las políticas de la administración de recursos
expresadas a través de un conjunto de funciones lineales asociadas a un conjunto finito de
variables que están sujetas a determinadas restricciones:

El avance de la tecnología de las computadoras y de técnicas de procesamiento de alta velocidad


ha aportado recientemente muchos avances a la programación lineal, de forma que ahora esta
técnica se utiliza extensamente en operaciones industriales y militares.

El objetivo y las condiciones se representan a través de relaciones lineales en lo que se denomina


el MODELO DE PROGRAMACION LINEAL (MPL)

Principios Básicos de la Programación Lineal

1. Proporcionalidad.- Es un principio que trata acerca de las actividades individuales.


Ejemplo.
a) Si el costo de un producto es $10 entonces X unidades del producto, tendrá un
costo de producción de 10X dólares (Se cumple la proporcionalidad)
b) Un obrero construye una pared en 2 días entonces 2 obreros no la construyen en 4
días (No Proporcional).

2. Aditividad.- Es un principio acerca de las actividades conjuntas.


Ejemplo.
c) Si un producto A ocupa 5 pies3 y un producto B 10 pies3 entonces X unidades de A
e Y unidades de B ocupan: 5X +10Y pies3

3. Divisibilidad.- Las variables deben asumir valores reales.


Ejemplo:
X = Cantidad de espacio que ocupa un producto (Real ≥0)
Y = Numero de camiones para transporte. (Entero ≥ 0)

4. Certeza.- Establece que todos los parámetros y componentes del modelo deben estar
totalmente determinados.
Ejemplo:
X + Y = 10 (situación determinística)
2X –Y = 8

Profesor: MG. Aldo Madrid L. 1


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
ESTRUCTURA DE UN MODELO DE PROGRAMACION LINEAL

Un Modelo de Programación Lineal (MPL) tiene los siguientes componentes:

VARIABLES DE DECISION.- Son aquellas que determinan la acción que se debe seguir
para el logro de cierto objetivo

RESTRICCIONES.- Son relaciones que se representan a través de desigualdades y/o


igualdades; surgen debido a la disponibilidad limitada de los recursos y/o para cumplir
ciertas disposiciones técnicas.

FUNCIÓN OBJETIVO.- Represente el objetivo que se desea conseguir.


Se representa de dos maneras: Maximizar o minimizar, en general
se dice optimizar.

Ejemplo. Una CIA produce 3 tipos de fertilizantes, la información respecto a estos productos se
da en la siguiente tabla:
Costo Tiempo
Espacio Precio de Venta
Fertilizantes Producción Produce.
(pie3/ton) ($ / ton)
($ / ton) ( Hr / ton)
TIPO1 10 400 6 480
TIPO2 12 600 10 690
TIPO3 8 300 12 370
Disponibilidad 300 10000 250
Además del Tipo2 se deben producir como mínimo 4 toneladas.
Formule un modelo de programación lineal (MPL).

Solución

VARIABLES DE DECISIÓN:
X1 = Numero de toneladas de fertilizante Tipo 1 a producir
X2 = Numero de toneladas de fertilizante Tipo 2 a producir
X3 = Numero de toneladas de fertilizante Tipo 3 a producir

RESTRICCIONES

10X1 + 12X2 + 8X3 ≤ 300 (espacio disponible)


400X1 + 600X2 + 300X3 ≤ 10000 (capital disponible)
6X1 + 10X2 + 12X3 ≤ 250 (horas disponibles)
X2 ≥ 4 (producción mínima)

FUNCIÓN OBJETIVO

MAXIMIZAR Z = 80X1 + 90X2 + 70X3 (utilidad total)

Profesor: MG. Aldo Madrid L. 2


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL

EL MPL esta dado por:

MAX Z = 80X1 + 90X2 + 70X3


s.a.
10X1 + 12X2 + 8X3 ≤ 300
400X1 + 600X2 + 300X3 ≤ 10000
6X1 + 10X2 + 12X3 ≤ 250
X2 ≥ 4
X1, X2, X3 ≥ 0 (condiciones de no negatividad)

REPRESENTACION GENERAL DE UN MPL

MAX Z = C1X1 + C2X2 + … + CnXn


s.a.
a11X1 + a12X2 + … + a1nXn ≤ b1
a21X1 + a22X2 + … + a2nXn ≤ b2
…… ……. …….. ….
am1X1 + am2X2 + … + amnXn ≤ bm

X1 ,X2 ,…,Xn ≥ 0

 La presentación general de un MPL puede tener variaciones como la MIN en lugar de MAX ,
las restricciones pueden ser ≥, >, < ó = .
 A los coeficientes C1 , C2, …,Cn se les denomina “COSTOS”.
 A los ai j se les denomina “COEFICIENTES TECNOLOGICOS”
 A los bi se les denomina “TERMINOS DEL LADO DERECHO” (RHS)

REPRESENTACION EN FORMA DE SUMATORIA

n
MAX Z   C J X J
J 1

s.a.
n

a
j 1
ij x j  bi .........i  1,2,..., n

x j  0................... j  1,2,..., m

Profesor: MG. Aldo Madrid L. 3


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
REPRESENTACION EN FORMA MATRICIAL

MAX Z = CX
s.a.
AX ≤ B
X ≥ O
Donde :

 a11.........a1n   x1   b1   c1 
       
 a 21.........a 2 n   x2 .  b2  c 
A ......;... .. X   .....;... B   ......;... .C   2 
.................. ... ... ...
       
 a .........a  x  b  c 
 m1 mn   n  m  n

REPRESENTACION EN FORMA VECTORIAL

MAX Z = C1X1 + C2X2 + … + CnXn


s.a.
X1P1 + X2P2 + … + XnPn ≤ B

Donde:
P1, P2,…, Pn son columnas de la matriz A

METODOS DE SOLUCION DE UN PROBLEMA DE PROGRAMACION LINEAL (PPL)

- Método Grafico
- Método Simplex

METODO GRAFICO:
Solo es aplicable a problemas con 2 ó 3 variables.

Paso 1
Graficar el espacio de soluciones factibles (Región Factible) y encontrar los puntos extremos.

Paso 2.
Evaluar cada punto extremo en la función objetivo. La solución óptima será aquel punto extremo
que brinde el mejor valor para la función objetivo y este será valor óptimo de la función objetivo.

Ejemplo. Resuelva por el método grafico el siguiente MPL

Max Z = 30X + 10Y


s.a.
2X + Y ≤ 14
X + Y ≤ 10
X ≥ 6
X,Y≥0

Profesor: MG. Aldo Madrid L. 4


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Tipos de soluciones de un PPL

Consideremos el siguiente PPL


Max Z = CX
s.a.
AX ≤ B , X > 0

i) Se dice que X” es una solución si cumple con AX ≤ B


ii) Se dice que X´ es solución factible si cumple: AX ≤ B y X > 0

Espacio de Soluciones Factibles o Región Factible

Se llama así al siguiente conjunto

R = { X / AX ≤ B y X > 0}

Ejemplo Sea el siguiente PPL

Max x+y
s.a.

2x + 3y ≤ 12
2x + y ≤ 6
x,y ≥0

(x,y) Tipo de solución


(-2, 1 ) Solución
( 1, 1 ) Solución factible
( 0, 4 ) Solución factible
( 2, 3 ) No es solución
(-5,30) No es solución

Teorema. El espacio de soluciones factibles de un PPL es un espacio convexo.

FORMA ESTANDAR DE UN PPL

Un PPL se dice que esta en su forma estándar si se cumplen las 3 condiciones:

a) Todos los términos del lado derecho (RHS) deben ser no negativos.
b) Todas las restricciones deben estar expresadas en forma de igualdades.
c) Todas las variables deben ser no negativas

Observación:
Muchos PPLs inicialmente no están expresados en su forma estándar por lo que se deben
hacer ciertas transformaciones para expresarlos en su forma estándar.

Profesor: MG. Aldo Madrid L. 5


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Variables de Holgura y Exceso

Sea el siguiente PPL

MAX Z = C1X1 + C2X2 +… + CnXn


s.a.
a11X1 + a12X2 +… + a1nXn ≤ b1
a21X1 + a22X2 +… + a2nXn ≥ b2
…… ……. …….. ….
am1X1 + am2X2 +… + amnXn ≤ bm

X1 , X2 ,… ,Xn ≥ 0

1. Variable de Holgura. Las variables de holgura se presentan cuando las restricciones


de un PPL son del tipo ≤ y/o <.
Ejemplo: Del PPL: a11X1 + a12X2 +… + a1nXn + S1 = b1
Variable de
Holgura

2. Variable de Exceso. Las variables de Exceso se presentan cuando las restricciones de


un PPL son del tipo ≥ y/o > .
Ejemplo: Del PPL: a21X1 + a22X2 +… + a2nXn - E1 = b2
Variable de
Exceso

Estandarización de un PPL

Un PPL estará en su forma estándar si y solo si todos sus restricciones están expresados a través
de igualdades y el vector del lado derecho (bj) son no negativos; así como sus variables.

MAX Z = C1X1 + C2X2 +… + CnXn


s.a.
a11X1 + a12X2 +… + a1nXn + S1 = b1
a21X1 + a22X2 +… + a2nXn - E1 = b2
…… ……. …….. ….
am1X1 + am2X2 +… + amnXn + Sm = bm

X1 , X2 ,… ,Xn ≥ 0

Profesor: MG. Aldo Madrid L. 6


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Teorema 2. Sean P1, P2,…, Pk vectores linealmente independientes con k ≤ m tales que:
x1P1 + x2 P2 + x3 P3 + … + x kPk = Po con xi ≥ 0; entonces: X = (x1, x2, x3, … , xm, 0, 0, … ,0)
es un punto extremo del espacio de soluciones factibles.

Teorema 3. Sea (x1,x2,x3, … ,xn) un punto extremo del espacio de soluciones factibles (R)
tal que: x1P1 + x2 P2 + x3 P3 + … + xkPk = Po con xi ≥ 0 ; entonces P1, P2,…, Pk son
linealmente independientes.

Teorema 4. Sea x1P1 + x2 P2 + x3 P3 + … + xkPk = Po entonces X = (x1,x2,x3, … ,xn) es un


punto extremo de R (espacio de soluciones factibles).

Definiciones

Sea el P.P.L.
A  Mmxn
Max Z = CX
m = número de restricciones
s.a.
n = número de variables (incluido holgura y exceso)
AX = B
X≥θ

1. Todo PPL toma su valor óptimo en un punto extremo del espacio de soluciones factibles
(R).
2. Todo punto extremo de R tiene a lo más “m” componentes positivos.

3. Un punto X que cumple AX = B y X > 0. Se denomina SOLUCIÓN FACTIBLE.

4. Una solución que tiene a lo más “m” componentes positivos se llama SOLUCION
BASICA FACTIBLE (SBF).
X = (x1,x2,x3, … ,xm,0,0, … ,0) xi ≥ 0 ; i = 1,2, … , m

5. Una Solución Básica Factible que tiene menos de “m” componentes positivos se llama
SOLUCION BASICA DEGENERADA..
X = (x1,x2,x3, … ,xm-1,0,0, … ,0) xi ≥ 0 ; i = 1,2, … , m-1

6. Una Solución Básica Factible que proporciona el valor para la función objetivo se
denomina: SOLUCIÓN ÓPTIMA.

Paso de un PPL de Máximo a Mínimo y Viceversa.

n
Sea : Max c j x j  Max Z
j 1
n n
Max c j x j  Max( c j x j )
j 1 j 1
n
  min( c j x j )
j 1

  min( Z )
Max Z   min( Z )

Profesor: MG. Aldo Madrid L. 7


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Ejemplo
(1) (2)
Max Z = 2x - 3y + z Min Z = -2x + 3y - z
s.a. s.a
x+y ≥ 5 x+y ≥ 5
x – y + z ≤ 10 x – y + z ≤ 10
x, y, z ≥ 0 x, y, z ≥ 0

Solución Óptima (1): Solución Óptima (2):


X0 = (x, y, z) = (3, 4, 5) X0 = (x, y, z) = (3, 4, 5)
Valor Óptimo (1): -20 Valor Óptimo (2): 20

Observaciones
a. X0 es solución óptima tanto de (1) y (2)
b. M es valor optimo de (1) si y solo si –M es valor optimo de (2)

EL METODO SIMPLEX
Es un método algebraico que va trabajando a través de varias tablas empleando un proceso
iterativo. Fue desarrollado por George Dantzig a fines de la década del 40 (siglo pasado).
La primera tabla se inicia con una solución básica factible (SBF: un punto extremo), en las
siguientes tablas a partir de la SBF se genera otra SBF que es mejor a la anterior repitiendo este
proceso de manera iterativa encontrar la mejor SBF que es la solución optima.

Tabla inicial del método simplex


Sea el PPL en su forma estándar

Max Z= c1x1 + c2 x2 + c3x3 + … + cnxn


s.a.
a11x1 + a12x2 + … + a1nxn + S1 = b1
a21x1 + a22x2 + … + a2nxn + S2 = b2
. . . . .
. . . . .
. . . . .
am1x1 + am2x2 + … + amnxn + Sm = bm
xi ,Sj ≥ 0

x1 x2 … xn S1 S2 S3 … Sm Solución
BASE z1-c1 z2-c2 … zn-cn 0 0 0 … 0 Zo
S1 a11 a12 … a1n 1 0 0 … 0 b1
S2 a21 a22 … a2n 0 1 0 … 0 b2
. . . . . . . .
. . . . . . . .
. . . . . . . .
Sm am1 am2 … amn 0 0 0 … 1 bm
Donde:
zj-cj : Se denominan COSTOS REDUCIDOS.
Zo : Es el valor inicial de la función objetivo valorado en (S1, S2,…, Sm)

Profesor: MG. Aldo Madrid L. 8


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL

Ejemplo

Formar la tabla inicial para el siguiente PPL


Forma Estándar del PPL
Max Z= 5x + 3y Max Z= 5x + 3y
s.a. s.a
x+ y≤5 x + y + S1 = 5
x + 2y ≤ 8 x + 2y + S2 = 8
2x + y ≤ 8 2x + y +S3 = 8
x, y ≥ 0 x, y , S1, S2 ,S3≥ 0

x y S1 S2 S3 Solución
BASE -5 -3 0 0 0 0
S1 1 1 1 0 0 5
S2 1 2 0 1 0 8
S3 2 1 0 0 1 8

El Algoritmo Simplex
Supongamos que estamos Maximizando el PPL.

Paso 0. Pasar el PPL a su forma estándar y formar la tabla inicial con una Solución Básica
Factible (SBF).
Paso 1. Se debe comprobar lo siguiente:
1.1 ¿Se llegó a ala solución óptima?
Si no existen costos reducidos negativos entonces Fin del Proceso. Estamos en la
tabla Óptima. Caso contrario ir al siguiente paso (1.2)
1.2 SELECCIÓN DE LA VARIABLE QUE ENTRA A LA BASE:
Entra a la Base aquella variable que sea: min( z j  c j ) ; donde ( z j  c j )  0
j

La Columna de dicha variable se llama Pívot.


Paso 2. SELECCIÓN DE LA VARIABLE QUE SALE DE LA BASE
Se divide el valor de cada variable básica entre el correspondiente valor de la columna
PIVOT siempre y cuando este valor sea positivo.
Sale de la Base aquella variable que le corresponde el mínimo de estas divisiones. La
fila de esta variable se llama Fila Pívot.
Al elemento que esta en la intersección de la Columna Pívot con la Fila Pívot de se le
denomina PIVOT.
Paso3. GENERAR LA NUEVA SOLUCION
En este paso se utilizan las operaciones elementales en las filas de matrices:
1.1 Convertir el PIVOT en 1.
1.2 Convertir los demás elementos de la Columna Pívot en CEROS.
1.3 Volver al Paso 1.

Profesor: MG. Aldo Madrid L. 9


UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Ejemplo

Resolver el siguiente PPL por el método Simplex

Max Z = 4x + 6y + 5z
s.a.
x + 2y + z ≤ 30
x + y + 2z ≤ 20
x, y, z ≥0
Solución:

Pasando el MPL a su forma estándar:


Max Z = 4x + 6y + 5z
s.a.
x + 2y + z + S1 = 30
x + y + 2z + S2 = 20
x, y, z, S1, S2 ≥0

x y z S1 S2 Solución
BASE -4 -6 -5 0 0 0
S1 1 2 1 1 0 30

S2 1 1 2 0 1 20
BASE -1 0 -2 3 0 90
y ½ 1 1/2 1/2 0 15

S2 ½ 0 3/2 -1/2 1 5

BASE -1/3 0 0 7/3 4/3 290/3


y 1/3 1 0 2/3 -1/3 40/3

z 1/3 0 1 -1/3 2/3 10/3


BASE 0 0 1 2 2 100
y 0 1 -1 1 -1 10
x 1 0 3 -1 2 10

Solución Óptima: (x, y, z,S1,S2) = (10, 10, 0,0,0)


Valor Óptimo: 100

Solución del PPL


Max Z = 5x + 3y
s.a
x + y + S1 = 5
x + 2y + S2 = 8
2x + y +S3 = 8
x, y , S1, S2 ,S3≥ 0

Profesor: MG. Aldo Madrid L.


10
UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL

Solución Óptima: (x, y, S1, S2, S3) = (3, 2, 0, 1, 0)


Valor Óptimo: 21

PROPIEDADES DEL CUADRO SIMPLEX

Sea el siguiente PPL, resuelva aplicando el metodo simplex y aplique las propiedades del método
simplex.

Max Z = 4x1 + 8x2 + 3x3


s.a.
x1 + 4x2 + 2x3 ≤ 80
x1 + x2 + x3 ≤ 50
xi ≥ 0 ; i = 1,2,3

B -1
B -1 : Matriz Inversa de la Base
Sea el siguiente PPL escrito en forma vectorial

Max c1x1 + c2 x2 + c3x3 + … + cnxn


s.a.
x1P1 + x2P2 + … + xnPn = P0
xi ≥ 0 ; i = 1,2, … ,n
Profesor: MG. Aldo Madrid L.
11
UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL
Consideremos el K- ésimo cuadro del Tablero simplex

1. Sea C la matriz formada por los vectores columna de dicho cuadro correspondiente a las
variables que en el primer cuadro forman la BASE.
Sea B la matriz formada por los vectores columna del cuadro inicial correspondientes a
las variables que en el cuadro k-ésimo forman la BASE

C = B -1 Matriz Inversa de la Base


Ejemplo1. En el segundo cuadro del tablero simplex
 1 4 0  4 0
C  ; B  C = B -1 , BxC = I
 1 4 1  1 1
Ejemplo2. En el cuadro ÓPTIMO

 1 3 1 3   4 1
C  ; B 
 1 3 4 3   1 1

2. Sea Po(K) la solución en el k-ésima cuadro Po(K) = B -1 Po


 80 
Ejemplo. En el Segundo cuadro: P0 ( K )   
 50 
 1 4 0  80   20 
B -1 Po       
 1 4 1  50   30 
3. Sea PJ(K) el vector columna correspondiente a xJ en el k-ésimo cuadro PJ(K) = B -1 PJ
Ejemplo. En el segundo cuadro
 1 4 0 1 1 4 
P1(2) = B -1 P1       
 1 4 1 1  3 4 
Ejemplo. En el cuadro optimo
 1 3 1 3  2  1 3 
P3(3) = B -1 P3       
 1 3 4 3 1   2 3 
4. Sea C(K) el vector de costos formado por los costos de las variables que forman la base del
k-ésimo cuadro:
Si ZJ (K) - CJ es el costo reducido de la variable xJ en el k –esimo cuadro:

ZJ (K) - CJ = C(K). PJ(K) - CJ


Ejemplo 1: En el cuadro optimo la variable x3 tiene un costo reducido: Z3 (3) – C3 = 7/3

1 3  16 7
C(3). P3(3) - C3  8 , 4     3   3 
 2 3 3 3
Ejemplo 2. En el segundo cuadro halle el costo reducido de x1

1 4 
C(2). P1(2) - C1  8 , 0     4  2  4  2
3 4
Profesor: MG. Aldo Madrid L.
12
UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA INDUSTRIAL

Ejemplo de Minimización

Sea el siguiente PPL. Estandarizando el PPL:


Cambios de Variable: x2 = -a1 ; a1 ≥ 0
x3 = b1 – b2 ; b1,b2 ≥ 0
Min Z = -10x1 + 5x2 + 8x3 +10
s.a. Min Z= -10x1 – 5a1 + 8b1 - 8b2 + 10
2x1 + x2 - x3 ≤ 80 s.a.
x1 - 2x2 + x3 ≤ 10 2x1 - a1 - b1 + b2 + S1 = 80
x1 - x2 + x3 ≤ 70 x1 + 2a1 + b1 – b2 +S2 = 10
x1 ≥0, x2≤0, x3 no restringido x1 + a1 + b1 – b2 +S3 = 70
x1, a1, b1,b2,S1,S2,S3≥0

Entonces Tenemos:

b2 = 170
a1 = 90 Solución Óptima del PPL en la forma estándar
S3 = 150

Valor Mínimo (óptimo): -1800

Luego:
x1 = 0
x2 = -90 Solución Óptima del PPL primal
x3 = b1 - b2 = 0 – 170 = -170

Profesor: MG. Aldo Madrid L.


13