Repaso de Geometría Analítica Plana

a) La ecuación aX + bY = c representa en el
a
plano una recta de pendiente m= −
b
b) La ecuación aX + bY = 0 representa en el
plano una recta que pasa por el origen de
coordenadas.
c) En la ecuación normalizada de la recta
X Y
+ =1 los términos c a y c b representan los
c c
a b
puntos de corte de los ejes X e Y,
respectivamente.
d) La función Z = aX + bY, con Z una constante
indeterminada, representa en el plano a una
familia de rectas paralelas.
 Repaso de Geometría Analítica Plana …
e) La inecuación aX + bY ≤ c representa un área
que se inicia en la recta aX + bY = c y se
extiende acercándose hacia el origen de
coordenadas.
f) La inecuación aX + bY ≥ c representa un
área que se inicia en la recta aX + bY = c y se
extiende alejándose del origen de coordenadas.
g) La solución (X0,Y0) del sistema de ecuaciones
aX + bY = c
dX + eY = f indica las coordenadas del punto de
corte de ambas rectas.
 Métodos de Solución de PPL
 Método Gráfico (fácil de abordar)
 Método Símplex: Algoritmo Matemático
Método Gráfico: No es el mejor método, pues sólo trabaja con
dos variables de decisión. Pasos a seguir:
a) Encuentre el modelo matemático del PPL en dos variables.
b) Dibuje en los ejes coordenados las rectas límite de las
restricciones e identifique el lugar geométrico que cada restricción
representa en el plano.
c) Identifique y destaque la “ZONA DE SOLUCIONES FACTIBLES”,
definida como el conjunto intersección de todos los lugares
geométricos que las restricciones representan en el plano.
d) Dibuje una de las rectas de la familia de rectas que la F.O.
representa en el plano, dando un valor arbitrario a Z, pero
adecuado a la escala de los ejes coordenados.
e) Dependiendo si la F.O. es de maximización o de minimización,
traslade la recta en forma paralela, en el sentido de aumento o
disminución de Z, hasta que esta toque un punto extremo de la
zona de soluciones factibles. Identifique dicho punto como óptimo
máximo u óptimo mínimo.
f) Para encontrar las coordenadas del punto óptimo resuelva el
sistema de ecuaciones de las rectas límite cuya intersección
define dicho punto.
g) Para encontrar el valor óptimo de Z reemplace las coordenadas
del punto óptimo en la función objetivo.
Ejemplo: Max Z = 3X1 + 5X2
Sujeto a: Solución:
X1 ≤ 4 Z * = 36
X2 ≤ 6 X 1* = 2
3X1 + 2X2 ≤ 18
X1;X2 ≥ 0 X 2* = 6
Definición de Soluciones:
Solución Básica: Es aquella que se encuentra en los vértices
intersección de dos rectas.
Solución Básica Factible: Son los vértices que se encuentran
dentro de las intersecciones de las distintas rectas.
Solución Básica Factible Degenerada: Si una o más variables
básicas toman como solución el valor “cero”, son soluciones
degeneradas.
Del grafico anterior, se puede deducir que los vértices solución:
{0, A, B, C , D, E , F , G} Soluciones Básicas
{0, A, B, C , D} Soluciones Básicas Factibles
{0, A, D} Soluciones Básicas Factibles Degeneradas
Al graficar, observamos que las posibles soluciones óptimas de
nuestro problema, siempre se encontrarán en el borde del Set de
Soluciones Factibles, más aún, los vértices del Set son los
puntos más relevantes por analizar.
Método SIMPLEX: (no tiene limite de variables  mejor)
El primer método formal para encontrar soluciones óptimas de
PPL –el método Símplex– fue desarrollado por Dantzig en 1947 y
mejorado por Charnes entre 1948 y 1952. Actualmente es el
método más utilizado en la búsqueda de soluciones óptimas de
problemas lineales.
 La Zona de Soluciones Factibles (X) A♦ ♦B ♦ ♦
debe ser un “Espacio Convexo”. Si P♦
P1♦
1
♦C ♦P3
P1 ∈ X y P2 ∈ X, se expresa P3 = α ♦
P3 ♦ ♦
P1 + (1 – α) P2, tal que P3 ∈ X para ♦
P2 P2♦
cualquier valor de α, entonces X es 0♦ ♦D ♦ ♦
un Espacio Convexo [0 < α < 1]. CONVEXO NO CONVEXO
 Sea el conjunto soluciones básicas factibles {0, A, B, C, D} = Ω
llamados puntos extremos del espacio convexo  Solución
Óptima ∈ Ω.
 Punto extremo: P es un punto extremo del Espacio Convexo X,
siempre que no existan dos puntos P1 y P2 ∈ X, tal que, P se
exprese como: P = α P1 + (1 – α) P2, para todo: 0 < α < 1.
Pasos del SIMPLEX:
Paso Inicial: Siempre parte desde el origen “0”, del espacio de
soluciones básicas factibles. O sea, las variables de
decisión toman el valor cero.
Paso Iterativo:Da una regla de búsqueda sobre el conjunto de
soluciones básicas factibles – puntos extremos (Ω).
O sea, encontrar una solución básica factible mejor.
Paso Parar: Da una regla de detección de la optimalidad
(solución inmejorable). O sea, de cuando parar.
Preparándose para el SIMPLEX:

Para aplicar el algoritmo, se MAX Z = CTX

requiere establecer un formato
base para el modelo matemático
Sujeto a:
de PL, que se denomina “Formato A*X ≤ b
Canónico”. X≥0

Luego, las inecuaciones se deben MAX Z = CTX + φTXh

transformar en ecuaciones (=),
agregando para ello Variables de
Sujeto a:
Holgura (Xh), este nuevo modelo A*X +Xh = b
se dice que esta en “Formato X ≥ 0; Xh ≥ 0
Estándar”.
Paso 2: Paso Iterativo
a) Determinar si es mejorable la solución. Si (Zj – Cj) < 0, entonces
la solución es mejorable.
b) Determinar variable básica entrante. El (Zj–Cj) + Negativo
indica la variable que más aporta al logro del objetivo.
c) Determinar variable básica saliente. Según la regla ,
∀ Yij’>0, dado j’ columna de la variable entrante. El MIN se
cumple para alguna fila i de variable básica, que es la que más
limita el logro del objetivo.
i’ = Fila de variable que sale de la base
j’ = Columna de variable que entra a la base
De no existir pivote, el problema es no acotado.
d) Construir nueva tabla símplex (nueva solución), según las
siguientes reglas:
 Celda del pivote Nuevo valor = 1

 Fila del pivote 

 Columna del pivote Nueva columna = 0 ∀ i ≠ i’ y ∀ j ≠ j’

 Cualquier otra celda 

Paso 3: Parar (stop)
Si (Zj – Cj) ≥ 0 ∀ j  Solución es inmejorable  Stop.

Dado la regla de parada del SIMPLEX:

Leer solución: – Meta Objetivo Óptima (Z*)
– Programa de Decisión Óptimo (X*)  Plan Acción
– Comentar la solución encontrada
Dado el Ejemplo, se tiene la tabla solución óptima:
Max Z = 3X1 + 5X2 Cj 3 5 0 0 0 Sol.
Sujeto a: Cb Vb X1 X2 X3 X4 X5 Xb
X1 ≤ 4 0 X3 0 0 1 2/3 -1/3 2
X2 ≤ 6 5 X2 0 1 0 1 0 6
3 X1 1 0 0 -2/3 1/3 2
3X1 + 2X2 ≤ 18
X1;X2 ≥ 0
(Zj-Cj) 0 0 0 3 1 36

Solución ÚNICA, sólo si (Zj – Cj) > 0, para ∀ variable j no básica.

Solución MÚLTIPLE, si (Zj – Cj) = 0, para alguna variable j no básica, lo
que es muy BUENO para efectos del plan de producción (acción).
Solución NO Degenerada, sólo si Xbi > 0, para ∀ i.
Un recurso es ESCASO, toda vez que sobra nada  su
restricción asociada es activa.
Z * = 36 X 3* = 2
Un recurso es OCIOSO Solución
cuando existe sobrante  su del ejemplo: X 1* = 2 X 4* = 0
restricción asociada es inactiva. X 2* = 6 X 5* = 0
El procedimiento es igual al simplex TX, se reemplaza j por s
(columna entra  j’ = s’). Revisar reglas para construir nueva TC.
Las reglas para una nueva tabla son:
1
 Celda del pivote  Nuevo Valor = Y = (Yi's' )
-1

i's'

Yi's
 Fila del pivote  Fila Nueva = Y ∀ s ≠ s'
i's'

Columna Nueva = Yis' ∀ i ≠ i'

 Columna del pivote  (-Yi's' )

Yˆis = Yis - (Yi's )(Yis ' ) ∀ i ≠ i' y ∀ s ≠ s'

 Cualquier otra celda  (Yi's' )

Max Z = 3X1 + 5X2 Cnb 0 0 Sol.

Sujeto a: Cb Vb X5 X4 Xb
X1 ≤ 4 0 X3 -1/3 2/3 2
X2 ≤ 6 5 X2 0 1 6
3X1 + 2X2 ≤ 18 3 X1 1/3 -2/3 2
X1;X2 ≥ 0 (Zs-Cs) 1 3 36
IMPASES LÓGICOS DEL SIMPLEX

 Sean dos o más (Zs – Cs) < 0 tal que (Zs – Cs) sean mínimos.

 ¿Cuál es el pivote si entra Xn1?  Solución No Acotada.

 Xbi 
 Sean dos o más filas i  MIN  .
 Yij ' 
Ejemplo: Si entra Xns ¿Cuál variable sale?
¿Cuáles pivotes son factibles?
 Interprete las siguientes soluciones

Cnb 0 0 Sol.
Cb Vb X3 X5 Xb Cnb Sol.
3 X1 1 0 4 Cb Vb X1 X3 Xb
0 X4 3/2 -1/2 3 5 X2 1/4 1/4 2
2 X2 -3/2 1/2 3 0 X4 5/4 -1/4 0
(Zs-Cs) 0 1 18 (Zs-Cs) 1/2 5/4 10

Solución Múltiple Solución Degenerada

a) X1* = 4; X2* = 3; X4* = 3  Z* = 18
b) X1* = 2; X2* = 6; X3* = 2  Z* = 18
Otras Formas del Modelo de Optimización
Hasta ahora se ha supuesto que bi > 0 ∀ i, que las restricciones son
del tipo ≤ y que se desea MAX Z. Pero existen otras formas
legítimas tales como:
a) MIN Z a) MAX (-Z)
b) Restricciones de = o ≥
c) O bién, bi < 0 y digresión de variables
Si al inicio, se realizan los ajustes necesarios, se puede aplicar
Método Símplex según lo aprendido.
b1) Restricciones de igualdad
ai1X1 + ai2X2 + ------ + ainXn = bi
Es equivalente a dos restricciones de desigualdad.
ai1X1 + ai2X2 + ------ + ainXn ≤ bi
ai1X1 + ai2X2 + ------ + ainXn ≥ bi
O sea, aumenta el Nº de restricciones  Poco Práctico
Agregar una variable artificial  Resolvemos el problema
 Ejemplo: Max Z = 3X + 5X
1 2
Sujeto a:
X1 ≤ 4 + X3
X2 ≤ 6 + X4
3X1 + 2X2 = 18 + X5 X: Var. Artificial
X1;X2 ≥ 0
Cuando se usa variable artificial, se debe tener especial cuidado
que en la solución final las X a* = 0

b2) Restricciones con desigualdad ≥ bi

ai1X1 + ai2X2 + ------ + ainXn ≥ bi
ai1X1 + ai2X2 + ------ + ainXn = bi + Xh
ai1X1 + ai2X2 + ------ + ainXn - Xh = bi (caso b1)
O sea: ai1X1 + ai2X2 + ------ + ainXn - Xh + = bi
c1) Lado derecho negativo (bi < 0)
ai1X1 + ai2X2 + ------ + ainXn ≤ -bi
 -(ai1X1 + ai2X2 + ------ + ainXn) ≥ bi (caso b2)
c2) Digresión

Dados los arreglos necesarios, tendremos establecidas las

condiciones de no negatividad de las variables solución y la 1º
base solución factible existirá. O sea, se tienen los elementos de
partida del método Símplex.  Aplicar el Símplex sin cambios.
¿Cómo resolver Problemas con en el Símplex?
 Método M (penalización)
 Dos Fases