Académique Documents
Professionnel Documents
Culture Documents
0.1
Los puntos del plano de coordenadas no negativas que satis- facen las restricciones, son los que conforman la region poligonal
limitada por las rectas y = 2x + 2, y = -x + 5, y = 0.5x - 1 y los
ejes coordenados, como se ilustra en la Figura 4.3. Dicha region
se llama region de soluciones factibles.
Por otra parte, la funcion objetivo z = y - x + 1 se escribe como y = x +
z - 1 que es una familia infinita de rectas paralelas
dependientes del parametro z. En la Figura 4.4 se muestran estas rectas para
valores de z iguales a 2, 1, 0 y -2 y, en la tabla
siguiente, las ecuaciones respectivas.
z
2
1
0
-2
ecuacion
y =x + y = y = x - y = x 1
x
1
3
Figura 4.4: Corrimientos paralelos de la fun- cion objetivo.
Cuando se fija un valor de z, por ejemplo z = 2, y se traza la respectiva
recta de la funcion objetivo, y = x + 1, se determinan
los puntos (x, y) que evaluados en la funcion objetivo, z = y-x +1,
producen el valor z = 2. Esto permite, por inspeccion del grafico,
determinar el mnimo (o maximo) valor de z cuya respectiva recta de la funcion objetivo interseca la region de soluciones factibles en al menos un punto.
Observe que una de estas rectas que no corte la region de soluciones factibles,
no determina puntos (x, y) que sean soluciones factibles al problema de programacion lineal. As, los desplazamientos de la rectas objetivos seran limitados a
que dichas rectas intersequen la region de soluciones factibles.
En el ejemplo, a medida que z disminuye, se desplazan las rec- tas y = x +
z - 1 hacia la parte inferior del polgono, alcanzandose el valor mnimo de z en
el vertice (4,1), para el cual z = -2.
Siempre en referencia a la Figura 4.4, observese que el maximo de z que es 4,
se alcanza en el punto (1,4) que corresponde al maximo desplazamiento posible
de las rectas paralelas de ecuacion
y = x + z - 1, (z = -x + y + 1), hacia la parte superior de la
Figura 4. El punto (1,4) es el mismo vertice donde la funcion
-z = x-y-1 alcanza su mnimo, que es -4. Se ve que un problema
de maximizacion se puede convertir en uno de minimizacion y
recprocamente, con solo cambiar el signo de la funcion objetivo.
Ambos problemas tienen la misma solucion. Es decir, tanto el mnimo como el
maximo se alcanzan en el mismo punto.
El enfoque geometrico, ademas de lo anterior, pone en evi- dencia que el valor
optimo de la funcion objetivo se alcanza en un vertice del polgono (region de
soluciones factibles) o even- tualmente en una arista, en cuyo caso el problema
tiene infini- tas soluciones optimas. Desde luego que tal resultado vale y su
generalizacion a problemas con mas variables requiere caracteri- zar, entre otros,
el concepto de vertice del conjunto de soluciones factibles, mas comunmente
conocido como punto extremo.
Estas ideas seran las conductoras en el desarrollo siguiente de la solucion algebraica al problema de programacion lineal, aunque en algunos casos se omitira
la respectiva fundamentacion teorica.
Solucion algebraica: metodo simplex
El enfoque geometrico es irrealizable cuando intervienen mas de tres variables,
puesto que el ojo humano no ve mas alla de tres
dimensiones. Por eso es necesario desarrollar y fundamentar un procedimiento
algebraico teorico, que resuelva nuestro problema.
Definicion 4.1 (Programa lineal)
Un programa lineal consta de una funcion z = c1x 1 + +cnxn +z 0
llamada funcion objetivo, la cual debe ser maximizada o minimiza- da, y un
sistema de ecuaciones lineales m n (m restricciones):
? a11x 1
?
+ + a1nxn
= b1
?? a21x 1 + + a2nxn = b2
...
?
...
...
...
...
?? am1x 1 + + am1xn = bm
donde xi = 0 y la matriz de coeficientes A = (aij )mn tiene rango
m.
Observaciones:
1. (a)
max z = cx sujeto a Ax = b, x = 0.
En tal caso es equivalente resolver el programa lineal min - z = -cx sujeto a Ax
= b, x = 0.
puesto que el maximo de z (si existe) se alcanza en los mis- mos puntos en los
cuales w = -z alcanza su mnimo. Y min
w = - max z.
1. (a)
i. A. Las restricciones pueden ser, no solo ecuaciones, si no tambien inecuaciones. En cualquier caso, como se vera mas
adelante, las inecuaciones de un programa lineal siempre se
pueden escribir como ecuaciones.
?
+ + a1nxn
+ xn+1
= b1
?? a21x 1 + + a2nxn + xn+2 = b2
...
?
...
. . . ...
?? am1x 1 + + am1xn + xn+m = bm
con xi = 0 ? i = 1, . . . , n + m y bj = 0 ? j.
Cuando el valor de alguna variable basica, en una solucion basica factible
se anula, se dice que la solucion es degenerada. En estos casos, la teora de
la programacion lineal debe contemplar situaciones especiales. En el marco de
estas notas se supondra que los problemas planteados no conducen a soluciones
basicas factibles degeneradas, salvo mencion contrariaCon la caracterizacion
de las soluciones extremas como solu- ciones basicas factibles y la obtencion de
estas mediante la formu- lacion del problema de programacion lineal en la forma
canonica, podemos centrarnos en el problema de buscar una solucion optima.
Resultados que conducen la busqueda del optimo
Consideremos un problema de programacion lineal con la forma canonica:
Min z = cx, sujeto a Ax = b y x = 0.
Y supongamos que la matriz A, de orden m n con n > m, tiene los vectores
canonicos, e1, . . . , em, ocupando ordenadamente las primeras m columnas.
As, el sistema de restricciones Ax = b se escribe en su forma columnar como:
x 1e1 + + xmem + xm+1Am+1 + + xnAn = b
donde Am+1, . . . , An son las ultimas n - m columnas de A. Con esto se
tiene tambien que:
1. (a) x 1, x 2, . . . , xm son variables basicas.
(b) xm+1, . . . , xn son variables no basicas.
(c) c1 = c2 = = cm = 0. (Porque se supone que el problema tiene la
forma canonica).
(d) x* = (b1, . . . , bm, 0, . . . , 0)t ? IRn es una solucion basica
factible.
Como se vera, la argumentacion siguiente no depende de que las variables
basicas sean las primeras m, de manera que la unica hipotesis importante es
que el problema tiene la forma canonica. La eleccion anterior el orden en las
variables basicas solo fa- cilita la escritura de ideas.