Solucin del modelo de programacin lineal Investigacin de operaciones I

SOLUCIN DEL MODELO DE PROGRAMACIN LINEAL

2.1. Introduccin

El capitulo anterior, nos ha ayudado a saber plantear los problemas bajo la tcnica de la programacin
lineal. En este capitulo, aprenderemos a dar solucin a estos programas lineales; las cuales pueden ser
resueltos bajo tres mtodos: mtodo grfico (geomtrico), el mtodo simplex y sistemas computacio-
nales (WINQSB, lingo, store, etc.), desarrollndose sucesivamente por los tres mtodos, respectivamen-
te.

Estas tcnicas fueron utilizadas en sus inicios para operaciones militares, pero, cmo cobra importan-
cia la programacin lineal en los casos reales? Realmente cobra vital relevancia en el ao 1947, cuando
aparece el mtodo de un programa lineal llamado mtodo simplex, por George Dantzig- padre de la
programacin lineal. El primer problema de programacin lineal fue el problema de la dieta, utilizando
9 restricciones y 77 variables. Para resolver este caso, se necesit a 9 trabajadores durante 15 das a fin
de realizar los clculos matemticos.

Pero, en realidad el primer programa desarrollado bajo el mtodo simplex, utilizando sistemas compu-
tacionales, se di en el ao 1952. Este problema tena 48 restricciones y 71 variables; fue resuelto en un
total de 18 horas. Actualmente, los sistemas computacionales los resuelven muy rpidamente; por ello
es el inters el conocimiento y aprendizaje de estos mtodos de solucin.

2.2. El mtodo grfico.

El mtodo grfico, tiene la virtud de ser fcilmente comprensible y adems permite visualizar algunas
propiedades de un programa lineal.

El mtodo grfico se utiliza para la solucin de problemas de programacin lineal, representando geo-
mtricamente a las restricciones, condiciones tcnicas y el objetivo.

Sin embargo, desde el punto de vista prctico, el mtodo grfico no es aplicable, por cuanto est limi-
tado a programas que tengan un mximo de tres variables. Para problemas prcticos de programacin
lineal normalmente tienen decenas, centenas y hasta miles de variables, la cual implica la necesidad de
usar mtodos analticos.

El mtodo grfico consiste en relacionar con los ejes coordenados las variables del problema y, en el
primer cuadrante (debido a la condicin de no negatividad), delinear la regin de soluciones factibles, y
graficar sobre ella la funcin objetivo, en el que se ubica el programa o programas ptimos.

Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico
en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recur-
sos.

2.2.1. Algunas definiciones bsicas

Regin factible: Es el conjunto de valores del primer cuadrante (x e y) que verifican todas y cada una
de las restricciones y las condiciones de no negatividad.

1 Alex Rengifo Rojas

Solucin del modelo de programacin lineal Investigacin de operaciones I

Y Y

X X

Regin factible acotada Regin factible no acotada

La regin factible incluye o no los lados y los vrtices, segn que las desigualdades sean en sentido am-
plio ( o ) o en sentido estricto (< o >).

Si la regin factible est acotada, su representacin grfica es un polgono convexo con un nmero de
lados menor o igual que el nmero de restricciones.

Solucin factible: Es todo punto situado en la regin factible.

Solucin bsica: Es aquella que se encuentra en la interseccin de rectas o hiperplanos o en la inter-

seccin con los ejes coordenados.

En un sistema donde existen n variables y m restricciones; una solucin bsica se obtiene haciendo
(m+n) variables iguales a cero y los valores de las variables restantes se determinan resolviendo las m
ecuaciones con n variable. Las n variables se llaman variables bsicas.

Solucin bsica factible: Es una solucin bsica que pertenece a la regin factible.

Solucin bsica factible degenerada: Es una solucin factible bsica, en la que una o ms variables
bsicas toman el valor de cero.

Si todas las variables bsicas son positivas se tendr una solucin factible bsica, no degenerada.

Solucin ptima o programa ptimo: Es una solucin factible que maximiza o minimiza la funcin
objetivo (segn el caso).

2.2.2. Propiedades de una solucin al problema de programacin lineal

Para hallar la solucin de un programa lineal, es necesario ejecutar dos pasos: primero se halla la regin
factible y luego se halla el punto (puntos) ptimos sobre la regin factible.

La solucin ptima de una programacin lineal goza de ciertas propiedades, cuya aplicacin facilita la
tarea de clculo del punto (o puntos) ptimo (s).

Teorema 01: El conjunto de todas las soluciones factibles al problema de programacin lineal es un con-
junto convexo.

2 Alex Rengifo Rojas

Solucin del modelo de programacin lineal Investigacin de operaciones I

Teorema 02: La funcin objetiva alcanza su mximo o mnimo en un punto extremo del conjunto conve-
xo, generado por el conjunto de soluciones factibles al problema de programacin lineal.

Existe un punto extremo del poliedro convexo en el cual la funcin objetivo tiene su mximo o mnimo.

Cada solucin factible bsica corresponde a un punto extremo del poliedro convexo.

Sin alcanza este mximo (mnimo) en ms de un punto extremo entonces toma el mismo valor para to-
da combinacin convexa de estos puntos particulares.

2.2.3. Determinacin de la regin factible

El procedimiento para determinar la regin factible es el siguiente:

1. Se resuelve cada inecuacin por separado, es decir, se encuentra el semiplano de soluciones de cada
una de las inecuaciones.

Se dibuja la recta asociada a la inecuacin. Esta recta divide al plano en dos regiones o semiplanos.

Para averiguar cul es la regin vlida, el procedimiento prctico consiste en elegir un punto, por
ejemplo, el (0,0) si la recta no pasa por el origen, y comprobar si las coordenadas satisfacen o no la
inecuacin. Si lo hacen, la regin en la que est ese punto es aquella cuyos puntos verifican la
inecuacin; en caso contrario, la regin vlida es la otra.

2. La regin factible est formada por la interseccin o regin comn de las soluciones de todas las
inecuaciones, como sucede con los sistemas de ecuaciones lineales, los sistemas de inecuaciones li-
neales pueden presentar varias opciones respecto a sus soluciones: puede no existir solucin, en el
caso de que exista el conjunto solucin puede ser acotado o no.

2.3. Ejercicios de aplicacin

Ejemplo 01:
F.O: MXZ 50X1 30X 2
S.a:

X1 2X 2 1000
4X1 X 2 1200
X1 ; X 2 0

Solucin
De la primera restriccin:
X1 0 X 2 500
X 2 0 X1 1000

De la segunda restriccin:
X1 0 X 2 1200
X 2 0 X1 300

3 Alex Rengifo Rojas

Solucin del modelo de programacin lineal Investigacin de operaciones I

X2

1200

500

X1
300 1000

Puntos de solucin ptimos, posibles:

X1 0 X 2 500
Z 50(0) 30(500) Z 15000

X1 2X 2 1000 X1 1000 2X 2
4X1 X 2 1200 41000 2X 2 X 2 1200
4000 - 8X 2 X 2 1200 X 2 400
X1 1000 2(400) X1 200
Z 50(200) 30(400) Z 22000

X 2 0 X1 300
Z 50(300) 30(0) Z 15000

Ejemplo 02:
Supngase que el alimento A y B son los dos tipos bajo consideracin. El alimento A cuesta 20 centa-
vos/onza y el alimento B cuesta 12 centavos/onza. Se quiere minimizar el costo total de los alimentos al
mismo tiempo que satisfacen las tres restricciones vitamnicas. Desean por lo menos 40 unidades de vi-
tamina P, 50 unidades de la vitamina W y 70 unidades de la vitamina Q. Cada onza del alimento A pro-
porciona 3 unidades de la vitamina P, 4 unidades de la vitamina W y 9 unidades de Q. El alimento B
proporciona 6 unidades de P, 3 unidades de W y 6 unidades de Q por onza, respectivamente. Cuntas
onzas de cada alimento deben comprar? Formule el programa de programacin lineal.
Solucin:

4 Alex Rengifo Rojas

Solucin del modelo de programacin lineal Investigacin de operaciones I

2.4. Mtodo Simplex

ste mtodo a comparacin del mtodo grfico es mucho ms efectivo, por cuanto nos permite encon-
trar las soluciones a cualquier modelo de programacin lineal, sin importar el nmero de variables de
decisin que contenga. El procedimiento consiste en primer lugar en estandarizar el modelo y a partir
de ese modelo estandarizado expresan todos los coeficientes que contenga en un tablero simplex, la
cual, tiene la siguiente presentacin:

Variables de Variables
Variables holguras artificiales

Z X1 X2 Xn S1 S2 SK A1 A2 Aj Solucin
VB
1 C1 C2 Cn 0 0 0 M M M 0 F.O
A1 0 a11 a12 a1n 1 0 0 b1
A2 0 a21 a22 a2n 0 1 0 b2 Restricciones
. . . . . . . . . . . . . . . estructurales
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .

Si el problema es de maximizar, M es positivo; y si el problema es de minimizacin, M es negativa.

Previo al proceso de optimizacin es necesaria la presencia de una matriz de identidad del orden de
igual al nmero de restricciones estructurales y sta matriz debe estar ubicada junto a la columna solu-
cin. Y sobre esta matriz de identidad debe existir un vector de valores nulos (un vector fila con valores
todos iguales a cero) del orden, tambin al nmero de restricciones estructurales.

En caso de no existir el vector de valores nulos de manera directa ser necesario realizar artificios de tal
manera que los valores se convierten en ceros.

El proceso de optimizacin se iniciar eligiendo al coeficiente ms pequeo para determinar una varia-
ble de entrada y por supuesto debe ser uno de los coeficientes de la primera fila del tablero simplex.
Caso contrario, es decir, para los problemas de minimizacin se elegir el coeficiente ms grande. Una
vez elegido la variable de entrada se procede a determinar la variable de salida que viene a ser aquella
que nos d como resultado de la divisin de los coeficientes de la columna de solucin entre los coefi-
cientes de la variable de entrada, el valor ms pequeo. Y a partir de ella el proceso operativo consistir
en utilizar operaciones elementales de matrices hasta esperar que el tablero simplex sea el ptimo. Di-
remos que un tablero simplex es ptimo en el caso de maximizacin siempre y cuando en la primera fi-
la del tablero no existan coeficientes negativos; y en el caso de minimizacin cuando no exista coefi-
ciente positivo.

Ejemplo 01:
F.O: MXZ 50X1 30X 2
S.a:
X1 2X 2 1000
4X1 X 2 1200
X1 ; X 2 0

5 Alex Rengifo Rojas

Solucin del modelo de programacin lineal Investigacin de operaciones I

Solucin:

Estandarizando, el sistema de ecuaciones:

Z 50X1 30X 2 0S1 0S2
X1 2X 2 S1 1000
4X1 X 2 S 2 1200

Ordenando el sistema de ecuaciones, estandarizando:

Z 50X1 30X 2 0S1 0S2 0
X1 2X 2 S1 1000
4X1 X 2 S 2 1200

Llevando a la tabla simplex:

Z X1 X2 S1 S2 Solucin
VB
1 -50 -30 0 0 0 F1
S1 0 1 2 1 0 1000 F2
S2 0 4 1 0 1 1200 F3
Primera iteracin:

Z X1 X2 S1 S2 Solucin
VB
1 0 -35/2 0 50/4 15000 F4=F6(50)+F1
S1 0 0 7/4 1 -1/4 700 F5=F6(-1)+F2
X1 0 1 1/4 0 1/4 300 F6=F3/4
Segunda iteracin:
Z X1 X2 S1 S2 Solucin
VB
1 0 0 10 10 22000 F7=F8(35/2)+F4
X2 0 0 1 4/7 -1/7 400 F8=F5(4/7)
X1 0 1 0 -1/7 8/28 200 F9=F8(-1/4)+F6

Por lo tanto, la solucin ptima ser:

X1=200, X2=400 y Z=22000

Ejemplo 02:

6 Alex Rengifo Rojas