Académique Documents
Professionnel Documents
Culture Documents
opt z = cT x (1.1)
sujeto a
Ax >
≤ b (1.2)
x≥0 (1.3)
1
1.3. Construccio´
2 n de Tema 1. Modelos lineales y solucio´
2 n gra
modelos ´fica
(1.1) es la funcio´ n a optimizar y se llama funcio´ n objetivo, (1.2) son las
de- sigualdades que deben verificar las variables y se llaman restricciones y
(1.3) son las restricciones de no negatividad.
Los elementos que aparecen en el modelo planteado son los siguientes:
opt z = c1 x1 + c2 x2 + · · · + cn xn
sujeto a
≤
a11 x1 + a12 x2 + · · · + a1n xn > b1
≤
a21 x1 + a22 x2 + · · · + a2n xn > b2
.. . .
. . . . .
≤
am1 x1 + am2 x2 + · · · + amn xn > bm
x1 , x2 . . . xn ≥ 0
opt z = c1 x1 + c2 x2 + · · · + cn xn
sujeto a
≤
a1 x1 + a2 x2 + · · · + an xn > b
xj ≥ 0 , j = 1, . . . , n
1.3 Construccio´ n de
modelos
Cuando se quiere analizar un sistema real por medio de la programacio´ n lineal
el primer paso es construir un modelo matema´tico que represente el problema.
Este primer paso es el ma´s dif´ıcil en el ana´lisis y, es importante porque la
solucio´ n que se obtiene para el sistema depende del modelo planteado. Para
construir un modelo no existen reglas, por eso algunos ejemplos pra´cticos
pueden ser de ayuda para desarrollar cierta habilidad.
Ejemplo 1. Problema de transporte.
Una empresa produce bicicletas en tres sucursales que tiene en las ciudades
C1 , C2 y C3 . La capacidad de produccio´ n mensual en cada una de las
ciudades es 1000, 2100 y 1500, respectivamente. Tiene cuatro clientes, A, B, C
y D, en distintos puntos que demandan mensualmente 800, 1100, 900 y 1300
bicicletas, respectivamente.
En la siguiente tabla se dan los costes unitarios de transporte de las bicicletas
que var´ıan en funcio´ n de la distancia que se recorre desde la ciudad en la que
se produce al punto de destino.
Clientes
Ciudades
• Variables de decisio´ n.
xij : cantidad de bicicletas que se env´ıan mensualmente desde la ciudad
Ci , i = 1, 2, 3 al cliente j, j = A, B, C, D.
xij ≥ 0, i = 1, 2, 3, j = A, B, C, D.
Ma´quina
Ma´quina A
Ma´quina B
Ma´quina C
Crudo
Para que las gasolinas A y B sean de una calidad aceptable, las mezclas
deben tener la siguiente composicio´ n:
• Variables de decisio´ n.
– Cantidades de crudo.
– Restricciones de no negatividad.
xij ≥ 0, i = 1, 2, 3, j = A, B.
• Variables de decisio´ n.
xj : cantidad de gramos del nutriente j, j = 1, 2, 3, 4, que se debe incluir
en la dieta.
2x1 + x2 + x3 + x4 ≥ 25 (Vitamina
A)
B) x1 + 2x2 + 2x4 ≤ 30
(Vitamina B) x2 + 2x3 + x4 ≥ 22
(Vitamina C ) x1 + 2x2 + x4 ≤ 17
(Vitamina D)
• Restricciones de no negatividad: x1 , x2 , x3 , x4 ≥ 0.
1.3. Construccio´
10 n de Tema 1. Modelos lineales y solucio´
10 n gra
modelos 10 ´fica 10
Para obtener las anchuras demandadas existen varios cortes posibles de los
rollos esta´ndar. En este problema lo que tenemos que calcular es el nu´ mero
de cortes de cada tipo. Para ello comenzamos construyendo la tabla de todos
los posibles cortes de rollos de 5 metros de ancho.
• Variables de decisio´ n.
xj : nu´ mero de rollos que se cortan con la opcio´ n j, j = 1, . . . , 7.
x1 + x2 ≥ 100
x1 + 2x3 + x4 + x5 ≥ 100
2x4 + 2x6 ≥ 300
2x2 + x3 + 3x5 + 2x6 + 5x7 ≥ 150
10
11
En este caso el nu´ mero de cortes y, por lo tanto, el nu´ mero de variables
es
11. Con la misma definicio´ n para las variables, se tiene el siguiente modelo
lineal para el problema.
sujeto a
x1 + x2 + x3 ≥ 100
x1 + 2x4 + x5 + x6 + x7 ≥ 100
x2 + 2x5 + x6 + 3x8 + 2x9 + x10 ≥
300
2x3 + x4 + x6 + 3x7 + 2x9 + 3x10 + 5x11 ≥ 150
x1 , . . . , x11 ≥ 0
B
A x1 − x2 = 2
C
O
D 2x1 + 4x2 = 8 x1
El pol´ıgono OABC D es un conjunto convexo. Se pueden determinar los
pun- tos extremos del conjunto resolviendo sistemas de ecuaciones. El punto
O es el origen de coordenadas. El punto A = (0, 1) es la interseccio´ n de
la recta
−x1 + 4x2 = 4 con el eje de ordenadas. El punto D = (2, 0) es la interseccio´ n
de la recta x1 − x2 = 2 con el eje de abcisas. El punto B = ( 34 , 34 ) es la inter-
seccio´ n de las rectas −x1 + 4x2 = 4 y 2x1 + 4x2 = 8. El punto C = ( 8 , 2 ) es
la 3 3
interseccio´ n de las rectas x1 − x2 = 2 y 2x1 + 4x2 = 8.
El valor de z aumenta desplazando la funcio´ n objetivo a trave´s de la
regio´ n de soluciones, aleja´ndola del origen de coordenadas hasta llegar a la
frontera del conjunto. As´ı se puede comprobar que el o´ ptimo se encuentra en
el punto C y el valor de la funcio´ n objetivo es z ∗ = 18.
Problema infactible. Considerar el modelo lineal
max z = x1 + x2
sujeto a
2x1 + x2 ≤ 5
x1 − x2 ≥ 4
x1 , x2 ≥ 0
x2
2x1 + x2 = 5
x1 − x2 = 4
x1
Problema con soluciones o´ ptimas mu´ ltiples. Considerar el modelo
lineal
max z = x1 + x2
sujeto a
x1 + x2 ≤ 8
−4x1 + 4x2 ≤ 8
2x1 − x2 ≤ 6
x1 , x2 ≥ 0
x2
B
max
C
x1 + x2 = 8
A
O D x1
−4x1 + 4x2 = 8 2x1 − x2 = 6
x2
−2x1 + x2 = 4
max
x1
x1 + 2x2 = 2
x2
−2x1 + x2 = 4
min
A
B x1
x1 + 2x2 = 2
En los ejemplos hemos visto todos los tipos de soluciones que se pueden en-
contrar al resolver un modelo lineal. Se trata de poder identificar las condiciones
asociadas a cada tipo de solucio´ n. Esto se hace en al Tema 2 en el que se da
el algoritmo simplex para resolver problemas lineales.
OpenCourseWare, UPV/EHU