Professional Documents
Culture Documents
________________________________________________________________________
__
CAPTULO 2
PROGRAMACIN LINEAL
Sea:
sujeto a:
tal que:
Tanto en la funcin objetivo como en las restricciones, las relaciones son lineales, es decir las
variables son de primer grado; en caso que las variables sean de grado superior, el problema ser
estudiado por la programacin no lineal .
Se disponen de 20 hectreas cultivables bajo riego. En el sector existen 80 familias que sern
favorecidas por el proyecto, se tienen los siguientes datos tcnicos para los cuatro cultivos.
Manzana 40 2 8 40 2
Pera 35 3 4 50 4
Uva 12 2 2 80 0,5
Durazno 40 1 4 30 1
8 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
x1 = rbol de manzana
x2 = rbol de pera
x3 = rbol de uva (en realidad planta)
x4 = rbol de durazno
i=n
max z = ( ganancia(i) * x(i) ) [ Bs ]
i=1
max z = 80 X1 + 105 X2 + 24 X3 + 40 X4
40 X1 + 50 X2 + 80 X3 + 30 X4 <= 320.000
(b) Financiero
8 X1 + 4 X2 + 2 X3 + 4 X4 <= 200.000
max z = 80 X1 + 105 X2 + 24 X3 + 40 X4
sujeto a:
40 X1 + 50 X2 + 80 X3 + 30 X4 <= 320.000
2 X1 + 4 X2 + .5 X3 + X4 <= 500.000
8 X1 + 4 X2 + 2 X3 + 4 X4 <= 200.000
donde:
X (i) >= 0
x1 = unidades de artefacto A.
x2 = unidades de artefacto B.
Funcin Objetivo:
Madera 1 lb 3 lb 240 lb
Plstico 3 lb 4 lb 360 lb
Acero 2 lb 1 lb 180 lb
El planteamiento matemtico:
10 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
max z = 4 x 1 + 6 x 2
Sujeto a:
1 x 1 + 3 x 2 <= 240
3 x 1 + 4 x 2 <= 360
2 x 1 + 1 x 2 <= 180
Donde:
x1, x2 >= 0
El mtodo Simplex fue creado en 1947 por el Dr. George Dantzig en los Estados Unidos de
Amrica para resolver problemas de programacin lineal, basado en los trabajos de los matemticos
Gauss y Jordan. Sin embargo, antes de hacer la presentacin formal matemtica del algoritmo del
Simplex, se emplearn las herramientas ms simples del lgebra para resolver el ltimo problema
planteado.
El primer paso ser considerar las inecuaciones como si fueran ecuaciones para poder
representarlas en el plano cartesiano.
Para la Ec (2) :
Si x 1 = 0 , entonces x 2 = 90
Si x 2 = 0 , entonces x 1 = 120
Para la Ec (3) :
Si x 1 = 0 , entonces x2 = 180
Si x 2 = 0 , entonces x1 = 90
En la figura 2.1 se hace la representacin grfica de las tres ecuaciones en el plano cartesiano.
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 11
________________________________________________________________________
__
FIGURA 2.1
Ec.3
X2
200
Ec.2
150
Ec. 1
100
P1 P2
50
P3
P4
El rea comn sombreada, es un polgono limitado por los ejes x 1, x 2 y las tres inecuaciones, los
vrtices se denominan puntos extremos, en este caso P1, P2, P3 y P4 cuyas coordenadas representan
al conjunto de soluciones del problema de programacin lineal. Por este motivo, se formarn dos
sistemas de ecuaciones Ec (1) - Ec (2) y Ec (2) - Ec (3).
x1 = 24 x 1 = 72
x2 = 72 x 2 = 36
maz x = 4 x1 + 6 x2
PI X2 X2 max z
12 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
P1 0 80 480
P2 24 72 528
P3 72 36 504
P4 90 0 360
x1 = 24 unidades de artculo A
x2 = 72 unidades de artculo B
max (min) z = c X
sujeto a:
A X <>= b
donde:
X >= 0
x1
x2
X= .
. Vector de variables
xn
b1
b2
bn
x1
mx (min) z = [c1,c2,..,cn] x2
.
xn
Sujeto a:
a11 a12 ........ a1n x1 b1
a21 a22 ........ a2n x2 < b2
.................... . = .
.................... . > .
am1 am2 ........ amn xn bn
Donde:
X >= 0
mx(min) z = c1 x1 + c2 x2 + . . . + cn xn
Sujeto a:
Donde : Xi > 0
i=m
mx (min) z = c(i) x(i)
i=1
14 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Sujeto a:
m,n
a(i,j) x(i) <>= b(i)
i,,j=1
Donde:
x(i) >= 0
En el planteamiento de los problemas de P.L., se presentan algunas ecuaciones que pueden ser
convertidas a otro tipo de expresiones que simplifican el trabajo significativamente, por ello, se estudian
a continuacin algunas reglas de equivalencia.
min ( z ) mx (-z)
Ejemplo:
mx z = 4 x1 + 6 x2 min z = -3 x1 + 4 x2 - 3 x3
min z = -4 x1 - 6 x2 mx z = 3 x1 - 4 x2 + 3 x3
Regla 2.- Cuando una inecuacin se multiplica por (-1), el signo de la desigualdad
cambia.
Ejemplo:
2x1 + 3 x2 - 3 x3 <= 12
es equivalente a:
Regla 3.- Una ecuacin de la forma A X = b , puede ser expresada por la interseccin
de
las desigualdades:
A X <= b y A X >= b
Ejemplo:
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 15
________________________________________________________________________
__
4 x1 + 3 x2 = 12
Equivalente a:
4 x1 + 3 x2 <= 12 y 4 x1 + 3 x2 >= 12
FIGURA 2.2
X2
1 2 3 4 5 X1
Regla 4.- Una inecuacin del tipo AX <= b puede ser expresada como ecuacin
aadiendo una componente de holgura. Una serie de desigualdades del tipo AX <= B,
puede ser expresada como ecuaciones aadiendo un vector de holgura.
Ejemplo:
4 x1 + 3 x2 + x3 <= 12
2 x1 + x2 + 12 x3 <= 8
x1 + 2 x2 - 3 x3 <= 6
Se expresa como:
4 x1 + 3 x2 + x3 + x4 = 12
16 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
2 x1 + x2 + 12 x3 + x5 = 8
x1 + 2 x2 - 3 x3 + x6 = 6
x4
x5
x6
Regla 5.- Una ecuacin del tipo AX >= b, puede ser expresada como ecuacin
aadiendo una componente artificial. Una serie de desigualdades del tipo AX >= b,
puede ser expresada como ecuaciones aadiendo un vector artificial.
Ejemplo:
4 x1 + 3 x2 + x3 >= 12
2 x1 + x2 + 12 x3 >= 8
x1 + 2 x2 - 3 x3 >= 6
Se expresa como:
4 x1 + 3 x2 + x3 - x4 = 12
2 x1 + x2 + 12 x3 -x5 =8
x1 + 2 x2 - 3 x3 -x6 =6
x4
x5
x6
n
(i) = 1
i=1
expresada como:
P = 1 P1 + 2 P2 + 3 P3 + ... + n Pn
P1
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 17
________________________________________________________________________
__
P2
Teorema 2.- Un conjunto de vectores de m dimensiones es convexo siempre que dos vectores
que pertenecen al conjunto, el segmento de lnea entre dos vectores tambin pertenece al conjunto.
X1
X2
Fig. 2.4 Conjunto convexo
Poliedro convexo
Punto extremo
X2
Fig. 2.5 Conjunto de soluciones
Expresar el problema en
trminos matemticos
18 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Construir el tableau
Transferir valores del programa
FIN
FFININ
mx z = 7/5 x1 + x2
Sujeto a:
2 x1 + x2 <= 8
3 x1 + 4 x2 <= 24
2 x1 + x2 + x3 =8
3 x1 + 4 x2 + x4 = 24
V.B. x1 x2 x3 x4 b
x3 2 1 1 0 8
x4 3 4 0 1 24
- z - 7/5 1 0 0 X
x1 1 1/2 1/2 0 4
x4 0 5/2 -3/2 1 12
- z 0 -3/10 7/10 0 28/5
x1 1 0 4/5 -1/5 8/5
x2 0 1 -3/5 2/5 24/5
- z 0 0 13/25 3/25 176/25
x2 = 24/5
x1 = 8/5
mx z =175/25
G a n a n c i a 24 Bs/u. 20 Bs/u
Planteamiento matemtico:
Llmese al producto A = x1
Llmese al producto B = x2
mx z = 24 x1 + 20 x2
Sujeto a:
4 x1 + 2 x2 <= 90
2 x1 + 4 x2 <= 80
2 x1 + 2 x2 <= 50
Donde:
x1,x2 >= 0
4 x1 + 2 x2 + x3 = 90
2 x1 + 4 x2 + x4 = 80
2 x1 + 2 x2 + x5 = 50
En el vector columna correspondiente a las variables bsicas, deben reemplazarse por las
variables de holgura, sto en el tableau inicial.
Al vector columna correspondiente a b, deben trasladarse los valores que corresponden a las
disponibilidades y/o requerimientos.
Los valores por fila de las restricciones, deben trasladarse al tableau debajo de las variables
bsicas que corresponden.
En el vector fila correspondiente a los costos, deben trasladarse las ganancias debajo de las
variables que corresponden y multiplicarse por (-1).
Columna pivotal
V.B. x1 x2 x3 x4 x5 b
x3 4 PIVOTE 2 1 0 0 90 Fila pivotal
x4 2 4 0 1 0 80
x5 2 2 0 0 1 50
- z -24 -20 0 0 0 -----
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 21
________________________________________________________________________
__
Debe determinarse:
4
a(i,r) = 2
2
Al valor a(i,r) que corresponde al menor cociente denominar pivote, en este caso 4.
El valor del pivote debe convertirse en unidad por la aplicacin del mtodo Gauss Jordan para la
inversin de matrices; para ello debe dividirse toda la fila pivotal incluido el elemento del vector b.
x1 1 1/2 1/4 0 0 90/4 (-2) (-2)
x4 0 3 -1/2 1 0 35
x5 0 1 -1/2 0 1 5
- z 0 -8 6 0 0 540
Si existe un valor - z(j) < 0, entonces an no se ha llegado al ptimo, debiendo iterarse cuantas
veces sea necesario hasta que - z(j) >= 0.
El menor valor (-8) del vector -z(j) corresponder a la columna pivotal y el valor del pivote ser
1. El procesamiento ser similar a la anterior iteracin.
x1 1 0 1/2 0 0 20
x4 0 0 1 1 0 20
x2 0 1 -1/2 0 0 5
- z 0 0 2 0 8 580
Todos los elementos del vector -z (j) >= 0, entonces se ha llegado al tableau optimal donde se
encuentran las soluciones al programa de P.L.
x1 = Artculo A = 20 unidades
x2 = Artculo B = 20 unidades
22 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Prueba: mx z = 24 x1 + 20 x2
24(20) + 20(5)
480 + 100
580
El problema 2 que fue resuelto por la va algebraica y por el mtodo grfico, ser resuelto por
el mtodo del Simplex.
Su planteamiento matemtico:
mx z = 4 x1 + 6 x2
Sujeto a:
1 x1 + 3 x2 <= 240
3 x1 + 4 x2 <= 360
2 x1 + 1 x2 <= 180
x1 + 4 x2 + x3 <= 240
3 x1 + 4 x2 + x4 <= 360
2 x1 + 1 x2 + x5 <= 180
V.B. x1 x2 x3 x4 x5 b
<--- x3 1 *3* 1 0 0 240
x4 3 4 0 1 0 360
x5 2 1 0 0 1 180
- z -4 -6 0 0 0 X
x2 1/3 1 1/3 0 0 80
<--- x4 *5/3* 0 -4/3 1 0 40 (-4) (-1)
x5 5/3 0 -1/3 0 1 100
- z -2 0 2 0 0 480
x2 0 1 3/5 -1/5 0 72
x1 1 0 -4/5 3/5 0 24
x5 0 0 1 -1 1 60
- z 0 0 2/5 6/5 0 528
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 23
________________________________________________________________________
__
Este programa de P.L. ha recorrido dos puntos indicados en la grfica, en el primer vrtice del
polgono convexo correspondiente a la primera iteracin se tiene P1 = (0,80), es decir el eje de las x1=0
y en el eje x2=80. El segundo punto corresponde a P2 = (24,72) y es el vrtice, en la grfica, ms
alejado del eje de coordenadas; por lo tanto corresponde al ptimo.
Las condiciones en la organizacin son dinmicas, es decir, el punto ptimo puede cambiar
cuando existen variaciones en las utilidades, costos, disponibilidades de recursos: financieros,
tecnolgicos o humanos, requerimientos por recurso y artculo, etc. En este epgrafe se analizarn las
variaciones que se presentan en los vectores de recursos y/o disponibilidades y en el vector de costos.
Se estudian este grupo de tcnicas de sensibilidad para que el analista de I.O. evite volver a
iterar, las veces que alguna variable cambie de valor. En realidad el objetivo de este epgrafe, es
calcular el rango de modificacin que pueden sufrir las variables, de manera que la combinacin de
recursos contine siendo ptima para el programa. Para tener continuidad con el ejemplo estudiado,
volver a ser objeto de anlisis.
Inicialmente ser conveniente que se transcriba nuevamente el tableau optimal del problema.
x2 0 1 3/5 -1/5 0 72
X1 1 0 - 4/5 3/5 0 24
X5 0 0 1 - 1 1 60
- Z 0 0 2/5 6/5 0 528
Se establecen que las variables bsicas que constituyen la combinacin ptima del programa
son x2=72 y x1=24. Si Ud. ha sido observador, seguramente ha percibido que se han remarcado tres
vectores columna en el tableau que constituyen parte de la matriz inversa B-1 de la matriz original
siguiente:
x1 x2 x5
1 3 0
B = 3 4 0
2 1 1
Tambin el lector recordar que se haba indicado que el mtodo Simplex, se bas en los
trabajos de Gauss-Jordan, por ello que se utiliza este mtodo para invertir la matriz B.
1 3 0 | 1 0 0
3 4 0 | 0 1 0
2 1 1 | 0 0 1
1 3 0 | 1 0 0 (-3) (-2)
24 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
0 -5 0 | -3 1 0
0 -5 1 | -2 0 1
1 0 0 | -4/5 3/5 0
0 1 0 | 3/5 -1/5 0 (-3) (5)
0 0 1 | 1 -1 1
x1 x2 x3 x4 x5
x1 0 1 | -4/5 3/5 0 | 24
x2 1 0 | 3/5 -1/5 0 | 72
x5 0 0 | 1 -1 1 | 60
En la submatriz constituida por los vectores columna x3, x4 y x5, se tiene exactamente la
reproduccin de la matriz B-1 . Pareciera ser el camino ms corto el avanzar por el mtodo Gauss-
Jordan, sin embargo, no permite conocer las variables que constituyen solucin al programa, por ello el
Simplex, lleva por los vrtices del poliedro convexo hasta obtener el punto ptimo en el recorrido.
Como corolario de la anterior demostracin, se infiere que la estructura del tableau optimal es:
V.B. V.H. b
| |
B-1 I | B-1 | B-1 b
| |
Donde:
I = matriz identidad
V.B. = Variables bsicas
V.H. = Variables de holgura
b = Vector de recursos y/o disponibilidades
Si se observa la estructura optimal, se establece que los valores obtenidos para el vector b,
pueden ser expresados como:
xB = B-1 b
-4/5 3/5 0 240 24
xB = 3/5 -1/5 0 360 = 72
1 -1 1 180 60
Los resultados obtenidos son los mismos del tableau optimal, por lo tanto, podr inferirse que los
cambios en el vector b, permiten obtener los valores de las variables bsicas solucin del programa. Lo
anterior es correcto, pero dentro de un cierto lmite, que es precisamente el objeto del presente anlisis.
Sin embargo para que pueda comprender el alcance de lo indicado, se variar el componente
b1 a 860 en el vector b, de la manera siguiente:
-4/5 3/5 0 860 -472
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 25
________________________________________________________________________
__
La presencia de un valor negativo para x1, implica el rompimiento de una regla de P.L.e indica
que los valores para XB en el tableau optimal deben ser positivos. Entonces, cuando un componente del
vector XB sea menor a cero, implica que esa variable bsica ya no pertenece a la solucin optimal.
Imagnese las mltiples combinaciones que debern hacerse en cada uno de los componentes hasta
llegar al lmite de 0. Precisamente para evitar este tedio, se conviene en la siguiente deduccin
matemtica para determinar los lmites entre los que puede variar cada componente del vector b.
Se ha confirmado que:
xB = B-1 b
Donde:
La componente br del vector puede variar , por lo tanto el nuevo vector es:
Por lo tanto:
xB* = B-1 b*
Los componentes de la matriz inversa B-1 se denominarn ahora (i,j), por consiguiente:
X B* = (i,j) b + (i,r)
Como para toda x B* >= 0 por la regla anteriormente indicada, entonces reemplazando en la
anterior ecuacin, se obtiene:
0 = (i,j) b + (i,r)
X B = (i,j) b
0 = x B + (i,j)
- x B (i)
= ----------
(i,r)
26 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Para encontrar el rango entre los que se podrn variar los componentes del vector b, se utilizar
la ecuacin para determinar de la manera siguiente:
x2 3/5 -1/5 0 72
x1 = -4/5 3/5 0 24
x5 1 -1 1 60
- 72
= ------ = -120
3/5
- 24
= ------ = 30
-4/5
- 72
= ------- = 360
-1/5
- 24
= ------- = -40
3/5
Para demostrar que los valores obtenidos pertenecen a los lmites de variacin, se
multiplicarn vectorialmente B -1 b.
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 27
________________________________________________________________________
__
x2 3/5 -1/5 0 120 0
x1 -4/5 3/5 0 360 = 120
Si se observa el valor obtenido para x2, indica el valor 0, es decir, se ha llegado al lmite de
variacin de b1, si se disminuye un infinitsimo ms, x2 dejar de ser variable bsica solucin del
problema.
C B = c B-1
Donde c B corresponde al vector de costos del tableau optimal, entonces para comprobar, se
multiplica el vector de costos con la matriz inversa de la base.
3/5 -1/5 0
c B = [ 6, 4, 0 ] -4/5 3/5 0 = [2/5, 6/5, 0]
1 -1 1
Estos resultados corresponden al vector de costos del tableau optimal, bajo de la matriz inversa.
Consecuentemente, se concluye que la variacin de los componentes del vector de costos se encuentra
dentro de un rango especfico, es decir, los componentes del vector c B deben ser positivos para que se
establezca el tableau optimal. En caso de que algn componente del vector c B < 0, entonces alguna de
las variables bsicas, deja de ser solucin y debe procederse nuevamente a iterar por el mtodo
Simplex.
Para encontrar el rango de variacin de los costos originales, se utiliza el siguiente algoritmo
para plantear ecuaciones que permiten resolver el problema:
Se construyen ecuaciones a partir del tableau optimal, igualando la variable de holgura del
tableau inicial correspondiente al primer vector columna de la matriz B -1 multiplicado por su componente
cj, con la suma de trminos que resultan de la multiplicacin de las variables que son solucin del
problema y los correspondientes elementos del vector columna de la B -1. Se obtendrn tantas
ecuaciones como variables bsicas reales existan en el tableau optimal.
x3 c3 = 3/5 c2 + (-4/5) c1
x4 c4 = (-1/5) c2 + 3/5 c1
c1 = 9/2 y c1 = 2
c2 = 16/3 y c2 = 12
3/5 -1/5 0 2
cB = [ 6, 2, 0 ] -4/5 3/5 0 = 0
1 -1 1 0
Los componentes del vector c B son >=0 que demuestran la optimalidad del programa; el valor
de c B (j)=0 para el cambio realizado, verifica que se ha trabajado en el lmite, todo valor menor a 2 para
c1, dar como resultado valores negativos que indicarn que an no se habra llegado a la solucin
ptima del programa de P.L.
2.10 Minimizacin
En los anteriores epgrafes, se ha explicado con detalle el algoritmo del Simplex para resolver el
problema de maximizacin, sin embargo, el caso de minimizacin tiene otros mtodos de resolucin
particulares que son:
Mtodo de la Penalizacin
Un kilogramo de quinua contiene 0,5 miligramos (mg) de vitamina A, 1,0 mg de vitamina B 1 , 0,2
mg de vitamina B2 y 0,5 mg de vitamina D. El kilogramo de tarhui contiene 0,5 mg de vitamina A, 0,3
mg de vitamina B 1 , 0,6 mg de vitamina B 2 y 0,2 mg de vitamina D.
s.a.
0,5 x1 + 0,5 x2 2
1,0 x1 + 0,3 x2 3
0,2 x1 + 0,6 x2 1,2
0,5 x1 + 0,2 x2 2
Donde x1, x2 0
FIGURA 2.6
X2 EC.4
10
30 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
P1 (0,10)
EC.1 8
2
P2 (48/13,10/13)
P3 (6,0)
2 4 6 8 10 X1
EC. 3
EC. 2
Este mtodo tambin se conoce con el nombre de mtodo de la "M grande, porque considera
la existencia de una M lo suficientemente grande con referencia a la matriz de coeficientes tecnolgicos
B.
Como se trata de un mtodo para resolver programas lineales, donde las restricciones pueden
ser diferentes e incluso ecuaciones, entonces, en aplicacin de las reglas de la P.L. debern incluirse
variables de holgura en caso de restricciones <= y variables artificiales en el caso de restricciones >=.
Los coeficientes que multiplican a las M, resultan de la suma de los componentes de los
vectores columnas del tableau inicial cuyas restricciones cumplan con las condiciones de ser =
>=.
Caso mximo
mx z = 2 x1 + 3 x2 - 5 x3
sujeto a:
2 x1 + 2 x2 + 2 x3 = 14
2 x1 - 5 x2 + x3 >= 10
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 31
________________________________________________________________________
__
Convirtiendo en ecuaciones:
2 x1 + 2 x2 + 2 x3 = 14
2 x1 - 5 x2 + x3 - x4 = 10
Operando en el tableau:
V.B. X1 X2 X3 X4 b
- 2 2 2 0 14
- 2 -5 1 -1 10
-Z -2-4M -3+3M 5-3M M -24M
- 0 7 1 1 4
X1 1 -5/2 1/2 -1/2 5
-Z 0 -8-7M 6-M -1-M 10-4M
X2 0 1 1/7 1/7 4/7
X1 1 0 6/7 -1/7 45/7
-Z 0 0 50/7 1/7 102/7
Para encontrar la columna pivotal debe determinarse el menor valor de los componentes del
vector de costos, en el caso de la maximizacin. En el caso de minimizacin debe hallarse el mayor
valor de los componentes del vector de costos.
El tableau optimal en el caso de maximizacin se obtiene cuando los componentes del vector de
costos son >=0.
Caso mnimo
min z = - 3X1 + 5 X2
Sujeto a:
X1 <= 4
X2 <= 6
3X1 + 2X2 >= 18
X1,X2 >= 0
X1 + X3 =4
X2 +X4 =6
3X1 +2X2 - X5 = 18
Operando en el tableau.
V.B. X1 X2 X3 X4 X5 b
32 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
X3 *1* 0 1 0 0 4
X4 0 1 0 1 0 6
- 3 2 0 0 -1 18
-Z 3+3M -5+2M 0 0 -M 18M
X1 1 0 1 0 0 4
X4 0 1 0 1 0 6
- 0 *2* -3 0 -1 6
-Z 0 -5+2M -3-3M 0 -M -12+6M
En el vector de costos an existe un elemento > 0, por lo tanto debe considerarse como
columna pivotal y determinar el pivote. El programa lineal llegar a al ptimo cuando no existan
elementos > 0 en el vector de costos.
X1 1 0 1 0 0 4
X4 0 0 3/2 1 1/2 3
X2 0 1 -3/2 0 -1/2 3
-Z 0 0 -21/2 0 -5/2 3
Este tableau constituye el optimal debido a que los elementos del vector de costos son menores
o iguales a 0.
Este mtodo consiste en agregar bajo el vector de costos un nuevo vector W, denominado
artificial, que se construye con coeficientes que resultan de la suma de los componentes de los vectores
columna, bajo las mismas premisas del anterior mtodo, slo con las restricciones o =.
Se inician las iteraciones con el vector W, segn sea el caso, hasta que los elementos de este
vector se conviertan en ceros. Entonces, se indica la conclusin de la primera fase, enseguida se inicia
la segunda fase trabajando con el vector de costos.
Caso mximo
mx z = 3 X1 + 3 X2 + X3
s.a.
2X1 + 3X2 + X3 = 18
X1 + 3X2 + 2X3 <= 30
2X1 + 2X2 + X3 <= 36
Donde:
X1,X2,X3 >= 0
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 33
________________________________________________________________________
__
2X1 + 3X2 + X3 = 18
X1 + 3X2 + 2X3 + X4 = 30
2X1 + 2X2 + X3 + X5 = 36
Operando en el tableau
V.B. X1 X2 X3 X4 X5 b
- 2 *3* 1 0 0 18
X4 1 3 2 1 0 30
X5 2 2 1 0 1 36
-Z -3 -3 -1 0 0 0
-W -2 -3 -1 0 0 -18
X2 *2/3* 1 1/3 0 0 6
X4 -1 0 1 1 0 12
X5 2/3 0 1/3 0 1 24
-Z -1 0 0 0 0 18
-W 0 0 0 0 0 0 Fin 1era.fase.
X1 1 3/2 1/2 0 0 9
X4 0 3/2 3/2 1 0 21
X5 0 -1 0 0 1 18
-Z 0 3/2 1/2 0 0 27 Fin 2da.fase.
Caso minimizacin
min z = 2 X1 - 5 X2 + X3 + 3 X4
s.a.
2 X1 + X2 - 3 X3 + X4 >= 10
X1 + 2 X2 + X4 = 20
4 X1 - 10 X2 + 2 X3 +6 X4 <= 5
Donde:
X1,X2,X3,X4 >= 0
2 X1 + X2 - 3 X3 + X4 -X5 = 10
X1 + 2 X2 + X4 = 20
4 X1 - 10 X2 + 2 X3 + 6 X4 +X6 = 5
V.B. X1 X2 X3 X4 X5 X6 b
- 2 *1* -3 1 -1 0 10
34 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
- 1 2 0 1 0 0 20
X6 4 -10 2 6 0 1 5
-Z -2 5 -1 -3 0 0 -
W 3 3 -3 2 -1 0 30
X2 2 1 -3 1 -1 0 10
- -3 0 *6* -1 2 0 0
X6 24 0 -28 16 -10 1 105
-Z -12 0 14 -8 5 0 -50
W -3 0 6 -1 2 0 0
X2 1/2 1 0 1/2 0 0 10
X3 -1/2 0 1 -1/6 *1/3* 0 0
X6 10 0 0 34/3 -2/3 1 105
-Z -5 0 0 -17/3 1/3 0 -50
W 0 0 0 0 0 0 0 Fin primera fase
X2 1/2 1 -1 2/3 -1/3 0 10
X5 -3/2 0 3 -1/2 1 0 0
X6 9 0 2 11 0 1 105
-Z -9/2 0 -1 -9/2 0 0 -50 Fin segunda fase
Los elementos del vector de costos del tableau optimal deben ser >= 0.
Algoritmo de resolucin.
1.- Se agregan las variables artificiales para convertir las inecuaciones en ecuaciones, luego se
trasladan al tableau los coeficientes tal como ya se conoce. El vector de costos en el tableau inicial,
debe ser multiplicado por (-1).
2.- Todos los elementos del tableau (excepto el vector de costos), deben ser multiplicados por (-
1).
3.- Como se est empleando el principio de la Dualidad, debe tomarse del vector de recursos
y/o disponibilidades, el menor valor min { b(i) } para encontrar la fila pivotal. Cada elemento de esta
fila a(r,j), debe dividirse por los elementos del vector de costos y determinar el mnimo cociente para
obtener el pivote.
min { c(j)/a(r,j) }
4.- El proceso de inversin de la matriz es el conocido. El proceso iterativo concluye cuando los
elementos del vector b son >=0.
max z = c1 x1 + c2 x2 + ... + cn xn
Sujeto a:
Donde:
xn >= 0
Se conviene en denominarlo PRIMAL, por tanto intrnsecamente puede plantearse por su DUAL
de la manera:
min w = b1 1 + b2 2 + . . . + bm m
Sujeto a:
36 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Donde:
n >= 0
Si el primal se plantea como min z, entonces por lgica el dual se plantear como max z.
PRIMAL:
Sujeto a:
x1,x2 >=0
Sujeto a:
1,2,3 >=0
V.B. 1 2 3 4 5 b
4 100 300 *400* 1 0 200
5 200 200 300 0 1 200
-Z -9000 -12000 -26000 0 0 --
3 1/4 3/4 1 1/400 0 1/2
5 *125* -25 0 -3/4 1 50
-Z -2500 7500 0 65 0 13000
3 0 4/5 1 1/250 -1/500 2/5
1 1 -1/5 0 -3/500 1/125 2/5
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 37
________________________________________________________________________
__
-Z 0 7000 0 50 20 14000
El ptimo, tanto en el primal como en el dual es 14000. El vector b del tableau optimal del
primal en los resultados para x1 y x2, se representan en el vector de costos de la solucin del dual. De
la misma manera los componentes del vector de costos de la solucin del primal, constituyen los
resultados del dual.
La matriz inversa de la base del primal, se representa como matriz traspuesta en la solucin del
dual.
Por los resultados, puede inferirse que del primal y dual, se obtienen los mismos valores; por
este hecho, que en muchos casos la aplicacin del dual permite simplificar el proceso iterativo en caso
de que existan varias restricciones y pocas variables.
En casos donde las restricciones son diferentes en el primal, entonces deben aplicarse las
reglas de las formas equivalentes de la programacin lineal, para expresar el dual. Para mayor
aclaracin se presenta el siguiente ejemplo:
Sea el PRIMAL :
min z = 20 x1 - 30 x2 + 10 x3
sujeto a:
x1 + 5 x2 3 x3 = 8
2 x1 10 x2 + 10 x3 >= 19
3 x1 + 15 x2 + 7 x3 <= 9
Inicialmente y aplicando una de las reglas de la programacin lineal, la funcin objetivo puede
presentarse como mximo.
max z = -20 x1 + 30 x2 10 x3
Asimismo, la igualdad:
x1 + 5 x2 3 x3 = 8
puede expresarse por la representacin de dos desigualdades diferentes, en aplicacin de otra de las
reglas ya conocidas.
x1 + 5 x2 3 x3 >= 8
x1 + 5 x2 3 x3 <= 8
Sin embargo, la primera inecuacin puede multiplicarse por (-1) y cambiarse la desigualdad
aplicando otra de las reglas de la equivalencia de la P.L., obtenindose:
- x1 5 x2 + 3 x3 <= -8
De la misma manera, la segunda inecuacin del planteamiento original del primal, puede
expresarse como:
-2 x1 + 10 x2 10 x3 <= -19
max z = -20 x1 + 30 x2 10 x3
38 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
sujeto a:
-x1 - 5 x2 + 3 x3 <= - 8
x1 + 5 x2 3 x3 <= 8
-2 x1 +10 x2 -10 x3 <= - 19
3 x1 +15 x2 + 7 x3 <= 9
min z = - 8 1 + 8 2 19 3 + 9 4
Sujeto a:
- 1 + 2 - 2 3 + 3 4 >= -20
-5 1 +5 2 + 10 3 + 15 4 >= 30
3 1 -3 2 - 10 3 + 7 4 >= -10
Evidentemente, una de las reglas de la programacin lineal impide operar con elementos
negativos del vector de recursos y/o disponibilidades, sin embargo multiplicando por (-1), se obtienen
valores positivos en los componentes del vector b y las desigualdades cambian.
min z = - 8 1 + 8 2 19 3 + 9 4
Sujeto a:
1 - 2 + 2 3 - 3 4 <= 20
-5 1 +5 2 + 10 3 + 15 4 >= 30
-3 1 +3 2 + 10 3 - 7 4 <= 10
Entonces a partir de este cambio en el programa lineal, puede resolverse por cualquier mtodo
ya conocido.
2.12 Casos especiales en la programacin lineal
b).- Solucin degenerada temporal.- En este tipo de problemas, durante el proceso iterativo
pareciera degenerarse la solucin del problema, sin embargo, en la iteracin correspondiente se
obtienen los resultados que optimizan la funcin.
Ejemplo:
max z = 2 x1 + x2
Sujeto a:
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 39
________________________________________________________________________
__
4 x1 + 3 x2 <= 12
4 x1 + x2 <= 8
4 x1 - x2 <= 8
x1, x2 >= 0
V.B. X1 X2 X3 X4 X5 b
X3 4 3 1 0 0 12
X4 *4* 1 0 1 0 8
X5 4 -1 0 0 1 8
-Z -2 -1 0 0 0
X3 0 2 1 -1 0 4
X1 1 1/4 0 1/4 0 2
X5 0 -2 0 -1 1 0 Apariencia de
degeneracin
-Z 0 -1/2 0 1/2 0 4
X2 0 1 1/2 -1/2 0 2
X1 1 0 -1/8 3/8 0 3/2
X5 0 0 1 -2 1 4
-Z 0 0 1/4 1/4 0 5
max z = 6 x1 - 2 x2
Sujeto a:
x1 <= 4
2x1 - x2 <= 2
x1, x2 >= 0
X2
40 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
1 2 3 4 5 X1
Ejemplo:
max z = 4 x1 + 14 x2
Sujeto a:
2 x1 + 7 x2 <= 21
7 x1 + 2 x2 <= 21
x1, x2 >= 0
V.B. X1 X2 X3 X4 b
X3 2 7 1 0 21
X4 7 2 0 1 21
- Z -4 -14 0 0
X2 2/7 1 1/7 0 3
X4 45/7 0 -2/7 1 15
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 41
________________________________________________________________________
__
-Z 0 0 2 0 42
X2 0 1 7/45 -2/45 7/3
X1 1 0 2/45 7/45 7/3
-Z 0 0 2 0 42
Si se observan los resultados del segundo y tercer tableau, se establece que para dos distintos
puntos del espacio n-dimensional, el ptimo es el mismo, en este caso mx z = 42.
Ejemplo:
max z = 2 x1 + 3 x2
Sujeto a:
4 x1 + 4 x2 >= 16
2 x1 + 2 x2 <= 2
Su representacin en el plano:
X2
1 2 3 4 5 X1
42 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
Referencias
1 Bronson Richard. Teora y problemas de Investigacin de Operaciones. McGraw-Hill. Mxico. 1982.
Ejercicios y problemas
1.- Resuelva el siguiente programa lineal y realice el anlisis de sensibilidad en los vectores de
disponibilidades y costos.
max z = 3 x1 + 4 x2
Sujeto a:
2 x1 + x2 <= 6
2 x1 + 3 x2 <= 9
2.- Resuelva el siguiente programa lineal y realice el anlisis de sensibilidad en los vectores de
disponibilidades y costos.
max z = 5 x1 + 3 x2
Sujeto a:
3 x1 + 5 x2 <= 15
5 x1 + 2 x2 <= 10
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 43
________________________________________________________________________
__
3.- Resuelva el siguiente programa lineal y realice el anlisis de sensibilidad en los vectores de
disponibilidades y costos.
max z = 5 x1 + 7 x2 + 20 x3 +6 x4
Sujeto a:
4 x1 + 8 x2 + 10 x3 + 6 x4 <= 400
3 x1 + 2 x2 + 20 x3 + 3 x4 <= 600
max z = 2 x1 + 3 x2 5 x3
Sujeto a:
x1 + x2 + x3 = 7
2 x1 - 5 x2 + x3 >= 10
Min z = 5 x1 6 x2 7 x3
Sujeto a:
x1 + 5 x2 - 3 x3 >= 15
5 x1 6 x2 + 10 x3 <= 20
x1 + x2 + x3 = 5
6.- La Florida Oranges Inc. (FOI) tiene que determinar la cantidad ptima de furgones para
recoger, empacar y transportar sus naranjas super y comunes cada semana. La mano de obra
disponible para recogida y empaque es de 4.000 horas semanales. Para recoger, empacar y dejar un
furgn cargado con naranjas super, se necesitan 30 horas y para naranjas comunes se necesitan 15
horas. La FOI tiene una cantidad mxima de dinero en caja de 60.000 $. El costo de alquiler por cada
proceso de carga del furgn y transporte es de 200 $ y 300 $ para naranjas comunes y super
respectivamente. La utilidad por furgn es de 2.000 $ para naranjas comunes y de 2.500 $ para naranjas
super. La FOI desea determinar la combinacin ptima de furgones por tipo de naranjas que maximice
la utilidad semanal. Formule el modelo de programacin lineal para el problema de la FOI. ( Tomado de
Investigacin de Operaciones de H.Moskowitz y G. Wright )
7.- Ed Goldman, un vendedor de la Tuck Tape tiene que decidir cmo asignar sus esfuerzos
entre los diferentes tipos de clientes de su territorio. Puede visitar comerciantes y clientes que compran
al menudeo. Una visita a un comerciante usualmente le produce 20 $ en ventas, pero la visita en
promedio dura 2 horas y debe manejar tambin en promedio, 10 millas. En una visita a un comprador al
44 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
b).- Si el precio del pan aumenta a 45 $ y del pastel a 80 $. Qu cantidad debe hornearse de
cada uno?.
9.- Una compaa produce dos tipos de sombreros vaquero. Cada sombrero del primer tipo
requiere el doble del tiempo en mano de obra que el segundo tipo. Si todos los sombreros son
solamente del segundo tipo, la compaa puede producir un total de 500 sombreros al da. El mercado
limita las ventas diarias del primero y segundo tipos a 150 y 250 sombreros. Suponga que los beneficios
por sombrero son 8 $ para el tipo 1 y 5 $ para el tipo 2. Determine el nmero de sombreros que deben
producirse de cada tipo a fin de maximizar el beneficio. (Tomado de Investigacin de Operaciones.
Una introduccin. Hamdy A. Taha ).
10.- La New York Auditing Inc (NYAI) es una firma de contadores pblicos, especializados en
preparar liquidaciones y pagos de impuestos, y tambin auditan empresas pequeas del rea
metropolitana. El inters de NYAI ahora es saber cuntas auditoras y liquidaciones pueden realizar
mensualmente, de tal manera que obtengan los mximos ingresos. Se dispone de 800 horas para
trabajo directo y direccin y 160 horas para revisin. Una auditora en promedio requiere 40 horas de
trabajo directo y direccin y de 10 horas de revisin, adems, aporta un ingreso de 300 $. Una
liquidacin de impuestos requiere 8 horas de trabajo directo y de dos horas de revisin y produce un
ingreso de 100 $.
Cules son las variables de decisin para la NYAI? Formule el modelo de programacin lineal
para el problema. (Tomado de Investigacin de Operaciones de H. Moskowitz ).
11.- Un ingeniero agrnomo cuenta con tres fertilizantes donados por el gobierno del Japn para
utilizarlos en cultivos extensivos de papas. De acuerdo al anlisis edafolgico de suelos, la mezcla de
nutrientes requeridos por mil metros cuadrados es de 10 Kg de nitrgeno, 8 Kg de fsforo y 6 Kg de
potasio.
El primer fertilizante es el 25-10-5, es decir 25 Kg de nitrgeno, 10 Kg de fsforo y 5 Kg de potasio por
1000 Kg de este fertilizante. El segundo fertilizante es el 10-5-10 y el tercero es 5-10-5 en la misma
proporcin anterior.
El costo del fertilizante 25-10-5 es de Bs 12, del 10-5-10 Bs 10 y Bs 9 para el 5-10-5.
Plantee el programa lineal y resuelva aplicando el programa de computador.
1 2 3 4 2
2 3 2 1 2
PROGRAMACIN LINEAL JOS SALOMN NEZ DURN 45
________________________________________________________________________
__
El costo total de producir una unidad de cada producto est basado directamente en el tiempo
de mquina. Suponga que el costo por hora para las mquinas 1 y 2 es $10 y $15. Las horas totales
presupuestadas para todos los productos en las mquinas 1 y 2 son 500 y 380. Si el precio de venta por
unidad para los productos 1,2,3 y 4 es $75, $70, $55 y $55, formule el problema como un modelo de
programacin lineal para maximizar el beneficio neto total. (Tomado de Investigacin de Operaciones.
Una introduccin. H.Taha y modificado para viabilizar su ejecucin por computador ).
min z = 30 x1 + 40 x2
Sujeto a:
4 x1 + 8 x2 >= 32
7 x1 + 2 x2 >= 14
15/10 x1 + 5 x2 >= 15
14.- Resuelva los siguientes programas lineales por los mtodos de la penalizacin y de las dos
fases.
max z = 3 x1 + 3 x2 + x3
Sujeto a:
x1 + 2 x2 + x3 <= 30
2 x1 + 3 x2 + 2 x3 = 18
2 x1 + 2 x2 + 3 x3 >= 10
15.- max z = 2 x1 + 3 x2 5 x3
Sujeto a:
2 x1 + 2 x2 + 2 x3 = 14
- 2 x1 + 5 x2 - x3 <= -10
16.- Un granjero est engordando cerdos para el mercado y desea determinar las cantidades de
los tipos de alimentos disponibles que debe darse a cada cerdo para satisfacer ciertos requerimientos de
nutricin a costo mnimo. En la tabla siguiente se da el nmero de unidades de cada tipo de ingrediente
nutritivo bsico contenido en un kilogramo de cada tipo de alimento, junto con los requerimientos diarios
respecto a la nutricin y los costos de alimento.
IIN
INGREDIENTE KILOGRAMO KILOGRAMO DE KILOGRAMO DE KILOGRAMO
DIARIO
NUTRITIVO DE MAIZ RES. DE GRASA ALFA ALFA MNIMO
Carbohidratos 90 20 40 200
Protena 30 80 60 180
Vitaminas 10 20 60 150
Costo 21 18 15
46 PROGRAMACIN LINEAL JOS SALOMN NEZ DURN
________________________________________________________________________
__
18.- Una compaa de transporte de carga tiene 10 camiones con capacidad de 40.000 libras y
5 camiones de 30.000 libras de capacidad. Los camiones grandes tienen costos de operacin de 0,30
$/milla y los ms pequeos de 0,25 $/milla. En la prxima semana, la compaa debe transportar
400.000 libras de malta para un recorrido de 800 millas. La posibilidad de otros compromisos impone
que por cada dos camiones pequeos mantenidos en reserva debe quedarse por lo menos uno de los
grandes. Se pregunta: Cul es el nmero ptimo de camiones de ambas clases que deben movilizarse
para transportar la malta?.
(Tomado de J. Shamblin G.T. Stevens. Investigacin de Operaciones un enfoque fundamental).
19.- Una refinera puede comprar dos tipos de petrleo petrleo crudo ligero y petrleo crudo
pesado. El costo por barril de estos tipos de petrleo es $ 11 y $ 9, respectivamente. De cada tipo de
petrleo se producen por barril las siguientes cantidades de gasolina, kerosene y combustible para
reactores.
Sugerencias
El captulo que se ha desarrollado contiene los aspectos ms esenciales de la programacin lineal, enfocados a un curso
semestral de Investigacin de Operaciones. Por este motivo, sugerimos a quienes deseen mayor profundizacin en la teora del mtodo
Simplex referirse al primer tomo del libro de Juan W. Prawda, asimismo para complementar los conocimientos sobre programacin
entera, la obra de Moskowitz y Wright de la bibliografa, podr satisfacer ampliamente sus inquietudes.