PROGRAMACION LINEAL En los siglos XVII y XVIII, grandes matemticos como Newton, Leibnitz, Bernouilli y, sobre todo, Lagrange,

que tanto haban contribuido al desarrollo del clculo infinitesimal, se ocuparon de obtener mximos y mnimos condicionados de determinadas funciones. Posteriormente el matemtico francs Jean BaptisteJoseph Fourier (17681830) fue el primero en intuir, aunque de forma imprecisa, los mtodos de lo que actualmente llamamos programacin lineal y la potencialidad que de ellos se deriva. En 19411942 se formula por primera vez el problema de transporte, estudiado independientemente por Koopmans y Kantarovitch, razn por la cual se suele conocer con el nombre de problema de KoopmansKantarovitch. Tres aos ms tarde, G. Stigler plantea otro problema particular conocido con el nombre de rgimen alimenticio optimal. Mucha gente sita el desarrollo de la programacin lineal entre los avances cientficos ms importantes de la mitad del siglo XX, y debemos estar de acuerdo con esta afirmacin si tenemos en cuenta que su impacto desde 1950 ha sido extraordinario. Se han escrito decenas de libros de texto sobre la materia y los artculos publicados que describen aplicaciones importantes se cuentan ahora por cientos. De hecho, una proporcin importante de todo el clculo cientfico que se lleva a cabo en computadoras se dedica al uso de la programacin lineal y a tcnicas ntimamente relacionadas. (Esta proporcin se estim en un 25%, en un estudio de la IBM). Un modelo de programacin lineal proporciona un mtodo eficiente para determinar una decisin ptima, (o una estrategia ptima o un plan ptimo) escogida de un gran nmero de decisiones posibles. En todos los problemas de Programacin Lineal, el objetivo es la maximacin o minimizacin de alguna cantidad. METODOS DE SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL Existen tres mtodos de solucin de problemas de programacin lineal: Mtodo grfico o de las rectas de nivel. Las rectas de nivel dan los puntos del plano en los que la funcin objetivo toma el mismo valor. Mtodo analtico o de los vrtices. El siguiente resultado, denominado teorema fundamental de la programacin lineal, nos permite conocer otro mtodo de solucionar un programa con dos variables: En un programa lineal con dos variables, si existe una solucin nica que optimice la funcin objetivo, sta se encuentra en un punto extremo (vrtice) de la regin factible acotada, nunca en el interior de dicha regin. Si la funcin objetivo toma el mismo valor ptimo en dos vrtices, tambin toma idntico valor en los puntos del segmento que determinan. En el caso de que la regin factible no es acotada, la funcin lineal objetivo no alcanza necesariamente un valor ptimo concreto, pero, si lo hace, ste se encuentra en uno de los vrtices de la regin Esquema prctico. Los problemas de programacin lineal pueden presentarse en la forma estndar, dando la funcin objetivo y las restricciones, o bien plantearlos mediante un enunciado. TIPOS DE SOLUCIONES Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de solucin que presentan. stos pueden ser: 1

 FACTIBLES. Si existe el conjunto de soluciones o valores que satisfacen las restricciones. Estas a su vez pueden ser: con solucin nica, con solucin mltiple (si existe ms de una solucin) y con solucin no acotada (cuando no existe lmite para la funcin objetivo). NO FACTIBLES. Cuando no existe el conjunto de soluciones que cumplen las restricciones, es decir, cuando las restricciones son inconsistentes. CONSTRUCCION DE LOS MODELOS DE PROGRAMACION LINEAL De forma obligatoria se deben cumplir los siguientes requerimientos para construir un modelo de Programacin Lineal: Funcin objetivo. (FO): Debe haber un objetivo (o meta o blanco) que la optimizacin desea alcanzar. Restricciones y decisiones: Debe haber cursos o alternativas de accin o decisiones, uno de los cules permite alcanzar el objetivo. La FO y las restricciones son lineales. Deben utilizarse solamente ecuaciones lineales o desigualdades lineales. Modelo standard de Programacin Lineal Optimizar Z = C1X1+ C1X2 +.+ Cn Xn). Funcin objetivo. Sujeta a a11X1+ a11X2 +..+ a1nXn) b1 a21X1+ a21X2 +..+ a2nXn) b1 Restricciones am1X1+ am1X2 +..+ amnXn) bm Debiendo ser X1 0, X2 0, .. Xn 0 Donde : Xj : variables de decisin, j = 1,2.., n. n : nmero de variables. m : nmero de restricciones. aij , bi , cj constantes, i = 1,2.., m. Pasos para la construccin del modelo Definir las variables de decisin. Definir el objetivo o meta en trminos de las variables de decisin. Definir las restricciones. Restringir todas las variables para que sean no negativas. BIBLIOGRAFIA

 http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/matematicas29.html Hiller F. Y G. Lieberman Introduccin a la investigacin de operaciones. McGraw Hill (5 edicin). www.monografias.com/trabajos6/proli/proli.shtml