3. PROGRAMACION LINEAL 3.

1 Introduccin La capacidad de introducir la Programacin Lineal (PL) utilizando un enfoque grfico, la facilidad relativa del mtodo de solucin, la gran disponibilidad de paquetes de software de PL y la amplia gama de aplicaciones acen que la PL sea accesible incluso para estudiantes con poco conocimiento de matemtica! "dems, la PL brinda una e#celente oportunidad para presentar la idea del anlisis $ % que pasa si & $ o anlisis de iptesis! La Programacin Lineal es un procedimiento matemtico para determinar la asignacin ptima de recursos escasos! La PL es un procedimiento que encuentra su aplicacin prctica en casi todas las facetas de los negocios, desde la publicidad asta la planificacin de la produccin, problemas de transporte, distribucin, y planificacin global de la produccin son los ob'etos ms comunes del anlisis de PL! La programacin lineal aborda una clase de problemas de programacin donde tanto la funcin ob'etivo a optimizar como todas las relaciones entre las variables correspondientes a los recursos son lineales! (ste problema fue formulado y resuelto por primera vez a fines de la dcada del )*! +ara vez una nueva tcnica matemtica encuentra una gama tan diversa de aplicaciones prcticas de negocios, comerciales, industriales y en ingenier,a y a la vez recibe un desarrollo terico tan e# austivo en un per,odo tan corto! -oy en d,a, esta teor,a se aplica con #ito a problemas de presupuestos de capital, dise.o de dietas, conservacin de recursos, 'uegos de estrategias, prediccin de crecimiento econmico sistemas de transporte, etc! (s importante entender desde el comienzo que el trmino /programacin/ tiene un significado distinto cuando se refiere a Programacin Lineal que cuando ablamos de Programacin 0nformtica! (n el primer caso, significa planificar y organizar mientras que en el segundo caso, significa escribir las instrucciones para realizar clculos! La capacitacin en una clase de programacin tiene muy poca relevancia directa con la otra clase de programacin! 1e ec o, el trmino /programacin lineal/ se acu. antes de que la palabra programacin se relacionara con el software de computacin! " veces se evita esta confusin utilizando el trmino optimizacin lineal como sinnimo de programacin lineal! 2ualquier problema de PL consta de una funcin ob'etivo y un con'unto de restricciones! La PL es un problema formulado mediante ecuaciones lineales, y optimiza una funcin ob'etivo tambin lineal! (n la mayor,a de los casos, las restricciones provienen del entorno en el cual usted traba'a para lograr su ob'etivo! 2uando usted quiere lograr el ob'etivo deseado, se dar cuenta de que el entorno fi'a ciertas restricciones (es decir, dificultades, limitaciones) para cumplir con su deseo (vale decir, el ob'etivo)! (s por eso que las religiones, como el 3udismo entre otras, prescriben vivir una vida abstemia! 4in deseo, no ay dolor! Qu es una funcin: una funcin es una cosa que ace algo! Por e'emplo, una mquina de moler caf es una funcin que transforma los granos de caf en polvo! 5na turbina6 generador de una central idroelctrica, tiene como funcin el de transformar la energ,a almacenada en el agua en energ,a elctrica! La funcin (ob'etivo) traza, traduce el

dominio de entrada (denominado regin factible) en un rango de salida entre dos valores finales denominados valores m#imo y m,nimo! 2uando se formula un problema de toma de decisiones como en programa lineal, se deben verificar las siguientes condiciones7 8! La funcin ob'etivo debe ser lineal! Por tanto se debe verificar que todas las variables estn elevadas a lo sumo a la primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas)9 :! (l ob'etivo debe ser ya sea la ma#imizacin o minimizacin de una funcin lineal! (l ob'etivo debe representar la meta del decisor9 y ;! Las restricciones tambin deben ser lineales! ! "simismo, la restriccin debe adoptar alguna de las siguientes formas ( , , o <, es decir que las restricciones de PL siempre estn cerradas)! Por e'emplo, el siguiente problema no es un problema de PL7 =a# >, su'eto a >< 8 (ste problema tan sencillo no tiene solucin ( pues no es cerrado ) 2omo siempre, se debe tener cuidado al categorizar un problema de optimizacin como un problema de PL! %(s el siguiente problema un problema de PL& =a# >: su'eto a7 >8 ? >: * >8: 6 ) * "unque la segunda restriccin parece /como si/ fuera una restriccin no lineal, esta restriccin puede reescribirse tambin de la siguiente forma7 >8 6: y >8 :! (n consecuencia, el problema si es un problema de PL! Para la mayor,a de los problemas de PL, podemos decir que e#isten dos tipos importantes de ob'etos7 en primer lugar, los recursos limitados, tales como terrenos, capacidad de planta, o tama.o de la fuerza de ventas9 en segundo lugar, las actividades, tales como /producir acero con ba'o contenido de carbono/, y /producir acero con alto contenido de carbono/! 2ada actividad consume o probablemente contribuye cantidades adicionales de recursos! 1ebe aber una funcin ob'etivo, es decir, una manera de discriminar una mala de una buena o una me'or decisin! (l problema es determinar la me'or combinacin de niveles de actividades, que no utilice ms recursos de los disponibles! =uc os gerentes se enfrentan a esta tarea todos los d,as! "fortunadamente, el software de programacin lineal ayuda a determinar esto cuando se ingresa un modelo bien formulado! (l mtodo 4imple# es un algoritmo de solucin muy utilizado para resolver programas lineales! 5n algoritmo es una serie de pasos para cumplir con una tarea determinada! Pro ra!acin entera (n algunos casos se requiere que la solucin ptima se componga de valores enteros para algunas de las variables! La resolucin de este problema se obtiene

analizando alternativas de valores enteros de esas variables en un entorno alrededor de la solucin obtenida E"e!#$o de Pro ra!acin Linea$ 5n sistema (lctrico de Potencia, formado con plantas de produccin idroelctrica que tiene embalses de capacidad de almacenamiento limitado y los consumidores de energ,a elctrica! (l sistema elctrico est constituido por ; plantas idro cada una con un embalse de capacidad de almacenamiento limitado! La produccin diaria posible de cada una es7 Planta 2ac i (") 7 produce )* @A 7 produce )* @A 7 produce :* @A

Planta "ngostura (3) Planta @arita (2)

Las plantas entregan energ,a a dos ciudades7 4an Bos y 2artago y sus consumos respectivos son7 2artago (1) )* @A diarios 4an Bos (() C* @A diarios Los costos por pea'es ( transporte de la energ,a por la red elctrica) a pagar son7 1e " a 1 : 1e " a ( 88 1e 3 a 1 8: 1e 3 a ( :) 1e 2 a 1 8; 1e 2 a ( 8D

(ste es un problema con C variables7 ( y en este caso, debido a que las variables sern nEmeros enteros, se abla de Programacin (ntera )

)*

A
88 :
8:

)*

%
:)

C
:*

&

)*

C*

8D

La pregunta entonces es7 % como organizamos la produccin considerando los pea'es e#istentes & 1e primera entrada, podr,amos asegurar que lo ms conveniente es

aprovec ar el precio ba'o ofrecido de " a 1 ( solo : ) por lo que la solucin ser,a7 Producir )* @A de " a 1 cuesta D*

Producir :* @A de 2 a ( cuesta ;C* Producir )* @A de 3 a ( cuesta FC* Gotal de 8)** 4in embargo, resolviendo el problema por PL, tendr,amos las siguientes ecuaciones7 +estricciones de generacin7 >ad ? > ae H )* @A I 1,a >bd ? > be H )* @A I 1,a >cd ? > ce H :* @A I 1,a +estricciones de consumo7 >ad ? > bd ? >cd J )* @A I 1,a >ae ? > be ? >ce J C* @A I 1,a La function ob'etivo ser7 :>ad ? 88> ae ? 8:>bd ? :)>be ? 8;> cd ? 8D >ce < =,nimo La solucin de costo m,nimo resulta ser7 >bd < )* dando un costo de 8: # )* < )D* >ae < )* dando un costo de 88 # )* < ))* >ce < :* dando un costo de 8D # :* < ;C* Gotal de 8:D* Proceso de 'or!u$acin de un Pro($e!a de PL ) su a#$icacin Para formular un problema de PL, se recomienda seguir los siguientes lineamientos generales despus de leer con atencin el enunciado del problema varias veces! Godo programa lineal consta de cuatro partes7 un con'unto de variables de decisin, los parmetros, la funcin ob'etivo y un con'unto de restricciones! "l formular un determinado problema de decisin en forma matemtica, debe practicar la comprensin del problema (es decir, formular un =odelo =ental) leyendo detenidamente una y otra vez el enunciado del problema! =ientras trata de comprender el problema, formElese las siguientes preguntas generales7

8! %2ules son las variables de decisin& (s decir, %cules con las entradas controlables& 1efina las variables de decisin con precisin utilizando nombres descriptivos! +ecuerde que las entradas controlables tambin se conocen como actividades controlables, variables de decisin y actividades de decisin! :! 2ules son los parmetros& Kale decir %cules son las entradas no controlables& Por lo general, son los valores numricos constantes dados! 1efina los parmetros con precisin utilizando nombres descriptivos! ;! %2ul es el ob'etivo& %2ul es la funcin ob'etivo& (s decir, %qu quiere el due.o del problema& %1e qu manera se relaciona el ob'etivo con las variables de decisin del due.o del problema& %(s un problema de ma#imizacin o minimizacin& (l ob'etivo debe representar la meta del analista! )! %2ules son las restricciones& (s decir, %qu requerimientos se deben cumplir& %1eber,a utilizar un tipo de restriccin de desigualdad o igualdad& %2ules son las cone#iones entre las variables& (scr,balas con palabras antes de volcarlas en forma matemtica! +ecuerde que la regin factible tiene poco o nada que ver con la funcin ob'etivo (m,nimo o m#imo)! (stas dos partes en cualquier formulacin de PL generalmente provienen de dos fuentes distintas! La funcin ob'etivo se establece para cumplir con el deseo (ob'etivo) del analista mientras que las restricciones que forman la regin factible generalmente provienen del entorno del analista que fi'a algunas limitacionesI condiciones para lograr su ob'etivo! " continuacin, se incluye un problema ilustrativo muy sencillo! 4in embargo, el aborda'e del problema es igual para una gran variedad de problemas de toma de decisin, mientras que el tama.o o la comple'idad pueden variar! E$ Pro($e!a de$ Car#intero 1urante un par de reuniones con un carpintero (nuestro cliente), ste nos comunica que slo fabrica mesas y sillas y que vende todas las mesas y las sillas que fabrica en un mercado! 4in embargo, no tiene un ingreso estable y desea optimizar esta situacin! (l ob'etivo es determinar cuntas mesas y sillas deber,a fabricar para ma#imizar sus ingresos netos! 2omenzamos concentrndonos en un orizonte de tiempo, es decir, un plazo de planificacin, , para revisar nuestra solucin semanalmente, si fuera necesario! Para saber ms acerca de este problema, debemos ir al negocio del carpintero y observar lo que sucede y medir lo que necesitamos para formular (para crear un modelo de) su problema! 1ebemos confirmar que su ob'etivo es ma#imizar sus ingresos netos! 1ebemos comunicarnos con el cliente! (l problema del carpintero se trata de determinar cuntas mesas y sillas debe fabricar por semana9 pero primero se debe establecer una funcin ob'etivo La funcin ob'etivo es7 L>8 ? ;>:, donde >8 y >: (variables) representan la cantidad de mesas y sillas9 y L y ; representan los ingresos netos (por e'emplo, en dlares o dcimas de dlares) de la venta de una mesa y una silla, respectivamente! Los factores limitantes, que normalmente provienen del exterior, son las limitaciones de la mano de obra (esta limitacin proviene de la familia del carpintero) y los recursos de materia prima (esta

limitacin proviene de la entrega programada)! 4e miden los tiempos de produccin requeridos para una mesa y una silla en distintos momentos del d,a y se calculan en : oras y 8 ora, respectivamente! Las oras laborales totales por semana son slo )*! La materia prima requerida para una mesa y una silla es de 8 y : unidades, respectivamente! (l abastecimiento total de materia prima es de L* unidades por semana! (n consecuencia, la formulacin de PL es la siguiente7 =a#imizar L >8 ? ; >: 4u'eta a7 : >8 ? >: )* restriccin de mano de obra (por semana) >8 ? : >: L* restriccin de materiales tanto >8 como >: son no negativas! (ste es un modelo matemtico para el problema del carpintero! Las variables de decisin, es decir, las entradas controlables son >8, y >:! La salida o el resultado de este modelo son los ingresos netos totales L >8 ? ; >:! Godas las funciones empleadas en este modelo son lineales (las variables de decisin estn elevadas a la primera potencia)! (l coeficiente de estas restricciones se denomina Mactores Gecnolgicos (matriz)! (l per,odo de revisin es de una semana, un per,odo conveniente dentro del cual es menos probable que cambien (fluctEen) las entradas controlables (todos los parmetros tales como L, L*, :,!!)! 0ncluso en un plazo de planificacin tan corto, debemos realizar el anlisis $%Nu pasa si & $ o de iptesis para responder a cualquier cambio en estas entradas a los efectos de controlar el problema, es decir, actualizar la solucin prescripta Otese que dado que el 2arpintero no va a ir a la quiebra al final del plazo de planificacin, agregamos las condiciones que tanto >8 como >: deben ser no negativas en lugar de los requerimientos que >8 y >: deben ser nEmeros enteros positivos! +ecuerde que las condiciones de no negatividad tambin se denominan /restricciones impl,citas/! Ouevamente, un Programa Lineal funcionar,a bien para este problema si el 2arpintero continEa fabricando estos productos! Los art,culos parciales simplemente se contar,an como traba'os en proceso y finalmente se transformar,an en productos terminados, en la siguiente semana! Podemos intentar resolver >8 y >: enumerando posibles soluciones para cada una y seleccionado el par (>8, >:) que ma#imice L>8 ? ;>: (los ingresos netos)! 4in embargo, lleva muc o tiempo enumerar todas las alternativas posibles y si no se enumeran todas las alternativas, no podemos estar seguros de que el par seleccionado (como una solucin) es la me'or de todas las alternativas! Ptras metodolog,as preferidas (ms eficientes y efectivas), conocidas como las Gcnicas de 4oluciones de Programacin Lineal estn disponibles en el mercado en muc os paquetes de software! La solucin ptima, es decir, la estrategia ptima, , es establecer >8 < 8* mesas y >: < :* sillas! Programamos las actividades semanales del carpintero para que fabrique 8* mesas y :* sillas! 2on esta estrategia (ptima), los ingresos netos son de 54 Q88*! (sta solucin sorprendi al carpintero dado que debido a los mayores ingresos netos provenientes de la venta de una mesa (54 QL), el sol,a fabricar ms mesas que sillas!

%2ontratar o no contratar a un ayudante& 4upngase que el carpintero pudiera contratar a un ayudante a un costo de 54 Q: por ora (adicionales Q:) %Le conviene al carpintero contratar a un ayudante& (n caso afirmativo, %por cuntas oras& >; es la cantidad de oras e#tra, entonces el problema modificado es7 =a#imizar L >8 ? ; >: 6 : >; 4u'eta a7 : >8 ? >: )* ? >; restriccin de la mano de obra con oras adicionales desconocidas >8 ? : >: L* restriccin de materiales (n esta nueva condicin, veremos que la solucin ptima es >8 < L*, >: < *, >; < C*, con ingresos netos ptimos de 54 Q8;*! Por lo tanto, el carpintero deber,a contratar a un ayudante por C* oras! %Nu pasar,a si slo lo contrata por )* oras& La respuesta a esta pregunta y a otros tipos de preguntas del estilo /qu pasar,a si/ se estudia como un anlisis de sensibilidad!! *n Pro($e!a de Me+c$a 5n taller se especializa en cambios de aceite del motor y a'uste del sistema elctrico! (l beneficio por cambio del aceite es ,- ) de ,1. #or a"uste! (l taller tiene un cliente fi'o con cuya flota, le aranti+a 3/ ca!(ios de aceite #or se!ana! 2ada cambio de aceite requiere de :* minutos de traba'o y QD de insumos! 5n a'uste toma una ora de traba'o y gasta Q8L en insumos! (l taller paga a los mecnicos Q8* por ora de traba'o y emplea actualmente a dos de ellos, cada uno de los cuales labora )* oras por semana! Las compras de insumos alcanzan un valor de Q8!RL* semanales! (l taller desea ma#imizar el beneficio total! Mormule el problema! (sto es una pregunta de programacin lineal! 5na porcin de un cambio del aceite o del a'uste no es factible! Las variables7 >8 < 2ambios del aceite >: < "'uste =a#imizar R>8 ? 8L>: 4u'eta a7 >8 ;* 2uenta 1e la Mlota :*>8 ? C*>: )D** (minutos) 1e traba'o tiempo D>8 ? 8L>: 8RL* Primas =aterias >8 *, >: *! (l costo de traba'o de Q8* por ora no se requiere para plantear el problema debido a que el beneficio por cambio del aceite y el a'uste toma en la consideracin el costo de traba'o! Mtodo de 0o$ucin Gr1fica

3.2 &efiniciones 5n problema de de programacin lineal consiste en minimizar (ma#imizar) una funcin lineal, su'eta a restricciones lineales! =atemticamente este problema puede ser planteado como7 min f(#) (;!8) su'eto a gi (#) J * i < 8,S!,m ' (#) < * B < 8,S!,p #J* donde las funciones f, gi i<8,S!,m y ' ' <8,S!,p son funciones lineales! Pbserve que la funcin f es conve#a y las restricciones forman un con'unto conve#o, entonces de acuerdo al teorema de =inimizacin de Munciones 2onve#as en 2on'untos 2onve#os, cualquier m,nimo global es un punto de m,nimo global de (;!8) 5n problema de programacin lineal est en formato patrn, si todas las restricciones son ecuaciones de igualdad! T cualquier problema de programacin lineal puede ser colocado en el formato patrn a travs de la introduccin de variables de olgura! ('emplo min L#8 U ;#: su'eto a7 #8 U #: J : :#8 ? ;#: H ) 6#8 ? C#: < 8* #8 J * #: J * 0ntroduciendo las variables de olgura #; y #) en la primera y segunda restriccin respectivamente, este problema puede ser escrito en el formato patrn7 min L#8 U ;#: su'eto a7 #8 U #: U #; < : :#8 ? ;#: ? #) < ) 6#8 ? C#: < 8* #8 J * #: J * #; J * #) J * Por esta razn podemos considerar la generalidad de problemas que estn en la forma patrn7 min c# su'eto a "#<b #J* donde7 n7 nEmero de variables m7 nEmero de restricciones "7 matriz de coeficientes(m#n) c 7 vector de coeficientes de costo (n) b 7 trmino independiente (m) # 7 vector de variables (n)

(l con'unto 1 < V #7 "# < b, # J * W es llamado de pol,tope conve#o! 5n pol,tope limitado es llamado poliedro conve#o! La figura siguiente muestra los conceptos de pol,tope y poliedro! 5n vrtice ( o punto e#tremo) de un polipote conve#o 1 es cualquier punto # X 1 que no puede ser e#presado como combinacin lineal conve#a de otros puntos de 1! +ecordando que un vector # es una combinacin lineal conve#a de los vectores # 8, #:, #;, SS,#n ! si puede ser e#presado como7

x = 8 x8 + : x: + !!!! + n xn
f(#)

donde

i =8

= 8 i J * para i <8,!!,n

f(#)

#
poliedro politope

" continuacin se analiza un problema de programacin lineal simple, posteriormente las conclusiones obtenidas sern e#tendidas para el caso general! E"e!#$o1 2onsidere el problema dado por7 min z < 6L#8 U ;#: su'eto a :#8 H C* ;#8 ? :#: H :)* #8 ? #: H L* #8, #: J * (l problema puede ser resuelto usando un grfico, colocando las restricciones se obtiene el poliedro (regin factible )! 1ibu'ando la funcin ob'etivo, se verifica que el valor de la funcin ob'etivo disminuye en la medida que se ale'a del origen! (l punto de menor valor de z es #8 < ;* y #: < :* ( z < 6:8*) Pbserve que la solucin ptima corresponde a un vrtice! Posterior!ente un 3eore!a enunciar1 4ue $a so$ucin #ti!a se o(tiene en #or $o !enos un 5rtice!

#8 L* )* ;* :* 8* * * :*
z <68L*

#8H;* #8?#:HL*

z < 6:8*

)*

C*

D* #:

E"e!#$o 2 =odelo lineal de produccin z < =a# c# su'eto a "#Jb donde7 # 7 vector de productos c 7 vector de precios unitarios del producto # z 7 renta total resultante de la venta de los productos " 7 =atriz de transformacin b 7 vector de recursos (l problema se interpreta7 el vector de recursos b se utiliza para fabricar un con'unto de productos #! (stos productos son vendidos a un precio unitario c, y el ob'etivo es ma#imizar la renta z resultante de esas ventas! 4uponga a ora que n individuos, o compa.,as, cada cual con un vector de recursos b 8, b:,S!,bn, deciden formar una cooperativa, o $ pool $, para la produccin y venta de #, la renta m#ima resultante ser7 z < =a# c # su'eto a " # J b ( < b8?b:?S!,S!?bn ) 2osto =arginal Y

5na vez que la solucin ptima a sido encontrada, o sea, que la renta a sido ma#imizada, la pregunta pasa a ser como dividir el total z de una manera $ 'usta $ entre los n participantes de la cooperativa! (n el enfoque a costos marginales, este beneficio debe ser dividido de forma proporcional al costo marginal de cada componente del vector de recursos b! (l costo marginal es la derivada del valor ptimo, z, con relacin al vector de recursos b!
= z b

(n el modelo lineal de produccin, los costos marginales corresponden a los multiplicadores simples ( o variables duales ), asociadas a las restricciones del problema, ( y son calculados automticamente por los algoritmos de solucin del PL)! La asignacin de cada participante en el enfoque de costos marginales est dada por7 Pi < Y bi para i < 8,:,!!,n (l enfoque marginal tiene varias caracter,sticas atractivas7 8! 2ompleta7 el beneficio z es totalmente dividido entre los participantes :! (ficiente 7 el uso de los recursos disponibles es optimizado ;! estable 7 cada participante recibe ms como miembro del $ pool $ que si traba'ase individualmente o como miembro de cualquier $ subpool $9 de esta forma, no ay incentivos para la disolucin del $ pool $

E"e!#$o 3 "signacin a costos marginales en sistemas de generacin trmica Pperacin de 4istemas Germoelctricos con 3arra 5nica! (l enfoque marginal es aplicado para un sistema de generacin compuesto solamente de unidades trmicas! (n este caso el ob'etivo es minimizar los costos de generacin! (l despac o ptimo de este sistema est representado como7

z = Min C j G j
j =8

NT

2osto

su'eto a

G
j =8

NT

=D

=arginal Yd Yg' para ' < 8,S!, OG

@' H ma# @'

donde7 OG nEmero de unidades de generacin trmica 2' costo de generacin de la unidad ' @' generacin de la unidad ' 1 mercado de energ,a Yd costo marginal asociado a la variacin del mercado Yg costo marginal asociado a la variacin de la capacidad de generacin 3EOREMA Caracteri+acin de $a so$ucin #ti!a (l ptimo de una funcin lineal en un con'unto conve#o es obtenido en por lo menos un vrtice! (n el caso en que ms de un vrtice es solucin ptima del problema, cada punto perteneciente a la combinacin lineal conve#a de estos vrtices ser solucin ptima del problema! 3EOREMA Caracteri+acin a$ e(raica de un 5rtice

(l con'unto de vrtices del pol,tope 1 corresponde al con'unto de soluciones bsicas viables del sistema " # < b! " partir de este teorema es posible establecer los siguientes resultados7 (i) (l nEmero de vrtices de un politope es finito (ii) 2ualquier punto del con'unto 1 puede ser e#presado como combinacin lineal conve#a de los vrtices! Caracteri+acin a$ e(raica de $os 5rtices 4e definirn los conceptos de base de una matriz y solucin bsica factible y que toda solucin bsica factible corresponde a un vrtice! Goda submatriz cuadrada de ", llammosla 3, de dimensin m, invertible se denomina una base! Particionando la matriz " de manera que las columnas asociadas a la base se posicionen a la izquierda de las dems se obtiene7 " < Z 3,O [, donde O es la submatriz formada por las columnas restantes de "! 1el mismo modo, particionando los vectores b (recursos) y c (precios) de la siguiente manera7 # < Z # 3, #O [ y c < Zc3, cO [ , donde #3, c3 son los vectores de variables y de costo asociados a las columnas de la base, mientras que #O, cO son los vectores de variables y costos correspondientes a las columnas de O, podemos reescribir el problema como7 z < min c3 \ #3 ? cO \ #O su'eto a 3 #3 ? O # O < b #3, #O J * 5na solucin bsica se obtiene cuando las variables #O estn fi'adas en cero ( #O <* ) (l vector #3 queda entonces determinado a travs de la solucin de 7 3 #3 < b #3 < 368 b

5na solucin bsica es factible cuando7 4i #3 J * entonces 368 b J*

La base correspondiente a la solucin bsica factible es llamada base factible (l valor de la funcin ob'etivo para una solucin bsica factible si #O <* es7 z < c3 #3 z< c3 368 b

E"e!#$o Para el e'emplo ya resuelto anteriormente se obtienen las matrices 3 y O y los vectores #3 asociados a la solucin ptima! +eescribiendo el problema en la forma patrn se tiene7 min z < 6 L#8 U ;#: su'eto a :#8 ? #;

<

C*

;#8 ? :#: ? #) < :)* #8 ? #: ? #L < L* #i J * i < 8,!!,L La solucin ptima, como a sido vista es #8 < ;*, #: < :* #; < * #)< 88* #L < * Las variables #; y #L son variables no bsicas (fi'adas en cero), mientras las dems, #8, #:, #) son variables bsicas! Las columnas de " asociadas a la base 3 son7
: 3 < ; 8 * : 8 * 8 * 8 O < * * * * 8

la matriz

#8 #: #)

#; #L

La inversa de la base 3 es dada por

*!L 3 < *!L *!L
68

* * 8

* 8 :

fi'ando la variables no bsicas en cero, el valor de las variables bsicas ser igual a7

x =B b
B 8

x8 # < x: < x)
3

* !L *!L *!L

* * 8

* C* ;* 8 :)* = :* : L* 88*

Los valores de las variables bsicas son iguales a las obtenidas grficamente (vrtice ;*, :*) y #) < 88* para llegar a la restriccin :)*! Para e$ #ro($e!a de$ car#intero resue$to anterior!ente =a#imizar L >8 ? ; >: s! a7 : >8 ? >: )* restriccin de mano de obra (por semana) >8 ? : >: L* restriccin de materiales tanto >8 como >: son no negativas! 4i es factible, esta solucin es una solucin bsica factible que proporciona las coordenadas de un punto e#tremo de la regin factible! Para ilustrar el procedimiento, considere las restricciones del 2arpintero en la posicin obligatoria (es decir todas con signo < )7 :>8 ? >: < )* >8 ? :>: < L* >8 < * >: < *

"qu, tenemos ) ecuaciones con : incgnitas! (#isten como m#imo 2): < )] I (:] :]) < C soluciones bsicas! 0i reso$5e!os $os seis siste!as de ecuaciones resu$tantes tene!os7 4eis 4oluciones 3sicas con 2uatro 4oluciones 3sicas Mactibles 2uatro de las soluciones bsicas que figuran aba'o son soluciones (1sicas factibles que satisfacen todas las restricciones y #ertenecen a $os 5rtices de $a re in facti($e ! "l incluir la solucin bsica factible en la funcin ob'etivo, podemos calcular el valor ptimo! (ntonces, de la tabla anterior surge que la solucin ptima es >8 < 8*, >: < :*, con un 5a$or #ti!o de 11/! (ste aborda'e puede aplicarse para resolver problemas de PL de ms dimensiones! >8 1/ * 2/ / L* / >: 2/ )* / 2. * / L>8 ?;>: < ^ 11/6 Oo factible 1// -. Oo factible /

esquina vrtice esquina esquina vrtice

7a$or de $a 'uncin O("eti5o en cada Es4uina o Punto E8tre!o E$ecciones de$ &ecisor Cantidad de Mesas o 0i$$as Oo fabricar ninguna mesa ni silla Mabricar todas la mesas posibles Mabricar todas las sillas posibles Mabricar una combinacin de productos Coordenadas de $os Puntos E8tre!os 91: 92 *, * :*, * *, :L 8*, :* 'uncin de $os In resos Netos . 91 ; 3 92 * 8** RL 88*

1ado que el ob'etivo es ma#imizar, de la tabla anterior surge que el valor ptimo es 88*, el cual se obtiene si el carpintero sigue la estrategia ptima de >8 < 8* y >: < :*! +ecuerde que las restricciones de PL proporcionan los vrtices y las esquinas! 5n vrtice es la interseccin de : l,neas o en general, n iperplanos en problemas de PL con n variables de decisin! 5na esquina es un vrtice que adems es factible! 0i un #ro ra!a $inea$ tiene una re in facti($e acotada no 5ac<a: $a so$ucin #ti!a es sie!#re uno de $os 5rtices de su re in facti($e =una es4uina o #unto e8tre!o>. Co!o resu$tado: $o 4ue de(e!os ?acer es (uscar todos $os #untos de interseccin =5rtices> ) $ue o e8a!inar cu1$ de todos $os 5rtices facti($es #ro#orciona $a so$ucin #ti!a.

La prueba de lo anterior se basa en los dos ec os siguientes7 -ec o O_ 87 La regin factible de cualquier programa lineal es siempre un con'unto conve#o! 1ebido a que todas las restricciones son lineales, la regin factible (+!M!) es un pol,gono! "dems, este pol,gono es un con'unto conve#o! (n cualquier problema de PL que tenga ms de dos dimensiones, los l,mites de la regin factible son partes de los iperplanos, y la regin factible en este caso se denomina poliedro y tambin es conve#a! 5n con'unto conve#o es aquel en el cual si se eligen dos puntos factibles, todos los puntos en el segmento de la l,nea recta que une estos dos puntos tambin son factibles! La prueba de que la regin factible de los programas lineales son siempre con'untos conve#os surge por contradiccin! Las siguientes figuras ilustran e'emplos de los dos tipos de con'untos7 un con'unto no conve#o y un con'unto conve#o!

(l con'unto de la regin factible en cualquier programa lineal se denomina poliedro y si est acotado se denomina politopo! -ec o O_ :7 (l valor iso (igual) de una funcin ob'etivo de un programa lineal es siempre una funcin lineal! (ste ec o surge de la naturaleza de la funcin ob'etivo de cualquier problema de PL! Las siguientes figuras ilustran las dos clases t,picas de funciones ob'etivo de igual valor (funcin iso)!

1e la combinacin de los dos ec os e#presados arriba surge que si un programa lineal tiene una regin factible acotada no vac,a, la solucin ptima es siempre uno de los puntos e#tremos! Para superar la deficiencia del mtodo grfico, utilizaremos esta conclusin Etil y prctica en el desarrollo de un mtodo algebraico aplicable a problemas de PL multidimensionales! La conve#idad de la regin factible de los programas lineales facilita la resolucin de problemas de PL! 1ebido a esta propiedad y a la linealidad de la funcin ob'etivo, la solucin es siempre uno de los vrtices! Asi!is!o: dado 4ue $a cantidad de 5rtices es $i!itada: todo $o 4ue de(e!os ?acer es (uscar todos $os 5rtices facti($es ) $ue o e5a$uar $a funcin o("eti5o en dic?os 5rtices #ara encontrar e$ #unto #ti!o. (n el caso de programas no lineales, el problema es muc o ms dif,cil de resolver porque la solucin podr,a estar en cualquier parte dentro de la regin factible, en el l,mite de la regin factible o en un vrtice! Por suerte, la mayor,a de los problemas de optimizacin empresarial son lineales y es por eso que la PL es tan popular! -oy en d,a, e#isten ms de )** paquetes de software en el mercado para resolver problemas de PL! La mayor,a se basa en la bEsqueda de vrtices! (sto equivale a pasar de un vrtice a otro cercano en busca de un punto ptimo! Los programas lineales reales siempre se resuelven por computadora! Por lo general las computadoras utilizan el mtodo simple# para llegar a las soluciones! Los coeficientes de la funcin ob'etivo se denominan coeficientes de costos (porque istricamente durante la 4egunda @uerra =undial, el primer problema de PL fue un problema de minimizacin de costos) E$ #a4uete LIN&O es un soft@are !u) uti$i+ado #ara #ro($e!as de PL. 0e #uede (a"ar una 5ersin #ara Aindo@s ratuita en $a #1 ina Bo!e de LIN&O en LIN&O: ?tt#:CC@@@.$indo.co!. En este sitio se e8#$ica co!o e"ecutar e inter#retar $os resu$tados de$ #a4uete LIN&O.

EDEMPLO0
E"e!#$o Nu!rico: e$ Pro($e!a de$ 3rans#orte (l ob'etivo es encontrar la manera ms efectiva de transportar productos! La siguiente tabla presenta un resumen de la oferta y la demanda en cada origen (por e'emplo7 el depsito) P8, P: y destino (por e'emplo7 el mercado) 18 y 1:, 'unto con el costo unitario de transporte! Matri+ de Costo *nitario de 3rans#orte 18 1: Pferta P8 :* ;* :** P: 8* )* 8** 1emanda 8L* 8L* ;** >i' representa la cantidad de productos enviados desde el origen i asta el destino '! La formulacin de PL del problema de minimizacin del costo total de transporte es la siguiente7 =in :*>88 ? ;*>8: ? 8*>:8 ? )*>:: 4u'eta a7 >88 ? >8: < :** >:8 ? >:: < 8** >88 ? >:8 < 8L* >8: ? >:: < 8L* todas >i' * 2omo este problema de transporte es equilibrado (oferta total < demanda total) todas las restricciones estn en forma de igualdad! "dems, cualquiera de las restricciones es redundante (si se suman dos restricciones cualquiera y se resta otra obtenemos la restriccin restante)! 3orremos la Eltima restriccin! (l problema entonces queda as,7 =in :*>88 ? ;*>8: ? 8*>:8 ? )*>:: 4u'eta a7 >88 ? >8: < :** >:8 ? >:: < 8** >88 ? >:8 < 8L* todas >i' * (ste problema de PL no se puede resolver mediante el mtodo grfico! 4in embargo, el mtodo algebraico no tiene ninguna limitacin con respecto a la dimensin de PL! Otese que tenemos tres ecuaciones con cuatro variables de decisin restringidas! Mi'ando cualquiera de las variables en cero obtenemos7 >88 >8: >:8 >:: 2osto Gotal de Gransporte * :** 8L* 6L* Oo factible :** * 6L* 8L* Oo factible

8L* L* * 8** L* 8L* 8** *

DL** CL**\

" ora poniendo cualquier y dos (o ms) las variables para poner cero de a, es fcil de ver, inspeccionando las tres ecuaciones que todas las otras soluciones son no factible! Por lo tanto, la estrategia ptima es >88 < L*, >8: < 8L*, >:8 < 8**, y >:: < *, con un costo total de transporte m,nimo de 54QC!L**!

&e: 0ntroduccin a 0nvestigacin de Pperaciones! -illierILiberman 8! 5na empresa productora de productos de vidrio! Giene ; plantas, en cada planta se acen cosas diferentes pero todas ligadas a la misma cadena de produccin! 4e desea discontinuar varios productos improductivos y esto liberar la capacidad de produccin para poder pensar en la posibilidad de producir 8 o : nuevos productos! (l 1epartamento de =ercadotecnia a concluido que la compa.,a podr,a vender tanto de cualquiera de los dos productos como pudiera producir con la capacidad disponible! 4in embargo, como los dos productos competir,an por la misma capacidad de produccin en la planta ;, no se ve claro que mezcla entre los : productos ser,a la ms venta'osa! T este es el asunto que ay que investigar! La informacin obtenida por el departamento de 0nvestigacin de Pperaciones se tabula en la tabla siguiente 2apacidad usada por tasa unitaria de produccin 8 * * : ; : Q; QL Producto 8 Producto :

Planta 8 : ; 5tilidad unitaria

2apacidad disponible ) 8: 8D

Planteamiento como problema de Programacin Lineal +epresentemos por #8, #: el nEmero de unidades del producto 8 y del : respectivamente, producidas por minuto, y sea ^ la contribucin resultante a la utilidad por minuto! Por tanto #8 y #: son las variables de decisin para el modelo y el modelo es elegir sus valores de modo que se ma#imice ^ < ;#8 ? L #: su'eta a las restricciones impuestas sobre sus valores por las capacidades limitadas disponibles de las plantas!

La tabla muestra que cada unidad del producto 8 producir,a el 8` de la capacidad de la planta 8, mientras que slo se cuenta con una capacidad disponible del )`! (sto se modelo como #8 H ) La planta : impone la restriccin de :#: H 8: Para la planta ; la restriccin es ; #8 ? : #: H 8D !Las tasas de produccin no pueden ser negativas por lo que #8 y #: J * (n lengua'e matemtico de programacin lineal, el problema es elegir valores de las variables #8 y #: a fin de =a#imizar ^ < ;#8 ? L#: su'eto a las restricciones #8 H ) :#: H 8: ;#8 ? :#: H 8D #8 J * #: J * 4olucin grfica 82 88 8* F D R C L ) ; : 8 *

;#8?:#:<8D

#8<)

:#:<8:
+egin Mactible

81

(l grfico muestra la +egin Mactible que indica los valores permisibles para #8 y #: (l paso final es seleccionar el punto de esta regin que ma#imice el valor de ^ < ;#8?L#: Por prueba y error intentemos ^ < 8* < ;#8?L#:

#: 88 8* F D R C L ) ; : 8 *

(:,C)
^ < ;C<;#8?L#:

8*<;#8?L#:

^<:*<;#8?L# :

L#: : ) C D #8

Grazando la recta 8* < ;#8?L#: se ve que e#isten muc os puntos de esta recta que se encuentran dentro de la regin factible! 0ntentemos un valor mayor ^ < :* < ;#8?L#: una parte del segmento est dentro de la regin factible, por lo que el valor m#imo debe ser mayor que :*! (l procedimiento es trazar una serie de rectas paralelas que contengan al menos un punto de la regin factible y seleccionar aquella que se encuentre ms ale'ada del origen (direccin de valores crecientes de ^)! (sta recta pasa por el punto (:,C) por lo que ^ < ;C La solucin buscada es #8 < : y #: < C! La empresa debe producir los productos 8 y : a la tasa de dos por minuto y seis por minuto respectivamente con una utilidad resultante de Q;CIminuto!

E$ Mtodo 0i!#$e8
(l mtodo 4implez es un algoritmo para resolver problemas de PL! +ecordemos que el =todo "lgebraico obtiene todos los vrtices aEn aquellos que no son factibles! Por lo tanto no es un mtodo eficiente para resolver problemas de PL con gran nEmero de restricciones! (l =todo 4imple# es una modificacin del =todo "lgebraico para subsanar esa deficiencia! Pero el =todo 4imple# tiene otras deficiencias! Por e'emplo, requiere que todas las variables sean no6negativas (J*), tambin todas las restricciones deben ser en forma H , con valores no6negativos al lado derec o ($non6negative +ig t6 -and64ide +-4) "l igual que el =todo "lgebraico, el 4imple# es un algoritmo de solucin tabular! Pero cada tabla corresponde a un movimiento de un con'unto de variables bsicas (e#tremos o puntos de esquina) a otro, asegurando que la funcin ob'etivo se me'ora en cada iteracin asta alcanzar la solucin ptima EL METODO SIMPLEX PARA SOLUCIN DE PROBLEMAS DE PROGRAMACIN LINEAL Es un procedimiento iterativo que permite ir mejorando El mtodo del simplex fue la solucin a cada paso. El proceso concluye cuando no creado en 1947 por el
matemtico eor!e

es posi"le se!uir mejorando ms dic#a solucin.

.ant/i! .

El mtodo del simplex se $artiendo del valor de la funcin o"jetivo en un vrtice cualquiera% el mtodo consiste en "uscar sucesivamente utili/a% so"re todo% para resolver pro"lemas de otro vrtice que mejore al anterior. &a "'squeda se #ace pro!ramacin lineal en los siempre a travs de los lados del pol(!ono )o de las que intervienen tres o ms aristas del poliedro% si el n'mero de varia"les es mayor*. varia"les. +mo el n'mero de vrtices )y de aristas* es finito% El l!e"ra matricial y el siempre se podr encontrar la solucin.

El mtodo del simplex se "asa en la si!uiente propiedad, si la funcin o"jetivo% f% no toma su valor mximo en el vrtice -% entonces #ay una arista que parte de -% a lo lar!o de la cual f aumenta.

proceso de eliminacin de auss01ordan para resolver un sistema de ecuaciones lineales constituyen la "ase del mtodo simplex.

+on el o"jetivo de conocer la metodolo!(a que se aplica en el 2todo 342$&E5% vamos a resolver el si!uiente pro"lema, 2aximi/ar sujeto a, Z= f(x,y)= 3x + 2y 2x + y 18 2x + 3y 42 3x + y 24 x 6%y 6

3e consideran las si!uientes fases, 1. Convertir las desigualdades en igualdades 3e introduce una variable de holgura por cada una de las restricciones% para convertirlas en i!ualdades% resultando el sistema de ecuaciones lineales, 2x + y + h = 18 2x + 3y + s = 42 3x +y + d = 24 2. Igualar la funcin objetivo a cero - 3x - 2y + Z = 0 3. Escribir la tabla inicial simplex En las columnas aparecern todas las varia"les del pro"lema y% en las filas% los coeficientes de las i!ualdades o"tenidas% una fila para cada restriccin y la 'ltima fila con los coeficientes de la funcin o"jetivo, 7a"la 4 . 4teracin n8 1

9ase :aria"le de decisin :aria"le de #ol!ura :alores solucin x y h s d h ; 1 1 6 6 1< s ; = 6 1 6 4; d 3 1 6 6 1 ;4 Z 0= 0; 6 6 6 6 4. Encontrar la variable de decisin que entra en la base !olgura que sale de la base la variable de

-. $ara esco!er la varia"le de decisin que entra en la "ase% nos fijamos en la 'ltima fila% la de los coeficientes de la funcin o"jetivo y esco!emos la varia"le con el coeficiente ne!ativo mayor )en valor a"soluto*. En nuestro caso% la varia"le x de coeficiente 0 =. 3i existiesen dos o ms coeficientes i!uales que cumplan la condicin anterior% entonces se eli!e uno cualquiera de ellos. 3i en la 'ltima fila no existiese nin!'n coeficiente ne!ativo% si!nifica que se #a alcan/ado la solucin ptima. $or tanto% lo que va a determinar el final del proceso de aplicacin del mtodo del simplex% es que en la 'ltima fila no #aya elementos ne!ativos. &a columna de la varia"le que entra en la "ase se llama colu !a "ivo#e )En color a/ulado*. 9. $ara encontrar la varia"le de #ol!ura que tiene que salir de la "ase% se divide cada trmino de la 'ltima columna )valores solucin* por el trmino correspondiente de la columna pivote% siempre que estos 'ltimos sean mayores que cero. En nuestro caso, 1<>; ?@9A % 4;>; ?@;1A y ;4>= ?@<A 3i #u"iese al!'n elemento menor o i!ual que cero no se #ace dic#o cociente. En el caso de que todos los elementos fuesen menores o i!uales a cero% entonces tendr(amos una solucin no acotada y no se puede se!uir. El trmino de la columna pivote que en la divisin anterior d lu!ar al menor cociente positivo% el =% ya < es el menor% indica la fila de la varia"le de #ol!ura que sale de la "ase% d. Esta fila se llama fila "ivo#e )En color a"ulado*. 3i al calcular los cocientes% dos o ms son i!uales% indica que cualquiera de las varia"les correspondientes pueden salir de la "ase. 2! En la interseccin de la fila pivote y columna pivote tenemos el elemento pivote operacional% 3.

#. Encontrar los coeficientes de la nueva tabla. &os nuevos coeficientes de x se o"tienen dividiendo todos los coeficientes de la fila d por el pivote operacional% =% que es el que #ay que convertir en 1. - continuacin mediante la reduccin !aussiana #acemos ceros los restantes trminos de su columna% con lo que o"tenemos los nuevos coeficientes de las otras filas incluyendo los de la funcin o"jetivo Z. 7am"in se puede #acer utili/ando el si!uiente esquema, Bila del pivote, $ueva fila del pivote% &'ieja fila del pivote( ) &*ivote( Cesto de las filas, $ueva fila% &'ieja fila( + &Coeficiente de la vieja fila en la columna de la variable entrante( , &$ueva fila del pivote( :emoslo con un ejemplo una ve/ calculada la fila del pivote )fila de x en la 7a"la 44*, :ieja fila de s ; 0 +oeficiente ; x Dueva fila pivote 1 @ Dueva fila de s 6 = 0 ; x 1>= @ 7>= 6 0 ; x 6 @ 6 1 0 ; x 6 @ 1 6 0 ; x 1>= @ 0;>= 4; 0 ; x < @ ;E

7a"la 44 . 4teracin n8 ; 9ase :aria"le de decisin :aria"le de #ol!ura :alores solucin x y h s d h 6 1-3 1 6 0;>= ; s 6 7>= 6 1 0;>= ;E x 1 1>= 6 6 1>= < Z 6 01 6 6 1 ;4 +omo en los elementos de la 'ltima fila #ay uno ne!ativo% 01% si!nifica que no #emos lle!ado todav(a a la solucin ptima. Fay que repetir el proceso, "! &a varia"le que entra en la "ase es y% por ser la varia"le que corresponde al coeficiente 01 9. $ara calcular la varia"le que sale% dividimos los trminos de la 'ltima columna entre los trminos correspondientes de la nueva columna

pivote, ;,1>= ?@EA % ;E,7>= ?@7<>7A y <,1>= ?@<A y como el menor cociente positivo es E% tenemos que la varia"le de #ol!ura que sale es h. 2! El elemento pivote% que a#ora #ay que #acer 1% es 1-3. Gperando de forma anlo!a a la anterior o"tenemos la ta"la, 7a"la 444 . 4teracin n8 = 9ase :aria"le de decisin :aria"le de #ol!ura :alores solucin x y h s d y 6 1 = 6 0; E s 6 6 07 6 4 1; x 1 6 01 6 1 E Z 6 6 = 6 01 =6 +omo en los elementos de la 'ltima fila #ay uno ne!ativo% 01% si!nifica que no #emos lle!ado todav(a a la solucin ptima. Fay que repetir el proceso, "! &a varia"le que entra en la "ase es d% por ser la varia"le que corresponde al coeficiente 01 9. $ara calcular la varia"le que sale% dividimos los trminos de la 'ltima columna entre los trminos correspondientes de la nueva columna pivote, E>)0;* ?@0=A % 1;>4 ?@=A% y E,1 ?@EA y como el menor cociente positivo es =% tenemos que la varia"le de #ol!ura que sale es s. 2! El elemento pivote% que a#ora #ay que #acer 1% es 4. G"tenemos la ta"la, 7a"la 4: . Binal del proceso 9ase :aria"le de decisin :aria"le de #ol!ura :alores solucin x y h s d y 6 1 01>; 6 6 12 d 6 6 07>4 6 1 = x 1 6 0=>4 6 6 3 Z 6 6 H>4 6 6 33 +omo todos los coeficientes de la fila de la funcin o"jetivo son positivos% #emos lle!ado a la solucin ptima. &os solucin ptima viene dada por el valor de I en la columna de los valores solucin% en nuestro caso, 33. En la misma columna se puede o"servar el vrtice donde se alcan/a% o"servando las filas correspondientes a las varia"les de decisin que #an entrado en la "ase, .&3/12(

J 3i en el pro"lema de maximi/ar apareciesen como restricciones inecuaciones de la forma, ax K "y cL multiplicndolas por 0 1 se transforman en inecuaciones de la forma 0 ax 0 "y 0 c y estamos en el caso anterior J 3i en lu!ar de maximi/ar se trata de un pro"lema de minimi/ar se si!ue el mismo proceso% pero cam"iando el sentido del criterio% es decir% para entrar en la "ase se eli!e la varia"le cuyo valor% en la fila de la funcin o"jetivo% sea el mayor de los positivos y se finali/an las iteraciones cuando todos los coeficientes de la fila de la funcin o"jetivo son ne!ativos

Interpretacin geom0trica del m0todo del simplex &as sucesivas ta"las que #emos construido van proporcionando el valor de la funcin o"jetivo en los distintos vrtices% ajustndose% a la ve/% los coeficientes de las varia"les iniciales y de #ol!ura. En la primera iteracin )7a"la 4* #an permanecido todos los coeficientes i!uales% se #a calculado el valor de la funcin o"jetivo en el vrtice -)6%6*% siendo este 6. - continuacin se despla/a por la arista -9% calculando el valor de f % #asta lle!ar a 9. Este paso aporta la 7a"la 44. En esta se!unda iteracin se #a calculado el valor que corresponde al vrtice 9)<%6*, I@f)<%6* @ ;4 3i!ue por la arista 9+% #asta lle!ar a +% donde se para y desplie!a los datos de la 7a"la 444. En esta tercera iteracin se #a calculado el valor que corresponde al vrtice +)E%E* , I@f)E%E*@=6. +ontinua #aciendo clculos a travs de la arista +.% #asta lle!ar al vrtice .. &os datos que se reflejan son los de la 7a"la 4:. +oncluye con esta ta"la% advirtiendo que #a terminado )antes #a compro"ado que la solucin no mejora al despla/arse por la arista .E* El valor mximo de la funcin o"jetivo es ==% y corresponde a x @ = e y @ 1; )vrtice .*. 3i se calcula el valor de la funcin o"jetivo en el vrtice E)6%14*% su valor no supera el valor ==.