Unidad:

“MODELAMIENTO MATEMÁTICO”

Capitulo y Tema: Actividad (Numero y nombre):

Tema 1. Programación Lineal 1.1. Conceptos y Definiciones
Tema 2. Método Gráfico
Tema 3. Método Simplex
Módulo: Nombre (s):
Noveno “B” María Belén Novillo Sánchez
Profesor:
LUIS ANTONIO CHAMBA ERAS
Fecha en la cual el profesor Fecha en la cual el profesor recibe la actividad:
encarga la actividad:
Miércoles 13/Oct/2010 Miércoles 20/Oct/2010

Bibliografía:

 Programación Lineal [En Línea]:

http://usuarios.multimania.es/royel/principal/2/index.html
 Programación Lineal [En Línea].
http://www.investigacionoperaciones.com/Formulacion%20Problemas.htm
 Solución Factible [En
Línea].http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/region.html
 Método Gráfico [En Línea].http://thales.cica.es/rd/Recursos/rd99/ed99-0045-
01/secciones/grafico.html
 Método Gráfico [En Línea].http://www.investigacion-
operaciones.com/Metodos_Solucion_PL.htm
 Método Simplex [En
Línea].http://www.phpsimplex.com/teoria_metodo_simplex.htm
 Método Simplex dos fases [En
Línea].http://www.phpsimplex.com/teoria_metodo_simplex.htm#dos_fases
 Ejemplo Programación Lineal [En
Línea].http://www.vitutor.com/algebra/pl/a_3.html----
Introducción

La programación lineal es una técnica mediante la cual se toman decisiones,

reduciendo el problema bajo estudio a un modelo matemático general, el
cual debe ser resuelto por métodos cuantitativos.
La solución de dichos modelos se obtiene aplicando diversas técnicas como:
programación lineal, método gráfico, y método simplex.
A continuación se presentan los puntos más relevantes sobre la
programación lineal y los métodos más utilizados para la resolución de
problemas para así poder obtener la solución adecuada para cada problema y
facilitar la toma de decisiones.

Objetivos

 Conocer de una mejor manera los pasos para la solución de problemas

mediante el método gráfico y método simplex.
 Determinar cuáles son las condiciones necesarias para maximizar o minimizar
un problema.
 Mediante cualquiera de los métodos aplicados nos permitirá tomar la solución
más factible.

Tema 1.

“PROGRAMACION LINEAL”

La Programación Lineal es una técnica mediante la cual se toman decisiones,

reduciendo el problema bajo estudio a un modelo matemático general, el cual debe
ser resuelto por métodos cuantitativos.

Para la resolución de problemas mediante este método primeramente definimos el

modelo matemático determinando lo siguiente:

 Variables de decisión y parámetros

Las variables de decisión son incógnitas que deben ser determinadas a partir de la
solución del modelo. Los parámetros representan los valores conocidas del sistema o
bien que se pueden controlar.

 Restricciones

Las restricciones son relaciones entre las variables de decisión y magnitudes que dan
sentido a la solución del problema y las acotan a valores factibles. Por ejemplo si una
de las variables de decisión representa el número de empleados de un taller, es
evidente que el valor de esa variable no puede ser negativa.
  Función Objetivo

La función objetivo es una relación matemática entre las variables de decisión,

parámetros y una magnitud que representa el objetivo o producto del sistema. Por
ejemplo si el objetivo del sistema es minimizar los costos de operación, la función
objetivo debe expresar la relación entre el costo y las variables de decisión. La solución
OPTIMA se obtiene cuando el valor del costo sea mínimo para un conjunto de valores
factibles de las variables. Es decir hay que determinar las variables x1, x2, ..., xn que
optimicen el valor de Z = f(x1, x2, ..., xn) sujeto a restricciones de la forma g(x1, x2, ...,
xn) b. Donde x1, x2, ..., xn son las variables de decisión Z es la función objetivo, f es
una función matemática.

 Solución del Problema

La solución de un problema de programación lineal, en el supuesto de que exista, debe

estar en la región determinada por las distintas desigualdades. Esta recibe el nombre
de región factible, y puede estar o no acotada.

Región factible acotada

Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las desigualdades sean
en sentido amplio ( o ) o en sentido estricto (< o >).

Si la región factible está acotada, su representación gráfica es un polígono convexo con

un número de lados menor o igual que el número de restricciones..

EJEMPLO

El fabricante dispone para la confección de 750 m de tejido de algodón y

1000 m de tejido de poliéster. Cada pantalón precisa 1 m de algodón y 2 m
de poliéster. Para cada chaqueta se necesitan 1.5 m de algodón y 1 m de
poliéster.
El precio del pantalón se fija en 50 € y el de la chaqueta en 40 €. ¿Qué
número de pantalones y chaquetas debe suministrar el fabricante a los
almacenes para que éstos consigan una venta máxima?

1. Elección de las incógnitas.

x = número de pantalones
y = número de chaquetas

2. Función objetivo

f(x,y)= 50x + 40y

3. Restricciones

Para escribir las restricciones vamos a ayudarnos de una tabla:

pantalones chaquetas disponible

algodón 1 1,5 750
poliéster 2 1 1000

x + 1.5y ≤ 750 2x+3y≤1500

2x + y ≤ 1000

Como el número de pantalones y chaquetas son números naturales,

tendremos dos restricciones más:

x≥0
y≥0

4. Hallar el conjunto de soluciones factibles

Tenemos que representar gráficamente las restricciones. Al ser x ≥
0 e y ≥ 0, trabajaremos en el primer cuadrante. Representamos las
rectas, a partir de sus puntos de corte con los ejes.
Resolvemos gráficamente la inecuación: 2x +3y ≤ 1500, para ello
tomamos un punto del plano, por ejemplo el (0,0).

2·0 + 3·0 ≤ 1 500

Como 0 ≤ 1 500 entonces el punto (0,0) se encuentra en el semiplano

donde se cumple la desigualdad. De modo análogo resolvemos 2x + y
≤ 1000.

2·0 + 0 ≤ 1 00

La zona de intersección de las soluciones de las inecuaciones sería la

solución al sistema de inecuaciones, que constituye el conjunto de las
soluciones factibles.

5. Calcular las coordenadas de los vértices del recinto de las

soluciones factibles.

La solución óptima, si es única, se encuentra en un vértice del recinto.

éstos son las soluciones a los sistemas:

2x + 3y = 1500; x = 0 (0, 500)

2x + y = 1000; y = 0 (500, 0)
2x + 3y =1500; 2x + y = 1000 (375, 250)
 6. Calcular el valor de la función objetivo

En la función objetivo sustituimos cada uno de los vértices.

f(x, y) = 50x + 40y

f(0, 500) = 50·0 + 40·500 = 20000 €
f(500, 0) = 50·500 + 40·0 = 25000 €
f(375, 250) = 50·375 + 40·250 = 28750 € Máximo

La solución óptima es fabricar 375 pantalones y 250 chaquetas para

obtener un beneficio de 28750 €.

La solución no siempre es única, también podemos encontrarnos con

una solución múltiple.

Tema 2

“MÉTODO GRÁFICO DE RESOLUCIÓN DE SISTEMAS “

Cada una de las ecuaciones que forman un sistema lineal de dos ecuaciones con dos
incógnitas es la de una función de primer grado, es decir, una recta. El método
gráfico para resolver este tipo de sistemas consiste, por tanto, en representar en unos
ejes cartesianos, o sistema de coordenadas, ambas rectas y comprobar si se cortan.

El proceso de resolución de un sistema de ecuaciones mediante el método gráfico se

resume en las siguientes fases:

1. Graficar las soluciones factibles, o el espacio de soluciones (factible), que

satisfagan todas las restricciones en forma simultánea.
2. Las restricciones de no negatividad Xi>= 0 confían todos los valores posibles.
3. El espacio encerrado por las restricciones restantes se determinan sustituyendo
en primer término <= por (=) para cada restricción, con lo cual se produce la
ecuación de una línea recta.
4. Trazar cada línea recta en el plano y la región en cual se encuentra cada
restricción cuando se considera la desigualdad lo indica la dirección de la flecha
situada sobre la línea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto
factible.
6. Aunque hay un número infinito de puntos factibles en el espacio de soluciones,
la solución óptima puede determinarse al observar la dirección en la cual
aumenta la función objetivo.
7. Las líneas paralelas que representan la función objetivo se trazan mediante la
asignación de valores arbitrarios a fin de determinar la pendiente y la dirección
en la cual crece o decrece el valor de la función objetivo.
EJEMPLO

Una compañía de auditores se especializa en preparar liquidaciones y auditorías de

empresas pequeñas. Tienen interés en saber cuantas auditorías y liquidaciones pueden
realizar mensualmente para maximizar sus ingresos. Se dispone de 800 horas de
trabajo directo y 320 horas para revisión. Una auditoría en promedio requiere de 40
horas de trabajo directo y 10 horas de revisión, además aporta un ingreso de 300 dls.
Una liquidación de impuesto requiere de 8 horas de trabajo directo y de 5 horas de
revisión, produce un ingreso de 100 dls. El máximo de liquidaciones mensuales
disponibles es de 60.

OBJETIVO :

 Maximizar el ingreso total.

VARIABLE DE DECISION:

 Cantidad de auditorías (X1)

 Cantidad de liquidaciones (X2).

RESTRICCIONES :

 Tiempo disponible de trabajo directo

 Tiempo disponible de revisión
 Número máximo de liquidaciones.

Maximizar

Sujeto a:
La solución óptima siempre se encuentra en uno de los vértices del conjunto de
soluciones factibles. Se analizan estos valores en la función objetivo. El vértice que
representa el mejor valor de la función objetivo será la solución óptima.
Tema 3:

“MÉTODO SIMPLEX”

El método Simplex es un procedimiento iterativo que permite ir mejorando la solución

a cada paso. El proceso concluye cuando no es posible seguir mejorando más dicha
solución.

Partiendo del valor de la función objetivo en un vértice cualquiera, el método consiste

en buscar sucesivamente otro vértice que mejore al anterior. La búsqueda se hace
siempre a través de los lados del polígono (o de las aristas del poliedro, si el número de
variables es mayor). Cómo el número de vértices (y de aristas) es finito, siempre se
podrá encontrar la solución.

El método Simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma

su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de
la cual f aumenta.

Deberá tenerse en cuenta que este método sólo trabaja para restricciones que tengan
un tipo de desigualdad "≤" y coeficientes independientes mayores o iguales a 0, y
habrá que estandarizar las mismas para el algoritmo. En caso de que después de éste
proceso, aparezcan (o no varíen) restricciones del tipo "≥" o "=" habrá que emplear
otros métodos, siendo el más común el método de las Dos Fases.

Contrucción de Metodo Simplex

- Construcción de la primera tabla: En la primera columna de la tabla aparecerá lo

que llamaremos base, en la segunda el coeficiente que tiene en la función objetivo
cada variable que aparece en la base (llamaremos a esta columna Cb), en la tercera el
término independiente de cada restricción (P0), y a partir de ésta columna aparecerán
cada una de las variables de la función objetivo (Pi). Para tener una visión más clara de
la tabla, incluiremos una fila en la que pondremos cada uno de los nombres de las
columnas. Sobre ésta tabla que tenemos incluiremos dos nuevas filas: una que será la
que liderará la tabla donde aparecerán las constantes de los coeficientes de la función
objetivo, y otra que será la última fila, donde tomará valor la función objetivo. Nuestra
tabla final tendrá tantas filas como restricciones.

Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n
... ... ... ... ... ... ...
 Pim Cim bim am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn

Los valores de la fila Z se obtienen de la siguiente forma: El valor Z0 será el de

sustituir Cim en la función objetivo (y cero si no aparece en la base). El resto de
columnas se obtiene restando a este valor el del coeficiente que aparece en la primera
fila de la tabla.

Se observará al realizar el método Simplex, que en esta primera tabla, en la base

estarán las variables de holgura.

- Condición de parada: Comprobaremos si debemos de dar una nueva iteración o

no, que lo sabremos si en la fila Z aparece algún valor negativo. Si no aparece ninguno,
es que hemos llegado a la solución óptima del problema.

- Elección de la variable que entra: Si no se ha dado la condición de parada,

debemos seleccionar una variable para que entre en la base en la siguiente tabla. Para
ello nos fijamos en los valores estrictamente negativos de la fila Z, y el menor de ellos
será el que nos de la variable entrante.

- Elección de la variable que sale: Una vez obtenida la variable entrante,

obtendremos la variable que sale, sin más que seleccionar aquella fila cuyo cociente
P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que sólo se hará
cuando Pj sea mayor de 0). La intersección entre la columna entrante y la fila saliente
nos determinará el elemento pivote.

- Actualización de la tabla: Las filas correspondientes a la función objetivo y a los

títulos permanecerán inalterados en la nueva tabla. El resto deberá calcularse de dos
formas diferentes:

 Si es la fila pivote cada nuevo elemento se calculará:

Nuevo Elemento Fila Pivote = Elemento Fila Pivote actual / Pivote.

 Para el resto de elementos de filas se calculará:

Nuevo Elemento Fila = Elemento Fila Pivote actual - (Elemento Columna Pivote
en la fila actual * Nuevo Elemento Fila).
 Método de las Dos Fases

Éste método difiere del Simplex en que primero hay que resolver un problema auxiliar
que trata de minimizar la suma de las variables artificiales. Una vez resuelto este
primer problema y reorganizar la tabla final, pasamos a la segunda fase, que consiste
en realizar el método Simplex normal.

FASE 1

En esta primera fase, se realiza todo de igual manera que en el método Simplex
normal, excepto la construcción de la primera tabla, la condición de parada y la
preparación de la tabla que pasará a la fase 2.

- Construcción de la primera tabla: Se hace de la misma forma que la tabla inicial

del método Simplex, pero con algunas diferencias. La fila de la función objetivo cambia
para la primera fase, ya que cambia la función objetivo, por lo tanto aparecerán todos
los términos a cero excepto aquellos que sean variables artificiales, que tendrán valor
"-1" debido a que se está minimizando la suma de dichas variables (recuerde que
minimizar F es igual que maximizar F·(-1)).

La otra diferencia para la primera tabla radica en la forma de calcular la fila Z. Ahora
tendremos que hacer el cálculo de la siguiente forma: Se sumarán los productos
Cb·Pj para todas las filas y al resultado se le restará el valor que aparezca (según la
columna que se éste haciendo) en la fila de la función objetivo.

Tabla
C0 C1 C2 ... Cn-k ... Cn
Base Cb P0 P1 P2 ... Pn-k ... Pn
Pi1 Ci1 bi1 a11 a12 ... a1n-k ... a1n
Pi2 Ci2 bi2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pim Cim bim am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn

Siendo Zj = Σ(Cb·Pj) - Cj y los Cj = 0 para todo j comprendido entre 0 y n-k (variables de

decisión, holgura y exceso), y Cj = -1 para todo j comprendido entre n-k y n (variables
artificiales).

- Condición de parada: La condición de parada es la misma que en el método

Simplex normal. La diferencia estriba en que pueden ocurrir dos casos cuando se
produce la parada: la función toma un valor 0, que significa que el problema original
tiene solución, o que tome un valor distinto, indicando que nuestro modelo no tiene
solución.
 - Eliminar Columna de variables artificiales: Si hemos llegado a la conclusión de
que el problema original tiene solución, debemos preparar nuestra tabla para la
segunda fase. Deberemos eliminar las columnas de las variables artificiales, modificar
la fila de la función objetivo por la original, y calcular la fila Z de la misma forma que en
la primera tabla de la fase 1.

Conclusiones

 El modelo se puede resolver en forma gráfica si sólo tiene dos variables. Para
modelos con tres o más variables, el método gráfico es impráctico o imposible.
 El método Simplex es un procedimiento iterativo que permite ir mejorando la
solución a cada paso. El proceso concluye cuando no es posible seguir
mejorando más dicha solución.