INVESTIGACIÓN OPERATIVA I

Modelo Programación Lineal

Tipos. Forma Canónica y
Estándar. Universidad Peruana
de las Americas
 Objetivos

1. Definición de un Problema de
PL.
2. Propiedades.
 ¿Cuánto
Producir para
Obtener mayores
utilidades?

Mayores Beneficios
I. Problema de Programación Lineal
La forma más general de un problema de
programación lineal (PPL) consiste en
minimizar o maximizar

Max z=C1X1+C2X2+…+CnXn … (1)

s.a.
a11X1+a12X2+…+a1nXnb1
MPL con n
variables
a21X1+a22X2+…+a2nXnb2
… (2)
…
am1X1+am2X2+…+amnXnbm
end
X1,X2,…,Xn≥0 … (3)
Lo que distingue un problema de
programación lineal de cualquier otro
problema de optimización es que todas
las funciones que en él intervienen
son lineales.

Una única función no lineal hace que

el problema no pueda clasificarse
como problema de programación lineal.
Definición 1. (solución factible).
Un punto x = (x1, x2, . . . , xn) que
satisface todas las restricciones (2)
se denomina solución factible.
El conjunto de todas esas soluciones
es la región de factibilidad.
Definición 2. (Solución óptima). Un
෥ , que mejora (1), tal
punto factible 𝒙
que
𝒙)≤ f(x)
f(෥

para cualquier otro punto factible x

se denomina una solución óptima del
problema.
II. Objetivo

El objetivo de los problemas de

optimización es encontrar un óptimo
global. Sin embargo, las condiciones
de optimalidad sólo garantizan, en
general, óptimos locales, si éstos
existen. Sin embargo, los problemas
lineales presentan propiedades que
hacen posible garantizar el óptimo
global:
III. Propiedades

• Si la región factible está acotada,

el problema siempre tiene una
solución (ésta es una condición
suficiente pero no necesaria para
que exista una solución).
• El óptimo de un problema de
programación lineal es siempre un
óptimo global.
• Si x y y son soluciones óptimas de
un problema de programación lineal,
entonces cualquier combinación
(lineal) convexa de lo mismos
también es una solución óptima.
Obsérvese que las combinaciones
convexas de puntos con el mismo
valor de la función de coste
presentan el mismo valor de la
función de coste.
Modelo PL con n variables

Un MPL de n variables presenta la

siguiente forma general: C ,C ,..,C1 2 n
son las
Utilidades

Max z=C1X1+C2X2+…+CnXn unitarias

st
Representan
a11X1+a12X2+…+a1nXnb1 las
restricciones
Los a ,
1
a ,…,a son
2 m
a21X1+a22X2+…+a2nXnb2
los
coeficientes …
tecnológicos
am1X1+am2X2+…+amnXnbm
end X1,X2,..,Xm
son las
X1,X2,…,Xn≥0 variables de
decisión
Un MPL de n variables presenta la
siguiente forma general:
C1,C2,..,Cn

Min z=C1X1+C2X2+…+CnXn son las

Costos
unitarios
st
a11X1+a12X2+…+a1nXn≥b1 Representan
Los a , las
1
a ,…,a son
2 m
a21X1+a22X2+…+a2nXn≥b2 restricciones
los
coeficientes …
tecnológicos
am1X1+am2X2+…+amnXn≥bm
end
X1,X2,..,Xm
X1,X2,…,Xn≥0 son las
variables de
decisión
Tipos MPL considerando su Región
Factible o Conjunto Solución.
• La solución óptima se alcanza
siempre, al menos, en un punto
extremo de la región factible.

Estos problemas tienen:

1) Solución única
2) Soluciones múltiples
3) Solución no acotada
4) Solución infactible
a) Región Factible No Acotada
X2

X1

Si es un prob. de Max NO tendría

solución.
Ejemplo 1
Max Z=3X+4Y
s.a.
x + y ≥ 14
2x +3y ≥ 36
4x + y ≥ 16
x − 3y ≥ 0
end

¿Qué tipo de solución tiene el MPL?

b) Región Factible Con Infinitas
Soluciones
Se caracteriza
porque al menos
una de las
restricciones
es paralela a
la F.O. por lo
tanto tiene
INFINITAS
soluciones
Ejemplo 2
Min Z=3x + 3y
s.a.
x + y ≥ 5
y ≤ x +3
3y − x≥ −1
y +2x ≤ 16
4y − x ≤ 22
end

¿Que tipo de solución tiene el MPL?

c) Región Factible Con Solución Única

Tiene
solución
única.

A C
Ejemplo 3
Max Z= 2000x + 5000y
s.a.
2x +3y ≥ −3
2x − y − 9 ≤ 0
2x − 5y − 5 ≥ 0
end

¿Cuál es la solución?. Que tipo de

solución tiene el MPL.
d) Región Infactible. Se caracteriza
porque no existe intersección entre
todas las restricciones.
X2 No existe
Tiene
intersección
solución
entre todas
única.
las
restricciones

R1 R2
X1
Ejemplo 4: Min Z=3x + 3y
s.a.
x + y ≥ 5
y ≤ x +3
3y − x≥ −1
y +2x ≤ 16
4y − x ≤ 22
x + y ≤ 2
end

¿Tiene solución?
 INVESTIGACIÓN OPERATIVA I

Algebra del Método Simplex

Universidad Peruana
de las Americas
 Objetivos

1. Reconocer en forma teórica y

practica un conjunto convexo
I. Combinación Lineal Convexa

Un punto 𝒙 ෥ ∈ ℛ 𝒏 se dice que es

combinación lineal de n puntos
𝒙𝟏 , 𝒙𝟐 , … , 𝒙𝒏 ∈ ℛ 𝒏 , si dicho punto se
puede expresar como:
𝒏

෥ = ෍ 𝒙𝒊 𝝀𝒊
𝒙
𝒊=𝟏

Siendo 𝑖 ≥ 0 ∀𝑖 = 1, … 𝑛
1 + 2 +…+ 𝑛 = 1
1.1. Conjuntos Convexos

Un conjunto ∅ ≠ 𝑺 ⊂ 𝓡𝒏 es convexo si
cumple que:
∀𝒙𝟏 , 𝒙𝟐 ∈ 𝑺 → 𝝀𝒙𝟏 + 𝟏 − 𝝀 𝒙𝟐 ∈ 𝑺, 𝝀 ∈ 𝟎, 𝟏

es decir, que dados dos puntos

cualesquiera del conjunto, el
segmento lineal cerrado que une los
dos puntos está totalmente contenido
en el conjunto.
1.2. Conjuntos Convexos. Propiedades

Un Conjuntos convexo tiene las siguientes

propiedades:

a. La intersección de conjuntos convexos es

un conjunto convexo
b. Si 𝐴1 , 𝐴2 ⊂ ℛ𝑛 su suma 𝐴1 + 𝐴2 se define
𝐴1 + 𝐴2 = 𝑥෤ ∈ ℛ 𝑛 ; 𝑥෤ = 𝑥1 + 𝑥2 , 𝑥1 ∈ 𝐴1 , 𝑥2 ∈ 𝐴2
Así si 𝐴1 y 𝐴2 son convexos su suma
también lo es.
c. Si 𝑓: ℛ𝑛 → ℛ𝑚 es una aplicación lineal y
𝑆 ⊂ ℛ𝑛 es un conjunto convexo, el
conjunto 𝑓 𝑆 = 𝑧ǁ ∈ ℛ𝑛 ; ∃𝑥෤ ∈ 𝑆; 𝑓 𝑥෤ = 𝑧ǁ es
convexo.
d. El conjunto S de las soluciones no
negativas de un sistema lineal de
ecuaciones (soluciones con todos los
componentes no negativos), es convexo.

Figura. Representación de 5 los elementos en los cuerpos cósmicos, según Platón

¿Graficas de Conjuntos Convexos?
Intersección de Conjuntos Convexos?

A B  AB