Unidad:

MODELAMIENTO MATEMTICO

Capitulo y Tema:
I. Retroalimentacin.

Tema 1. Programacin Lineal

Actividad (Nmero y nombre):
Ensayo: Concepto de Programacin Lineal, Mtodo Grafico y
Mtodo Simplex.
Mdulo:
Noveno B
Nombre (s):
JENNY PAULINA IMACAA FERNANDEZ
Profesor:
LUIS ANTONIO CHAMBA ERAS
Fecha en la cual el profesor
encarga la actividad:
Mi 13/Sep/2010

Fecha en la cual el profesor recibe la actividad:

Mi 20/Oct/2010

Bibliografa:
http://www.fred.ifas.ufl.edu/courses/AEB5516/Lectures/blending.doc
http://dsc.gsu.edu/dscthw/Optimize/LP.PDF
ngel A. Javier Faulin. Dualidad en Programacin Lineal.
http://www.programacionlineal.net/
http://www.phpsimplex.com/teoria_metodo_simplex.htm
http://www.uoc.edu/in3/emath/docs/Aplicaciones_PL.pdf

INTRODUCCIN:

La Programacin Lineal
Es importante conocer la forma de actuacin particular de los algoritmos que resuelven programas
lineales. De entre todos los algoritmos destaca por su importancia histrica y prctica el mtodo
simplex. Dicho mtodo fue desarrollado por Dantzig en 1947, alcanzando un xito inusitado en las
dcadas posteriores con el desarrollo de los computadores. El conocimiento bsico de dicho
mtodo ayuda a la comprensin de las diferentes formas de resolucin de programas lineales.
Dicho mtodo puede ser estudiado en alguno de los manuales que se presentan a continuacin:
Hillier y Liebermann (2001) (Captulos 4 y 5) o bien Winston (1994) (Captulos 3 y 4). Por otra
parte, el estudio de aplicaciones de la Programacin Lineal es exhaustivo en los textos de Hillier,
Hillier y Liebermann (2000); Eppen et al.(1998); o bien de Anderson, Sweeney y Williams (2001).

El Mtodo Grfico se utiliza para la solucin de problemas de PL, representando geomtricamente
a las restricciones, condiciones tcnicas y el objetivo.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o
ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo
grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo
grfico en recursos.

El Mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada
paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar
sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los
lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el
nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin.
El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor
mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.

OBJETIVO:

La Programacin Lineal

Fijar los requerimientos para establecer un modelo de programacin lineal.
Representacin grfica de un modelo de programacin lineal.
Obtencin de niveles ptimos de una funcin lineal, cuyas variables se encuentran sujetas
a una serie de condiciones restrictivas, expresadas bajo forma de inecuaciones lineales, es
tambin una forma de aplicar modelos de optimizacin para empresas netamente
productivas.
Conocimiento detallado de la Programacin Lineal en el mundo real.
Conocimiento detallado de los principales problemas que resuelve la Programacin Lineal.


El Mtodo Grfico
Resolucin del problema por medio de una ayuda visual para comprender muchos de los
conceptos y trminos que se utilizan y formalizan con mtodos de solucin ms sofisticado


El Mtodo Simplex
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la solucin a
cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin.

RESULTADOS:

La Programacin Lineal

Un modelo de programacin lineal busca maximizar o minimizar una funcin lineal, sujeta a un
conjunto de restricciones lineales.
Un modelo de programacin lineal est compuesto de lo siguiente:
Un conjunto de variables de decisin
Una funcin objetivo
Un conjunto de restricciones
La importancia de la programacin lineal no solo radica en el procedimiento matemtico, sino en
la herramienta financiera que nos puede brindar como soporte para la toma de decisiones en
cualquier organizacin, ya que permite la asignacin eficiente de recursos escasos (limitados).



Ventajas del modelo de programacin lineal:

Obtencin de una solucin ptima nica.
Obtencin de soluciones alternativas
Modelos no acotados.
Modelo no factibles.

Construccin de los Modelos de Programacin Lineal

De forma obligatoria se deben cumplir los siguientes requerimientos para construir un modelo de
Programacin Lineal.

Requerimiento 1. Funcin objetivo. (F.O).

Debe haber un objetivo (o meta o blanco) que la optimizacin desea alcanzar.

Requerimiento 2. Restricciones y decisiones.

Debe haber cursos o alternativas de accin o decisiones, uno de los cules permite alcanzar el
objetivo.

Requerimiento 3. La F.O 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.

El Mtodo Grfico
Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado
mtodo grfico en actividad.
Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en
recursos.
Los pasos necesarios para realizar el mtodo son nueve:

1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las
restricciones en forma simultnea.
2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles.
3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer
trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea recta.
4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se
considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea 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 nmero infinito de puntos factibles en el espacio de soluciones, la solucin
ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de
valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el
valor de la funcin objetivo.

Ejemplo.
Maximizar Z = 3X1 + 2X2
Restricciones : X1 + 2X2 <=6 (1)
2X1 + X2 <=8 (2)
-X1 + X2 <=1 (3)
X2 <= 2 (4)
X1 >= 0 (5)
X2 >= 0 (6)
Convirtiendo las restricciones a igualdad y representndolas grficamente se tiene:
X1 + 2X2 = 6 (1)
2X1 + X2 = 8 (2)
-X1 + X2 = 1 (3)
X2 = 2 (4)
X1 = 0 (5)
X2 = 0 (6)
El Mtodo Simplex
Es un procedimiento iterativo que progresivamente permite obtener una solucin ptima para los
problemas de programacin lineal.

Procedimiento general del simplex

1. Establzcase la tabla inicial de simples. Formular la funcin objetivo y las restricciones e
introducir las variables de decisin, variable en la solucin, valor en solucin (LD), C
(contribucin de la variable), Z (costo de introducir la variable), C Z (contribucin neta de la
variable).
2. Seleccinese la columna pivote. sta es la columna con el nmero positivo ms grande en el
rengln inferior (C - Z). Esta se convierte en la nueva variable de la solucin.
3. Seleccinese el rengln pivote. ste es el rengln con la razn ms pequea del valor LD
dividido por el valor de la columna pivote. sense slo nmeros positivos. Esto identifica la
variable que deja la solucin.
4. Encirrese en un crculo el elemento pivote. sta es la interseccin del rengln y la columna
pivotes.
5. Convirtase al elemento pivote en un 1. Hgase esto dividiendo cada valor del rengln pivote
entre el valor pivote. Mtase este rengln en una tabla nueva.
6. Genrense los dems renglones de la nueva tabla con ceros en la columna pivote. Esto se hace
multiplicando el nuevo rengln (del paso 5) por el negativo del elemento en la columna pivote.
El resultado ser sumado al antiguo rengln. Introdzcase este rengln revisado en la nueva
tabla, y continese este procedimiento en cada rengln de la seccin central de la tabla.
7. Prueba de optimizacin. Calclense los valores de Z y C Z. Los valores de Z de cada columna
son (elementos de la columna) ( C ). Si todos los valores de C Z son 0, la solucin es ptima.
Lanse los valores de las variables en la solucin de la columna de LD y el valor de la funcin
objetivo del rengln de Z en la columna de LD. Si la solucin no es ptima, regrese al paso 2.

El mtodo requiere que las restricciones sean ecuaciones en lugar de inecuaciones, lo cual se logra
aadiendo variables de holgura a cada inecuacin del modelo, variables que nunca pueden ser
negativas y tienen coeficiente 0 en la funcin objetivo.
Por ejemplo tenemos:
Z 6X1 4X2 = 0
2X1 + 2X2 + s1 = 160
X1 + 2X2 + s2 = 120
4X1 + 2X2 + s3 = 280
Todas las variables son no negativas.
La solucin bsica inicial se obtiene seleccionando las variables de holgura como variables bsicas,
resultando conveniente disponer los valores como se muestran en la tabla siguiente:
i VB Z X1 X2 S1 S2 S3 Bi
1 Z 1 - 6 -4 0 0 0 0
2 S1 0 2 2 1 0 0 160
3 S2 0 1 2 0 1 0 120
4 S3 0 4 2 0 0 1 280
Cada ecuacin debe tener una nica variable bsica(VB), con el coeficiente unidad en la fila
correspondiente.
La solucin bsica debe ser examinada para observar si puede ser mejorada. La presencia de
coeficientes negativos en la FO indica que la solucin bsica puede ser mejorada, pues el valor de
Z se incrementar.
Cuando no hay coeficientes negativos, significa que la solucin es ptima.

Para encontrar una solucin mejorada es necesario:
Elegir la variable que entra como la de mayor coeficiente negativo (X1)
Elegir la variable que sale como aquella que al ser removida permita que la variable que
entra a la base pueda tener un valor tan grande como sea posible, sin violar alguna de las
restricciones en el modelo. En este caso la variable S3 deja la base y a su vez X1 se
introduce como la nueva variable bsica.
El elemento pivote es el coeficiente que est en la interseccin de la columna de la
variable que entra y la fila de la variable que sale.
Los valores correspondientes a la nueva fila pivote se obtienen dividiendo los coeficientes
de la fila pivote en la tabla inicial por el elemento pivote.
Las otras filas de la solucin mejorada se calculan por la expresin:
Nueva fila = Fila anterior elemento de la columna pivote(nueva fila pivote), se obtiene la
siguiente tabla:
i VB Z X1 X2 S1 S2 S3 Bi
0 Z 1 0 - 1 0 0 1.5 420
1 S1 0 0 1 1 0 -0.5 20
2 S2 0 0 1.5 0 1 - 0.25 50
3 X1 0 1 0.5 0 0 0.25 70
Iterando nuevamente se obtiene la tabla correspondiente que se muestra a continuacin:
i VB Z X1 X1 S1 S2 S3 Bi
0 Z 1 0 0 1 0 1 440
1 X2 0 0 1 1 0 - 0.5 20
2 S2 0 0 0 - 1.5 1 0.5 20
3 X1 0 1 0 - 0.5 0 0.5 60

Aspectos Fundamentales Del Mtodo Simplex
1. Encuentra una solucin ptima
2. Es un mtodo de cambio de bases
3. Requiere que la funcin objetivo sea expresada de tal forma que cada variable bsica
tenga como coeficiente 0
4. Requiere que cada variable bsica aparezca en una y solamente una ecuacin de
restriccin.




CONCLUSIONES:

La resolucin de problemas lineales con slo dos o tres variables de decisin se puede
ilustrar grficamente, mostrndose como una ayuda visual para comprender muchos de
los conceptos y trminos que se utilizan y formalizan con mtodos de solucin ms
sofisticados, como por ejemplo el Mtodo Simplex, necesarios para la resolucin de
problemas con varias variables. Para ello se puede usar el mtodo Grfico.
En el mtodo simplex cuando no hay coeficientes negativos, significa que la solucin es
ptima.
El mtodo simplex para sistemas lineales las condiciones de optimidad y factibilidad
garantizan, partiendo de un punto extremo factible (solucin bsica), el poder mejorar el
valor de la funcin objetivo hasta llegar al optimo en cada iteracin.