CAPITULO II

MARCO TERICO

II.1 Introduccin
La programacin lineal puede ser vista como una revolucionaria herramienta que
ha brindado a la humanidad la habilidad de cumplir los objetivos y metas cuando
se enfrenta a problemas de gran complejidad y magnitud. Las herramientas para
que se pueda realizar esto son las diferentes maneras en que se puede formular
un problema real en trminos matemticos, llamados modelos, las tcnicas para
resolver el modelo, llamadas algoritmos, y los motores para resolver estos
problemas, computadoras y software.
En diferentes pocas, incluyendo la actual, el hombre tena que referirse a un
lder cuya experiencia y buen juicio pudiera guiar el futuro de la compaa; este
trabajo se realizaba creando reglas para que fueran ejecutadas por las personas a
cargo del lder. Nunca se formulaba un modelo, solo se guiaban por la experiencia.
En este captulo se expondrn los puntos ms importantes acerca de la
programacin lineal, entre los cuales destacan:
La mayora de las relaciones de planeacin de un proyecto pueden ser
reformuladas en un sistema de ecuaciones lineales.
El reemplazo de las reglas del lder por una funcin objetivo.
La habilidad de generar un objetivo y ser capaz de encontrar soluciones
ptimas para problemas de decisin cotidiana.
La creacin del mtodo simplex, el cual convirti los problemas poco
sofisticados de economa en una herramienta bsica de planeacin para
complejos sistemas a gran escala.

II.2 Antecedentes histricos.
En los siglos XVII y XVIII, grandes matemticos como Newton, Leibnitz, Bernouilli
y, sobre todo, Lagrange, que haban contribuido al desarrollo del clculo
infinitesimal, se ocuparon de obtener mximos y mnimos condicionados de
determinadas funciones.
Posteriormente el matemtico frnces J ean Baptiste-J oseph Fourier fue el primero
en realizar los mtodos de lo que actualmente llamamos programacin lineal y los
usos que actualmente tiene.
En el ao de 1939 el matemtico ruso Leonodas Vitalyevich Kantarovitch public
la monografia Mtodos matemticos de organizacin y planificacin de la
produccin en la que por primera vez se hace referencia a una extensa gama de
problemas con teora matemtica precisa, llamada programacin lineal.
En los aos posteriores a la Segunda Guerra Mundial, en Estados Unidos se
asumi que la eficaz coordinacin de la energa y recursos de la nacin era un
problema de tal complejidad, que su resolucin y simplificacin pasaba
necesariamente por los modelos de optimizacin que resuelve la programacin
lineal.
Paralelamente a los hechos descritos se desarrollaron tcnicas de computacin y
los ordenadores, instrumentos que haran posible la resolucin y simplificacin de
los problemas que se presentaban.
En 1947, G.B. Dantzig formul, en trminos matemticos muy precisos, el
enunciado estndar al que cabe reducir todo problema de programacin lineal.
Dantzig, junto con una serie de investigadores del United States Departament of
Air Force, formaron el grupo que se denomin SCOOP (Scientific Computation of
Optimum Programs).
El inters en la programacin lineal se difundi rpidamente entre economistas,
matemticos, estadsticos e instituciones gubernamentales. En 1949 se llev a
cabo una conferencia acerca de la programacin lineal bajo el patrocinio de la
comisin Cowles para la investigacin en economa.
Respecto al mtodo del simplex, que estudiaremos despus, sealaremos que su
estudio comenz en el ao 1951 y fue desarrollado por Dantzig en el United States
Bureau of Standards SEAC COMPUTER, ayudndose de varios modelos de
ordenador de la firma IBM.
Desde el surgimiento del mtodo simplex mucha gente ha contribuido al
crecimiento de la programacin lineal, ya sea desarrollando teoras matemticas,
diseando cdigos y mtodos computacionales eficientes, experimentando nuevas
aplicaciones, y tambin utilizando la programacin lineal como una herramienta
para resolver problemas mas complejos como son programas discretos,
programas no lineales, problemas combinatorios, problemas de programacin
estocstica y problemas de control ptimo.
Durante varias dcadas el algoritmo simplex fue la principal herramienta analtica
utilizada para resolver y analizar problemas de programacin lineal. Con el
desarrollo de la tecnologa en el rea de cmputo, la implementacin del algoritmo
simplex, present un auge mayor de lo esperado, dada su relativa rapidez para
brindar una solucin factible. Debido a esta aceptacin fue diseado en la mayora
de los paquetes computacionales existentes.
Con la introduccin de un nuevo algoritmo llamado mtodo de punto interior para
la programacin lineal, creado por Narendra K. Karmarkar en 1984, se abri el
horizonte de la programacin lineal. Este nuevo algoritmo ofrece una alternativa
completamente diferente que la del mtodo simplex. La regin factible se define
por la interseccin de todas las restricciones de un problema de programacin
lineal, el mtodo simplex busca la solucin ptima recorriendo la frontera de la
regin factible, mientras que el mtodo de punto interior busca la solucin ptima
haciendo el recorrido en la parte interna.
Con base en la experiencia de la resolucin de problemas de programacin lineal
mediante ambos mtodos, se lleg a la conclusin de que para problemas de
pequea y mediana escala, el mtodo simplex se adecua de una mejor manera,
mientras que en problemas de grande escala estn reservados para el mtodo de
punto interior.




II.3 Programacin lineal.
El objetivo de la programacin lineal es resolver un problema maximizando o
minimizando una funcin lineal con restricciones lineales de desigualdad, igualdad
o una combinacin.
La forma general de un problema de programacin lineal es la siguiente:

0 ..., , ,
...
...
...
...
2 1
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
2 2 1 1

+ + +
+ + +
+ + +
+ + +
n
m n mn m m
n n
n n
n n
x x x
b x a x a x a
b x a x a x a
b x a x a x a
a sujeto
x c x c x c Minimizar
M M M M

En la forma general del problema podemos identificar c
1
x
1
+ c
2
x
2
+ ...+ c
n
x
n
como la
funcin objetivo , que es la cual debe minimizarse o maximizarse dado el caso y
se denotar como z. Los coeficientes de dicha funcin, es decir


son los coeficientes de costo, los cuales son conocidos y se
conocen como las variables de decisin, que son las que deben determinarse. Por
otra parte, los coeficientes para i=1, 2, , m j=1, 2, , n son llamados
coeficientes tecnolgicos; stos forman la matriz de restricciones A que se
muestra a continuacin:
c
1
, c
2
, K, c
n

x
1
, x
2
, K, x
n
a
ij

A =

a
11
a
12
L a
1n
a
21
a
22
L a
2n
M M M
a
m1
a
m2
L a
mn


















El vector columna, cuyo i-simo elemento es , se conoce como vector del lado
derecho, el cual representa los requerimientos mnimos que deben satisfacerse.
Las restricciones son llamadas restricciones de no
negatividad.
b
i
x
1
, x
2
, ..., x
n
0
El conjunto de variables

que satisfacen absolutamente todas las
restricciones se llama punto factible o vector factible, y el conjunto de todos estos
vectores se le llama regin factible o espacio factible.
x
1
, x
2
, K, x
n
El problema de optimizacin que se presenta debe escribirse como un problema
de programacin lineal, para que esto sea posible debemos tomar en cuenta las
siguientes suposiciones:
1. Proporcionalidad. Dada una variable x
j
su contribucin al costo total sera
c
j
x
j
y su contribucin a la i-sima restriccin es a
ij
x
j
. Esto quiere decir que
si se duplicara el valor de x
j
, entonces se duplicara su contribucin al
costo total y a cada una de las respectivas restricciones. Por lo tanto es
proporcional al incremento de la variable.
2. Aditividad. Esta suposicin garantiza que el costo total es la suma de los
costos individuales, y que la contribucin total a la i-sima restriccin es la
suma de las contribuciones individuales.
3. Divisibilidad. Este supuesto nos garantiza que las variables de decisin
pueden ser divididas en cualquier nivel fraccional, de tal forma que son
permitidos valores no enteros para las variables de decisin.
En resumen podemos decir que un problema de optimizacin puede ser escrito
como un problema de programacin lineal, siempre y cuando cumpla con los
supuestos anteriormente mencionados.
En el caso de problemas con economas de escala, se debe recurrir a programas
no lineales; por ejemplo cuando el costo unitario de un producto determinado
decrece a medida que aumenta la produccin.
Un programa lineal es un problema de minimizar o maximizar una funcin lineal.
Mediante ciertas manipulaciones matemticas podemos transformar el problema,
el cual se encuentra en cierta forma a otra equivalente. Dichas manipulaciones
son realmente tiles en la programacin lineal.
Desigualdades y Ecuaciones.
Una desigualdad puede ser fcilmente transformada en una ecuacin. Por
ejemplo si se tuviera la restriccin dada por , se puede escribir en
forma de ecuacin eliminando la variable de holgura no negativa
a
ij
j=1
n

x
j
b
i
x
n+i
,
obteniendo . De forma similar, la restriccin
es equivalente a . Asimismo, una
ecuacin de la forma se puede escribir como dos desigualdades
y .
a
ij
j=1
n

x
j
x
n+i
= b
i
y x
n+i
0
a
ij
j=1
n

x
j
b
i
a
ij
j=1
n

x
j
+ x
n+i
= b
i
y x
n+i
0
a
ij
j=1
n

x
j
= b
i
a
ij
j=1
n

x
j
b
i
a
ij
j=1
n

x
j
b
i

No negatividad de las variables.
En la mayora de los problemas de la vida real, las variables representan
cantidades fsicas, por lo tanto stas deben ser no negativas. En caso de que
una variable x
j
no est restringida en signo, entonces puede ser reemplazada
por en donde . Si x
j
'
x
j
''
x
j
'
0 y x
j
''
0 x
j
l
j
, entonces automticamente
la nueva variable es no negativa. x
j
'
= x
j
l
j
Minimizacin y maximizacin
Otra de las manipulaciones consiste en convertir un problema de minimizacin
en uno de maximizacin y viceversa. Se puede ver que sobre cualquier regin
. De forma que un problema de
maximizacin se puede transformar en un problema de minimizacin ,
multiplicando los coeficientes de la funcin objetivo por 1. Una vez
completada la optimizacin del nuevo problema, el valor del problema original
es 1 veces el valor ptimo del nuevo problema.
Mximo c
j
j=1
n

x
j
= mnimo c
j
x
j
j=1
n

Se puede observar que un problema de programacin lineal puede escribirse

de diferentes formas, es interesante observar dos de las principales, la forma
estndar y la forma cannica.
La forma estndar es aquella en que todas las restricciones son iguales y
todas las variables son no negativas. Es importante este formato debido a que
el mtodo simplex se puede aplicar una vez que el problema se ha escrito de
la forma estndar. A continuacin escribiremos el formato estndar de un
problema de programacin lineal.
Problema de minimizacin Problema de maximizacin
Minimizar c
j
x
j
j=1
n

Sujeto a

a
ij
x
j
= b
i
j=1
n

i =1,K,m

x
j
0 j =1,K,n
Maximizar c
j
x
j
j=1
n

Sujeto a

c
j
j=1
n

x
j
= b
i
i =1,K,m

x
j
0 j =1,K,n

La forma cannica para un problema de minimizacin es aquella en que todas
las variables son no negativas y todas las restricciones del tipo ; en el caso
de maximizacin todas las variables son no negativas y las restricciones del
tipo . A continuacin se detalla cmo es un problema de programacin lineal
escrito de forma cannica.
Problema de minimizacin Problema de maximizacin
Minimizar c
j
x
j
j=1
n

Sujeto a

a
ij
x
j
b
i
j=1
n

i =1,K,m

x
j
0 j =1,K,n
Maximizar c
j
x
j
j=1
n

Sujeto a

c
j
j=1
n

x
j
b
i
i =1,K,m

x
j
0 j =1,K,n

Solucin grfica de un problema de programacin lineal.
La resolucin grfica de un problema de programacin lineal es til para
problemas con un nmero de variables pequeo, pero la visualizacin de la
solucin ayuda a comprender cmo se comporta un problema de programacin
lineal. Sea el siguiente problema:

0

x
b Ax a Sujeto
cx Maximizar
La regin factible de este problema es el conjunto de vectores tales que
y
x
Ax b x 0. El objetivo es encontrar un punto que minimice el valor que
toma . En otras palabras, la ecuacin que deseamos minimizar es
. La solucin ptima, z, se mueve paralelamente a s mismo en el
cx
c
j
x
j
j=1
n

= z
plano (3 dimensiones) o en la recta (2 dimensiones) en la direccin en que
decrece el objetivo. La direccin que toma es c, por ende, se mueve en este
sentido hasta donde sea posible. La figura 2.1 ilustra lo que sucede,
lgicamente en problemas de ms de tres variables es complicado seguir esta
tcnica dado que todos los clculos toman demasiado tiempo, y en caso de
ms de tres variables la visualizacin no existe.