MTODO DE ENUMERACIN DE SOLUCIONES BSICAS

Al realizar la solucin del modelo por el mtodo grfico conocimos un concepto

fundamental sobre la solucin de modelos de programacin lineal: la solucin
ptima de un modelo de programacin lineal est en uno de los vrtices de la
regin factible. Esto se pudo notar en forma clara utilizando la geometra, sin
embargo es importante establecer la transicin que se presenta entre la geometra
y el algebra, para de esta forma poder solucionar problemas con un mayor nmero
de variables. Para lograrlo, se hace necesario presentar el modelo que la
programacin lineal llama forma estndar

FORMA ESTNDAR DE PROGRAMACIN LINEAL.

Un modelo de Programacin Lineal puede transformarse en una forma estndar si

se considera las siguientes caractersticas:

1. La funcin objetivo debe ser de maximizacin (A partir de la experiencia, se ha

notado que no siempre es necesaria esta condicin) sin embargo si desea se
puede utilizar.

2. El sistema de restricciones se debe conformar por un conjunto de igualdades

restrictivas, donde los trminos independientes o parmetros del lado derecho
de las restricciones que se definen como bi deben ser positivos a cero.

3. Todas las variables deben cumplir con la condicin de no negatividad o sea

X j 0 ; j = 1, 2,3,..., n

4. En forma general el modelo estndar (modelo estandarizado) se representa

como:

Funcin objetivo: Z = C1 X1 + C2 X2 + C3 X3 ++ Cn Xn
Sujeto a

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
 A11 X 1 + A12 X 2 + A13 X 3 + ... + A1n X n = b1
A X + A X + A X + ... + A X = b
21 1 22 2 23 3 2n n 2

A31 X 1 + A32 X 2 + A33 X 3 + ... + A3n X n = b3

igualdades restrictivas



A X + A X + A X + ... + A X = b
m1 1 m2 2 m3 3 mn n m

X j 0; j = 1, 2, 3,..., n

Para ste modelo, los bi deben ser mayores o iguales a cero.

m = restricciones
n = variables

Por lo general, se cumple que m < n , y por lo tanto, el sistema de igualdades

tiene infinitas soluciones (como se noto con el mtodo grfico, las infinitas
soluciones del rea factible).

Para transformar cualquier modelo de programacin lineal en su forma estndar

se hace necesario utilizar las siguientes transformaciones:

a) Si se tiene un funcin objetivo de Minimizacin, o sea Min Z, se puede

transformar en Z = -Z y cambiar la funcin objetivo a Max (-Z) o sea Max Z
(no siempre se hace necesario hacerlo).

b) Si la restriccin del modelo presenta una desigualdad de la forma , se suma

una nueva variable, que se llamar variable de holgura, para lograr establecer
la igualdad.

Ejemplo: si la restriccin es
Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n bi con bi 0

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
Su forma estndar sera:

Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n + Si = bi con bi 0 ,

Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n + X n+1 = bi con bi 0

Las variables Si o X n +1 , seran las que representen a la variable de holgura.

Ejemplo numrico:

2X1 + 3X2 + 4X3 + 6X4 10 (Restriccin i)

Su forma estndar es:

2X1 + 3X2 + 4X3 + 6X4 + S1 = 10

Igualmente es posible utilizar la misma nomenclatura de la variable X j ,

usando X5 por S1, poniendo mucho cuidado que X5 no se haya utilizando en
alguna otra restriccin y que no pertenezca al modelo formulado
originalmente.

La variable de holgura tiene una interpretacin en los modelos de

programacin lineal. Como siempre se ubica en una restriccin que
representa a la disponibilidad de un recurso por ser menor igual, cuando se
llegue a la solucin ptima del modelo esta variable va a alcanzar un valor
mayor o igual a cero. Si el valor en la solucin ptima de la variable de
holgura es igual a cero, significa que el recurso que esta representando la
restriccin es escaso, se ha utilizado todo el nivel de recurso su holgura es
cero. Si el valor en la solucin ptima de la variable de holgura es mayor a
cero, el recurso es abundante existe un remanente en el recurso, no todo el
nivel disponible del recurso se utiliza.

Observe el siguiente ejemplo, matemticamente la restriccin 2X1 +X2 230

asociada con el empleo de horas en el departamento de confeccin para el

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
 ejemplo prototipo utilizado en el mtodo grfico. Esta restriccin para
estandarizarla se utiliza una variable de holgura.

2X1 +X2 230 es equivalente a 2X1 + X2 + S1 = 230 siempre y cuando S1 0

S1 = 230 2X1 X2 (lo disponible menos lo usado)

y S1 representar las horas no utilizadas en el departamento de confeccin.

c) Si la restriccin del modelo presente una desigualdad de la forma en su

lado derecho, se resta una nueva variable, que se llamar variable de
supervit o variable de exceso.

Ejemplo: si la restriccin es
Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n bi con bi 0

Su forma estndar sera:

Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n Si = bi con bi 0 ,
Ai1 X 1 + Ai 2 X 2 + Ai 3 X 3 + ... + Ain X n X n +1 = bi con bi 0

Cuando un modelo de programacin lineal presenta restricciones del tipo , el

lado derecho representa requerimientos mnimos que deben cumplir las
actividades (variables) o cumplimiento de otras especificaciones. Cuando se
tiene variables de supervit, esta variable representa el exceso del lado
izquierdo sobre el requerimiento mnimo. Otra manera de interpretarla es
como la cantidad que sobrepasa al mnimo de requerimiento.

Suponga un modelo de dieta en el cual se necesita producir un alimento

especial a partir de una mezcla de maz y semilla de soya. Una de las
restricciones de este modelo plantea que por lo menos deben producirse 800
libras de alimento especial, donde X1, es el nmero de libras de maz a utilizar
y X2, es el nmero de libras de semilla de soya a utilizar en el alimento
especial.

Matemticamente esta restriccin se representa como:

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
 X1 + X2 800

Para estandarizar la restriccin, se utiliza una variable de supervit.

X1 + X2 800 es equivalente a X1 + X2 S1 = 800
S1 = 800 (X1 + X2) con S1 0
S1 = 800 + (X1 + X2)

Para este caso S1 representa el nmero de libras de excedente que se

producir si S1 es mayor que cero, se puede leer tambin, como el nmero de
libras producidas por encima del requerimiento mnimo de 800 libras.

Note que necesariamente las variables de holgura y supervit (Slack -

Surplus) deben tambin cumplir con las restricciones de no-negatividad.

d) Si alguno de los bi es menor que cero, se puede multiplicar por (-1) a los dos
lados de la desigualdad (o igualdad), para luego sumarle o restarle
variables de holgura o supervit, dependiendo del signo ( ) que tenga la
desigualdad.

e) Si la restriccin original es de igualdad, no se hace necesario vincular holgura

o supervit para estandarizarla.

f) Cuando existe alguna variable del modelo que no tiene restriccin de No-
negatividad, llamadas variables irrestrictas en signo o variables libres, se
debe reemplazar por la diferencia de dos variables positivas.

X j es variable irrestricta, libre ( X j puede ser mayor, igual o menor que cero).

Por lo tanto en el modelo donde aparezca sta variable X j , se debe cambiar por:

( X +j X j ), donde X +j 0 y X j 0

Este tipo de variable es muy aplicable en el tema de programacin de metas.

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
EJEMPLO: Transformar en la forma estndar al siguiente modelo de
programacin lineal.

Min Z = 2X1 + 3X2 6X3 + 4X4

Sujeto a
2X1 + 3X2 + 4X3 9 (R1)
X2 + 6X3 2X4 = -8 (R2)
4X1 6X2 + 3X4 -7 (R3)
X1 + X 2 + X3 5 (R4)
2X3 + 5X4 =6 (R5)
(X1, X2, X3) 0 y X4 libre o irrestricta en signo.

Para alcanzar la forma estndar de este modelo se necesita aplicar las siguientes
operaciones:
En la R1 se debe sumar una variable de holgura.
En la R2 e debe multiplicar a los dos lados de la igualdad por (-1) sin
adicionarse variables de holgura o supervit.
En la R3, de debe multiplicar por (-1) a los dos lados de la desigualdad y
luego sumarle una variable de holgura correspondiente.
En la R4, se necesita restarle una variable de supervit.
En la R5, no se necesita aplicar ninguna transformacin.
En el modelo donde aparezca la variable X4, se debe reemplazar por
( X 4+ X 4 ), donde X 4+ y X 4 0
La funcin objetivo debe ser de maximizacin.

Max Z ' = ( Z ) = 2 X 1 3 X 2 + 6 X 3 4( X 4+ + X 4 )
Sujeto a

2 X1 + 3X 2 + 4X3 + S1 = 9
X2 6X3 + 2( X X 4 )
+
4 = 8
4 X 1 + 6X2 3( X X 4 )
4
+
S2 = 7
X1 + X2 + X3 S3 = 5
+
2X3 +5( X X )
4 4 = 6

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
 ( X 1 , X 2 , X 3 , X 4+ , X 4 , S1, S2, S3 ) 0
S1, S2, S3 (holgura y superavit ) y X 4 , irrestricta en signo

DEFINICIONES SOBRE EL MODELO ESTNDAR

Cuando se aplican las transformaciones a un modelo de programacin lineal,

prcticamente, en todos los modelos estndar resultantes se presenta que el
nmero de variable es mayor al nmero de restricciones.

En el modelo estndar el sistema de ecuaciones hay que considerarlo como un

sistema de ecuaciones lineales de tamao n x m, donde n > m, por lo tanto lo mas
probable es que tenga infinitas soluciones. Por algebra lineal, cuando un sistema
de ecuaciones tiene infinitas soluciones, existen variables a las cuales se
les puede asignar un valor arbitrario que normalmente es llevarlas al nivel de cero,
para as resolver el sistema remanente.

A las variables que se les asigna ese valor arbitrario, se les puede llamar variables
que sobran en el sistema y el nmero de variables con valor arbitrario ser igual
a n-m. Al hacer esto el sistema remanente es un sistema de tamao m x m
(cuadrado) el cual se puede resolver y obtener una solucin particular del sistema.
Puede suceder tambin que el sistema remanente m x m no tenga solucin, sea
inconsistente.

Tomando como base estos elementos descritos, se presentan las siguientes

definiciones.

SOLUCIN FACTIBLE
Una solucin factible es cualquier solucin del sistema n x m la cual satisface la
condicin de no-negatividad. O sea aquella solucin en la cual todas las variables
son positivas.

SOLUCIN BSICA

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
Es aquella solucin que se obtiene cuando se asigna el valor arbitrario de cero a
las n m variables que sobran en el sistema n x m. A las n variables que no
se les da valor arbitrario de cero se les llama variables bsicas y se define como
una base.

SOLUCIN BSICA FACTIBLE

Es una solucin bsica que cumple con las condiciones de no-negatividad o sea
las variables bsicas son positivas. Si existe por lo menos una variable bsica
igual a cero se dice que la solucin es degenerada.

SOLUCIN PTIMA
Es aquella solucin factible que proporciona el valor ptimo de la funcin
objetivo sea mximo o mnimo.

MTODO DE SOLUCIN ENUMERACIN DE SOLUCIONES BSICAS

Del anlisis de la forma estndar y de las definiciones planteadas se puede sacar

una conclusin fundamental en la teora de programacin lineal: Si la solucin
ptima de un modelo de programacin lineal existe, es una solucin bsica
factible.

Esta conclusin confirma el por qu se plante en el desarrollo del mtodo grfico

que la solucin ptima estaba en un punto esquina del rea factible.

El mtodo de enumeracin de soluciones bsicas inspecciona todas las

soluciones bsicas, identifica las factibles y de ellas escoge la mejor, por esto
primero debe determinar cul es el nmero posible de soluciones bsicas.

Por lo tanto para el mtodo, lo que se hace es: De las infinitas soluciones solo
bastara con inspeccionar las bsicas factibles y la ptima ser una de ellas.

Como del sistema de m igualdades con n variables, sobran n-m variables a

las cuales se les asigna el valor de cero, el nmero posible de soluciones bsicas

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
sera igual a todas las posibles formas de escoger los (n-m) variables de las n
totales o sea:

n n! n
= , donde = nmero de soluciones
m m !( n m ) ! m

n
Por lo tanto se hace necesario resolver sistemas de ecuaciones lineales m x
m
m para encontrar las solucin ptima.

En este punto se alcanza a notar las limitaciones de ste mtodo, suponga que se
tiene un modelo de 20 variables con 15 restricciones el cual es un modelo
20
bastante pequeo, si se aplica ste mtodo, se tenda que resolver sistema
15
de ecuaciones lineales.
20 20! 1860480
= = = 15504
15 15!*5! 120

! Resolver 15.504 sistemas de ecuaciones lineales! Para determinar la solucin

ptima.

La importancia de estudiar el mtodo radica fundamentalmente en la formacin de

las bases para comprender y desarrollar el mtodo simplex.

EJEMPLO: Resolver el problema prototipo por este mtodo, ejemplo para la

empresa de confecciones utilizado en el mtodo grfico

Max Z = 300X1 + 500X2 [utilidad total]

Sujeto a
2X1 + X2 230 [horas] Depto de confecciones
X1 +2X2 250 [horas] Depto de empaque
X2 120 [unidades] uniformes escolares UNIF2
(X1, X2) 0

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
Su forma estndar:

Max Z = 300X1 + 500X2+ 0 S1 + 0S2 + 0S3

Sujeto a
2X1 + X2 + S1 = 230
X1 + 2X2 + S2 = 250
X2 + S3 = 120
(X1, X2, S1, S2, S3) 0
S1, S2, S3 variables de holgura

En este modelo se tiene

n = 5 variable n>m
m = 3 ecuaciones
5
Nmero de soluciones bsicas = 10
3
Para encontrar cada solucin bsica se asigna el valor de cero a n - m variables
cada vez o sea 5 - 3 = 2 variables iguales a cero, se soluciona el sistema de
ecuaciones formado por las igualdades restrictivas para determinar el valor de
cada variable correspondiente. Los resultados se presentan en la tabla.

SOLUCIN V AL O R
X1 X2 S1 S2 S3 F AC T I B L E
BSIC A F.O.
1 0 0 230 25 0 120 SI 0
2 0 230 0 -210 - 11 0 NO -----
3 0 125 105 0 -5 NO -----
4 0 120 110 10 0 SI 60 . 0 0 0
5 115 0 0 13 5 120 SI 34 . 5 0 0
6 250 0 270 0 120 NO -----
7 ----- ----- ----- ----- ----- I NCO N S I ST ENT E
8 70 90 0 0 30 SI 66 . 0 0 0
9 55 120 0 -45 0 NO -----
10 10 120 90 0 0 SI 63 . 0 0 0

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a
La forma de asignar el valor de cero a las dos variables para cada solucin bsica
debe ser lgica y ordenada, buscando no repetir o por error evitar considerar
alguna solucin bsica.

La tabla presenta la solucin ptima en la solucin bsica nmero 8. Toma el

mayor valor obtenido de la funcin objetivo de todas las soluciones bsicas. La
solucin igual a la encontrada cuando se resolvi el ejercicio con el mtodo
grfico, sugiere que el plan ptimo de produccin para la empresa de
confecciones es producir 70 unidades de uniformes escolares de referencia UNIF1
y 90 unidades de uniformes con referencia UNIF2, con lo cual alcanzara una
utilidad mxima de $66.000 durante la semana.

Ejercicio de aplicacin, resuelva el siguiente modelo utilizando el mtodo de

enumeracin de soluciones bsicas, interprete los resultados.

Max Z = 3X1 + X2 + 2X3 [$] Utilidad Total

Sujeto a
X1 + X2 10 [horas] Departamento A
2X1 + 3X2 + X3 18 [unidades materia prima] Departamento B
(X1, X2, X3) 0 No negatividad

I n v e s t i g a c i n d e O p e r a c i o n e s I . J o r g e E d u a r d o C a l p a O l iv a