Anda di halaman 1dari 83

PROGRAMACIÓN LINEAL

Universidad Nacional

GUÍA ACADÉMICA
PROGRAMACIÓN LINEAL

INGENIERIA DE SISTEMAS III CICLO

LUIS A. SAKIBARU MAURICIO

1
PROGRAMACIÓN LINEAL

INDICE
Páginas

ORIENTACIONES PARA EL ESTUDIO…………………………………………….. …..4


a. Recomendaciones para el estudio de la asignatura………………………..4
b. Recomendaciones pare el uso de la guía académica……………………...4

INTRODUCCIÓN……………………………………………………………………………5
ORIENTACIONES GENERALES DE ESTUDIO……………………………………..…6
TUTORÍAS…………………………………………………………………………………..7
CRONOGRAMA…………………………………………………………………………….7
EVALUACIÓN………………………………………………………………………………7
RECURSOS Y MEDIOS DIDÁCTICOS……………………………………………........8
OBJETIVOS GENERALES……………………………………………………………….9
PRIMERA UNIDAD:
INVESTIGACIÓN DE OPERACIONES Y PROGRAMA LINEAL……………….......10
OBJETIVOS ESPECÍFICOS……………………………………………………………..10
INTRODUCCIÓN…………………………………………………………………………..10
1.1 ORIGENES DE LA INVESTIGACIÓN DE OPERACIONES……………………..10
1.1.1 Antecedentes históricos……………………………………………………….10
1.1.2 Qué es la Investigación de Operaciones……………………………….......12

1.2 TÉCNICAS DE LA INVESTIGACIÓN OPERATIVA……………………………...13


1.2.1 Definición de Modelo…………………………………………………………...14
ACTIVIDADES………………………………………………………………........15
1.3 FUNDAMENTO TEÓRICO DE LA PROGRAMACIÓN LINEAL………………...16
1.3.1 Definición de Programación Lineal…………………………………………..16
1.3.2 Característica de Programa Lineal…………………………………………...17
ACTIVIDADES…………………………………………………………………….19
1.4 FORMULACIÓN DEL MODELO DE LA PROGRAMACIÓN LINEA…………..19
1.5 APLICACIONES DEL MODELO DE PROGRAMACIÓN LINEAL EN LA GESTIÓN
DE OPERACIONES…………………………………………………………………..20
SEGUNDA UNIDAD:
2.1 MÉTODO GRÁFICO – SOLUCIÓN DE MAXIMIZACIÓN Y MINIMIZACIÓN….26
2.1.1 Representación matemática del modelo lineal…………………………….26
2.1.2 Solución Básica………………………………………………………………….26
2.1.3 Región Factible…………………………………………………………………..27

2
PROGRAMACIÓN LINEAL

2.1.4 Interpretación Geométrica……………………………………………………..28


ACTIVIDADES…………………………………………………………………….39
2.2 ALGORITMO DE SIMPLEX – SOLUCIÓN DE MAXIMIZACIÓN Y
MINIMIZACIÓN………………………………………………………………………..40
2.2.1 Variables de Holgura y de Exceso……………………………………………40
2.2.2 Ejemplos de uso de las variables de Holgura y de Exceso ………….....41
2.2.3 El Algoritmo de Simplex – representación tabular………………………..41
2.2.4 Aplicaciones en algunos ejemplos de Maximización y Minimización…42
ACTIVIDADES…………………………………………………………………….47
TERCERA UNIDAD:
3.1 Teoría de la Dualidad…….………..………………………………………………..48
3.2 Relaciones entre las Soluciones Primal – Dual………………………………..48
3.2.1 Formulación del Programa Dual a partir del Primal ……………………....49
3.3 Análisis de Sensibilidad……………..……………………………………………..53
3.3.1 Importancia del Análisis de Sensibilidad………………………………..…..54
3.3.2 Herramienta de cálculo ………………………………………………………...54
3.3.3 Cambios en los parámetros del modelo……………………………………..54
3.3.4 Aplicaciones prácticas para hallar la solución primal, el dual y las
variaciones de las Bi (disponibilidades) y Cj (Coeficientes de la función
objetivo)……………………………………………………………………………55
ACTIVIDADES…………………………………………………………………….59
CUARTA UNIDAD:
4.1 El problema de transporte……………..…………………………………………..61
4.2 Método de la Esquina Noroeste (N – O)…………………………….………..….61
4.3 Método de los Costos Mínimos ………………………………………………......64
4.4 Método Vogel…………………………………………..……………………………..68
4.5 Problema de Asignación…………………………………………………………....76
4.6 Método Húngaro……………………………………………………………………...77
ACTIVIDADES…………………………………………………………………………82

3
PROGRAMACIÓN LINEAL

ORIENTACIONES PARA EL ESTUDIO


Es importante manifestar que el proceso de enseñanza – aprendizaje más efectivo es
aquel donde el alumno es el principal protagonista, por lo tanto es conveniente proponer
las siguientes recomendaciones para el mejor estudio de la asignatura como estrategias
de aprendizaje, los cuales cumplirá los objetivos planteados:
a. Recomendaciones para el estudio de la asignatura:

 Planifica, organiza y administra el tiempo que vas a dedicar a la asignatura


en general, a cada una de las unidades según las propias condiciones,
dificultades y necesidades de trabajo; en caso contrario el plan de estudios
no se cumplirá.
 Refuerza los temas propuestos a través del texto guía de acuerdo a la
indicación de la guía académica.
 Estudia en un lugar donde se sienta cómodo para realizar las lecturas y
hacer sus tareas. En lo posible un lugar con claridad y libre de ruido.
 Investiga situaciones reales donde pueda aplicar los conocimientos
adquiridos.
 Trabajar el material en el mismo orden en que se entrega. No olvide de
realizar las actividades que tiene en su Texto como en su Guía Académica,
tratar de realizar los trabajos bajo el enfoque de trabajo en equipo, a fin de
optimizar los refuerzos y otros recursos.
 Leer varias veces el material, resaltar las ideas principales para organizar el
material de estudio (resúmenes, cuadros sinópticos, etc), ya que se debe
estudiar con metas previamente establecidas, los cuales le guiarán en el
desarrollo de la asignatura.
b. Recomendaciones pare el uso de la guía académica

 Está obra está dirigida a estudiantes de formación profesional a distancia,


por lo tanto no es un libro de texto formal; en consecuencia, se requiere
consultar otros libros, para ampliar tus conocimientos e interactuar con
fluidez durante las sesiones. Hacerlo anticipadamente.

 Desarrollar necesariamente las actividades propuestas en cada una de las


unidades, para tener una estructura sólida de conocimientos de los temas
tratados.

 Desarrollar necesaria y conscientemente las preguntas de las actividades es


una forma de medir la evolución del aprendizaje, así como leer, estudiar y
trabajar el material didáctico diariamente. Si el resultado de la
autoevaluación es menos al 60% se recomienda repasar la unidad, ya que
el estudio en la modalidad a distancia requiere voluntad y disciplina, lo cual
estimado participante, lo podrás alcanzar dedicando por lo menos una hora
diaria de estudio, cumpliendo puntualmente con las fechas para la entrega
de las tareas académicas.

 Revisar la bibliografía y la webgrafía con la finalidad de profundizar los temas


desarrollados.

4
PROGRAMACIÓN LINEAL

INTRODUCCIÓN

La programación lineal es una de las asignaturas que generan mayor expectativa


en los estudiantes y profesionales que las cursan. Por cuanto son de suma importancia
para la toma de decisiones. En la actualidad la programación lineal es una herramienta
de uso normal que ha ahorrado miles o millones de dólares a muchas compañías, en
los países industrializados del mundo, su aplicación a otros sectores de la sociedad se
ha ampliado con rapidez. Expresado en forma breve, el tipo más común de aplicación
abarca el problema general de asignar recursos limitados entre actividades competitivas
de la mejor manera posible (de forma óptima).

Se puede concluir que la programación lineal, es importante y valiosa en la vida


cotidiana y profesional de cualquier persona, puede tener componentes muy diversos
dependiendo de su área de aplicación concreta: Administración de Empresas, Ingeniería
u otras. El objeto de estudio es la toma científica de decisiones mediante el empleo de
técnicas cuantitativas. Es importante tener esta definición clara y, de esta forma, nos
daremos cuenta de la amplitud de su campo.

Para un estudiante de Ingeniería de Sistemas ha de ser algo muy esencial el


estudio de la programación lineal para la búsqueda de su principal objetivo, ser un
profesional capaz de enfrentarse a todos los cambios que está viviendo en el medio, la
mejora continua, donde cada vez se hace más necesario el controlar las variables para
luego tomar decisiones acertadas, ya que la toma de decisiones es la tarea esencial de
las organizaciones (pequeñas, medianas y grandes) y de los individuos que de forma
independiente a diario tienen que enfrentar problemas.

La Guía didáctica de Programación Lineal está organizada en cuatro unidades,


cada unidad está estructurada con sus respectivos objetivos, conceptos y actividades
para la preparación constante del alumno.

En la primera unidad se presentan los conceptos de la investigación de


operaciones y la programación lineal. La segunda unidad presenta los puntos
necesarios para conocer la solución primal de la programación lineal. La tercera unidad
proporciona los conocimientos teóricos con el programa dual y análisis post - óptimo.
Finalmente, en la cuarta unidad se desarrolla aplicaciones especiales de la
programación lineal.

Para concluir, esperamos que el texto constituya una guía efectiva y didáctica que
motive al estudio y la dedicación adecuada del alumno que permita el logro de los
objetivos planteados en el curso. El uso de la guía requiere ser complementada con la
profundización o ampliación de conocimientos por parte del alumno de los temas
contenidos en ésta con el texto base y manual de la EUDED.

Mg. Ing. Luis A. Sakibaru Mauricio

5
PROGRAMACIÓN LINEAL

ORIENTACIONES GENERALES DE ESTUDIO

El estudio en la modalidad que has elegido demanda un gran esfuerzo y mucha


dedicación además de responsabilidad y una buena organización.

Es por esta razón que al iniciar el estudio de nuestra asignatura es importante brindarte
algunas orientaciones para que se optimice tu rendimiento académico:

 Busque un lugar donde se sienta cómodo y en silencio para realizar la lectura de


la guía didáctica así como del texto básico. En lo posible un lugar con claridad y
libre de ruido.
 Planifique y organice un horario de estudio en el que cada asignatura cuente con
el tiempo necesario de acuerdo al grado de dificultad.
 Realice una lectura comprensiva, utilizando técnicas como el subrayado, el uso
de mapas conceptuales u organizadores visuales que le permitan identificar las
ideas principales para reforzar los conocimientos. O en caso contrario, leer
muchas veces el texto hasta comprender el tema a tratar.
 Es recomendable realizar las actividades propuestas en la presente Guía
Didáctica pues le permitirá verificar el logro de los aprendizajes.

Se ha optado por utilizar un texto de base para el estudio eligiéndose el libro:


Introducción a la Investigación de Operaciones, del autor Taha, Hamdy. A este libro le
denominamos Texto Básico N° 1

En la primera unidad debemos desarrollar el estudio de la Investigación de operaciones


y los conceptos de la programación lineal. Este tema lo podrá encontrar en el capítulo 1
y 2 del texto básico 1.

En la segunda unidad estudiaremos la solución primal de la programación lineal para lo


cual se estudiará el capítulo 2 del texto básico 1.

En la tercera unidad se estudiará la dualidad y post optimización de la programación


lineal, donde se encontrará en los capítulos 2, 3 y 4 del texto básico 2.

En la cuarta unidad estudiaremos aplicaciones especiales de la programación lineal que


se encontrará en los capítulos 5, 6 y 7 del texto básico 1.

Es importante precisar que la función de la Guía Didáctica es aclarar y reforzar los temas
tratados en el texto básico 1; por ejemplo encontrara la solución de algunos ejercicios
de cada tema propuestos en el texto básico, de esta manera esperamos contribuir con
el logro de los objetivos propuestos.

6
PROGRAMACIÓN LINEAL

TUTORÍAS
Las tutorías serán desarrolladas mediante la programación de un calendario de
tutorías. Éstas serán presenciales y virtuales.

CRONOGRAMA

Cantidad de horas Académicas


Tutorías presenciales y virtuales
Horas presenciales Horas virtuales Horas de Video Conferencia

Semana 1 2 2,5 3
UNIDAD I
Semana 2 2 2,5 3
Semana 3 2 2,5 3
UNIDAD II
Semana 4 2 2,5 3
Evaluación parcial virtual Unidades I – II
UNIDAD III Semana 5 2 2,5 3

Semana 6 2 2,5 3

UNIDAD IV Semana 7 2 2,5 3

Semana 8 2 2,5 3
Evaluación final Unidades III – IV
16 20 24
TOTAL
60 horas académicas

EVALUACIÓN

El promedio final de la asignatura en la Modalidad Presencial – Virtual se obtiene


aplicando los siguientes pasos porcentuales:

 Evaluación de trabajos interactivos (TI): (40%)


 Evaluación parcial (IV): (20%)
 Evaluación final (EF): (40%)

PF = TI (0,4) + IV (0,2) + EF (0,4)

El estudiante que abandona la asignatura tendrá promedio 00 (cero) en el acta


final, debiendo registrar nuevamente su matrícula.

7
PROGRAMACIÓN LINEAL

RECURSOS Y MEDIOS DIDÁCTICOS


Consultar los siguientes textos y enlaces
Unidad I – II
 Taha, Hamdy (2012) Introducción a la Investigación de Operaciones. Editorial Pretince Hall.
USA.
 Hillier, F. Lieberman D. (1999). Introducción a la Investigación de Operaciones. Editorial Mc
Graw Hill. México.
 Winston, Wayne (2005). Investigación de Operaciones. Aplicaciones y Algoritmos. Editorial
Thomson / Paraninfo. México.

Referencias electrónicas:
http://www.investigaciondeoperaciones.net/
http://www.programacionlineal.net/
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1/UIb.HTML
http://www.gestiondeoperaciones.net/programacion_lineal/programacion-lineal-
metodo-grafico/
http://www.phpsimplex.com/ejemplo_metodo_simplex.htm

 Taha, Hamdy (2012). Introducción a la Investigación de Operaciones. Editorial Pretince Hall.


Unidad III – IV USA.
 Lecca, Raffo (1997). Investigación de Operaciones. Editorial MUNDIGRAF, Perú.
 Bronson, Richard (2002). Investigación de Operaciones. Editorial Mc Graw Hill, México.
 Anderson D. (1999). Introducción a los Modelos Cuantitativos para la Administración. Editorial
Iberoamericana S.A. México.

Referencias electrónicas:
http://www.investigaciondeoperaciones.net/dualidad_en_programacion_lineal.html
http://www.gestiondeoperaciones.net/programacion_lineal/relaciones-de-dualidad-en-
programacion-lineal-como-pasar-de-primal-a-dual/
http://www.programacionlineal.net/sensibilidad.html
http://home.ubalt.edu/ntsbarsh/opre640S/PARTVIIS.HTM
http://www.investigacion-operaciones.com/modelo_de_transporte.htm
http://investigaciondeoperacionesind331.blogspot.pe/p/metodo-de-transporte.html

Textos  Bonini, Charles, Hausman, Warren, Bierman, Harold. (2002). Análisis Cuantitativo para los
Complementarios Negocios. Editorial Mc Graw Hill. 9na Edición. México.
 Render, Heyzer (2000). Administración de Operaciones. Editorial Mc Graw Hill. México.
 Prawda, J. (2002). Métodos y Modelos de Investigación de Operaciones. Editorial Limusa.
México.

Plataforma Herramientas a emplearse en plataforma virtual:


Virtual Foros, tareas, chat
Enlaces, videos, examen, páginas entre otros.

8
PROGRAMACIÓN LINEAL

OBJETIVOS GENERALES

 Explicar procedimientos para formular modelos matemáticos de programación


lineal, identificando sus elementos con actitud crítica, y responsable, valorando
su importancia en la optimización de recursos.

 Introducir al alumno en el conocimiento de los principios, técnicas y filosofía en


la formulación de modelos matemáticos de programación lineal.

 Aplicar metodologías en la formulación y solución de problemas de transporte,


con actitud crítica y responsable, valorando su importancia en la gestión
empresarial.

 Proporcionar a los alumnos las técnicas cuantitativas de optimizaciones en el


campo de ingeniería para el empleo de los recursos disponibles mediante la
programación lineal en la toma de decisiones.

 Los objetivos específicos se indicarán al inicio de cada unidad.

9
PROGRAMACIÓN LINEAL

PRIMERA UNIDAD
INVESTIGACIÓN DE OPERACIONES Y PROGRAMA LINEAL

OBJETIVOS ESPECÍFICOS
 Capacitar a los alumnos en la interpretación del modelo general a la programación
lineal ya sea maximizando beneficios o minimizando costos para lograr objetivos
deseados en la empresa mediante casos prácticos.

 Proporcionar los conocimientos básicos de la investigación de operaciones,


específicamente de la programación lineal, aplicando el álgebra lineal en la gestión
de operaciones para proporcionar los criterios de desarrollar el modelo de la
programación lineal.

INTRODUCCIÓN

El objetivo del curso es que el estudiante aprenda a reconocer los problemas tipo de la
Investigación de Operaciones de modo que sepa a qué técnico recurrir en cada caso,
para un adecuado estudio y solución del mismo.
Como su nombre lo indica, la Investigación de Operaciones (IO), o Investigación
Operativa, es la investigación de las operaciones a realizar para el logro óptimo de los
objetivos de un sistema o la mejora del mismo. Esta disciplina brinda y utiliza la
metodología científica en la búsqueda de soluciones óptimas, como apoyo en los
procesos de decisión, en cuanto a lo que se refiere a la toma de decisiones óptimas y
en sistemas que se originan en la vida real.

1.1 ORIGENES DE LA INVESTIGACIÓN DE OPERACIONES

1.1.1 Antecedentes históricos

El término IO se utiliza por primera vez en el año 1939 durante la 2da Guerra
Mundial, específicamente cuando surge la necesidad de investigar las
operaciones tácticas y estratégicas de la defensa aérea, ante la incorporación
de un nuevo radar, en oportunidad de los ataques alemanes a Gran Bretaña.

El avance acelerado de la tecnología militar hace que los ejecutivos y


administradores militares británicos deban recurrir a los científicos, en pos de
apoyo y orientación en la planificación de su defensa. El éxito de un pequeño
grupo de científicos que trabajaron en conjunto con el ejecutivo militar a cargo
de las operaciones en la “línea”, derivó en una mayor demanda de sus servicios
y la extensión del uso de la metodología a USA, Canadá y Francia entre otros.

Sin embargo, el origen de la Investigación Operativa puede considerarse como


anterior a la Revolución Industrial, aunque fue durante este período que
comienzan a originarse los problemas tipo que la Investigación Operativa trata
de resolver. A partir de la Revolución Industrial y a través de los años se origina
una segmentación funcional y geográfica de la administración, lo que da origen

10
PROGRAMACIÓN LINEAL

a la función ejecutiva o de integración de la administración para servir a los


intereses del sistema como un todo.

La Investigación Operativa tarda en desarrollarse en el campo de la


administración industrial. El uso de la metodología científica en la industria se
incorpora al principiar los años 50, a partir de la 2da Revolución Industrial,
propiciada por los avances de las Comunicaciones, y la Computación, que
sientan las bases para la automatización, y por sobre todo por el florecimiento
y bienestar económico de ese período.

Los primeros desarrollos de esta disciplina (IO) se refirieron a problemas de


ordenamiento de tareas, reparto de cargas de trabajo, planificación y
asignación de recursos en el ámbito militar en sus inicios, diversificándose
luego, y extendiéndose finalmente a organizaciones industriales, académicas y
gubernamentales.

Línea de Histórica

Actualmente IO se aplica al sector privado y público, a la industria, los sistemas


de comercialización, financieros, de transportes, de salud etc., en los países
desarrollados, “en vías de” y en los del tercer mundo.

Existen varias asociaciones en todo el mundo, que agrupan a personas


(estudiantes, científicos y profesionales) interesados por el estudio y aplicación
de la Investigación Operativa. La más grande de todas es INFORMS, de
Estados Unidos de Norteamérica asociación que nace de la unión de la ORSA
Operation Research Society of America, con 8 000 miembros y la TIMS =
Institute of Managment Science con 6 000 miembros. También existen
Asociaciones Canadienses, Europeas, Latinoamericanas y Asiáticas federadas
en la IFORS, International Federation of Operation Research Societies. La

11
PROGRAMACIÓN LINEAL

Asociación Latinoamericana de Investigación de Operaciones, ALIO,


conglomera a la mayor parte de las Asociaciones de América Central y Sur. Se
publican decenas de revistas diferentes en todo el mundo. Existen programas
de Posgrado (maestría y doctorado) en la especialidad, en América y Europa.

1.1.2 Qué es la Investigación de Operaciones


En esta disciplina se destacan las siguientes características esenciales:
 Una fuerte orientación a Teoría de Sistemas.
 La participación de equipos interdisciplinarios.
 La aplicación del método científico en apoyo a la toma de decisiones.

En base a estas propiedades, una posible definición es: la Investigación


Operativa es la aplicación del método científico por equipos interdisciplinarios
a problemas que comprenden el control y gestión de sistemas organizados
(hombre- máquina); con el objetivo de encontrar soluciones que sirvan mejor a
los propósitos del sistema (u organización) como un todo, enmarcados en
procesos de toma de decisiones.

Los pasos a seguir en la aplicación del método científico (coincidentes con los
de la Teoría General de Sistemas) son, en su expresión más simple:

1. Reconocer la Necesidad.
2. Formular el problema.
3. Construir el modelo.
4. Recolectar Datos.
5. Resolver el Modelo.
6. Validar el Modelo y hacer Análisis de Sensibilidad.
7. Interpretar los resultados y las implicaciones.
8. Tomar la decisión, ponerla en práctica y controlar.

Otra definición: la Investigación Operativa es la aplicación del método


científico a un mismo problema por diversas ciencias y técnicas, en apoyo a la
selección de soluciones, en lo posible óptimas.
Observar que el problema es UNO SOLO, sin embargo existen maneras
distintas de observar un mismo problema, dependiendo de los objetivos que se
planteen para resolverlo.

Ejemplo: Un proceso de decisión respecto a la política de inventarios en una


organización.

Existen 4 funciones administrativas que han dado lugar a departamentos cuyos


objetivos son:

Función Objetivo
Maximizar la cantidad de bienes (servicios) producidos y
Producción
minimizar el costo unitario de la producción.
Maximizar la cantidad vendida y minimizar el costo unitario de
Comercialización
las ventas.
Minimizar el capital requerido para mantener cierto nivel del
Finanzas
negocio.

Personal Mantener la moral y la alta productividad entre los empleados.

12
PROGRAMACIÓN LINEAL

Con respecto al INVENTARIO y según estos OBJETIVOS:

El departamento de producción necesita producir tanto como sea posible a un


costo mínimo, lo que se logra fabricando un solo producto en forma continua,
pues se logra mayor eficiencia y se minimiza el tiempo perdido por cambio de
equipo, al cambiar de artículo. Con este procedimiento se logra un gran
inventario con una línea de productos pequeña.

El departamento de mercado también necesita un gran inventario, pero para


vender tanto como sea posible, debe surtir de la más amplia variedad de
productos. Motivos de desencuentro con el departamento de producción.
Para minimizar el capital necesario para que el negocio marche, el
departamento de Finanzas debe reducir la cantidad de dinero "comprometido",
lo más directo es reducir los inventarios. Se propone que los inventarios deben
aumentar o disminuir en proporción a la fluctuación de las ventas.

En contraposición, cuando las ventas son bajas, ni producción ni personal


requieren disminuir la producción, ni reducir personal. Personal le interesa
mantener la producción a un nivel tan constante como sea posible, ya que el
despido implica repercusiones en la moral del personal, pérdida de personal
calificado, nuevos costos de formación de nuevo personal cuando así se
requiera. Esto se traduce en producir hasta el nivel del inventario cuando las
ventas son bajas y agotarlo cuando éstas son altas.

Los objetivos enumerados y definidos de esta manera son difíciles de llevar a


la práctica por su inconsistencia desde el punto de vista de la organización y
del sistema en su conjunto. Es tarea y responsabilidad del ejecutivo (gerente)
determinar una política de inventario que convenga a los intereses de toda la
companía y no de una sola de las funciones subordinadas. La tarea de
organización y gerenciamiento requiere que se considere al SISTEMA en su
conjunto y ésta es la esencia del trabajo gerencial. El ejecutivo debe decidir y
para ello recurrirá a algún método. Le convendrá recurrir a un Investigador de
Operaciones, dado que supuestamente éste estará apto para utilizar la
investigación científica en apoyo a las decisiones que el ejecutivo deba tomar.
Este apoyo se hace especialmente necesario cuando se trata de la búsqueda
de soluciones “óptimas” a problemas que se originan en las organizaciones y
servicios en general.

1.2 TÉCNICAS DE LA INVESTIGACIÓN OPERATIVA

En los modelos matemáticos de IO, las variables de la decisión pueden ser


enteras o contínuas, y el objetivo y las funciones de restricción son lineales y
no lineales. Los problemas de optimización planteados por estos modelos
dieron origen a una variedad de métodos de solución, cada uno diseñado para
tomar en cuenta las propiedades matemáticas especiales del modelo. La más
prominente y exitosa de estas técnicas es la programación lineal, donde todas
las funciones, el objetivo y las restricciones son lineales y todas las variables
son continuas. Otras técnicas que abordan otros tipos de modelos matemáticos
son programación dinámica, programación entera, programación no
lineal, programación de metas, programación de redes, etc.

De hecho, todas las técnicas de investigación de operaciones dan por resultado


algoritmos computacionales que son de naturaleza iterativa. Esto significa que

13
PROGRAMACIÓN LINEAL

el problema se resuelve en iteraciones y cada nueva iteración lleva la solución


más cerca de la óptima. La naturaleza iterativa de los algoritmos por lo general
da origen a cálculos voluminosos y tediosos. Es imperativo que estos
algoritmos se ejecuten en computadora.

El empleo de la computadora como un instrumento esencial para resolver los


modelos de IO dio origen a una prominente dificultad computacional: la del error
de redondeo de la máquina. Estos errores tienen mayor importancia a medida
que se incrementa el número de iteraciones. El problema es aún más difícil
cuando las variables del modelo están restringidas a valores enteros. Debido a
que la computadora hace todos los cálculos en punto flotante aritmético (no de
entero), no es posible la representación exacta de (algunos) valores enteros y
deben ponerse en práctica las tolerancias apropiadas para explicar esas
aproximaciones inherentes.

Algunos modelos matemáticos son tan complejos que es imposible resolverlos


mediante cualquiera de los algoritmos de optimización disponible. En esos
casos, puede ser necesario abandonar la búsqueda de la solución óptima y
simplemente se debe buscar una buena solución, utilizando la heurística. Casi
siempre, una heurística aplica reglas cortas para producir una buena solución
al problema. La ventaja de una heurística sobre un algoritmo de optimización
exacta es que, en general, su ejecución es más rápida.

1.2.1. Definición de Modelo

Es la representación idealizada de una realidad, en función de las interrogantes


planteadas, una realidad puede tener diversos modelos.

El modelo es la representación de un sistema de acuerdo a los objetivos del


estudio del sistema. Es decir, para cierto objetivo del sistema, ciertas partes del
sistema son relevantes; y si cambia el objetivo de estudio, las partes relevantes
del sistema probablemente serán otros. Esto implica que según el objetivo de
estudio, un sistema puede estar representado por diferentes modelos.

Los modelos de IO se pueden representar con ecuaciones las que, aunque


puedan resultar complejas, tienen una estructura muy sencilla:

𝑈 = 𝑓(𝑋𝑖 , 𝑌𝑗 )

𝑈: Es la utilidad o valor de ejecución del sistema.


𝑋𝑖 : Son las variables no controlables, o dependientes, cuyos valores
dependerán de las interrelaciones y valores de las variables
independientes.
𝑌𝑗 : Son las variables controlables, o independientes, con valores dados.
𝑓 : Es una función en 𝑋𝑖 e 𝑌𝑗 .
Frecuentemente se requieren una o más ecuaciones o inecuaciones de las
llamadas restricciones, para expresar el hecho de que algunas de las variables
no controlables (o todas), pueden manejarse dentro de ciertos límites. Por
ejemplo, el tiempo de máquina asignado a la producción de un producto
siempre tendrá valor positivo, y no será mayor que el tiempo total disponible o
asignado para tal fin; otro ejemplo, la suma del dinero presupuestado para cada

14
PROGRAMACIÓN LINEAL

departamento en una organización o industria no puede exceder la suma de


dinero disponible, etc.
Una vez obtenido el modelo, éste puede usarse para encontrar exacta o
aproximadamente los valores óptimos de las variables no controlables, aquellas
que producen la mejor ejecución del sistema, es decir, la solución al problema.

La Investigación de Operaciones es un conjunto de procedimientos


técnicos y científicos en la aplicación a problemas relacionados con el
control de las organizaciones o sistemas (hombre – máquina) a fin de
que se produzcan soluciones que mejor sirvan a los objetivos de toda la
organización. Por lo tanto la Investigación Operativa básicamente tiene 3
características: enfoque del sistema, el uso de equipos interdisciplinarios
y la adaptación del método científico.

ACTIVIDADES

1. Responda con verdadero (V) y falso (F) según corresponda:

a. El término IO se utiliza por primera vez, específicamente cuando surge


la necesidad de investigar las operaciones tácticas y estratégicas de la
defensa aérea, ante la incorporación de un nuevo radar.
V F
b. Uno de los pasos a seguir en la aplicación del método científico de la IO
es el logro óptimo de los objetivos de un sistema o la mejora del mismo.
V F
c. En los modelos matemáticos de IO, la más prominente y exitosa de
estas técnicas es la programación lineal, donde todas las funciones, el
objetivo y las restricciones son lineales y todas las variables son
continuas.
V F
d. Según el modelo de la IO las variables controlables, o independientes
están representada por la variable 𝑋𝑖
V F

2. Encierre en un círculo la respuesta correcta:

a. El avance acelerado de la tecnología militar hace que los ejecutivos y


administradores militares deban recurrir a los científicos, en que país se
produjo este hecho:

a) Americanos
b) Españoles
c) Japoneses

15
PROGRAMACIÓN LINEAL

d) Ingleses
e) Rusos

b. La primera conferencia sobre la IO en la Industria se realizó en el año:


a) 1939
b) 1945
c) 1951
d) 1969
e) 1986

c. El algoritmo simplex de Dantzig a través del proyecto SCOOP se dio en


el año:
a) 1969
b) 1951
c) 1947
d) 1977
e) N. A.

d. Actualmente la IO se aplica en:


a) Sector Público
b) Sector Privado
c) Sistemas de comercialización
d) Sistemas Financieros
e) Todas las Anteriores.

1.3 FUNDAMENTO TEÓRICO DE LA PROGRAMACIÓN LINEAL

1.3.1. Definición de Programación Lineal

Es un método para determinar un programa óptimo de uso eficiente o


distribución de recursos limitados, para alcanzar objetivos deseados.

El termino programación se refiere al proceso de la determinación de un


programa particular o plan de acción.

Uno de los problemas fundamentales en la toma de decisiones es elegir dentro


de un conjunto posible de alternativas (soluciones factibles de un problema de
interés), la mejor decisión, o la óptima, según un criterio previamente definido.

La optimización es una técnica que busca, con base en distintos modelos


matemáticos, la asignación eficiente de recursos, siempre escasos, requeridos
en diversas actividades productivas que compiten entre sí, con el propósito de
satisfacer los objetivos deseados en el sector productivo, financiero, agrícola,
entre otros, y que suelen ser la maximización o minimización de alguna
cantidad tal como: costo, beneficio, tiempo, desperdicio, etc.

Existen varios métodos de optimización; algunos clásicos utilizan el cálculo


diferencial y funcionan bien en muchos casos; los no clásicos, cuyo desarrollo
es más reciente, se basan en una serie de modelos llamados Modelos de
Programación Matemática, como los modelos de programación lineal, modelos
de programación entera, modelos de programación no lineal, etc.

16
PROGRAMACIÓN LINEAL

1.3.2. Característica de Programación Lineal

1. Función Objetivo ( Zmáx ó Zmín)

Es igual a la suma (algebraica) de contribuciones parciales a cada una de


las variables de decisión, 𝑥1 , 𝑥2, 𝑥3 ,………𝑥𝑛 . Es decir, la función
objetivo es una combinación lineal de las variables de decisión.
𝑛

∑ 𝐶𝑗 = 𝑋𝑗
𝑗=1
Donde:
𝐶𝑗 = Costo, precio, utilidad del j – ésimo producto.
𝑋𝑗 = Producto, proceso, servicio del j – ésimo.

2. Las restricciones de las Variables deben ser de tipo lineal:


𝒏

∑ 𝒂𝒊𝒋 𝑿𝒋 ≤ 𝒃𝒊
𝒋=𝟏

V i = 1, 2, 3,………,m
Donde:
𝑎𝑖𝑗 = Coeficiente técnico del recurso i del j – ésimo producto.
𝑏𝑖 = Disponibilidad, recurso del i – ésimo componente.

3. La condición de irreversibilidad del problema o condición de no


negatividad

𝑿𝒋 ≥ 𝟎

V i = 1, 2, 3,………,n

Esto quiere decir, que el producto, proceso servicio es igual o mayor que
cero.

4. Proporcionalidad

Las cantidades de flujo de los distintos artículos que entran y salen de la


actividad son siempre proporcionales a nivel de esta. Si se desea duplicar
dicho nivel, simplemente se duplican todos los flujos correspondientes.

5. Aditividad

Es especificar que el sistema de actividades sea completo en el sentido de


que puede hacerse una contabilidad completa de cada artículo por
actividad. Para precisar, que cada artículo se requiere que la cantidad total
especificada por el sistema como un todo sea igual a la suma de las
cantidades que entran a las distintas actividades menos la suma de las
cantidades que salen.

17
PROGRAMACIÓN LINEAL

Ejemplo 1: Sea un programa lineal:

𝑧𝑚á𝑥 = ∑𝑛𝑗=1 𝐶𝑗 𝑋𝑗 ……………………. Función Objetiva

Sujeto a:

∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 ≤ 𝑏𝑖 V i = 1, 2, 3,………,m.............Restricciones

𝑋𝑗 ≥ 0 V i = 1, 2, 3,………,n………Condiciones de no
Negatividad

Ejemplo 2: Sea un programa lineal:

𝑧𝑚í𝑛 = ∑𝑛𝑗=1 𝐶𝑗 𝑋𝑗 ……………………. Función Objetiva

Sujeto a:

∑𝑛𝑗=1 𝑎𝑖𝑗 𝑋𝑗 ≤ 𝑏𝑖 V i = 1, 2, 3,………,m.............Restricciones

𝑋𝑗 ≥ 0 V i = 1, 2, 3,………,n………Condiciones de no
Negatividad

RESUMEN
Se llama programación lineal al conjunto de técnicas matemáticas que
pretenden resolver la situación siguiente: Optimizar (maximizar o minimizar)
una función objetivo, función lineal de varias variables, sujeta a una serie de
restricciones, expresadas por inecuaciones lineales.
Pudiendo cambiarse maximizar por minimizar, y el sentido de las
desigualdades. En un problema de programación lineal intervienen:
 La función z = ax + by llamada función objetivo y que es necesario
optimizar. En esa expresión x e y son las variables de decisión, mientras
que a, b y c son constantes.
 Las restricciones que deben ser inecuaciones lineales. Su número
depende del problema en cuestión. El carácter de desigualdad viene
impuesto por las limitaciones, disponibilidades o necesidades, que son:
inferiores a (< o ≤); como mínimo de… (> o ≥). Tanto si se trata de
maximizar como de minimizar, las desigualdades pueden darse en
cualquiera de los dos sentidos.
 La solución óptima del problema será un par de valores (𝑋𝑖 𝑦 𝑌𝑖 ) del
conjunto factible que haga que f(x, y) tome el valor máximo o mínimo.

18
PROGRAMACIÓN LINEAL

ACTIVIDADES

1. Responda con verdadero (V) y falso (F) según corresponda:

a. El término de programación es un plan de acción.


V F
b. La condición de no negatividad es igual a cero.
V F
c. En las características de Programación Lineal sólo presentan función
objetiva y restricciones.
V F
d. Las restricciones de las variables son de tipo lineal.

V F

2. Encierre en un círculo la respuesta correcta:

a. La restricción de todas las variables a que sean mayores o iguales a


cero es:

a) Función Objetivo
b) Constante
c) Condición de no negatividad
d) ayb
e) N. A.

b. Definir el objetivo o meta que desea alcanzar es:

a) Programación
b) Función objetivo
c) Restricciones
d) Condición de No Negatividad
e) a y b.

1.4 FORMULACIÓN DEL MODELO DE LA PROGRAMACIÓN LINEAL

Para la formulación de problemas de programación lineal se procede de la


siguiente manera:

1. Comprensión del Problema

Consiste en leer detenidamente el problema en cuestión e identificar


claramente su objetivo.
Para resolver se recomienda confeccionar una matriz de información:

19
PROGRAMACIÓN LINEAL

Recurso
Producto A B …… Disponibilidad

Utilidad
Precio / Costo

2. Definición de las Variables de decisión

Consiste en representar simbólicamente todos los parámetros que entran


en la conformación del modelo de programación lineal.

𝑋1
𝑋2
.
.
.
𝑋𝑚

3. Formulación de la Función Objetivo

Consiste en definir el objetivo o meta que se desea alcanzar. Esta función


muestra la relación existente entre la producción total y la utilidad máxima
a alcanzar, o el mínimo costo para llevar a cabo dicha producción o
cualquier otro objetivo perseguido.

4. Planteamiento de las Restricciones

Debido a que existen recursos limitados entre actividades competitivas, es


necesario formular restricciones que permiten ver claramente las
condiciones con que se debe contar para resolver el problema.

5. Formulación de las Condiciones de No Negatividad

Consiste en restringir todas las variables 𝑋𝑗 a que sean mayores o iguales


a cero.

1.5 APLICACIONES DEL MODELO DE PROGRAMACIÓN LINEAL EN


LA GESTIÓN DE OPERACIONES

A esta parte se le debe dar una especial importancia debido a que es la


herramienta más importante dentro del campo de la investigación operativa.
Nos proporciona un tratamiento matemático de los problemas.
Vamos a plantear de forma abstracta los problemas mediante una modelización
matemática que nos permitirá resolverlos de forma numérica.

20
PROGRAMACIÓN LINEAL

1.5.1. Optimización de proyectos

Esta parte de la investigación operativa se encarga del tratamiento de


problemas mediante una modelización matemática del problema. Se trata
de optimizar sistemas partiendo de unas premisas.

En todo sistema existirá un conjunto de variables y las relaciones entre


dichas variables.

1.5.2. Ejemplos

1. Tenemos mesas de tipo A con 2 m2 de madera, 1 hora de trabajo y


un beneficio de 80 soles cada una, y de tipo B con 1 m2 de madera, 3
horas de trabajo y 50 soles de beneficio. Si hay 600 m2 de madera y
un máximo de 900 horas, determina como obtener el beneficio
máximo. Formule el programa de programación lineal.

Solución:

Tomando en cuenta los siguientes pasos, damos solución al


problema:

1) Matriz de Información

Tipo A Tipo B Total


Madera (m2) 2 1 600
Trabajo (horas) 1 3 900
Beneficio (S/) 80 50

2) Definición de las Variables de decisión

𝑋1 = Número de mesas de tipo A.


𝑋2 = Número de mesas de tipo B.

3) Formulación de la Función Objetivo

𝑧𝑚á𝑥 = 80𝑋1 + 50𝑋2


4) Planteamiento de las Restricciones

2𝑋1 + 𝑋2 ≤ 600
𝑋1 + 3𝑋2 ≤ 900

5) Formulación de la Condición de No Negatividad

𝑋1 ≥ 0; 𝑋2 ≥ 0

2. Se fabrican dos tipos de aparatos A y B en los talleres 1 y 2.En cada


uno de los talleres se trabajan 100 horas a la semana. Cada aparato
A requiere 3 horas del taller 1 y una hora del taller 2. Y cada aparato
B, 1 y 2 horas respectivamente. Cada aparato A se vende a 100 soles
y cada aparato B a 150 soles. Calcula el número de aparatos de cada

21
PROGRAMACIÓN LINEAL

tipo que hay que producir para que la facturación sea máxima.
Formule el programa de programación lineal.

Solución:

Tomando en cuenta los siguientes pasos, damos solución al


problema:

1) Matriz de Información

Tipo A Tipo B Total


Taller 1 (horas) 3 1 100
Taller 2 (horas) 1 2 100
Precio x aparato (S/) 100 150

2) Definición de las Variables de decisión

𝑋1 = Número de aparatos de tipo A.


𝑋2 = Número de aparatos de tipo B.

3) Formulación de la Función Objetivo

𝑧𝑚á𝑥 = 100𝑋1 + 150𝑋2


4) Planteamiento de las Restricciones

3𝑋1 + 𝑋2 ≤ 100
𝑋1 + 2𝑋2 ≤ 100

5) Formulación de la Condición de No Negatividad

𝑋1 ≥ 0; 𝑋2 ≥ 0

3. Los animales de una granja deben tomar, al menos, 60 mg de


vitamina A y, al menos, 90 mg de vitamina B. Existen dos compuestos
con estas vitaminas. El compuesto 1 contiene 10 mg de vitamina A y
15 mg de B, y cada dosis cuesta 0,50 dólares. El compuesto 2
contiene 10 mg de cada vitamina, y cada dosis cuesta 0,30 dólares.
Además, se recomienda no tomar más de 8 dosis diarias. Calcula que
dosis tiene que tomar para que el coste sea mínimo. Formule el
programa de programación lineal.

Solución:

Tomando en cuenta los siguientes pasos, damos solución al


problema:

1) Matriz de Información

Compuesto 1 Compuesto 2 Total


Vitamina A (mg) 10 10 60
Vitamina B (mg) 15 10 90
Costo ($/) 0,50 0,30

22
PROGRAMACIÓN LINEAL

2) Definición de las Variables de decisión

𝑋1 = Número de dosis del compuesto 1.


𝑋2 = Número de dosis del compuesto 2.

3) Formulación de la Función Objetivo

𝑧𝑚í𝑛 = 0,50𝑋1 + 0,30𝑋2


4) Planteamiento de las Restricciones

10𝑋1 + 10𝑋2 ≥ 60
15𝑋1 + 10𝑋2 ≥ 90

5) Formulación de la Condición de No Negatividad

𝑋1 ≥ 0; 𝑋2 ≥ 0

4. Los alimentos A y B son los dos tipos de alimentos para vacas. El


alimento A cuesta 12 soles / onza y el alimento B cuesta 8 soles /
onza. Se quiere minimizar el costo total de los alimentos al mismo
tiempo que satisfacen las tres restricciones vitamínicas. Se desean
por lo menos 30 unidades de vitamina P, 50 unidades de vitamina W
y 60 unidades de la vitamina Q. Cada onza del alimento de A
proporciona 2 unidades de la vitamina P, 4 unidades de la vitamina W
y 7 unidades de la vitamina Q. El alimento B proporciona 3 unidades
de P, 3 unidades de W y 6 unidades de Q por onza respectivamente.
¿Cuántas onzas de cada alimento deben comprar? Formule el
programa de programación lineal.

Solución:

Tomando en cuenta los siguientes pasos, damos solución al


problema:

1) Matriz de Información

Alimento Alimento Total


A B
Vitamina P 2 3 30
Vitamina W 4 3 50
Vitamina Q 7 6 60
Precio x aparato (S/) 12 8

2) Definición de las Variables de decisión

𝑋1 = Total de onzas que se compra del alimento A.


𝑋2 = Total de onzas que se compra del alimento B.

3) Formulación de la Función Objetivo

𝑧𝑚í𝑛 = 12𝑋1 + 8𝑋2

23
PROGRAMACIÓN LINEAL

4) Planteamiento de las Restricciones

2𝑋1 + 3𝑋2 ≤ 30
4𝑋1 + 3𝑋2 ≤ 50
7𝑋1 + 6𝑋2 ≤ 60

5) Formulación de la Condición de No Negatividad

𝑋1 ≥ 0; 𝑋2 ≥ 0

RESUMEN
Para realizar el planteamiento de un programa lineal es importante saber si el
problema quiere incrementar ganancias, beneficios, etc (Maximizar) o disminuir
costos, gastos, etc (Minimizar). Para ello se toma en cuenta los pasos a seguir:
1. Matriz de Información
2. Definición de las variables de decisión
3. Formulación de la Función Objetivo
4. Planteamiento de las Restricciones
5. Formulación de la Condición de No Negatividad.

ACTIVIDADES

1. Rulisa fabrica masa para pasteles de tipo I y II. La de tipo I la vende


a 5 euros el kilo, gastando 1 euro en ingredientes y 2 en mano de
obra. La de tipo II se vende a 3 euros y cuestan 1 euro, tanto los
ingredientes como el trabajo. Para hacer las masas se necesitan dos
tipos de actividades: amasado y horneado. Rulisa dispone de 18
horas de amasado y 12 de horneado a la semana. La masa de tipo I
necesita 2 horas de amasado Y 3 de horneado, mientras que la de
tipo II, necesita 3 de amasado y 1 de horneado. Si la cantidad de
masa que se puede vender es ilimitada, optimizar los beneficios
semanales de Rulisa. Formule el programa de programación lineal.

2. La compañía INTEL produce dos dispositivos para computadoras,


(producto 1 y producto 2) y requiere partes de metal y componentes
eléctricos. La administración desea determinar cuántas unidades de
cada producto fabricar para maximizar la ganancia. Por cada unidad
del producto 1 se requiere 1 unidad de partes de metal y 2 unidades
de componentes eléctricos. Por cada unidad del producto 2 se
necesitan 3 unidades de partes de metal y 2 unidades de
componentes eléctricos. La compañía tiene 200 unidades de partes
de metal y 300 componentes eléctricos. Cada unidad del producto 1
da una ganancia de $ 2 y cada unidad del producto 2 da una ganancia
de $ 3.00

3. Una fábrica de bombones tiene almacenados 500 Kg. de chocolate,


100 Kg. de almendras y 85 Kg. de frutas. Produce dos tipos de cajas:
las de tipo A contienen 3 Kg. de chocolate, 1 Kg. de almendras y 1

24
PROGRAMACIÓN LINEAL

Kg. de frutas; la de tipo B contiene 2 Kg. de chocolate, 1,5 Kg. de


almendras y 1 Kg. de frutas. Los precios de las cajas de tipo A y B
son 13 y 13,50 €, respectivamente. ¿Cuántas cajas de cada tipo debe
fabricar para maximizar sus ventas?

4. Una compañía de química programa la producción de ciertos tipos


de mezclas, donde el material M es igual a 8 dólares por paquete y
con un peso de 4 kilos, el material N es igual a 5 dólares por paquete
con un peso de 2 kilos. Se requiere 100 kilos de la mezcla y se
necesita emplear no menos de 20 paquetes de N para hacer la
mezcla. ¿Cuántos paquetes se debe usar para minimizar los costos?

5. En una granja de pollos se da una dieta "para engordar" con una


composición mínima de 15 unidades de una sustancia A y otras 15
de una sustancia B. En el mercado solo se encuentran dos clases
de compuestos: el tipo I con una composición de una unidad de A y
cinco de B, y el tipo II con una composición de cinco unidades de A
y una de B. El precio del tipo I es de 10 euros y el del tipo II es de 30
euros. Se pregunta: ¿Qué cantidades se han de comprar de cada
tipo para cubrir las necesidades con un coste mínimo?

6. Se desea obtener tres elementos químicos a partir de las sustancias


A y B. Un kilo de A contiene 8 gramos del primer elemento, 1 gramo
del segundo y 2 del tercero; un kilo de B tiene 4 gramos del primer
elemento, 1 gramo del segundo y 2 del tercero. Se desea obtener al
menos 16 gramos del primer elemento y las cantidades del segundo
y del tercero han de ser como mucho 5 y 20 gramos,
respectivamente; y la cantidad de A es como mucho el doble que la
de B. Calcula los kilos de A y los de B que han de tomarse para que
el coste sea mínimo si un kilo de A vale 2 euros y uno de B 10 euros.
¿Puede eliminarse alguna restricción?

SEGUNDA UNIDAD
SOLUCIÓN PRIMAL DE LA PROGRAMACIÓN LINEAL

OBJETIVOS ESPECÍFICOS
 Proporcionar los conocimientos necesarios para la solución factible óptima
incidiendo en el algoritmo de Dantzing, como base para aplicar el método simplex
en la obtención de la solución óptima.
 Interpretar los resultados de resultados en los casos de maximización y
minimización.
 Identificar los casos especiales de la solución factible óptima y su respectiva
interpretación de resultados.

25
PROGRAMACIÓN LINEAL

INTRODUCCIÓN

El objetivo de este tema es que el estudiante aprenda a reconocer métodos Gráficos y


el de algoritmo de Simplex que ayude a tomar una decisión sea maximizando o
minimizando con el resultado óptimo.
El método gráfico es una forma fácil y rápida para la solución de problemas de
Programación Lineal, siempre y cuando el modelo conste de dos variables. Para
modelos con tres o más variables, el método gráfico es imposible.
Consiste en representar geométricamente las restricciones, condiciones técnicas y
función objetivo.

2.1 MÉTODO GRÁFICO – SOLUCIÓN DE MAXIMIZACIÓN Y MINIMIZACIÓN

2.1.1 Representación matemática del modelo lineal


Un problema de programación lineal en dos variables, tiene la siguiente
formulación estándar:
Maximizar Z = f (𝑋1 , 𝑋2 ) = a𝑋1 + b𝑋2
Sujeto a: 𝑎1 𝑋1 + 𝑏1 𝑋2 ≤ 𝐶1
𝑎2 𝑋1 + 𝑏2 𝑋2 ≤ 𝐶2
.
.
.
𝑎𝑛 𝑋1 + 𝑏𝑛 𝑋2 ≤ 𝐶𝑛1
Pudiendo cambiarse maximizar por minimizar, y el sentido de las
desigualdades.
En un problema de programación lineal intervienen:
La función Z = a𝑋1 + b𝑋2 llamada función objetivo y que es necesario
optimizar. En esa expresión 𝑋1 y 𝑋2 son las variables de decisión,
mientras que a, b y c son constantes.
 Las restricciones que deben ser inecuaciones lineales. Su número
depende del problema en cuestión. El carácter de desigualdad viene
impuesto por las limitaciones, disponibilidades o necesidades, que
son: inferiores a … ( < o ); como mínimo de… ( > o ) . Tanto si se trata
de maximizar como de minimizar, las desigualdades pueden darse en
cualquiera de los dos sentidos.

Al conjunto de valores de 𝑋1 y 𝑋2 que verifican todas y cada una de


las restricciones se le denomina conjunto (o región) factible. Todo
punto de ese conjunto puede ser solución del problema; todo punto no
perteneciente a ese conjunto no puede ser solución.

 La solución óptima del problema será un par de valores del conjunto


factible que haga que f (𝑋1 , 𝑋2 ) tome el valor máximo o mínimo.

2.1.2 Solución Básica


Es aquella que se encuentra en la intersección de rectas o hiperplanos o en
la intersección con ejes coordenados.

26
PROGRAMACIÓN LINEAL

En un sistema donde existen “n” variables y “m” restricciones; una solución


básica se obtiene haciendo (n + m) variables iguales a cero y los valores de
las variables restantes se determinan resolviendo las “m” ecuaciones con “n”
variables. Las “n” variables se llaman variables básicas.

2.1.3.1 Solución Básica Factible


Es una solución básica que pertenece a la región factible.

2.1.3.2 Solución Básica Factible Degenerada


Es una solución factible básica, en la que una o más variables
básicas toman el valor de cero.
Si todas las variables básicas, son positivas, se tendrá una solución
factible básica, no degenerada.

2.1.3.3 Solución óptima o programa óptimo


Es una solución factible que maximiza o minimiza la función objetivo
(según el caso).

2.1.3 Región Factible


Es aquella que cumple con todas las restricciones y las condiciones de no
negatividad.
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.

2.1.4.1 Solución Factible


Es cualquier punto situado en la región factible.

27
PROGRAMACIÓN LINEAL

2.1.4 Interpretación Geométrica

2.1.4.1 Propiedades de una Solución al Problema de Programación


Lineal

Para hallar la solución de un programa lineal, es necesario ejecutar


dos pasos: primero se halla la región factible y luego se halla el punto
(o puntos) óptimo sobre la región factible.

La solución óptima de un programa lineal goza de ciertas


propiedades, cuya aplicación facilita la tarea del cálculo del punto (o
puntos) óptimo (s).

Teorema 1:
El conjunto de todas las soluciones factibles al problema de
programación lineal es un conjunto convexo.

Teorema 2:
La función objetivo alcanza su máximo o mínimo en un punto extremo
del conjunto convexo, generado por el conjunto de soluciones
factibles al problema de programación lineal.
Si alcanza este máximo (mínimo) en más de un punto extremo,
entonces toma el mismo valor para toda combinación convexa de
estos puntos particulares.
Aplicaciones de estos dos teoremas:
1. Existe un punto extremo del poliedro convexo en el cual la
función objetivo tiene su máximo o mínimo.
2. Cada solución factible básica corresponde a un punto extremo
del poliedro convexo.

Los pasos necesarios para realizar el método son:

1. Hallar las restricciones del problema.


2. Las restricciones de no negatividad, Xi ≥ 0 confían todos los
valores posibles.
3. Sustituir ≥ y ≤ por (=) para cada restricción, con lo cual se
produce la ecuación de una línea recta.
4. Trazar la línea recta correspondiente a cada restricción en el
plano. La región en cual se encuentra cada restricción, el área
correspondiente a cada restricción lo define el signo
correspondiente a cada restricción (≥ ó ≤) se evalúa un punto
antes y después de la recta trazada, el punto que cumpla con la
inecuación indicara el área correspondiente.
5. El espacio en el cual se satisfacen las tres restricciones es el
área factible
Cada punto situado en la frontera del espacio del área factible,
es decir que satisfacen todas las restricciones, representa un
punto factible.
6. 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.

28
PROGRAMACIÓN LINEAL

7. La solución óptima puede determinarse al observar la dirección


en la cual aumenta la función objetivo, se procede a graficar la
función objetivo, si es un problema de minimización la solución
óptima es el primer punto factible que toque la función Z, y si por
lo contrario es un problema de maximización, será entonces el
último de los puntos factibles que toque la función Z

Por lo tanto, el método grafico consiste en delinear sobre el


primer cuadrante (debido a la condición de no negatividad) la
región de soluciones factibles, y luego graficando sobre ella la
función objetivo, se ubica el programa o programas óptimos.

MÉTODO GRÁFICO - MAXIMIZACIÓN


Ejemplo 1:
Sea el siguiente Programa Lineal:

Zmáx = 5𝑋1 + 3𝑋2


Sujeto a:

3𝑋1 +5𝑋2 ≤ 15
5𝑋1 +2𝑋2 ≤ 10
𝑋1 , 𝑋2 ≥ 0
Solución

1. Igualamos las inecuaciones así:


3𝑋1 +5𝑋2 = 15 (1)
5𝑋1 +2𝑋2 = 10 (2)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3)
L1
Si 𝑋2 = 0, 𝑋1 = 5 p (5, 0)

De (2) Si 𝑋1 = 0, 𝑋2 = 5 p (0, 5) L2
Si 𝑋2 = 0, 𝑋1 = 2 p (2, 0)

3. Graficamos y hallamos polígonos convexos; ≤ hacia abajo o hacia la izquierda


con respecto al eje.

29
PROGRAMACIÓN LINEAL

𝑋2
6

4 (1; 2,4)

3
Polígono Convexo (Solución
2

1 2 3 4 5 6 7 8 𝑋1

4. Hallamos la solución óptima tomando en cuenta la función objetiva y los


puntos de la ecuación, así:

Zmáx = 5𝑋1 + 3𝑋2

p (0, 3) = 5 (0) + 3 (3) = 0 + 9 = 9


p (1; 2,4) = 5 (1) + 3 (2,4) = 5 + 7,2 = 12,2 MAX
p (2, 0) = 5 (2) + 3 (0) = 10 + 0 = 10

Ejemplo 2:
Sea el siguiente Programa Lineal:

Zmáx = 𝑋1 + 1,5𝑋2
Sujeto a:

2𝑋1 + 2𝑋2 ≤ 160


𝑋1 + 2𝑋2 ≤ 120
4𝑋1 + 2𝑋2 ≤ 280
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
2𝑋1 + 2𝑋2 = 16 (1)
𝑋1 + 2𝑋2 = 120 (2)
4𝑋1 + 2𝑋2 = 280 (3)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 80 p (0, 80)


L1
Si 𝑋2 = 0, 𝑋1 = 80 p (80, 0)

30
PROGRAMACIÓN LINEAL

De (2) Si 𝑋1 = 0, 𝑋2 = 60 p (0, 60)


L2
Si 𝑋2 = 0, 𝑋1 = 120 p (120, 0)

De (3) Si 𝑋1 = 0, 𝑋2 = 140 p (0, 140) L3


Si 𝑋2 = 0, 𝑋1 = 70 p (70, 0)

3. Graficamos y hallamos polígonos convexos; ≤ hacia abajo o hacia la izquierda


con respecto al eje.

𝑋2

140

130

120

110

100
p (0, 60)
90

80

70 p (40, 40)

60

50
p (60, 20)
40

30 p (70, 0)
20

10

10 20 30 40 50 60 70 80 90 100 110 120 130 𝑋1


4. Hallamos la solución óptima tomando en cuenta la función objetiva y los
puntos de la ecuación, así:

Zmáx = 𝑋1 + 1,5𝑋2

31
PROGRAMACIÓN LINEAL

p (0, 60) = (0) + 1,5 (60) = 0 + 90 = 90


p (40; 40) = (40) + 1,5 (40) = 40 + 60 = 100 MAX
p (60, 20) = (60) + 1,5 (20) = 60 + 30 = 90
p (70, 0) = (70) + 1,5 (0) = 70 + 0 = 70

MÉTODO GRÁFICO - MINIMIZACIÓN


Ejemplo 3:
Sea el siguiente Programa Lineal:

Zmín = 10𝑋1 + 30𝑋2


Sujeto a:

𝑋1 + 5𝑋2 ≥ 15
5𝑋1 + 𝑋2 ≥ 15

𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:

𝑋1 + 5𝑋2 = 15 (1)
5𝑋1 + 𝑋2 = 15 (2)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3) L1
Si 𝑋2 = 0, 𝑋1 = 15 p (15, 0)

De (2) Si 𝑋1 = 0, 𝑋2 = 15 p (0, 15) L2


Si 𝑋2 = 0, 𝑋1 = 3 p (3, 0)

3. Graficamos.

32
PROGRAMACIÓN LINEAL

𝑋2
p (0,15)

p (2,5; 2,5)

p (15; 0)
L1
𝑋1

L2

NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.

4. Hallamos la solución óptima tomando en cuenta la función objetiva y los


puntos de la ecuación, así:

Zmín = 10𝑋1 + 30𝑋2

p (0; 15) = 10(0) + 30(15) = 0 + 450 = 450


p (2,5; 2,5) = 10(2,5) + 30(2,5) = 15 + 75 = 100 Mín
p (15; 0) = 10(15) + 30(0) = 150 + 0 = 150

33
PROGRAMACIÓN LINEAL

Ejemplo 4:
Sea el siguiente Programa Lineal:

Zmín = 3𝑋1 + 2𝑋2


Sujeto a:

5𝑋1 + 2𝑋2 ≥ 20
2𝑋1 + 4𝑋2 ≥ 20
3𝑋1 + 𝑋2 ≥ 9

𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:

5𝑋1 + 2𝑋2 = 20 (1)


2𝑋1 + 4𝑋2 = 20 (2)
3𝑋1 + 𝑋2 = 9 (3)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 10 p (0, 10) L1


Si 𝑋2 = 0, 𝑋1 = 4 p (4, 0)

De (2) Si 𝑋1 = 0, 𝑋2 = 5 p (0, 5)
L2
Si 𝑋2 = 0, 𝑋1 = 10 p (10, 0)

De (3) Si 𝑋1 = 0, 𝑋2 = 9 p (0, 9) L3
Si 𝑋2 = 0, 𝑋1 = 3 p (3, 0)

3. Graficamos.

34
PROGRAMACIÓN LINEAL

𝑋2
p (0,10)

p (2,5; 3,75)

p (10,0)
L2

𝑋1
L3

L1

NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.

4. Hallamos la solución óptima tomando en cuenta la función objetiva y los


puntos de la ecuación, así:

Zmín = 3𝑋1 + 2𝑋2

p (0; 10) = 3(0) + 2(10) = 0 + 20 = 20


p (2,5; 3,75) = 3(2,5) + 2(3,75) = 7,5 + 7,5 = 15 Mín
p (10; 0) = 3(10) + 2(0) = 30 + 0 = 30

35
PROGRAMACIÓN LINEAL

MÉTODO GRÁFICO – MÁXIMIZACIÓN Y MINIMIZACIÓN


(RESTRICCIONES – SIGNOS MIXTURADOS)
Ejemplo 5:
Sea el siguiente Programa Lineal:

Zmáx = 10𝑋1 + 40𝑋2


Sujeto a:

10𝑋1 + 2𝑋2 ≤ 200


15𝑋1 + 10𝑋2 ≥ 150
5𝑋1 + 20𝑋2 ≤ 400
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
10𝑋1 + 2𝑋2 = 200 (1)
15𝑋1 + 10𝑋2 = 150 (2)
5𝑋1 + 20𝑋2 = 400 (3)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 100 p (0, 100) L1


Si 𝑋2 = 0, 𝑋1 = 20 p (20, 0)

De (2) Si 𝑋1 = 0, 𝑋2 = 15 p (0, 15)


L2
Si 𝑋2 = 0, 𝑋1 = 10 p (10, 0)

De (3) Si 𝑋1 = 0, 𝑋2 = 20 p (0, 20)


L3
Si 𝑋2 = 0, 𝑋1 = 80 p (80, 0)

3. Graficamos

36
PROGRAMACIÓN LINEAL

𝑋2

p (0; 20)
p (320/19; 300/19)
p (0; 15)

p (20; 0)
L3
p (10; 0)
𝑋1
L2 L1

NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.

4. Hallamos la solución óptima tomando en cuenta la función objetiva y los


puntos de la ecuación, así:

Zmáx =10𝑋1 + 40𝑋2

p (0, 20) = 10(0) + 40(20) = 0 + 800 = 800


p (320/19; 300/19) = 10(320/19) + 40(300/19) = 800 MAX
p (20, 0) = 10(20) + 40(0) = 200 + 0 = 200
p (10, 0) = 10(10) + 40(0) = 100 + 0 = 100
p (0, 15) = 10(0) + 40(15) = 0 + 600 = 600

37
PROGRAMACIÓN LINEAL

Ejemplo 6:
Sea el siguiente Programa Lineal:

Zmín = 3𝑋1 + 2𝑋2


Sujeto a:

3𝑋1 + 4𝑋2 ≤ 12
3𝑋1 + 2𝑋2 ≥ 2
𝑋1 , 𝑋2 ≥ 0
Solución
1. Igualamos las inecuaciones así:
3𝑋1 + 4𝑋2 = 12 (1)
3𝑋1 + 2𝑋2 = 2 (2)

2. Determinamos dos puntos de cada una de las ecuaciones para hallar la recta
de la ecuación, así:

De (1) Si 𝑋1 = 0, 𝑋2 = 3 p (0, 3)
L1
Si 𝑋2 = 0, 𝑋1 = 4 p (4, 0)

De (2) Si 𝑋1 = 0, 𝑋2 = 1 p (0, 1) L2
Si 𝑋2 = 0, 𝑋1 = 2/3 p (2/3, 0)

3. Graficamos
𝑋2
p (0, 3)

p (0, 1)

p (2/3, 0) p (4, 0)
𝑋1

L2 L1

38
PROGRAMACIÓN LINEAL

NOTA:
En color verde: los puntos en los que se encuentra la solución.
En color rojo: los puntos que no pertenecen a la región factible.

4. Hallamos la solución óptima tomando en cuenta la función objetiva y los


puntos de la ecuación, así:

Zmín = 3𝑋1 + 2𝑋2

p (0, 3) = 3(0) + 2(3) = 0 + 6 = 6


p (4; 0) = 3(4) + 2(0) = 12
p (2/3, 0) = 3(2/3) + 2(0) = 2 + 0 = 2 Mín
p (0, 1) = 3(0) + 2(1) = 0 + 2 = 2 Mín

RESUMEN
Para realizar el método gráfico es importante saber los siguientes pasos:
6. A las restricciones de signo ≥ ó ≤ se cambiar por la =.
7. Se coloca cero a cada variable con la finalidad de poder determinar puntos.
8. Trazar la línea recta correspondiente a cada restricción en el plano. La región
en cual se encuentra cada restricción.
9. El área correspondiente a cada restricción lo define el signo correspondiente a
cada restricción (≥ ó ≤) se evalúa un punto antes y después de la recta trazada,
el punto que cumpla con la inecuación indicara el área correspondiente.
10. Se considera la región factible donde haya intensidad de encuentros de las
rectas dependiendo la definición del signo.

ACTIVIDADES

2. Sea el siguiente programa lineal:

Zmáx = 50𝑋1 + 120𝑋2


Sujeto a:
𝑋1 + 𝑋2 ≤ 110
100𝑋1 + 200𝑋2 ≤ 10000
10𝑋1 + 30𝑋2 ≤ 1200
𝑋1 , 𝑋2 ≥ 0

2. Sea el siguiente programa lineal:


Zmín = 5𝑋1 + 8𝑋2
Sujeto a:

4𝑋1 + 10𝑋2 ≥ 40
10𝑋1 + 5𝑋2 ≥ 50
7𝑋1 + 7𝑋2 ≥ 49
𝑋1 , 𝑋2 ≥ 0

39
PROGRAMACIÓN LINEAL

2. Sea el siguiente programa lineal:

Zmáx = 300𝑋1 + 100𝑋2


Sujeto a:
40𝑋1 + 8𝑋2 ≤ 800
10𝑋1 + 5𝑋2 ≥ 320
𝑋2 ≥ 60
𝑋1 , 𝑋2 ≥ 0

2. Sea el siguiente programa lineal:


Zmín = 25𝑋1 + 22𝑋2
Sujeto a:
𝑋1 + 𝑋2 ≤ 15
2000𝑋1 + 3000𝑋2 ≥ 24000
1000𝑋1 + 500 𝑋2 ≥ 10000
𝑋1 , 𝑋2

2.2. ALGORITMO DE SIMPLEX – SOLUCIÓN DE MAXIMIZACIÓN Y


MINIMIZACIÓN

El método Simplex es uno de los métodos que existen para el cálculo de los programas
lineales y consiste en un proceso que sigue una serie de pasos a partir de un tablero
original (que se plantea casi idénticamente como en inversión de matrices), originando
otros hasta haber determinado una solución que se llama solución óptima.
2.2.1. Variables de Holgura y de Exceso
Hay restricciones como las inecuaciones, donde siempre “sobra” o “falta” una
cantidad que aún desconocemos pero que será necesario suponer
(considerando como incógnita), para que compense el otro miembro de la
restricción. Dicha variable incógnita será calculada o no, según la optimización
de la función objetivo.
La variable de holgura es aquella que se va a sumar en las variables de las
restricciones, si el signo de la inecuación es ≤.
La variable de exceso es aquella que se va a restar las variables generadas en
forma consecutiva y va a sumar las variables llamadas artificiales con la finalidad
que sean compensadas en las restricciones si el signo es ≥.
Variable Artificial: Es aquella variable que se va a generar cuando se reste las
variables consecutivas a las restricciones si el signo es ≥ en la cual dicha variable
va a estar representada por λ y es aquella que se va a sumar, considerando que
dicha variable tiene un valor nulo.

40
PROGRAMACIÓN LINEAL

2.2.2. Ejemplos de uso de las variables de Holgura y de Exceso

1. Zmáx = 𝑥1 + 𝑥2 𝑥
+ 0 3 + 0 4𝑥
𝑥1 + 2𝑥2 ≤ 4 𝑥1 + 2𝑥2 + 𝑥3 =4 Variable de Holgura
3𝑥1 + 2𝑥2 ≤ 2 3𝑥1 + 2𝑥2 + 𝑥4 =6

Variable Variable
2. Zmín = 2𝑥1 - 𝑥2 + 0𝑥3 + 0𝑥4 + Mλ1 + Mλ2 de Exceso Artificial

2𝑥1 + 4𝑥2 ≥ 5 2𝑥1 + 4𝑥2 -𝑥3 +λ1 =5


3𝑥1 + 𝑥2 ≥2 3𝑥1 + 𝑥2 - 𝑥4 + λ2 =2

3. Zmáx = 5𝑥1 + 3𝑥2 + Mλ1 + Mλ2


𝑥1 + 𝑥2 = 2 𝑥1 + 𝑥2 + λ1 =2 Variable Artificial
2𝑥1 + 3𝑥2 = 4 2𝑥1 + 3𝑥2 + λ2 =4

2.2.3. El Algoritmo de Simplex – representación tabular

Para representar la tabulación del algoritmo de simplex, se requiere los


siguientes pasos:

1. Se establece el sistema de ecuaciones donde se presente una base.


2. Se disponen las variables, sus coeficientes y sus costos, así como las
magnitudes (Bi) del segundo miembro de las ecuaciones, en un tablero
original, en dicho tablero las variables y las magnitudes se ubicarán o
dispondrán según un orden el cual nos permite el procedimiento de cálculo.
3. Dentro del tablero dispondremos las variables cuyos coeficientes permiten
formar la base en un cuadro.
4. Tal como se hizo en el cálculo de la matriz inversa de una determinada
matriz, determinamos el elemento PIVOTE; partiendo del cálculo previo de
la fila Zj – Cj para la variable que entra en la solución según sea el caso;
menor valor negativo si se trata de maximización y mayor valor positivo si se
trata de minimización.
5. Determinamos el menor coeficiente positivo para la variable que sale al dividir
cada valor Bi con el correspondiente elemento de la columna de la variable
que entra, la que antes se halló, entonces la intersección de la variable que
entra y sale se determina el pivote.
6. Una vez determinada el pivote y los semi – pivotes, en el siguiente tablero se
determinan cada uno de los elementos o coeficientes como se hace en el
proceso de inversión de la matriz.
7. Los pasos restantes son similares hasta encontrar la solución óptima, es
decir, cuando en la fila Zj – Cj, no haya ningún negativo para la maximización
y si se trata de minimización en la fila Zj – Cj no exista un valor positivo.

41
PROGRAMACIÓN LINEAL

2.2.4. Aplicaciones en algunos ejemplos de Maximización y Minimización

1. Sea el siguiente programa lineal, dar la solución por el algoritmo de simplex.

Zmáx = 𝑥1 + 2𝑥2
S.A:
2𝑥1 + 𝑥2 ≤ 4
𝑥1 - 𝑥2 ≤ 6
𝑥1 ≥ 0; 𝑥2 ≥0
1er Paso:
Se establece el Sistema de ecuaciones donde se presenta una base:

Zmáx = 𝑥1 + 2𝑥2 + 0𝑥3 + 0𝑥4

2𝑥1 + 𝑥2 + 𝑥3 =4
𝑥1 - 𝑥2 + 𝑥4 =6

Aquí se formará inicialmente 𝑥3 y 𝑥4 variables de holgura.

2do Paso:
Se dispone las variables, sus coeficientes y costos o utilidades, así como las
magnitudes del segundo miembro en un tablero original como sigue:

ENTRA
𝐶𝑘 1 2 0 0

SALE 𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4
0 𝑥3 4 2 1 1 0 α = 4/1 = 4
0 𝑥4 6 1 -1 0 1 α = 6/-1 = -6
𝑍𝑗 0 0 0 0 0
𝑍𝑗 − 𝐶𝑗 -1 -2 0 0

Como se trata de maximización para que pueda ser una solución óptima la fila
de 𝑍𝑗 − 𝐶𝑗 deben ser ceros o positivos. En este caso todavía no hay solución
óptima. Se tendrá que escoger la variable que debe entrar en el segundo tablero.

Se escoge en la 𝑍𝑗 − 𝐶𝑗 cuando se trata de maximización el menor negativo,

en este caso (-2) en esta columna se encuentra la variable 𝑥2 para que pueda
entrar esta variable, debe salir, 𝑥3 o 𝑥4 según sea el caso, para ello es
necesario hacer:
α = 4/1 = 4 y α = 6/-1 = -6

42
PROGRAMACIÓN LINEAL

La variable que debe salir será 𝑥3 porque es el menor positivo. No se tome en


cuenta los negativos. Por lo tanto el 2do tablero es el siguiente:

𝐶𝑘 1 2 0 0
𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4
2 𝑥2 4 2 1 1 0
0 𝑥4 10 3 0 1 1
𝑍𝑗 8 4 2 2 0

𝑍𝑗 − 𝐶𝑗 3 0 2 0

La intersección de la variable que entra y sale es el Pivote y las demás


valores de la misma columna se considera como el semi pivote
Calculando en el segundo tablero:
1ra fila: Coeficientes pivotales: 4/1 ; 2/1 ; 1/1 ;1/1 ; 0/1
2da fila: Se debe aplicar la siguiente regla: CI – CP x SP
Donde:
CI = Coeficientes iniciales (del tablero anterior)
CP = Coeficientes pivotales (de lo que se ha hallado)
SP = Semi – pivote en este caso -1

Aplicando la regla tenemos:

6 – 4 (-1) = 6 + 4 = 10
1 – 2 (-1) = 1 + 2 = 3
-1 – 1 (-1) = -1 + 1 = 0
0 – 1 (-1) = 0 + 1 = 1
1 – 0 (-1) = 1 + 0 = 1

Observando la fila 𝑍𝑗 − 𝐶𝑗 , en el 2do tablero todos son ceros y positivos, por


lo tanto se ha llegado a la solución óptima.

Intervienen en la solución óptima:


𝑥2 = 4 y 𝑥4 = 10, y todos aquellos que no intervienen 𝑥1 , 𝑥3 toman valores
de cero.

Zmáx = 𝑥1 + 2𝑥2 + 0𝑥3 + 0𝑥4


= 0 + 2(4) + 0 + 0(10)
Zmáx = 8

43
PROGRAMACIÓN LINEAL

2. Sea el siguiente programa lineal:


Zmín = 5𝑥1 + 6𝑥2
S.A:
𝑥1 + 𝑥2 ≥ 2
4𝑥1 + 𝑥2 ≥ 4
𝑥1 ≥ 0; 𝑥2 ≥0
1er Paso:
Se establece el Sistema de ecuaciones donde se presenta una base:

Zmín = 5𝑥1 + 6𝑥2 + 0𝑥3 + 0𝑥4 + Mλ1 + Mλ2

𝑥1 + 𝑥2 - 𝑥3 + λ1 =2
4𝑥1 + 𝑥2 - 𝑥4 + λ2 = 4

Aquí se formará inicialmente -𝑥3 ; -𝑥4 ; +λ1 ; +λ2 variables de exceso y artificial.

2do Paso:
Se dispone las variables, sus coeficientes y costos o utilidades, así como las
magnitudes del segundo miembro en un tablero original como sigue:

ENTRA
𝐶𝑗 5 6 0 0 M M

𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
SALE M λ1 2 14 1 -1 0 1 0 α = 2/1 = 2
M λ2 4 1 0 -1 0 1 α = 4/4 = 1
𝑍𝑗 7M 5M 2M -M -M M M
𝑍𝑗 − 𝐶𝑗 5M-5 2M-6 -M -M 0 0

Como se trata de minimización para que pueda ser una solución óptima la fila de
𝑍𝑗 − 𝐶𝑗 deben ser valores negativos y ceros, si se considera a M con un valor
de 1. En este caso todavía no hay solución óptima. Se tendrá que escoger la
variable que debe entrar en el segundo tablero.

Se escoge en la 𝑍𝑗 cuando se trata de minimización el mayor valor positivo de

las M, en este caso (5M) en esta columna se encuentra la variable 𝑥1 para que
pueda entrar esta variable, debe salir, λ1 o λ2 según sea el caso, para ello es
necesario hacer:
α = 2/1 = 2 y α = 4/4 = 1
La intersección de la variable que entra y sale es el Pivote y las demás
valores de la misma columna se considera como el semi pivote

44
PROGRAMACIÓN LINEAL

Calculando en el segundo tablero:


1ra fila: Coeficientes pivotales: (4/4); (4/4); (1/4); (0/4); (-1/4); (0/4); (1/4)
2da fila: Se debe aplicar la siguiente regla:
CI – CP x SP
Donde:
CI = Coeficientes iniciales (del tablero anterior)
CP = Coeficientes pivotales (de lo que se ha hallado)
SP = Semi – pivote en este caso 1

Aplicando la regla tenemos:

2 – 1(1) = 2 – 1 = 1
1 – 1 (1) = 1 - 1 = 0
1 – 1/4 (1) = 1 - 1/4 = 3/4
-1 – 0 (1) = -1 – 0 = -1
0 – -1/4 (1) = 0 + 1/4 = 1/4
1 – 0 (1) = 1 – 0 = 1
0 – 1/4 (1) = 0 - 1/4 = -1/4

La variable que debe salir será λ2 porque es el menor valor positivo de las α.
Por lo tanto el 2do tablero es el siguiente:

ENTRA
𝐶𝑗 5 6 0 0 M M

SALE 𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
M λ1 1 0 3/4 -1 1/4 1 -1/4 α = (1)/(1/4) = 4
5 𝑥1 1 1 1/4 0 -1/4 0 1/4 α = (1)/(-1/4) =-4
𝑍𝑗 M+5 5 3M/4+5/4 -M M/4-5/4 M -M/4+5/4
𝑍𝑗 − 𝐶𝑗 0 3M/4-19/4 -M M/4-5/4 0 -5M/4+5/4

La intersección de la variable que entra y sale es el Pivote y las demás


valores de la misma columna se considera como el semi pivote
Calculando en el segundo tablero:
1ra fila: Coeficientes pivotales: (1/1/4); (0/1/4); (3/4/1/4); (-1/1/4); (1/4/1/4);
(0/1/4); (1/4/1/4)
2da fila: Se debe aplicar la siguiente regla: CI – CP x SP
Donde:
CI = Coeficientes iniciales (del tablero anterior)
CP = Coeficientes pivotales (de lo que se ha hallado)
SP = Semi – pivote en este caso -1/4

45
PROGRAMACIÓN LINEAL

Aplicando la regla tenemos:

1 – 4(-1/4) = 1 + 1 = 2
1 – 0 (-1/4) = 1 - 0 = 1
1/4 – 3 (-1/4) = 1/4 + 3/4 = 1
0 – -4 (-1/4) = 0 – 1 = -1
-1/4 – 1 (-1/4) = -1/4 + 1/4 = 0
0 – 4 (-1/4) = 0 + 1 = 1
1/4 – -1 (-1/4) = 1/4 - 1/4 = 0

𝐶𝑗 5 6 0 0 M M
𝐶𝑘 𝑋𝑘 𝐵𝑖 𝑥1 𝑥2 𝑥3 𝑥4 λ1 λ2
0 𝑥4 4 0 3 -4 1 4 -1
5 𝑥1 2 1 1 -1 0 1 0
𝑍𝑗 10 5 5 -5 0 5 -1/10
𝑍𝑗 − 𝐶𝑗 0 -1 -5 0 -M+5 -M

Observando la fila 𝑍𝑗 − 𝐶𝑗 , en el 3er tablero todos son ceros, negativos y Ms


negativos, por lo tanto se ha llegado a la solución óptima.

Intervienen en la solución óptima:


𝑥4 =4 y 𝑥1 = 2, y todos aquellos que no intervienen 𝑥2 , 𝑥3 toman valores
de cero.

Zmín = 5𝑥1 + 6𝑥2 + 0𝑥3 + 0𝑥4 + M𝜆1 + M𝜆2


= 5(2) + 6(0) + 0(0) + 0(0) + 0 + 0
Zmín = 10

RESUMEN
Para realizar el Algoritmo de simplex es importante saber los siguientes pasos:
1. A las restricciones de signo ≥ ó ≤ saber qué tipo de variable se tiene que
usar para formar la ecuación =.
2. Colocar los coeficientes de todo el programa lineal más las variables
agregadas.
3. De acuerdo al resultado Zj – Cj (Maximización) y Zj (Minimización) se
definirá la columna que entra.
4. Tener siempre en consideración que para saber cuál es la fila que entra los
α´s deben ser el menor valor positivo.
5. La solución siempre debe ser ceros y números positivos si se trata de
maximización; ceros, números negativos y Ms negativos si es minimización
para saber que se llegó al último tablero del algoritmo de simplex.
6. En el último tablero, las Zj demostrarán los resultados de la función objetivo.

46
PROGRAMACIÓN LINEAL

ACTIVIDADES

1. Sea el siguiente programa lineal:

Zmáx = 𝑥1 + 2𝑥2
S.A:
𝑥1 + 3𝑥2 ≤ 18
𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 𝑥2 ≤ 14
𝑥1 ≥ 0; 𝑥2 ≥0
De la solución óptima utilizando el algoritmo de simplex.

2. Sea el siguiente programa lineal:

Zmín = 3𝑥1 + 𝑥2
S.A:
𝑥1 + 2𝑥2 ≥ 5
𝑥1 + 𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
De la solución óptima utilizando el algoritmo de simplex.

3. Sea el siguiente programa lineal:

Zmín = 2400𝑥1 + 4000𝑥2


S.A:
100𝑥1 + 100𝑥2 ≥ 5
25𝑥1 + 100𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
De la solución óptima utilizando el algoritmo de simplex.

4. Sea el siguiente programa lineal:


Zmáx = 4𝑥1 + 3𝑥2
S.A:
𝑥1 + 5𝑥2 ≤ 10
2𝑥1 + 3𝑥2 ≤ 15
𝑥1 ≥ 0; 𝑥2 ≥0

47
PROGRAMACIÓN LINEAL

TERCERA UNIDAD
DUALIDAD Y ANÁLISIS POST - ÓPTIMO

OBJETIVOS ESPECÍFICOS
 Proporcionar los conocimientos teóricos relacionados con el problema dual.
 Interpretar los resultados del problema, precio sombra.

INTRODUCCIÓN

El objetivo de este tema es que el estudiante aprenda los conceptos de dualidad ya que
asociado a cada problema lineal existe otro problema de programación lineal
denominado problema dual (PD), que posee importantes propiedades y relaciones
notables con respecto al problema lineal original, problema que para diferencia del dual
se denomina entonces como problema primal (PP).

3.1 TEORÍA DE LA DUALIDAD

La dualidad se caracteriza porque para todo programa de maximización de


programación lineal existe un problema equivalente de minimización, y a la inversa; para
todo problema de minimización de programación lineal existe un problema equivalente
de maximización.

3.2 RELACIONES ENTRE LAS SOLUCIONES PRIMAL – DUAL.

La importancia teórica radica en la conceptualización que no se da de las relaciones


matemáticas entre el primal y el dual, lo que permite encontrar la solución de uno de los
problemas se obtenga al mismo tiempo la solución de su problema equivalente.

Primal Dual
Maximización Minimización
Restricción ≥ Restricción ≤
Restricción ≤ Restricción ≥
Función Objetiva: utilidad, Disponibilidades
ganancia, costo Coeficientes son los mismo pero
Coeficientes del primal transpuestos del primal

Las relaciones las podemos enumerar como siguen:


a) El problema dual tiene tantas variables como restricciones tiene el programa
primal.
b) El problema dual tiene tantas restricciones como variables tiene el programa
primal.

48
PROGRAMACIÓN LINEAL

c) Los coeficientes de la función objetivo del problema dual son los términos
independientes de las restricciones o Disponibilidades del programa primal.
d) Los términos independientes de las restricciones o Disponibilidades del dual son
los coeficientes de la función objetivo del problema primal.
e) La matriz de coeficientes técnicos del problema dual es la transpuesta de la matriz
técnica del problema primal.
f) El sentido de las desigualdades de las restricciones del problema dual y el signo
de las variables del mismo problema, dependen de la forma de que tenga el signo
de las variables del problema primal y del sentido de las restricciones del mismo
problema. (Ver tabla).
g) Si el programa primal es un problema de maximización, el programa dual es un
problema de minimización.
h) El problema dual de un problema dual es el programa primal original.

3.2.1 Formulación del Programa Dual a partir del Primal.

A continuación se desarrollará un programa dual a partir del primal para


analizar el desarrollo de transponer un programa lineal y se convierta en un
programa dual.

La Compañía Electrónica S.A produce radios y televisores. Cada radio se vende


con una ganancia de 30 soles mientras que en cada televisor vendido se gana
50 soles. Ambos productos deben pasar por los departamentos A y B (impresión
de circuitos y ensamblaje) mensualmente, se dispone de 200 y 140 horas/mes
de los departamentos A y B respectivamente.
Cada radio requiere 1 hora de A y 1 hora de B, cada televisor requiere 2 horas
de A y 1 hora de B. Cuál es el programa de producción que maximiza la
ganancia?

Solución:

1. Planteamiento del programa en primal

Productos Radios Televisores Disponibilidad


Departamentos
A 1 2 200
B 1 1 140
Utilidad 30 50

2. Definición de Variables

𝑿𝟏 = Número de radios que se deben producir mensualmente.


𝑿𝟐 = Nro de televisores que se deben producir mensualmente.

3. Formulación de la Función Objetivo

Zmáx = 30𝑋1 + 50𝑋2

49
PROGRAMACIÓN LINEAL

4. Planteamiento de las restricciones

𝑋1 + 2𝑋2 ≤ 200
𝑋1 + 𝑋2 ≤ 140

5. Formulación de la Condición de No Negatividad

𝑋1 ≥ 0; 𝑋2 ≥ 0

FORMULACIÓN DUAL

a. Tomando el planteamiento del primal:

Zmáx = 30𝑋1 + 50𝑋2


S.A:
𝑋1 + 2𝑋2 ≤ 200 𝒀𝟏
𝑋1 + 𝑋2 ≤ 140 𝒀𝟐 𝒀𝒊 donde i = 1, …., m.
𝑋1 ≥ 0; 𝑋2 ≥ 0

b. Se optimiza los recursos del primal, para eso se cambiará la función objetivo
de acuerdo a la tabla antes mencionada considerando la nuevas variables
(Y):

Zmín = 200𝑌1 + 140𝑌2

Analizando: Si la compañía electrónica tuviera que alquilar sus recursos a


outra compañía, entonces tiene que hallar el valor de las 200 horas del dpto
A y 140 horas del dpto B. Esta compañía que adquiere el alquiler tratará de
minimizar el valor de los recursos correspondientes.

c. Con respecto a las restricciones:


El valor combinado de los recursos para producir un radio es: 𝑌1 + 𝑌2 , por
otro lado, un radio produce una ganancia de 30 soles a la compañía.
Entonces, el valor combinado de todos los recursos que se utilizan para
producir un radio es por lo menos 30 soles: 𝑌1 + 𝑌2 ≥ 30.
De modo similar, el valor combinado de todos los recursos para producir un
televisor es: 2𝑌1 + 𝑌2 ≥ 50.

Representando en programa lineal la dualidad se tiene:

Zmín = 200𝑌1 + 140𝑌2


S.A:
𝑌1 + 𝑌2 ≥ 30 (1)
2𝑌1 + 𝑌2 ≥ 50 (2)
𝑌1 ≥ 0; 𝑌2 ≥ 0

50
PROGRAMACIÓN LINEAL

Haciendo un análisis Primal – Dual:

Desarrollando por el Algoritmo de Simplex, se tiene:

Zmín = 200𝑌1 + 140𝑌2 + 0𝑌3 + 0𝑌4 + M𝜆1 + M𝜆2


S.A:
𝑌1 + 𝑌2 - 𝑌3 + 𝜆1 = 30
2𝑌1 + 𝑌2 - 𝑌4 +𝜆2 = 50

𝑌1 ≥ 0; 𝑌2 ≥ 0

Colocar las variables que se tiene como dato en el problema de programa dual
y también agregar las variables que han sido generadas de acuerdo al signo.

𝑪𝒋 200 140 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
M 𝝀𝟏 30 1 1 -1 0 1 0 α = 30/1 = 30
M 𝝀𝟐 50 2 1 0 -1 0 1 α = 50/2 = 25
Zj 80M 3M 2M -M -M M M
Zj - Cj 3M-200 2M-140 -M -M 0 0
M 𝝀𝟏 5 0 1/2 -1 1/2 1 -1/2 α = 5/1/2 = 10
200 𝒀𝟏 25 1 1/2 0 -1/2 0 1/2 α = 25/1/2 =50
Zj 5M+5000 200 M/2+100 -M M/2-100 M -M/2+100
Zj - Cj 0 M/2-40 -M M/2-100 0 -3M/2+100
140 𝒀𝟐 10 0 1 -2 1 2 -1
200 𝒀𝟏 20 1 0 1 -1 -1 1
Zj 5400 200 140 -80 -60 80 60
Zj - Cj 0 0 -80 -60 -M+80 -M+60

Hallando la Solución Óptima:


Zmín =200Y1 + 140𝑌2 + 0𝑌3 + 0𝑌4 + Mλ1 + Mλ2

51
PROGRAMACIÓN LINEAL

Reemplazando:
Zmín = 200(20) + 140(10) + 0(0)+ 0(0) + 0 + 0

Zmín = 5400

2. Sea el siguiente Programa Lineal en primal:

Zmín = 10𝑋1 + 18𝑋2 + 4𝑋3


S.A:
2𝑋1 + 𝑋2 + 5𝑋3 ≥ 30 𝒀𝟏
𝑋1 + 3𝑋2 + 𝑋3 ≥ 4 𝒀𝟐

𝑋1 ≥ 0; 𝑋2 ≥ 0; 𝑋3 ≥ 0

Pasar al Programa Dual.

1. Pasando al Programa Dual

Zmáx = 30𝑌1 + 4𝑌2


S.A:
2𝑌1 + 𝑌2 ≤ 10 (1)
𝑌1 + 3𝑌2 ≤ 18 (2)
5𝑌1 + 𝑌2 ≤ 4 (3)
𝑌1 ≥ 0; 𝑌2 ≥ 0
Desarrollando:

Zmáx = 30𝑌1 + 4𝑌2 + 0𝑌3 + 0𝑌4 + 0𝑌5


S.A:
2𝑌1 + 𝑌2 + 𝑌3 = 10 (1)
𝑌1 + 3𝑌2 + 𝑌4 = 18 (2)
5𝑌1 + 𝑌2 + 𝑌5 = 4

𝑌1 ≥ 0; 𝑌2 ≥ 0

𝑪𝒋 30 4 0 0 0
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝒀𝟓
0 𝒀𝟑 10 2 1 1 0 1 α = 10/2 = 5
0 𝒀𝟒 18 1 3 0 1 0 α = 18/1 = 18
0 𝒀𝟓 4 5 1 0 0 1 α = 4/5 = 0,8
Zj 0 0 0 0 0 0
Zj - Cj -30 -14 0 0 0
0 𝒀𝟑 42/5 0 3/5 1 0 -2/5
0 𝒀𝟒 86/5 0 14/5 0 1 -1/5
30 𝒀𝟏 4/5 1 1/5 0 0 1/5
Zj 24 30 6 0 0 6
Zj - Cj 0 2 0 0 0

52
PROGRAMACIÓN LINEAL

Hallando la solución óptima:

Zmáx = 30Y1 + 4𝑌2 + 0𝑌3 + 0𝑌4 + 0𝑌5


Reemplazando:
Zmáx = 30(4/5) + 4(0) + 0(42/5)+ 0(86/5) + 0(0)

Zmáx = 24

RESUMEN
a. ¿Porqué se plantea el programa dual?
Por una parte permite resolver problemas lineales donde el número de
restricciones es mayor que el número de variables.
Gracias a los teoremas que expondremos a continuación la solución de
unos de los problemas (primal o dual) nos proporciona de forma
automática la solución del otro programa.

b. ¿Qué significado tiene su solución?


La dualidad permite realizar importantes interpretaciones económicas de
los problemas de programación lineal.

c. ¿La solución del dual se puede obtener desde el primal?


La dualidad permite generar métodos como el método dual del simplex
de gran importancia en el análisis de post – 0ptimización y en la
programación lineal paramétrica.

Otra de las ventajas de la dualidad, es la posibilidad de resolver


gráficamente algunos problemas.

3.3 ANÁLISIS DE SENSIBILIDAD

El Análisis de Sensibilidad se relaciona con la cuantificación de los efectos en


la solución óptima de cambios en los parámetros del modelo matemático.
Cuando escribimos un modelo, damos por aceptado que los valores de los
parámetros se conocen con certidumbre; pero en la realidad no siempre se
cumple que los valores sean verídicos, ya que por ejemplo las variaciones en
los costos de los materiales, en la mano de obra o en el precio de un producto,
ocasionan cambios en los coeficientes de la función objetivo. Así mismo las
demoras en los envíos de los proveedores, las huelgas, los deterioros no
previstos y otros factores imponderables generarán cambios en la
disponibilidad de los recursos.

53
PROGRAMACIÓN LINEAL

Los cambios en el modelo matemático, que pueden cuantificarse a veces sin


necesidad de volver a resolver el modelo, se relacionan con: Cambios en los
coeficientes de las variables de decisión en la función objetivo (Ganancias por
unidad de variable de decisión) o Cambios en los lados derechos de las
restricciones que definen el modelo. (Cantidad de recursos disponibles) Los
efectos de cambios en los coeficientes dentro de la matriz son muy difíciles de
cuantificar, y por tanto en estos casos se aconseja correr de nuevo el modelo
con los cambios. En primera instancia veremos cuando sólo un coeficiente
cambia; después veremos cuando varios coeficientes cambian
simultáneamente.

3.3.1 Importancia del Análisis de Sensibilidad

a. Los modelos de programación lineal son con frecuencia grandes


y costosos, por lo tanto; no es posible utilizarlos para un solo caso.
b. Los elementos que se dan como datos para un problema de
programación lineal, la mayoría de las veces son estimaciones,
por lo tanto; es necesario investigar o tener en cuenta más de un
conjunto de casos posibles.

3.3.2 Herramienta de cálculo


Se recomienda dos formas diferentes, de acuerdo a la tecnología
disponible y a la complejidad del problema.
1. Si se tiene una calculadora programable o computador y el
programa es pequeño, puede solucionarse el modelo con los
datos de experimentación, tantas veces como se desee para su
posterior análisis.
2. Si el problema es muy complejo, no es necesario resolver todo el
modelo una y otra vez, sino que se pueden utilizar ciertas
propiedades del método de sensibilidad para hacer ajustes a la
solución óptima.

3.3.3 Cambios en los parámetros del modelo


El análisis de sensibilidad se lleva a cabo en:
1. Cambios en los niveles de recursos escasos (Variación de los
Bi).
2. Cambios en los coeficientes de la función objetivo (Coeficientes
de variables básicas y coeficientes de variables no básicas).
3. Cambios en los coeficientes tecnológicos (Variaciones en las aij
para variables básicas y no básicas).
4. Supresión y adición de las restricciones.
5. Adición de nuevas variables.

El análisis que se va a realizar se hará teniendo en cuenta el mayor


impacto sobre la solución óptima debido a las variaciones de los
valores en los parámetros por inexactitud en las estimaciones. Se
empieza por investigar las consecuencias de las variaciones en los
coeficientes de la función objetivo y recursos disponibles,
posteriormente se continuará analizando las variaciones de los aij
aparición de una nueva restricción o necesidad de adicionar una
nueva variable.

54
PROGRAMACIÓN LINEAL

3.3.4 Aplicaciones prácticas para hallar la solución primal, el dual y


las variaciones de las Bi (disponibilidades) y Cj (Coeficientes de
la función objetivo).

Un carpintero fabrica dos tipos de mesas de madera. Cada mesa del


tipo 1 necesita 4 horas de mecanizado primario (preparación de
piezas) y 4 horas de mecanizado secundario (ensamblado y
barnizado). Análogamente, cada mesa del tipo 2 necesita 3 horas de
mecanizado primario y 7 horas de mecanizado secundario. Las
disponibilidades diarias de mecanizados primario y secundario son
respectivamente de 40 y 56 horas-máquina. La venta de una mesa
del tipo 1 reporta un beneficio de 70 euros, mientras que la venta de
una mesa del tipo 2 de 90 euros.

Tiempo de
Disponibilidad diaria
mecanizado (horas)
(horas-máquina)
Tipo de mesa Tipo 1 Tipo 2
Mecanizado primario 4 3 40
Mecanizado secundario 4 7 56
Beneficio (€) 70 90

Se trata de determinar el número de mesas de cada tipo que han de


producirse diariamente para maximizar el beneficio obtenido.

Modelo Primal Maximización

Zmáx = 70𝑋1 + 90𝑋2


S.A:
4𝑋1 + 3𝑋2 ≤ 40
4𝑋1 + 7𝑋2 ≤ 56

𝑋1 ≥ 0; 𝑋2 ≥ 0

Modelo Dual Minimización

Zmín = 40𝑌1 + 56𝑌2


S.A:
4𝑌1 + 4𝑌2 ≥ 70
3𝑌1 + 7𝑌2 ≥ 90

𝑋1 ≥ 0; 𝑋2 ≥ 0

55
PROGRAMACIÓN LINEAL

𝑪𝒋 40 56 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
M 𝝀𝟏 70 4 4 -1 0 1 0 α = 70/4 = 17,5
M 𝝀𝟐 90 3 7 0 -1 0 1 α = 90/7 = 12,9
Zj 160M 7M 11M -M -M M M
Zj - Cj 7M-40 11M-56 -M -M 0 0
M 𝝀𝟏 130/7 16/7 0 -1 4/7 1 -4/7 α = 65/8 = 8,1
56 𝒀𝟐 90/7 3/7 1 0 -1/7 0 1/7 α = 30
Zj 130M/7+720 16M/7+24 56 -M 4M/7-8 M -4M/7+8
Zj - Cj 16M/7-16 0 -M 4M/7-8 0 -11M/7+8
40 𝒀𝟏 65/8 1 0 -7/16 1/4 7/16 -1/4
56 𝒀𝟐 75/8 0 1 3/16 -1/4 -3/16 1/4
Zj 850 40 56 -7 -4 7 4
Zj - Cj 0 0 -7 -4 -M+7 -M+4

Programa Óptimo:

Zmín = 850 𝒀𝟏 = 65/8 𝒀𝟏 = 75/8; Y las demás variables son ceros.

1. Sensibilidad de los coeficientes de Cj de la Función Objetivo o variación


de los coeficientes del funcional tablero Primal y Tablero Dual.

Según la solución final del ejemplo:


Objetivo: ( Cj), Bi. Determinar la variación de los coeficientes del funcional
y disponibilidades.

-(Zj – Cj) ≤ Cj ≤-(Zj – Cj)


aik aik

aik>0 aik<0 Coeficientes técnicos negativos

Variación Negativa Variación Positiva


Límite Inferior Límite Superior

LI = Cj - Cj LS = Cj + Cj

2. Sensibilidad de los coeficientes de las Disponibilidades o variación de las


disponibilidades (Tablero Dual)

( Bi)

-(Zj – Cj) ≤ Bi ≤-(Zj – Cj)


aik aik

aik<0 aik>0 Coeficientes técnicos negativos

56
PROGRAMACIÓN LINEAL

Variación Negativa Variación Positiva


Límite Inferior Límite Superior

LI = Bi - Bi LS = Bi + Bi

Aplicando:

Análisis de sensibilidad de los coeficientes del funcional. Aplicando la solución


en primal del ejemplo anterior, es decir; maximizando.

Último tablero del Primal desarrollado en Algoritmo de simplex:

Zmáx = 600𝑋1 + 1000𝑋2

𝑪𝒋 600 1000 0 0 0
𝑪𝒌 𝑿𝒌 𝑩𝒊 𝑿𝟏 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝟓
1000 𝑿𝟐 500 0 1 1,25 -2,5 0
6000 𝑿𝟏 600 1 0 -1,5 5 0
0 𝑿𝟓 180 0 0 0,05 -0,5 1
Zj 860000 600 1000 350 500 0
Zj – Cj 0 0 350 500 0

-(Zj – Cj) ≤ Cj ≤-(Zj – Cj)


aik aik

aik>0 aik<0

Variación C1:

-(500) ≤ Cj ≤ -(350)
5 -1,25

-100 ≤ Cj ≤ 233,33

LS = (600+233,33)𝑋1 + 1000𝑋2
LS = 823,33𝑋1 +56𝑋2

LI = (600-100)𝑋1 + 100𝑋2
LI = 500𝑋1 + 1000𝑋2

Variación C2:

-(350) ≤ Cj ≤ -(500)
1,25 -2,5

-280 ≤ Cj ≤ 200

57
PROGRAMACIÓN LINEAL

LS = 600𝑋1 + (1000+200)𝑋2
LS = 600𝑋1 + 1200𝑋2

LI = 600𝑋1 + (1000-280)𝑋2
LI = 600𝑋1 + 720𝑋2

Interpretación:
Los coeficientes de la primera variable del funcional pueden variar de 500 hasta
833,33 y no varía la solución óptima.
Los coeficientes de la segunda variable del funcional pueden variar de 720 hasta
1200 y no varía la solución óptima.

Análisis de variación de las Bi disponibilidades. Tablero Dual del ejemplo


anterior:

𝑪𝒋 40 56 0 0 M M
𝑪𝒌 𝒀𝒌 𝑩𝒊 𝒀𝟏 𝒀𝟐 𝒀𝟑 𝒀𝟒 𝝀𝟏 𝝀𝟐
40 𝒀𝟏 65/8 1 0 -7/16 1/4 7/16 -1/4
56 𝒀𝟐 75/8 0 1 3/16 -1/4 -3/16 1/4
Zj 850 40 56 -7 -4 7 4
Zj – Cj 0 0 -7 -4 -M+7 -M+4

-(Zj – Cj) ≤ Bi ≤-(Zj – Cj)


aik aik

aik<0 aik>0

Variación B1:

-(-7) ≤ Bi ≤ -(-4)
-7/16 1/4

aik<0 aik>0

-16 ≤ Bi ≤ 16

LS = (40+16)𝑌1 +56𝑌2
LS = 56𝑌1 +56𝑌2

LI = (40-16)𝑌1 +56𝑌2
LI = 24𝑌1 +56𝑌2

Variación B2:

-(-4) ≤ Bi ≤ -(-7)
-1/4 3/16

aik<0 aik>0

-16 ≤ Bi ≤ 37,33

LS = 40𝑌1 + (56+37,33)𝑌2
LS = 40𝑌1 +93,33𝑌2

58
PROGRAMACIÓN LINEAL

LI = 40𝑌1 + (56-16)𝑌2
LI = 24𝑌1 + 40𝑌2

RESUMEN
El análisis de sensibilidad se lleva a cabo en: Cambios en los niveles de recursos
escasos. Cambios en los coeficientes de la función objetivo (coeficientes de
variables básicas y coeficientes de variable no básicas). Cambios en los
coeficientes tecnológicos (variaciones en las aij para variables básicas y no
básicas). Supresión y adición de restricciones. Adición de nuevas variables.

ACTIVIDADES

1. Sea el siguiente programa lineal:

Zmáx = 𝑥1 + 2𝑥2
S.A:
𝑥1 + 3𝑥2 ≤ 18
𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 𝑥2 ≤ 14
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.

2. Sea el siguiente programa lineal:

Zmín = 3𝑥1 + 𝑥2
S.A:
𝑥1 + 2𝑥2 ≥ 5
𝑥1 + 𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.

59
PROGRAMACIÓN LINEAL

3. Sea el siguiente programa lineal:

Zmín = 2400𝑥1 + 4000𝑥2


S.A:
100𝑥1 + 100𝑥2 ≥ 5
25𝑥1 + 100𝑥2 ≥ 2
𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.

4. Sea el siguiente programa lineal:


Zmáx = 4𝑥1 + 3𝑥2
S.A:
𝑥1 + 5𝑥2 ≤ 10
2𝑥1 + 3𝑥2 ≤ 15

𝑥1 ≥ 0; 𝑥2 ≥0
Pasar al programa dual y realizar su análisis de sensibilidad.

CUARTA UNIDAD
APLICACIONES ESPECIALES DE LA PROGRAMACIÓN
LINEAL

OBJETIVOS ESPECÍFICOS

 Proporcionar al alumno los conocimientos teóricos relacionados con las


aplicaciones especiales de la programación lineal.
 Resolver los casos de transporte y asignación para hallar los valores esperados
de rentabilidad.
 Aplicar los algoritmos derivados de la programación lineal en casos específicos.

INTRODUCCIÓN

El problema del transporte es un tipo especial de problema dentro de la programación


lineal y que tiene que ver con la determinación y fijación de esquemas óptimos para
el transporte de mercancía o productos ya conocidos de los lugares de oferta a los
lugares donde son requeridos, y que con el conocimiento de los costos individuales
proporcionales a la cantidad transportada se puede hallar el costo total con la suma
de todos estos costos particulares.

60
PROGRAMACIÓN LINEAL

4.1 El problema de transporte


La formulación de un problema clásico de transporte se puede determinar como
la distribución de cualquier producto desde los centros de producción llamados
orígenes a otro grupo de centros de recepción llamados destinos de tal manera
que esas cantidades transportadas satisfagan la demanda con el costo total
mínimo. Como se muestra gráficamente y en forma tabular:

1 2 3 4
1 𝐶11 𝐶12 … 𝐶1𝑛 𝑎1
2 𝐶21 𝐶22 … 𝐶2𝑛 𝑎2
… … … … … …
m 𝐶𝑚1 𝐶𝑚2 … 𝐶𝑚𝑛 𝑎𝑚
𝑏𝑗 𝑏𝑗 𝑏𝑗 … 𝑏𝑗

Existen varios métodos para determinar una solución factible básica inicial los
cuales varían en el tiempo para determinar la solución.

4.2 Método de la Esquina Noroeste (N – O)

Para utilizar el método de la Esquina Noroeste se debe tomarlos siguientes


pasos:

1. Cuando un problema de transporte real está desbalanceado, añadiéndose


ya sea orígenes o destinos artificiales así se balancea.
2. Se construye una matriz de flujos de la siguiente manera: ∑ 𝑎𝑖 = ∑ 𝑏𝑗
3. En la posición 1,1 que es el extremo noroccidental de la matriz, asígnese al
mínimo (𝑎1 ; 𝑏1 ) resta 𝑋11 de la oferta 𝑎1 o de la demanda 𝑏1 , obviamente
alguna de estas cantidades se convierta en cero.
4. Si 𝑎1 es menor que 𝑏1 se pasará a la posición (2,1) y se hace 𝑋21 = MIN
(𝑎1 ; 𝑏1 ) si por otro lado si 𝑎1 es mayor que 𝑏1 se pasará a la posición (1,
2) 𝑋12 = MIN (𝑎1 ; 𝑏2 ).
5. Se continua con la misma lógica hasta llegar a terminar el camino ya sea
por columnas o filas.
6. Se reemplaza los costos mínimos en la tabla de precios unitarios donde
resulta el costo total.

PROBLEMA:
Una compañía de gaseosas, quiere nuevos mercados, esta compañía tiene
fábricas en A, B, C y quiere proveer a estos mercados, cuyos almacenes están
en: W, X, Y y Z; las capacidades mensuales de la fábrica son 100, 150 y 170
unidades respectivamente.
Los costos unitarios de embarque son los siguientes:

61
PROGRAMACIÓN LINEAL

Destino
Origen
W X Y Z
A 12 20 12 5
B 17 14 21 10
C 16 15 15 5

Determinar una solución factible básica inicial y el costo total mínimo utilizando
el método de la esquina N – O.
Solución:
1. Primero, colocar los datos claramente en nuestro cuadro de operaciones.

𝐷1 𝐷2 𝐷3 𝐷4
12 20 12 5
𝑂1 100
*
17 14 21 10
𝑂2 150
16 15 15 20
𝑂3 170
70 90 120 140

2. Nuestro cuadro debe ser balanceado, es decir los orígenes deben ser igual
a los destinos.
3. Se empieza resolviendo en la celda (1,1) o sea la esquina Noroeste y
minimizando:

𝑋11 = min (𝑎𝑖 ;𝑏𝑖 ) 𝑎𝑖 > 𝑏𝑖


𝑋11 = min (100; 70) 𝑎1 = 𝑎1 − 𝑏𝑖 = 100 – 70 = 30

Al haber hecho este paso, recomendamos la siguiente tabla:

𝑎𝑖 ;𝑏𝑖
𝑎1 < 𝑏1 Nos movemos a la celda de abajo
𝑎1 < 𝑏𝑖 Nos movemos a la celda continua

En 𝑋11 como 𝑎1 > 𝑏1 , nos vemos a la celda (1,2)

𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
*
17 14 21 10
𝐵 150
16 15 15 20
𝐶 170

𝑏1 70 90 120 140

𝑋12 = min (𝑎1 ;𝑏2 )

62
PROGRAMACIÓN LINEAL

𝑋11 = min (30; 90) = 30


𝑎1 < 𝑏2 𝑏2 = 𝑏2 - 𝑎1 = 60

pasamos a la celda (2, 2)


𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
17 14 21 10
𝐵 150
*
16 15 15 20
𝐶 170

𝑏1 70 90 120 140

𝑋22 = min (𝑎1 ;𝑏2 )


𝑋22 = min (150; 60) = 30
𝑎1 < 𝑏2 𝑎2 = 𝑎2 - 𝑏2 = 90

pasamos a la celda (2, 3)


𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
17 14 21 10
𝐵 150
*
16 15 15 20
𝐶 170

𝑏1 70 90 120 140

𝑋23 = min (𝑎2 ;𝑏3 )


𝑋23 = min (90; 1200) = 90
𝑏3 < 𝑎2 𝑏3 = 𝑏3 - 𝑎2 = 30

pasamos a la celda (3, 3)


𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
17 14 21 10
𝐵 150
16 15 15 20
𝐶 170
*
𝑏1 70 90 30 140

𝑋33 = min (𝑎3 ;𝑏3 )

63
PROGRAMACIÓN LINEAL

𝑋33 = min (170; 30) = 30


𝑎3 > 𝑎2 𝑎3 = 𝑎3 - 𝑏2 = 140

pasamos a la celda (3, 4)


𝑊 𝑋 𝑌 𝑍 𝑎1
12 20 12 5
𝐴 30
70 30
17 14 21 10
𝐵 150
60 90
16 15 15 20
𝐶 170
30 140
𝑏1 70 90 120 140

𝑋11 = 70 x 12 = 840
𝑋12 = 30 x 20 = 600
𝑋22 = 60 x 14 = 840
𝑋23 = 90 x 21 = 1890
𝑋33 = 30 x 15 = 450
𝑋34 = 140 x 20 = 2800
CT = 7420
El Costo Total mínimo es igual a 7420 nuevos soles.
Las otras variables asumen el valor de 0 (cero)

4.3 Método de los Costos Mínimos

El método del costo mínimo o de los mínimos costos es un algoritmo


desarrollado con el objetivo de resolver problemas de transporte o distribución,
arrojando mejores resultados que métodos como el de la esquina noroeste,
dado que se enfoca en las rutas que presentan menores costos. El diagrama
de flujo de este algoritmo es mucho más sencillo que los anteriores dado que
se trata simplemente de la asignación de la mayor cantidad de unidades
posibles (sujeta a las restricciones de oferta y/o demanda) a la celda menos
costosa de toda la matriz hasta finalizar el método.

PROBLEMA:
Una empresa energética peruana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Lima, Arequipa,
Ancash e Ica. Las plantas 1, 2, 3 y 4 pueden satisfacer 80, 30, 60 y 45 millones
de KW al día respectivamente. Las necesidades de las ciudades de Lima,
Arequipa, Ancash e Ica son de 70, 40, 70 y 35 millones de Kw al día

64
PROGRAMACIÓN LINEAL

respectivamente.

Los costos asociados al envío de suministro energético por cada millón de KW


entre cada planta y cada ciudad son los registrados en la siguiente tabla.

Lima Arequipa Ancash Ica


Planta 1 5 2 7 3
Planta 2 3 6 6 1
Planta 3 6 1 2 4
Planta 4 4 3 6 6

Formule un modelo de programación lineal que permita satisfacer las


necesidades de todas las ciudades al tiempo que minimice los costos
asociados al transporte.

Solución:

Lima Arequipa Ancash Ica Oferta


5 2 7 3
Planta 1
80
3 6 6 1
Planta 2
30
6 1 2 4
Planta 3
40 60
4 3 6 6
Planta 4
45
Demanda 70 40 70 35

En este caso se presenta un empate, este se


rompe de forma arbitraria, así que se le asigna a
cualquiera la mayor cantidad posible.

Luego esa cantidad asignada se resta a la demanda de Arequipa y a la oferta


de la "Planta 3", en un proceso muy lógico. Dado que Arequipa se queda sin
demanda esta columna desaparece, y se repite el primer proceso.

Lima Arequipa Ancash Ica Oferta


5 7 3
Planta 1
80
3 6 1
Planta 2
30 30
6 2 4
Planta 3
60
4 6 6
Planta 4
45
Demanda 70 70 35

65
PROGRAMACIÓN LINEAL

Nuevo proceso de asignación

Lima Arequipa Ancash Ica Oferta


5 7 3
Planta 1
80
Planta 2
6 2 4
Planta 3
20 20
4 6 6
Planta 4
45
Demanda 70 70 5

Nuevo proceso de asignación

Lima Arequipa Ancash Ica Oferta


5 7 3
Planta 1
5 80
Planta 2

Planta 3
4 6 6
Planta 4
45
Demanda 70 50 5

Nuevo proceso de asignación

Lima Arequipa Ancash Ica Oferta


5 7
Planta 1
75
Planta 2

Planta 3
4 6
Planta 4
45 45
Demanda 70 50

66
PROGRAMACIÓN LINEAL

Una vez finalizado el cuadro anterior nos daremos cuenta que solo quedará
una fila, por ende asignamos las unidades y se ha terminado el método.

Lima Arequipa Ancash Ica Oferta


5 7
Planta 1
25 50 75
Planta 2

Planta 3

Planta 4

Demanda 25 50

El cuadro de las asignaciones (que debemos desarrollarlo paralelamente)


queda así:

Lima Arequipa Ancash Ica Oferta

Planta 1 25 50 5
80
Planta 2 30
30
Planta 3 40 20
60
Planta 4 45
45
Demanda 70 40 70 35

Los costos asociados a la distribución son:

Variable de Actividad de la Costo x Contribución


Decisión variable Unidad Total

𝑋11 25 5 125

𝑋12 0 2 0

𝑋13 50 7 350

𝑋14 5 3 15

𝑋21 0 3 0

𝑋22 0 6 0

𝑋23 0 6 0

𝑋24 30 1 30

𝑋31 0 6 0

𝑋32 40 1 40

67
PROGRAMACIÓN LINEAL

𝑋33 20 2 40

𝑋34 0 4 0

𝑋41 45 4 180

𝑋42 0 3 0

𝑋43 0 6 0

𝑋44 0 6 0
TOTAL 780

4.4 Método Vogel

El método de Vogel es un método heurístico de resolución de problemas de


transporte capaz de alcanzar una solución básica no artificial de inicio, este
modelo requiere de la realización de un número generalmente mayor de
iteraciones que los demás métodos heurísticos existentes con este fin, sin
embargo produce mejores resultados iniciales que los mismos.

El método consiste en la realización de un algoritmo que consta de 3 pasos


fundamentales y 1 más que asegura el ciclo hasta la culminación del método.

1. Paso 1:
Determinar para cada fila y columna una medida de penalización restando los
dos costos menores en filas y columnas.

2. Paso 2:
Escoger la fila o columna con la mayor penalización, es decir que de la resta
realizada en el "Paso 1" se debe escoger el número mayor. En caso de haber
empate, se debe escoger arbitrariamente (a juicio personal).

3. Paso 3
De la fila o columna de mayor penalización determinada en el paso anterior
debemos de escoger la celda con el menor costo, y en esta asignar la mayor
cantidad posible de unidades. Una vez se realiza este paso una oferta o
demanda quedará satisfecha por ende se tachará la fila o columna, en caso de
empate solo se tachará 1, la restante quedará con oferta o demanda igual a
cero (0).

4. Paso 4: De Ciclo y excepciones


- Si queda sin tachar exactamente una fila o columna con cero oferta o
demanda, detenerse.
- Si queda sin tachar una fila o columna con oferta o demanda positiva,
determine las variables básicas en la fila o columna con el método de costos
mínimos, detenerse.
- Si todas las filas y columnas que no se tacharon tienen cero oferta y
demanda, determine las variables básicas cero por el método del costo
mínimo, detenerse.
- Si no se presenta ninguno de los casos anteriores vuelva al paso 1 hasta
que las ofertas y las demandas se hayan agotado.

68
PROGRAMACIÓN LINEAL

PROBLEMA:
Una empresa energética peruana dispone de cuatro plantas de generación
para satisfacer la demanda diaria eléctrica en cuatro ciudades, Lima, Arequipa,
Ancash e Ica. Las plantas 1, 2, 3 y 4 pueden satisfacer 80, 30, 60 y 45 millones
de KW al día respectivamente. Las necesidades de las ciudades de Lima,
Arequipa, Ancash e Ica son de 70, 40, 70 y 35 millones de Kw al día
respectivamente.
Los costos asociados al envío de suministro energético por cada millón de KW
entre cada planta y cada ciudad son los registrados en la siguiente tabla.

Lima Arequipa Ancash Ica


Planta 1 5 2 7 3
Planta 2 3 6 6 1
Planta 3 6 1 2 4
Planta 4 4 3 6 6

Formule un modelo de programación lineal que permita satisfacer las


necesidades de todas las ciudades al tiempo que minimice los costos
asociados al transporte.

Solución:

El primer paso es determinar las medidas de penalización y consignarlas en el


tabulado de costos, tal como se muestra a continuación.

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1 Los dos
Planta 2 3 6 6 1 30 2 menores
valores de la
Planta 3 6 1 2 4 60 1 fila, 2 y 3.
Estos se restan
Planta 4 4 3 6 6 45 1
(2 – 3) Valor
Demanda 70 40 70 35 absoluto = 1

Penalidad 1 1 4 2

Los dos menores valores de la columna, 3 y 4


Estos valores se restan (3 – 4). Valores absolutos = 1

El paso siguiente es escoger la mayor penalización, de esta manera:

69
PROGRAMACIÓN LINEAL

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1
Planta 2 3 6 6 1 30 2
Planta 3 6 1 2 4 60 1
Planta 4 4 3 6 6 45 1
Demanda 70 40 70 35
Penalidad 1 1 4 2

En este paso escogemos la mayor penalización “4”, y procedemos a


seleccionar la columna o fila a la cual corresponde

El paso siguiente es escoger de esta columna el menor valor, y en una tabla


paralela se le asigna la mayor cantidad posible de unidades, podemos observar
como el menor costo es "2" y que a esa celda se le pueden asignar como
máximo 60 unidades "que es la capacidad de la planta 3".

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1
Planta 2 3 6 6 1 30 2
Planta 3 6 1 2 4 60 1
Planta 4 4 3 6 6 45 1
Demanda 70 40 70 35
Penalidad 1 1 4 2

Este ese el menor valor de la columna penalizada, por ende se le asigna la mayor
cantidad de unidades posibles, que en este caso es 60 unidades.

Lima Arequipa Ancash Ica Oferta


Planta 1 80
Planta 2 30
Planta 3 60 60
Planta 4 45
Demanda 70 40 70 35

Dado que la fila de la "Planta 3" ya ha asignado toda su capacidad (60


unidades) esta debe desaparecer.

70
PROGRAMACIÓN LINEAL

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1
Planta 2 3 6 6 1 30 2

Planta 4 4 3 6 6 45 1
Demanda 70 40 10 35
Penalidad 1 1 4 2

Se procede a eliminarse la fila correspondiente a la Planta que ha quedado sin


unidades; además observemos como la demanda de Ancash se modifica,
ahora sólo necesita 10 unidades, dado que se le resta la cantidad ya asignada.

Se ha llegado al final del ciclo, por ende se repite el proceso.

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1
Planta 2 3 6 6 1 30 2

Planta 4 4 3 6 6 45 1
Demanda 70 40 10 35
Penalidad 1 1 0 2

Dado que en este caso existe empate, elegimos de manera arbitraria

Lima Arequipa Ancash Ica Oferta Penalidad


Planta 1 5 2 7 3 80 1
Planta 2 3 6 6 1 30 2
Planta 4 4 3 6 6 45 1
Demanda 70 40 10 35
Penalidad 1 1 0 2

El menor valor de esta columna es 1

71
PROGRAMACIÓN LINEAL

CUADRO DE SOLUCIÓN

Lima Arequipa Ancash Ica Oferta Penalización


Planta 1 80
Planta 2 30 30
Planta 3 60 60
Planta 4 45
Demanda 70 40 70 35
Penalización
Por ende asignamos en esta celda la mayor cantidad de unidades posibles,
es decir 30, dada la capacidad de la “Planta 2”

Lima Arequipa Ancash Ica Oferta Penalización


Planta 1 5 2 7 3 80 1

Planta 4 4 3 6 6 45 1
Demanda 70 40 70 35
Penalización 1 1 0 2
Dado que la “Planta 2” se ha quedado sin unidades se elimina y la demanda
de Ica ahora es 35 – 30 = 5.
Iniciamos una nueva iteración

Lima Arequipa Ancash Ica Oferta Penalización


Planta 1 5 2 7 3 80 1
Planta 4 4 3 6 6 45 1
Demanda 70 40 10 5
Penalización 1 1 1 3
El menor valor de esta columna es 3, por ende le asignamos la mayor cantidad
de unidades posibles, la cual se ve restringida por la demanda de Ica, la cual
es de tan solo 5 unidades.
CUADRO DE SOLUCIÓN

Lima Arequipa Ancash Ica Oferta


Planta 1 5 80
Planta 2 30 30
Planta 3 60 60
Planta 4 45
Demanda 70 40 10 35

72
PROGRAMACIÓN LINEAL

Podemos observar como queda satisfecha la demanda de Ica, por ende


desaparecerá, así mismo la oferta de la planta 1 queda limitada a 80 – 5 = 75
unidades.

Lima Arequipa Ancash Oferta Penalización


Planta 1 5 2 7 75 1
Planta 4 4 3 6 45 1
Demanda 70 40 10
Penalización 1 1 1

Continuamos con las iteraciones,

Lima Arequipa Ancash Oferta Penalización


Planta 1 5 2 7 75 3

Planta 4 4 3 6 45 1
Demanda 70 40 10
Penalización 1 1 1

CUADRO DE SOLUCIÓN

Lima Arequipa Ancash Ica Oferta


Planta 1 40 5 80
Planta 2 30 30
Planta 3 60 60
Planta 4 45
Demanda 70 40 70 35

Lima Ancash Oferta Penalización


Planta 1 5 7 35 3
Planta 4 4 6 45 1
Demanda 70 10
Penalización 1 1

73
PROGRAMACIÓN LINEAL

Iniciamos otra iteración

Lima Ancash Oferta Penalización


Planta 1 5 7 35 2

Planta 4 4 6 45 2

Demanda 70 10
Penalización 1 1
Rompemos el empate arbitrariamente

Lima Ancash Oferta Penalización


Planta 1 5 7 35 2
Planta 4 4 6 45 2

Demanda 70 10
Penalización 1 1

CUADRO DE SOLUCIÓN

Lima Arequipa Ancash Ica Oferta


Planta 1 40 5 80
Planta 2 30 30
Planta 3 60 60
Planta 4 45 45
Demanda 70 40 70 35

Lima Ancash Oferta Penalización


Planta 1 5 7 35 2

Demanda 25 10
Penalización 1 1

Al finalizar esta iteración podemos observar como el tabulado queda una fila
sin tachar y con valores positivos, por ende asignamos las variables básicas y
hemos concluido el método.

Lima Ancash Oferta


Planta 1 5 7 35
Demanda 25 10

74
PROGRAMACIÓN LINEAL

CUADRO SOLUCIÓN

Lima Arequipa Ancash Ica Oferta


Planta 1 25 40 10 5 80
Planta 2 30 30
Planta 3 60 60
Planta 4 45 45
Demanda 70 40 70 35
Ahora podemos observar como cada demanda es satisfecha sin superar
los niveles establecidos por la oferta de cada Planta.
Los costos asociados a la distribución son:
Variable de Actividad de la Costo x Contribución
Decisión Variable Unidad Total
𝑋11 25 5 125
𝑋12 40 2 80
𝑋13 10 7 70
𝑋14 5 3 15
𝑋21 0 3 0
𝑋22 0 6 0
𝑋23 0 6 0
𝑋24 30 1 30
𝑋31 0 6 0
𝑋32 0 1 0
𝑋33 60 2 120
𝑋34 0 4 0
𝑋41 45 4 180
𝑋42 0 3 0
𝑋43 0 6 0
𝑋44 0 6 0
TOTAL 620

Planta 1 Lima

Planta 2 Arequipa

Planta 3 Ancash

Planta 4 Ica

75
PROGRAMACIÓN LINEAL

4.5 Problema de Asignación


El problema de asignación es una variación del problema original de
transporte, variación en la cual las variables de decisión X(i,j) solo pueden
tomar valores binarios, es decir ser cero (0) o uno (1) en la solución óptima, lo
que supone que la oferta y la demanda están perfectamente alineadas, de
hecho ambas son iguales a uno (1).
Múltiples son los casos en los que como ingenieros podemos hacer uso del
problema de asignación para resolver diversas situaciones, entre los que cabe
mencionar se encuentran la asignación de personal a maquinas, herramientas
a puestos de trabajos, horarios a maestros, candidatos a vacantes, huéspedes
a habitaciones, comensales a mesas, vendedores a zonas territoriales etc.
En el modelo de asignación la idea fundamental de resolución es ¿qué fuente
satisface mejor el destino?, y dado que hemos asociado el modelo a una gran
diversidad de circunstancias esta pregunta puede plantearse en múltiples
contextos, como ¿qué candidato es el idóneo para la vacante?, o ¿qué personal
es el indicado para la línea productiva?, o ¿qué personal es el mejor para
ejecutar determinada tarea? Una característica particular del modelo de
asignación es que para su resolución no se hace necesario que el número de
fuentes sea igual al número de destinos, lo cual es muy común en la vida real
teniendo en cuenta su aplicación, pues generalmente la cantidad de aspirantes
es exageradamente superior al número de vacantes (lógicamente haciendo
referencia a la aplicación del modelo al contexto de oferta y demanda laboral).
Entonces, supongamos que deseamos asignar n tareas a n trabajadores. Cada
una de las tareas no requiere de la terminación de otra para ser realizada.
Suponemos que las tareas son tan simples que pueden ser realizadas por
cualquier trabajador y que los trabajadores no tienen preferencias por realizar
uno u otra tarea. Se tiene como condición que una tarea solamente puede ser
realizada por un solo trabajador y que un trabajador sólo puede realizar una
única tarea. La realización de una tarea i por un trabajador j tiene un costo cij
y se definen todos los costos en una matriz de la siguiente manera:

Tabla 1.- Matriz de costos para el problema de la asignación

Tarea 1 Tarea 2 Tarea 3 ... Tarea n

Trabajador 1 C11 C12 C13 ... C1n

Trabajador 2 C21 C22 C23 ... C2n

Trabajador 3 C31 C32 C33 C3n

... ... ... ... ... ...

Trabajador n Cn1 Cn2 Cn3 ... Cnn

El objetivo es determinar qué tarea se asigna a cada trabajador, de manera que


el costo total sea el mínimo y se respeten las restricciones de que cada tarea

76
PROGRAMACIÓN LINEAL

sólo pueda ser asignada a un trabajador y que cada trabajador sólo pueda
realizar una tarea.
En el problema de asignación se considera que el número de tareas es igual al
número de trabajadores. Si se tienen más tareas que trabajadores, es posible
definir trabajadores ficticios (con costos muy altos). Una vez que se tiene una
asignación para los trabajadores reales, las tareas correspondientes pueden
ser eliminadas del problema, de modo que se busque o bien una segunda
asignación a los trabajadores reales o bien nuevos trabajadores. De manera
similar, es común definir tareas ficticias cuando hay más trabajadores que
tareas, de modo que las tareas reales sean asignadas a los trabajadores más
eficientes; una vez que las tareas reales son asignadas a un sub-conjunto de
trabajadores, a los trabajadores ociosos se les podrán buscar nuevas tareas
(posiblemente en nuevos puestos de trabajo) o ser despedidos.
El problema de asignación también puede ser planteado en cuestión de
beneficios. Supongamos que tenemos n trabajadores y n tareas que debemos
asignarles. Se obtiene un beneficio aij por cada tarea i realizada por el
trabajador j. Como antes, una tarea sólo puede ser asignada a un trabajador y
un trabajador sólo puede realizar una tarea. En este caso deseamos saber qué
tarea asignar a cada trabajador de manera que se maximice el beneficio total.
Para este caso, tenemos una matriz de beneficios:

Tabla 1.- Matriz de beneficios para el problema de la asignación

Tarea 1 Tarea 2 Tarea 3 ... Tarea n

Trabajador 1 a11 a12 a13 ... a1n

Trabajador 2 a21 a22 a23 ... a2n

Trabajador 3 a31 a32 a33 ... a3n

... ... ... ... ... ...

Trabajador n an1 an2 an3 ... ann

4.6 Método Húngaro.


Apartándonos un poco de la idea expresada en módulos anteriores respecto a
la facilidad de resolver problemas atinentes a la investigación operativa en
especial aquellos de transporte mediante el uso de herramientas tecnológicas
como lo son WinQSB, LINGO, TORA, STORM, Excel etc. Vale la pena ya sea
para fines académicos o de cultura ingenieril realizar la resolución del problema
de asignación mediante el algoritmo que se creó para tal fin, como lo es
el Método Húngaro.

El método Húngaro es un método de optimización de problemas de asignación,


conocido como tal gracias a que los primeros aportes al método clásico
definitivo fueron de Dénes König y Jenő Egerváry dos matemáticos húngaros.
El algoritmo tal como se detallará a continuación está diseñado para la
resolución de problemas de minimización únicamente, será entonces cuestión
de agregar un paso adicional para abordar ejercicios de maximización.

77
PROGRAMACIÓN LINEAL

- ALGORITMO HÚNGARO, PASO 1


Antes que nada cabe recordar que el método húngaro trabaja en una
matriz de costos m*n (en este caso conocida como matriz m*m, dado que
el número de filas es igual al número de columnas m = n), una vez
construida esta se debe encontrar el elemento más pequeño en cada fila
de la matriz.

- ALGORITMO HÚNGARO, PASO 2


Una vez se cumple el procedimiento anterior se debe construir una nueva
matriz m*n, en la cual se consignarán los valores resultantes de la diferencia
entre cada costo y el valor mínimo de la fila a la cual cada costo corresponde
(valor mínimo hallado en el primer paso).

- ALGORITMO HÚNGARO, PASO 3


Este paso consiste en realizar el mismo procedimiento de los dos pasos
anteriores referidos ahora a las columnas, es decir, se halla el valor mínimo
de cada columna, con la diferencia que este se halla de la matriz resultante
en el segundo paso, luego se construirá una nueva matriz en la cual se
consignarán los valores resultantes de la diferencia entre cada costo y el
valor mínimo de la columna a la cual cada costo corresponde, matriz
llamada "Matriz de Costos Reducidos".

- ALGORITMO HÚNGARO, PASO 4


A continuación se deben de trazar líneas horizontales o verticales o ambas
(únicamente de esos tipos) con el objetivo de cubrir todos los ceros de la
matriz de costos reducidos con el menor número de líneas posibles, si el
número de líneas es igual al número de filas o columnas se ha logrado
obtener la solución óptima (la mejor asignación según el contexto de
optimización), si el número de líneas es inferior al número de filas o
columnas se debe de proceder con el paso 5.

- ALGORITMO HÚNGARO, PASO 5


Este paso consiste en encontrar el menor elemento de aquellos valores que
no se encuentran cubiertos por las líneas del paso 4, ahora se restará del
restante de elementos que no se encuentran cubiertos por las líneas; a
continuación este mismo valor se sumará a los valores que se encuentren
en las intersecciones de las líneas horizontales y verticales, una vez
finalizado este paso se debe volver al paso 4.

PROBLEMA:

La compañía de manufactura "Jiménez y Asociados" desea realizar una


jornada de mantenimiento preventivo a sus tres máquinas principales A, B y C.
El tiempo que demanda realizar el mantenimiento de cada máquina es de 1 día,
sin embargo la jornada de mantenimiento no puede durar más de un día,
teniendo en cuenta que la compañía cuenta con tres proveedores de servicios
de mantenimiento debe de asignarse un equipo de mantenimiento a cada
máquina para poder cumplir con la realización del mantenimiento preventivo.
Teniendo en cuenta que según el grado de especialización de cada equipo
prestador de servicios de mantenimiento el costo de la tarea varía para cada
máquina en particular, debe de asignarse el equipo correcto a la máquina
indicada con el objetivo de minimizar el costo total de la jornada. Los costos
asociados se pueden observar en la siguiente tabla:

78
PROGRAMACIÓN LINEAL

SOLUCIÓN:

Máquina 1 Máquina 2 Máquina 3


Equipo de
€ 10 € 9 € 5
Mantenimiento 1
Equipo de
€ 9 € 8 € 3
Mantenimiento 2
Equipo de
€ 6 € 4 € 7
Mantenimiento 3

1. PASO 1
Encontramos el menor elemento de cada fila

Elemento
Máquina 1 Máquina 2 Máquina 3
Menor de la fila
Equipo de
10 9 5 5
Mantenimiento 1
Equipo de
9 8 3 3
Mantenimiento 2
Equipo de
6 4 7 4
Mantenimiento 3

2. PASO 2
Construimos una nueva matriz con las diferencias entre los valores de la matriz
original y el elemento menor de la fila a la cual corresponde.

Máquina 1 Máquina 2 Máquina 3


Equipo de
5 4 0 ((10 – 5) (9 – 5) (5 – 5))
Mantenimiento 1
Equipo de
6 5 0 ((9 – 3) (8 – 3) (3 – 3))
Mantenimiento 2
Equipo de
2 0 3 ((6 – 4) (4 – 4) (7 – 4))
Mantenimiento 3

3. PASO 3
En la matriz construida en el paso anterior se procede a efectuar el paso 1 esta
vez en relación a las columnas, por ende escogemos el elemento menor de
cada columna. Igualmente construimos una nueva matriz con la diferencia entre
los valores de la matriz 2 y el elemento menor de la columna a la cual
corresponde cada valor.

Máquina 1 Máquina 2 Máquina 3


Equipo de
5 4 0
Mantenimiento 1
Equipo de
6 5 0
Mantenimiento 2
Equipo de
2 0 3
Mantenimiento 3
Elemento menor
2 0 0
de la Columna

79
PROGRAMACIÓN LINEAL

MATRIZ DE COSTO REDUCIDO

Máquina 1 Máquina 2 Máquina 3


Equipo de
3 4 0
Mantenimiento 1
Equipo de
4 5 0
Mantenimiento 2
Equipo de
0 0 3
Mantenimiento 3

4. PASO 4
En este paso trazaremos la menor cantidad de combinaciones de líneas
horizontales y verticales con el objetivo de cubrir todos los ceros de la matriz
de costos reducidos.

MATRIZ DE COSTO REDUCIDO

Máquina 1 Máquina 2 Máquina 3


Equipo de
3 4 0
Mantenimiento 1
Equipo de
4 5 0
Mantenimiento 2
Equipo de
0 0 3
Mantenimiento 3

Como se puede observar el menor número de líneas horizontales y/o verticales


necesarias para cubrir los ceros de la matriz de costos reducidos es igual a 2,
por ende al ser menor que el número de filas o columnas es necesario recurrir
al paso 5.

5. PASO 5
En este paso seleccionamos el menor elemento de los elementos no
subrayados.

MATRIZ DE COSTOS REDUCIDOS

Máquina 1 Máquina 2 Máquina 3


Equipo de
3 4 0
Mantenimiento 1
Equipo de
4 5 0
Mantenimiento 2
Equipo de
0 0 3
Mantenimiento 3

Menor elemento de los no


Subrayados
3

Luego se procede a restarse de los elementos no subrayados y a adicionarse


a los elementos ubicados en las intersecciones de las líneas, en este caso
existe una única intersección (3).

80
PROGRAMACIÓN LINEAL

MATRIZ DE COSTOS REDUCIDOS

Máquina 1 Máquina 2 Máquina 3


Equipo de
0 1 0
Mantenimiento 1
Equipo de
1 2 0
Mantenimiento 2
Equipo de
0 0 6
Mantenimiento 3

Ahora ya efectuado este paso pasamos al paso 4.

Máquina 1 Máquina 2 Máquina 3


Equipo de 0 0
1
Mantenimiento 1
Equipo de
1 2 0
Mantenimiento 2
Equipo de
0 0 6
Mantenimiento 3

Ahora observamos cómo se hace necesario trazar tres líneas (la misma
cantidad de filas o columnas de la matriz) por ende se ha llegado al tabulado
final, en el que por simple observación se determina las asignaciones óptimas.

MATRIZ DE COSTO REDUCIDO

Máquina 1 Máquina 2 Máquina 3


Equipo de
0 1 0
Mantenimiento 1
Equipo de
1 2 0
Mantenimiento 2
Equipo de
0 0 6
Mantenimiento 3

Por ende la asignación que representa el menor costo para la jornada de


mantenimiento preventivo determina que el Equipo 1 realice el mantenimiento
de la Máquina 1, el Equipo 2 realice el mantenimiento de la Máquina 3 y el
Equipo 3 realice el mantenimiento de la Máquina 2, jornada que tendrá un costo
total de 17 unidades monetarias.

RESUMEN
El modelo de Transporte busca la minimización del costo de transportar una
mercancía desde un número de fuentes a varios destinos, se conocen el
abastecimiento en cada origen y la demanda en cada destino. Existen diferentes
tipos de modelos de transporte para obtener el resultado óptimo.
El problema de Asignación, consiste en asignar o dar destino a distintos recursos.
En sentido estricto, el problema es dedicar un grupo de recursos a diferentes
fines, de manera que todos los fines se logren y a cada uno de ellos se destine
un recurso solamente.

81
PROGRAMACIÓN LINEAL

ACTIVIDADES

1. La empresa “químicos del caribe S.A” posee 4 depósitos de azufre que


deben ser usados para fabricar 4 tipos de productos diferentes (A, B, C, D),
además por cada litro que se haga de los productos A, B, C, y D se utilizan
un litro de azufre. Se sabe que las capacidades de cada depósito son de
100L, 120L, 80L, 95L respectivamente. La empresa tiene un pedido de 125L
de la sustancia A, 50L de la sustancia B, 130L de la sustancia C y 90L de la
sustancia D. Los costos que reaccionan la producción de cada químico con
cada depósito se presenta a continuación:

A B C D
Dispositivo 1 2 3 4 6
Dispositivo 2 1 5 8 3
Dispositivo 3 8 5 1 4
Dispositivo 4 4 5 6 3

Formule una solución a través del método Noroeste para este problema de
manera que se cumpla el pedido y se minimice los costos.

2. Una compañía tiene cuatro enlatadoras que abastecen a cuatro almacenes


y la gerencia quiere determinar la programación de envío de costo mínimo
para su producción mensual de latas de tomate. La oferta de las enlatadoras,
las demandas de los almacenes y los costos de envío por caja de latas de
tomate se muestran en la Tabla siguiente:

Costo de envío ($) por carga


Almacén
E (1) F (2) G (3) H (4) Producción
A (1) 25 35 36 60 15
B (2) 55 30 45 38 6
Enlatadoras
C (3) 40 50 26 65 14
D (4) 60 40 66 27 11
Demandas 10 12 15 9

Formule una solución a través del método de los costos mínimos para este
problema de manera que se cumpla el pedido y se minimice los costos.

3. Una empresa dedicada a la importación y distribución de computadoras


cuenta con socios en Inglaterra y Alemania como países proveedores, y tres
puntos de distribución, identificados como Región 1, Región 2 y
Región 3. Por su parte, Inglaterra tiene disponibles 7200
computadoras, mientras que en Alemania la existencia alcanza las 5300. Se
sabe que la Región 1 requiere de 5500 computadoras, mientras que tanto
Región 2 como Región 3 necesitan 3500 computadoras cada una. Los
costos de transporte unitarios asociados desde cada origen a cada destino,
se muestran en la siguiente tabla:

82
PROGRAMACIÓN LINEAL

Región 1 Región 2 Región 3


Inglaterra $ 12 $ 7 $ 10
Alemania $ 8 $ 11 $ 9

Formule una solución a través del método de Vogel para este problema de
manera que se cumpla el pedido y se minimice los costos.

4. En la compañía JAV. La gerencia general que se encuentra en Bogotá ha


decidido que cada uno de los 4 vicepresidentes visite una de las 4 plantas
de la compañía ubicadas en diferentes ciudades.
La gerencia empieza por estimar los costos que representará a la compañía
el envío de cada vicepresidente a cada planta. Con esos costos el gerente
puede evaluar cualquier designación particular con base en la siguiente
matriz de costos:

PLANTA

VICEPRESIDENTE 1 2 3 4

Finanzas (F) 24 10 21 11

Mercadeo (M) 14 22 10 15

Operaciones (O) 15 17 20 19

Personal (P) 11 19 14 13

Establecer el plan de asignación a mínimo costo. Utilizar el método


Húngaro

83

Anda mungkin juga menyukai