1.1 Introduccin a la PL.

Formulacin de modelos

Investigacin Operativa

1. Qu es la programacin lineal?
La programacin lineal (PL) es una clase especial de modelos de programacin matemtica que se desarroll a partir de la Segunda Guerra Mundial
para resolver cierto tipo de problemas de asignacin de recursos entre distintas actividades.
Las aplicaciones posteriores a una amplia variedad de problemas han sido
numerosas y esto ha llevado a que los modelos de optimizacin lineal constituyan una de las herramientas bsicas ms utilizadas de la IO.
Se considera un conjunto de variables denominadas variables de decisin
que representan entradas al modelo, controlables por el modelizador o decisor, y una funcin objetivo, que ser una funcin lineal en las variables de
decisin, que representa algn criterio o meta importante.
Adems, existen ciertas limitaciones prcticas que constituyen las restricciones del modelo y que se representan como ecuaciones o inecuaciones lineales en las variables de decisin.
2

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

La resolucin de un programa o modelo lineal conlleva la obtencin de valores

para las variables de decisin que optimicen la funcin objetivo sujetas a las
limitaciones debidas a las restricciones impuestas.
Razones para la gran difusin de la PL:
(Razn histrica): fue el primer enfoque propuesto en optimizacin gran
desarrollo y alcanzado un importante grado de eficiencia en las tcnicas de
solucin;
Ms de seis dcadas de utilizacin la influencia es grande a la hora de que
un modelizador elija y se sienta a gusto con la consideracin de un modelo
lineal;
La amplitud de problemas en diferentes reas que se pueden considerar o al
menos representar de manera aproximada como lineales,
La posibilidad de llevar a cabo y de forma eficaz un anlisis de sensibilidad
del modelo, es decir, conocer el efecto que pudiera tener sobre la solucin final
la consideracin de variaciones en las entradas del modelo.
3

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

2. Formulacin de modelos de programacin lineal. Ejemplos

Un modelo es una abstraccin o representacin simplificada de una parte o

segmento de la realidad en el que estamos interesados.
Los modelos matemticos estn conformados por bloques que son estructuras matemticas, tales como ecuaciones e inecuaciones, matrices, funciones...
con los que se describen sus rasgos y aspectos ms sobresalientes.
El proceso de formulacin del modelo del sistema o problema real bajo estudio es muy importante, ya que dependiendo del modelo que se construya se
tendr una u otra solucin para el problema.
representatividad vs. simplicidad
La formulacin debe considerarse ms un arte y un producto de la experiencia
que una ciencia.
4

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Proceso de formulacin de un modelo lineal:

1. Determinar las variables de decisin y representarlas algebraicamente
Las variables de decisin son los factores sujetos a cambios cuyos valores
pueden variar, o al menos hacerlo dentro de unos ciertos lmites, bajo el
control del decisor o modelizador.
En general, las representaremos mediante xj, j = 1,...,n, y en notacin vectorial
como x = (x1,...,xn). La solucin ptima se indica con x* = (x1*,...,xn*).
Variables Continuas vs. Discretas (Programacin Lineal Entera)
2. Formular las restricciones
Las restricciones, expresadas como ecuaciones o inecuaciones lineales en las
variables de decisin, generalmente representan la limitacin en la disponibilidad de algn recurso.
Matemticamente, cada restriccin puede representarse por una de las formas
siguientes :
gi(x) bi o gi(x) = bi o gi(x) bi
donde gi es una funcin lineal en x y bi son nmeros reales.

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

3. Formular la funcin objetivo

La funcin objetivo a optimizar ser una funcin lineal en las variables de decisin. De manera genrica podemos decir que representa los deseos del decisor de maximizar un beneficio o minimizar un coste. Su forma matemtica es
max z = f(x) o min z = f(x)
Ms de un objetivo simultneo Programacin Lineal Multiobjetivo
Formulacin algebraica de un modelo lineal:
En general, la formulacin algebraica problema o modelo de programacin
lineal, tambin denominado simplemente programa lineal, es la siguiente:
max o min z = f(x)
s.a
g1(x) ( , = , ) b1

gm(x) ( , = , ) bm
x 0 o no restringidas

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Ejemplo de formulacin de un modelo de programacin lineal

Supongamos una fbrica de cervezas en la que se producen tres tipos distintos
denominados negra (N), rubia (R) y sin alcohol (A).
Para su elaboracin son necesarios, adems de agua y lpulo, para los cuales no
hay limitacin de disponibilidad, los recursos malta y levadura, que por su disponibilidad limitada restringen la capacidad diaria de produccin.
La siguiente tabla proporciona la cantidad necesaria de cada uno de estos recursos para la produccin de un litro de cada una de las respectivas cervezas, la
materia prima en kilogramos disponible de cada recurso y, finalmente, el beneficio
por litro de cada tipo de cerveza producido.

Se le plantea ahora al fabricante el problema que consiste en decidir los litros que
debe producir de cada cerveza para que el beneficio total por da sea mximo. 7

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

1. Determinar las variables de decisin y representarlas algebraicamente

Tomaremos como variables de decisin (continuas y no negativas):
x1 : produccin en litros de cerveza N por da,
x2 : produccin en litros de cerveza R por da y
x3 : produccin en litros de cerveza A por da.
Un plan consistente en producir x1 = a litros de N, x2 = b de R y x3 = c de A, se denomina un plan o programa de produccin, que abreviadamente denotaremos por un vector (a, b, c).
2.

Formular las restricciones

Disponibilidad de recursos: Agua y lpulo sin limitacin de disponibilidad

Malta 30 kg disponibles
Levadura 45 kg disponibles
Restricciones de disponibilidad (cantidad utilizada) (cantidad disponible)
Malta 2x1 + x2 + 2x3 30
Levadura

x1 + 2x2 + 2x3 45

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Condiciones de no negatividad de las variables de decisin: x1, x2, x3 0

El conjunto de requisitos e imposiciones sobre las variables xj, forman el conjunto de
restricciones del problema, programa o modelo, y un plan de produccin que satisfaga
el conjunto de restricciones se denomina plan o punto factible. El conjunto formado
por todos los puntos que representan programas de produccin factibles recibe el nombre de conjunto o regin factible del problema.

3.

Formular la funcin objetivo

Debemos maximizar el beneficio asociado a la venta de los tres tipos de cerveza:

max z = (beneficio por unidad producida de tipo N ) ( n de unidades N producidas) +
(beneficio por unidad producida de tipo R ) ( n de unidades R producidas) +
(beneficio por unidad producida de tipo A ) ( n de unidades A producidas)
max z = 4x1 + 7x2 + 3x3
9

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Programa Lineal
Determinar los valores de x1, x2 y x3 tales que:
max z = 4x1 + 7x2 + 3x3
s.a
2x1 + x2 + 2x3 30
x1 + 2x2 + 2x3 45
x1, x2, x3 0
Consideraciones adicionales

Se deben producir al menos 50 unidades entre cerveza negra y de baja graduacin.

x2 + x3 50

La produccin de cerveza rubia debe ser al menos el doble que la de cerveza

negra.
x1 2x2 x1 - 2x2 0
10

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Ejercicios de formulacin de modelos de programacin lineal

1. Una pequea lnea area, Ivy Air, vuela entre tres ciudades: Ithaca (una pequea ciudad de New York), Newark (una ciudad horrorosa en la bella New Jersey), y Boston
(ciudad de Massachusetts).
Ivy Air ofrece varios vuelos pero, para este problema, nos centraremos en el vuelo del
viernes por la tarde que sale de Ithaca, hace escala en Newark y contina hasta Boston.
Existen tres tipos de pasajeros: los que viajan de Ithaca a Newark, los que viajan de
Newark a Boston y los que viajan de Ithaca a Boston. El avin tan solo admite 30 pasajeros como mximo. La lnea ofrece tres clases de precios: 1, 2 y 3.
Los precios de los billetes son los que aparecen en la siguiente tabla

Basndonos en la experiencia se sabe que el nmero de pasajeros no sobrepasar las

11
cantidades de la siguiente tabla

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Modelizar el problema como un programa lineal que calcule el beneficio mximo.

2. En tres das consecutivos (mircoles, jueves y viernes) deben matricularse 500 alumnos, de los cuales 200 pedirn becas.
Se sabe que los tiempos que tardan las secretarias en matricular a un alumno es de 10
minutos y en revisarle la beca 5 minutos y que secretara permanece abierta durante
cinco horas al da. Adems, las becas tan solo se recogen los mircoles y jueves y un
da no pueden recogerse ms de 10 becas que el otro.
Modelizar el problema como uno de programacin lineal que proporcione el nmero mnimo de secretarias necesarias para los tres das.
12

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

3. Una empresa se dedica al transporte de equipos informticos entre tres fbricas y cinco puntos de venta. Los costes de transporte (en euros) por equipo informtico entre las
distintas fbricas y puntos de venta se muestran en la siguiente tabla, al igual que la capacidad de produccin de equipos en las distintas fbricas.

La demanda de equipos en los distintos puntos de venta es de 20, 15, 15, 20 y 10 equipos, respectivamente. Por cada equipo demandado y no servido en los distintos puntos
de venta se debe pagar una penalizacin de 10, 6 , 7, 8 y 5 euros, respectivamente.
Adems, sabemos que la fbrica 1 no puede servir al punto de venta 2, ni la fbrica 3 al
punto de venta 1. Modelizar (no resolver) el problema de programacin lineal en forma
estndar que resuelva el problema de transporte entre las fbricas y los puntos de venta
con coste mnimo.

13

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

4. Se desea construir una autopista a la que podr accederse desde 6 ciudades distintas. El siguiente mapa muestra la ubicacin de estas ciudades.

El tamao de la cuadrcula (distancia entre dos lnea paralelas consecutivas) es de 10

km. La autopista podr ir en cualquier direccin, pero tendr que ser recta en su totalidad.Para conectar la autopista con cada una de las ciudades se debern construir caminos especiales desde cada una de las ciudades. La direccin de estos caminos tendr
que ser necesariamente NORTE (Verticales sobre el mapa independientemente de si
estn situadas por encima o por debajo de la autopista).
Construir un modelo de programacin lineal que permita encontrar aquel trazado que minimice el nmero de kilmetros de carreteras de acceso a construir.
14

1.1 Introduccin a la PL. Formulacin de modelos

3.

Investigacin Operativa

Solucin grfica de problemas de programacin lineal

Fases del procedimiento de solucin grfico:

1. Dibujar un sistema de coordenadas cartesianas en el que cada variable
de decisin est representada por un eje, con la escala de medida adecuada a su variable asociada.
2. Dibujar en el sistema de coordenadas las restricciones del problema
Si una restriccin es una inecuacin, define una regin (indicada con una
flecha) que ser el semiplano limitado por la lnea recta que se tiene al
considerar la restriccin como una igualdad. Si la restriccin fuera una
ecuacin, la regin que define se dibuja como una lnea recta.
La interseccin de todas las regiones determina la regin factible o espacio de soluciones (que es un conjunto convexo). Si esta regin es no vaca,
ir a la fase siguiente. En otro caso, no existe solucin que satisfaga (simultneamente) todas las restricciones y el problema no tiene solucin, denominndose infactible.
15

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

3. Determinar los puntos extremos (puntos que no estn situados en segmentos de lnea que unen otros dos puntos del conjunto convexo) de la
regin factible (que, como probaremos en la siguiente seccin, son los
candidatos a solucin ptima).
Evaluar la funcin objetivo en esos puntos y aqul o aqullos que maximicen (o minimicen) el objetivo, corresponden a las soluciones ptimas del
problema.
Ejemplo del mtodo de solucin grfico
Obtener la solucin ptima del siguiente problema de programacin lineal
utilizando el mtodo de solucin grfico.

16

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

1. Dibujar un sistema de coordenadas cartesianas en el que cada variable de decisin est representada por un eje, con la escala de medida adecuada a su variable
asociada.
2.

Dibujar en el sistema de coordenadas las restricciones del problema, incluyendo

las de no negatividad.

3. Determinar los puntos extremos de la regin factible

Evaluar la funcin objetivo en
los puntos extremos para identificar la solucin ptima

x2
7

x1 = 0 x2 = 5
x2 = 0 x1 = 2

6
5
4

B (20/19,45/19)

3
A (0,3) 2
1

F
1

O (0,0)

x1 = 0 x2 = 3
x2 = 0 x1 = 5
2

C (2,0)

x1
17

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Lneas de isocoste y de isobeneficio

Funcin objetivo
x2
2x1 + x2 = 2

4
3

x1 = 0 x2 = 2
x2 = 0 x1 = 1
2x1 + x2 = 1

x1 = 0 x2 = 1
x2 = 0 x1 = 1/2

B (20/19,45/19)

2
1

F
1
z =1

x1

2
z =2

z =85/19
18

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

4. Resolucin de sistemas de ecuaciones lineales simultneas

Planteamos aqu algunos conceptos bsicos relativos a la resolucin de sistemas de ecuaciones lineales, que resultan necesarios para el posterior desarrollo del mtodo del smplex.
El problema fundamental de la programacin lineal consiste en determinar
una solucin para un sistema de ecuaciones lineales simultneas (las inecuaciones se transformarn en ecuaciones), que optimice una determinada
funcin objetivo. Tales sistemas se resuelven con el mtodo de eliminacin
de Gauss, de manera que recordaremos algunos conceptos bsicos relacionados con l.
Sea un sistema de m ecuaciones lineales simultneas con n variables de decisin (n m):

19

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

que podemos escribir de forma matricial

Ax = b
donde

y representamos con ai el vector columna i-simo de la matriz A, asociado a

la variable de decisin xi.
Si suponemos rango(A)=m, tomamos cualquier submatriz B de A no singular
de orden m y hacemos igual a cero las restantes n-m variables asociadas a
los vectores columna de A que no estn en B, la solucin del sistema resultante
BxB=b
(1)
de m ecuaciones con m variables, se denomina solucin bsica, y la representaremos por xB.
20

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Denominamos:
variables bsicas a las variables del vector xB, formado por las m variables
asociadas con la solucin bsica.
variables no bsicas a las n-m restantes variables que se han igualado a cero.
matriz bsica o base a toda matriz cuadrada B no singular de orden m formada por un conjunto de vectores ai de A.
A partir de la expresin (1) podemos deducir:
xB = B-1b
donde xB es la solucin bsica, B la base y b el vector de constantes de las
restricciones.
Las variables bsicas pueden tomar valores positivos, negativos o cero y si en
particular una o ms variables bsicas toman el valor cero, la solucin bsica
se denomina solucin degenerada.
21

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Ejemplo
Obtengamos las soluciones bsicas del siguiente sistema de ecuaciones lineales
simultneas sencillo con dos ecuaciones y tres variables de decisin:

Obtengamos las posibles matrices bsicas tomando pares de vectores columna de la

matriz A:
Tomando los vectores columna de las variables x1 y x3 obtenemos la matriz

que es no singular, al ser su determinante -2, formando por lo tanto una base.
Las variables bsicas son, por lo tanto, x1 y x3, mientras que hacemos x2 = 0.
La solucin bsica se obtiene de

22

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

y as xB = (xB1, xB2) = (x1,x3) = (10,-2), es decir, x1 = 10 y x3 = -2, siendo por lo tanto una
solucin bsica no degenerada.
Tomando los vectores columna de las variables x1 y x2 obtenemos la matriz

que es no singular, al ser su determinante 1, formando por lo tanto una base.

Las variables bsicas son, por lo tanto, x1 y x2, mientras que hacemos x3 = 0.
La solucin bsica se obtiene de

y as xB = (xB1, xB2) = (x1, x2) = (0, 4), es decir, x1 = 0 y x2 = 4, siendo por lo tanto una
solucin bsica degenerada.
Finalmente, tomando los vectores columna de las variables x2 y x3 obtenemos la matriz
23

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

que es no singular, al ser su determinante -5, formando por lo tanto una base.
Las variables bsicas son, por lo tanto, x2 y x3, mientras que hacemos x1 = 0.
La solucin bsica se obtiene de

y as xB = (xB1, xB2) = (x2, x3) = (4, 0), es decir, x2 = 0 y x3 = 0, siendo por lo tanto una
solucin bsica degenerada

Nota importante:
A lo sumo hay

posibles soluciones bsicas para el sistema de ecuaciones Ax=b

(correspondientes al nmero de formas de seleccionar m de las n columnas), suponiendo que no sea redundante alguna de las ecuaciones del sistema.
Este nmero es mximo, ya que algunas pueden no existir, al poder formarse submatrices B singulares.
24

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Ejercicios del mtodo de solucin grfico

25

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

26

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Soluciones de los ejercicios del mtodo de solucin grfico

Soluciones ptimas alternativas

27

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Soluciones de los ejercicios del mtodo de solucin grfico

Problema Infactible

28

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Soluciones de los ejercicios del mtodo de solucin grfico

Problema no acotado

29

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Soluciones de los ejercicios del mtodo de solucin grfico

Restricciones redundantes

30

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Soluciones de los ejercicios del mtodo de solucin grfico

Rayo ptimo

31

1.1 Introduccin a la PL. Formulacin de modelos

Investigacin Operativa

Ejercicio sobre la obtencin de soluciones bsicas

de un sistema de ecuaciones lineales simultneas
Obtenga las soluciones bsicas del siguiente sistema de ecuaciones lineales
simultneas:

Solucin:

32