PROGRAMACION LINEAL

PROGRAMACIN LINEAL.

DEFINICIN, DESARROLLO Y TIPOS DE MODELOS DE INVESTIGACIN

DE OPERACIONES.
La Investigacin de Operaciones aspira a determinar el mejor curso de accin,
o curso ptimo, de un problema de decisin con la restriccin de recursos
limitados.
Como tcnica para la resolucin de problemas, investigacin de operaciones
debe visualizarse como una ciencia y como un arte.
Como Ciencia radica en ofrecer tcnicas y algoritmos matemticos para
resolver problemas de decisin adecuada.
Como Arte debido al xito que se alcanza en todas las fases anteriores y
posteriores a la solucin de un modelo matemtico, depende de la forma
apreciable de la creatividad y la habilidad personal de los analistas encargados
de tomar las decisiones.
En un equipo de Investigacin de Operaciones es importante la habilidad
adecuada en los aspectos cientficos y artsticos de Investigacin de
Operaciones. Si se destaca un aspecto y no el otro probablemente se impedir
la utilizacin efectiva de la Investigacin de Operaciones en la prctica.
La Investigacin de Operaciones en la Ingeniera de Sistemas se emplea
principalmente en los aspectos de coordinacin de operaciones y actividades
de la organizacin o sistema que se analice, mediante el empleo de modelos
que describan las interacciones entre los componentes del sistema y de ste
con este con su medio ambiente.
En la Investigacin de Operaciones la parte de Investigacin se refiere a que
aqu se usa un enfoque similar a la manera en la que se lleva a cabo la
investigacin en los campos cientficos establecidos.
La parte de Operaciones es porque en ella se resuelven problemas que se
refieren a la conduccin de operaciones dentro de una organizacin
La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios,
del mtodo cientfico a problemas relacionados con el control de las
organizaciones o sistemas (hombre-mquina) a fin de que se produzca
soluciones que mejor sirvan a los objetivos de toda organizacin. Churchman,
Ackoff y Arnoff.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
Definicin de Modelos.
Un modelo de decisin debe considerarse como un vehculo para resumir un
problema de decisin en forma tal que haga posible la identificacin y
evaluacin sistemtica de todas las alternativas de decisin del problema.
Despus se llega a una decisin seleccionando la alternativa que se juzgue sea
la mejor entre todas las opciones disponibles.

Un modelo es una abstraccin selectiva de la realidad.

El modelo se define como una funcin objetivo y restricciones que se expresan
en trminos de las variables (alternativas) de decisin del problema.
Una solucin a un modelo, no obstante, de ser exacta, no ser til a menos
que el modelo mismo ofrezca una representacin adecuada de la situacin de
decisin verdadera.
El modelo de decisin debe contener tres elementos:
Alternativas de decisin, de las cuales se hace una seleccin.
Restricciones, para excluir alternativas infactibles.
Criterios para evaluar y clasificar alternativas factibles.

Tipos de Modelos de Investigacin de Operaciones.

Modelo Matemtico: Se emplea cuando la funcin objetivo y las restricciones
del modelo se pueden expresar en forma cuantitativa o matemtica como
funciones de las variables de decisin.
Modelo de Simulacin: Los modelos de simulacin difieren de los matemticos
en que las relaciones entre la entrada y la salida no se indican en forma
explcita. En cambio, un modelo de simulacin divide el sistema representado
en mdulos bsicos o elementales que despus se enlazan entre si va
relaciones lgicas bien definidas. Por lo tanto, las operaciones de clculos
pasaran de un mdulo a otro hasta que se obtenga un resultado de salida.
Los modelos de simulacin cuando se comparan con modelos matemticos;
ofrecen mayor flexibilidad al representar sistemas complejos, pero esta
flexibilidad no est libre de inconvenientes. La elaboracin de este modelo
suele ser costoso en tiempo y recursos. Por otra parte, los modelos
matemticos ptimos suelen poder manejarse en trminos de clculos.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
Modelos de Investigacin de Operaciones de la ciencia de la administracin:
Los cientficos de la administracin trabajan con modelos cuantitativos de
decisiones.
Modelos Formales: Se usan para resolver problemas cuantitativos de decisin
en el mundo real. Algunos modelos en la ciencia de la administracin son
llamados modelos determinsticos. Esto significa que todos los datos relevantes
(es decir, los datos que los modelos utilizarn o evaluarn) se dan por
conocidos. En los modelos probabilsticos (o estocsticos), alguno de los datos
importantes se consideran inciertos, aunque debe especificarse la probabilidad
de tales datos

Modelo de Hoja de Clculo Electrnica: La hoja de clculo electrnica facilita

hacer y contestar preguntas de que si en un problema real. Hasta ese grado la
hoja de clculo electrnica tiene una representacin selectiva del problema y
desde este punto de vista la hoja de clculo electrnica es un modelo.

FORMULACIN DE UN MODELO.
Una vez definido el problema del tomador de decisiones, la siguiente etapa
consiste en reformularlo de manera conveniente para su anlisis. La forma
convencional en que la investigacin de operaciones realiza esto es
construyendo un modelo matemtico que represente la esencia del problema.
El modelo matemtico puede expresarse entonces como el problema de elegir
los valores de las variables de decisin de manera que se maximice la funcin
objetivo, sujeta a las restricciones dadas. Un modelo de este tipo, y algunas
variaciones menores sobre l, tipifican los modelos analizados en investigacin
de operaciones.
Un paso crucial en la formulacin de un modelo de Investigacin de
Operaciones es la construccin de la funcin objetivo. Esto requiere desarrollar
una medida cuantitativa de la efectividad relativa a cada objetivo del tomador
de decisiones identificado cuando se estaba definiendo el problema. Si en el
estudio se contemplan ms de un objetivo, es necesario transformar y
combinar las medidas respectivas en una medida compuesta de efectividad
llamada medida global de efectividad. A veces esta medida compuesta puede
ser algo tangible (por ejemplo, ganancias) y corresponder a una meta ms alta
de la organizacin, o puede ser abstracta (como utilidad). En este ltimo caso
la tarea para desarrollar esta medida puede ser compleja y requerir una
comparacin cuidadosa de los objetivos y su importancia relativa.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
MTODO DE SOLUCIN GRFICO
La PL es una tcnica mediante la cual se toman decisiones, reduciendo el
problema bajo estudio a un modelo matemtico general, el cual debe ser
resuelto por mtodos cuantitativos.
En desarrollo de este captulo se aplicarn la solucin de dichos modelos
aplicando diversas tcnicas como: el mtodo grfico, mtodo simplex, mtodo
matricial, tcnica de la gran M.
Adems se desarrollara la aplicacin de variables artificiales y obtencin de
soluciones para identificar a qu tipo de clasificacin pertenecen. Por medio de
dichos modelos de solucin se podr obtener la solucin adecuada para cada
problema y facilitar la toma de decisiones.

MTODO GRFICO.
El mtodo grfico se utiliza para la solucin de problemas de PL,
representando geomtricamente a las restricciones, condiciones tcnicas y el
objetivo.
El modelo se puede resolver en forma grfica si slo tiene dos variables. Para
modelos con tres o ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es
llamado mtodo grfico en actividad. Cuando se relacionan las restricciones
tecnolgicas se denomina mtodo grfico en recursos.
Los pasos necesarios para realizar el mtodo son nueve:
1. graficar las soluciones factibles, o el espacio de soluciones (factible), que
satisfagan todas las restricciones en forma simultnea.
2. Las restricciones de no negatividad
posibles.

Xi>= 0 confan todos los valores

3. El espacio encerrado por las restricciones restantes se determinan

sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se
produce la ecuacin de una lnea recta.
4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada
restriccin cuando se considera la desigualdad lo indica la direccin de la
flecha situada sobre la lnea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto
factible.
INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
6. Aunque hay un nmero infinito de puntos factibles en el espacio de
soluciones, la solucin ptima puede determinarse al observar la direccin en
la cual aumenta la funcin objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan mediante
la asignacin de valores arbitrarios a fin de determinar la pendiente y la
direccin en la cual crece o decrece el valor de la funcin objetivo

MTODO SIMPLEX.
En la solucin grfica observamos que la solucin ptima est asociada
siempre con un punto extremo del espacio de soluciones. El mtodo simplex
est basado fundamentalmente en este concepto.

Careciendo de la ventaja visual asociada con la representacin grfica del

espacio de soluciones, el mtodo simplex emplea un proceso iterativo que
principia en un punto extremo factible, normalmente el origen, y se desplaza
sistemticamente de un punto extremo factible a otro, hasta que se llega por
ltimo al punto ptimo.

Existen reglas que rigen la seleccin del siguiente punto extremo del mtodo
simplex:
1. El siguiente punto extremo debe ser adyacente al actual.
2. La solucin no puede regresar nunca a un punto extremo considerado con la
anterioridad.

El algoritmo simplex da inicio en el origen, que suele llamarse solucin inicial.

Despus se desplaza a un punto extremo adyacente. La eleccin especfica de
uno a otro punto depende de los coeficientes de la funcin objetivo hasta
encontrar el punto ptimo.
Al aplicar la condicin de optimidad a la tabla inicial seleccionamos a Xi como
la variable que entra. En este punto la variable que sale debe ser una de las
variables artificiales.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
Los pasos del algoritmo simplex son :

1. Determinar una solucin bsica factible inicial.

2. Prueba de optimidad: determinar si la solucin bsica factible inicial es
ptima y slo si todos los coeficientes de la ecuacin son no negativos (>= 0).
Si es as, el proceso termina; de otra manera se lleva a cabo otra interaccin
para obtener la nueva solucin bsica factible inicial.
3. Condicin de factibilidad.- Para todos los problemas de maximizacin y
minimizacin, variable que sale es la variable bsica que tiene la razn ms
pequea (positiva). Una coincidencia se anula arbitrariamente.
4. Seleccionar las variables de holgura como las variables bsicas de inicio.
5. Selecciona una variable que entra de entre las variables no bsicas actuales
que, cuando se incrementan arriba de cero, pueden mejorar el valor de la
funcin objetivo. Si no existe la solucin bsica es la ptima, si existe pasar al
paso siguiente.
6. Realizar el paso iterativo.
a) Se determina la variable bsica entrante mediante la eleccin de la variable
con el coeficiente negativo que tiene el valor mayor valor absoluto en la
ecuacin. Se enmarca la columna correspondiente a este coeficiente y se le da
el nombre de columna pivote.
b) Se determina la variable bsica que sale; para esta, se toma cada
coeficiente positivo (>0) de la columna enmarcada, se divide el lado derecho
de cada rengln entre estos coeficientes, se identifica la ecuacin con el menor
cociente y se selecciona la variable bsica para esta ecuacin.
c) Se determina la nueva solucin bsica factible construyendo una nueva
tabla en la forma apropiada de eliminacin de Gauss, abajo de la que se tiene.
Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a 1,
se divide todo el rengln entre el nmero pivote, entonces rengln pivote nuevo
= rengln pivote antiguo nmero pivote para completar la primera iteracin es
necesario seguir usando la eliminacin de Gauss para obtener coeficientes de
0 para la nueva variable bsica Xj en los otros renglones, para realizar este
cambio se utiliza la siguiente frmula: rengln nuevo = rengln antiguo ( coeficiente de la columna pivote X rengln pivote nuevo) cuando el
coeficiente es negativo se utiliza la frmula: rengln nuevo = rengln antiguo +
(coeficiente de la columna pivote X rengln pivote nuevo)

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

FORMA CANONICA Y FORMA ESTANDAR

Un problema de programacin lineal puede ser establecido en diferentes
formas equivalentes a travs de manipulaciones apropiadas. Dos formas en
particular sern de bastante utilidad. Estas son las formas Estndar y
Cannica. Un problema lineal se dice que est en la forma estndar s ;
a) Todas las restricciones son igualdades
b) Todas las variables son no-negativas
c) Las limitaciones (lado derecho de la restriccin) son positivas.
El Mtodo Simplex, est diseado para ser aplicado nicamente hasta que el
problema se encuentre en la forma Estndar. La forma Cannica es tambin
de bastante utilidad, especialmente en explorar la relacin de Dualidad. Un
problema de P.L. est en la forma cannica si para un problema de:
Maximizacin, las variables son no-negativas y las restricciones son del tipo
Minimizacin, las variables son no-negativas y las restricciones son del tipo

MTODO DE LAS VARIABLES ARTIFICIALES.

Mtodo de la gran M o mtodo penal.
El mtodo de la gran M es empleado para resolver modelos de programacin
lineal; cuando en sus r estricciones al menos una de ellas el signo de la
desigualdad es diferente ; es decir, las restricciones son del tipo o =; el
algoritmo matemtico para resolver este tipo de modelos obedece a los
siguientes pasos:
1.- Se expresa en problema en la forma estndar.
2.- Se aaden las Variables no negativas en cada una de las ecuaciones, cuyas
restricciones originales tengan () o (=). Esas variables artificiales y su
presencia es una violacin a las leyes del lgebra. Esta dificultad se supera
asegurando que esas variables artificiales sean ceros (0) en la solucin final.
3.- Utilizar las variables artificiales para la solucin bsica inicial, para ello la
funcin objetivo deber ser ajustada adecuadamente.
Proceda con los pasos regulares del Mtodo Simplex.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
Nota: Las variables artificiales proporcionan un artificio matemtico para
obtener la solucin inicial. Son variables ficticias y no tienen ningn significado
fsico directo en trminos del problema original.

Las variables artificiales se reconocern por la variable Wn.

Ejemplo 1:

PASO1: Pasar a formato estndar y aadir variables artificiales en las

restricciones y que estas sean Formato estndar.

PASO 2: Se aade en la funcin objetivo el coeficiente M contrario a su

espritu de dicha funcin por cada variable artificial contenida en las
restricciones y se iguala a cero la funcin objetivo.

PASO 3: Armar el Tabln en la base siempre que la desigualdad sea de

signo ( o =), la variable a contemplar ser la artificial y en las desigualdades
ser siempre en la base de las variables de holgura.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

NOTA 1:
Se forma la Matriz
identidad con las variables artificiales acompaadas con las de holgura,
intercambiando las columnas o filas en el siguiente orden X1, X2, S1, W1, S2,
W.

PASO 4: Hacer el ajuste. Eliminar las M de la zona , para ello cada variable
artificial se multiplica por el mismo coeficiente con signo opuesto y se suman
las variables artifciales y la cantidad ser adicionada en la funcin objetivo
zona , esto es par a Maximizar y Minimizar. El ajuste solo se lleva a cabo en
la funcin objetivo.

PASO 5: Se sigue o aplica el mtodo simplex y los criterios de factibilidad,

segn sea el caso para maximizar o minimizar el coeficiente M no tiene valor

7M 4M por lo tanto 7M es la variable ms positiva y entra X1.

Toda la fila del rengln W1 se multiplica por 1/3 para obtener 1 y tiene que ser
el eje pivote.
INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

En caso de la Funcin Objetivo se sigue toda la fila, se multiplica por 4-7M;

checar operaciones

NOTA: Arriba y abajo del eje pivote ceros, hay que multiplicarlo por cada uno
de los nmeros que se encuentran en la columna con signo opuesto al eje
pivote y sumarlo en la respectiva fila.

MTODO DE LA DOBLE FASE.

El procedimiento de la doble fase es similar al Mtodo
de la M en sus pasos 1 y 2, solo que en su paso 4 se
sustituye la funcin (F.O), por una funcin que ser la
de objetivo de estudio, la cual se obtiene a partir de la
suma de tantas variables artificiales como sean
necesarias agregar en la forma estndar.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

Paso 1: Formato Estndar.

Paso 2: Despejar las variables artificiales de cada r estriccin: siempre se

tomara en cuenta los signos o = y se suman todas las variables artificiales,
tomando una nueva funcin objetivo.

Se iguala la funcin objetivo a la constante obtenida de la suma de cada una de

ellas, en este caso a 12.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

Fase 2: Lleva de la funcin objetivo a a la funcin objetivo inicial Z

Despejar cada una de las ecuaciones de la base obtenidas en la Fase I con la

variable respectiva.

Sustituimos los valores X1, X2 en la funcin objetivo Z, la funcin original.

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL

Se iguala a 12/5

Armar nuevamente el tabln sin las variables artificiales.

La tabla es ptima porque se tienen 0 y negativos en la zona

BIBLIOGRAFIA

*TECNOLGICO DE ESTUDIOS SUPERIORES DEL ORIENTE DEL ESTADO

DE MXICO
ING. OSCAR EDUARDO PREZ GAON
*Juan Prawda Witenberg
Mtodos y modelos de investigacin de operaciones

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA

PROGRAMACION LINEAL
LIMUSA
*Investigacin de operaciones: aplicaciones y algoritmos
Wayne L. Winston
MC. GRAW-HILL

INVESTIGACION DE OPERACIONES.CARLOS ADRIEL ALVARO TOSCA