Programacion lineal

Cap´
ıtulo 8

´
PROGRAMACION LINEAL
8.1.

Introducciń
o

La programaciń lineal es una tćnica matem´tica relativamente reciente (siglo XX), que consiste
o
e
a
en una serie de m´todos y procedimientos que permiten resolver problemas de optimizaciń en el
e
o
a
´mbito, sobre todo, de las Ciencias Sociales.
Nos centraremos en este tema en aquellos problemas simples de programaciń lineal, los que tienen
o
s´lamente 2 variables, problemas bidimensionales.
o
Para sistemas de m´s variables, el procedimiento no es tan sencillo y se resuelven por el llamado
a
m´todo Simplex (ideado por G.B.Danzig, matem´tico estadounidense en 1951).
e
a
Recientemente (1984) el matem´tico indio establecido en Estados Unidos, Narenda Karmarkar,
a
ha encontrado un algoritmo, llamado algoritmo de Karmarkar, que es m´s r´pido que el m´todo
a a
e
simplex en ciertos casos. Los problemas de este tipo, en el que intervienen gran n´mero de variables,
u
se implementan en ordenadores.

8.2.

Inecuaciones lineales con 2 variables

Una inecuaciń lineal con 2 variables es una expresiń de la forma:
o
o
ax + by ≤ c
(donde el s´
ımbolo ≤ puede ser tambiń ≥ , < o bien >), donde a, b y c son n´meros reales y x e y las
e
u
inc´gnitas.
o
Para resolver estas inecuaciones, se recordar´ de otros cursos, hay que representar gr´ficamente en
a
a
el plano la recta dada por la correspondiente ecuaciń lineal y marcar una de las dos regiones en que
o
dicha recta divide al plano.
Ejemplo: Si queremos resolver la inecuaciń: 2x + 3y ≥ −3, representamos en primer lugar la recta
o
2x + 3y = −3:

127

´
CAP´
ITULO 8. PROGRAMACION LINEAL

128

La recta divide al plano en dos regiones, una de las cuales es la soluciń de la inecuaciń. Para
o
o
saber qu´ parte es, hay dos procedimientos:
e
1. Se despeja la y de la inecuaciń, poniendo cuidado en que si en una inecuaciń multiplicamos o
o
o
dividimos por un n´mero negativo, la desigualdad cambia de sentido.
u
En este caso tend´
ıamos que:
y≥

−3 − 2x
3

Observando el dibujo vemos que la recta divide al eje de ordenadas (y) en dos partes.
La soluciń de la inecuaciń ser´ aquella parte en la que la y sea mayor que la recta, es decir, la
o
o
a
parte superior.

Figura 8.1: Soluciń de la inecuaciń lineal
o
o

2. Se toma un punto cualquiera que no pertenezca a la recta, por ejemplo el (1,2).
Para que dicho punto sea soluciń, se tendr´ que cumplir la desigualdad, por lo que sustituimos
o
a
en la inecuaciń inicial el (1,2):
o
2 · 1 + 3 · 2 ≥ −3, es decir, 8 ≥ −3.
Como esta ultima desigualdad es evidentemente cierta, concluimos que el (1,2) es soluciń y
´
o
por tanto el semiplano que contiene al (1,2) es la soluciń, es decir el semiplano superior, como
o
hab´
ıamos obtenido antes.
Cualquiera de los procedimientos es v´lido si se realiza con correcciń.
a
o

8.3.

Sistemas de inecuaciones lineales con dos variables

Un sistema de inecuaciones lineales, por tanto, es un conjunto de inecuaciones del tipo anterior, y
resolverlo consistir´ en resolver gr´ficamente cada inecuaciń (como en el caso anterior), representar
a
a
o
la soluciń en un mismo gr´fico y la soluciń total ser´ la parte comń a todas las soluciones.
o
a
o
a
u

´
CAP´

129

Ejemplo: Resolver el sistema de inecuaciones siguiente:

 2x + 3y ≥ −3
2x − y − 9 ≤ 0

2x − 5y − 5 ≥ 0
Si representamos las rectas:


 2x + 3y = −3 (recta r)
2x − y − 9 = 0 (recta s)

2x − 5y − 5 = 0 (recta t)

Figura 8.2: Soluciń del sistema de inecuaciones lineales
o
El trińgulo rayado es la soluciń del sistema.
a
o
Adem´s, para los problemas de programaciń lineal es necesario el c´lculo de los v´rtices de la
a
o
a
e
regiń soluciń. Es sencillo su c´lculo, pues se reduce a resolver sistemas de ecuaciones lineales son
o
o
a
dos inc´gnitas, que provienen de igualar las ecuaciones de las rectas correspondientes.
o
Por ejemplo, en este caso, si queremos el punto intersecciń de las rectas r y t tendremos que
o
resolver el sistema formado por:
2x + 3y = −3
=⇒
2x − y − 9 = 0

−2x − 3y = 3
2x − y − 9 = 0

Sumando −4y = 12 =⇒ y = −3.
Y sustituyendo que da 2x + 3(−3) = −3, es decir 2x − 9 = −3, y entonces x = 3.
Luego r y t se cortan en el punto (3,-3).
Ejercicios:
1. Calcular los otros dos v´rtices.
e
2. Resolver los sistemas de inecuaciones lineales siguientes encontrando los v´rtices de las regiones
e
que sean soluciń:
o

x + 2y ≤ 12


3x + 6y ≥ 420
3x + 5y ≤ 150
2x + y ≥ 4
a)
b)
c)
4x + 2y ≥ 290
3x + 3y ≤ 120
 x − 2y ≤ 6


x−y ≥0

´
CAP´

130

Nota: Rectas horizontales y verticales.
En ocasiones, en estos sistemas, aparecen inecuaciones del tipo x ≥ k o bien y ≥ k, donde falta
alguna de las dos inc´gnitas.
o
Estas inecuaciones en realidad corresponden a rectas horizontales y verticales, y su representaciń
o
es bien sencilla.
Por ejemplo, la inecuaciń x ≤ −2 no es m´s que el conjunto de puntos a la izquierda de la recta
o
a
vertical que pasa por el punto x = −2, gr´ficamente:
a

Lo mismo ocurre con y ≤ 1, que ser´ en este caso la parte inferior a la recta horizontal y = 1, es
a
decir:

En el caso particular de que sea x ≥ 0 o y ≥ 0, las rectas coincidirń con los ejes de coordenadas.
a
Ejercicios: Resolver los sistemas de inecuaciones lineales siguientes, encontrando los v´rtices de las
e
regiones que sean soluciń:
o



 x + 3y ≥ 50



2x + y ≤ 10
5x + 15y ≤ 150
 9x − 8y ≥ 0




x + 3y ≤ 12
6x + 8y ≤ 120
b) 3x + 4y ≥ 60 c)
a)
x≥0


 0≤x≤8



x≥0





0≤y≤2
y≥0
y≥0
Nota: Las dobles desigualdades como 0 ≤ x ≤ 8 se pueden desdobler en otras dos, x ≥ 0 y x ≤ 8.

´
CAP´

8.4.

131

Problemas de optimizaciń de una funciń sujeta a restricciones
o
o

En un problema de programaciń lineal de dos variables x e y, se trata de optimizar (hacer m´xima
o
a
o m´
ınima, segń los casos) una funciń (llamada funciń objetivo) de la forma:
u
o
o
F (x, y) = A · x + B · y
sujeta a una serie de restricciones dadas mediante un sistema de inecuaciones lineales del tipo:

 a1 x + b1 y ≤ c1


 a2 x + b2 y ≤ c2
.
.

.



am x + bm y ≤ cm
Los puntos del plano que cumplen el sistema de desigualdades forman un recinto convexo acotado
(poligonal) o no acotado, llamado regiń factible del problema.
o
Todos los puntos de dicha regiń cumplen el sistema de desigualdades. Se trata de buscar, entre
o
todos esos puntos, aquel o aquellos que hagan el valor de F(x,y) m´ximo o m´
a
ınimo, segń sea el
u
problema.
Los puntos de la regiń factible se denominan soluciones factibles.
o
De todas esas soluciones factibles, aquellas que hacen ´ptima (m´xima o m´
o
a
ınima) la funciń objeo
tivo se llaman soluciones optimas.
´
En general,un problema de programaciń lineal puede tener una, infinitas o ninguna soluciń.
o
o
Lo que si se verifica es la siguiente propiedad:
Propiedad:
Si hay una unica soluciń optima, ´sta se encuentra en un v´rtice de la regiń factible, y si hay
´
o ´
e
e
o
infinitas soluciones optimas, se encontrarń en un lado de la regiń factible.
´
a
o
Es posible que no haya soluciń optima, pues cuando el recinto es no acotado, la funciń objetivo
o ´
o
puede crecer o decrecer indefinidamente.
Para resolver el problema, podemos abordarlo de dos formas, pero antes a aplicar cualquiera
de ellas siempre hay que dibujar la regiń factible, resolviendo el sistema de inecuaciones lineales
o
correspondiente, como se ha visto en los ep´
ıgrafes anteriores (la regiń factible puede estar acotada o
o
no), y se calculan los v´rtices de dicha regiń.
e
o

8.4.1.

Forma geom´trica
e

En este caso se representa el vector director de la recta que viene dada por la ecuaciń de la funciń
o
o
objetivo,F (x, y) = A · x + B · y , que hay que maximizar o minimizar.
El vector director de la recta A · x + B · y viene dado por v = (−B, A). Adem´s, como lo unico que
a
´
nos importa es la direcciń del vector y no su m´dulo (longitud), podemos dividir a las coordenadas
o
o
del vector si los n´meros son muy grandes, puesto que vectores con coordenadas proporcionales tienen
u
la misma direcciń.
o
Posteriormente, se trazan rectas paralelas a este vector que pasen por los v´rtices de la regiń
e
o
factible (si es acotada) , o por todo el borde de la regiń factible (cuńdo no es acotada) y se observa
o
a
en qu´ v´rtice la funciń F se hace m´xima (o m´
e e
o
a
ınima) sin m´s que tener en cuenta cu´l de las rectas
a
a
tiene mayor (o menor) ordenada en el origen, es decir, qu´ recta corta en un punto mayor o menor al
e
eje y.
Ejemplo: Maximizar la funciń F (x, y) = 2000x + 5000y sujeta a las restricciones:
o

 2x + 3y ≥ −3
2x − y − 9 ≤ 0

2x − 5y − 5 ≥ 0

´
CAP´

132

La regiń factible en este caso es:
o

Los v´rtices eran los puntos (0,-1), (5,1) y (3,-3).
e
Como la funciń es F (x, y) = 2000x + 5000y, el vector director es v = (−5000, 2000), que tiene la
o
misma direcciń que el v = (−5, 2) y representńdolo queda:
o
a

Figura 8.3: Regiń factible y vector de la funciń objetivo
o
o

´
CAP´

133

Se trata ahora de trazar paralelas al vector que pasen por los v´rtices anteriores, es decir:
e

Figura 8.4: Soluciń gr´fica. Paralelas al vector por los v´rtices.
o
a
e
Se observa gr´ficamente que de las tres paralelas trazadas, la que corta al eje y en un punto mayor
a
es la que pasa por el punto (5,1), que por tanto ser´ la soluciń optima al problema de m´ximos
a
o ´
a
planteado.
Para saber cu´l es este valor ,m´ximo sustituimos en la funciń:
a
a
o
F (5, 1) = 2000 · 5 + 5000 · 1 = 10000 + 5000 = 15000
Luego la funciń tiene su soluciń optima en (5,1) donde toma el valor 15000.
o
o ´

8.4.2.

Forma algebraica

Consiste, simplemente, en susituir cada uno de los v´rtices de la regiń en la funciń objetivo. La
e
o
o
soluciń optima vendr´ dada por aquel que tome el mayor (o menor) valor.
o ´
a
Ejemplo: Maximizar la funciń F (x, y) = 2000x + 5000y sujeta a las restricciones:
o

 2x + 3y ≥ −3
2x − y − 9 ≤ 0

2x − 5y − 5 ≥ 0
Con la misma regiń factible que en el caso anterior.
o
Los v´rtices eran los puntos (0,-1), (5,1) y (3,-3).
e
De esta forma sustituyendo:
F (5, 1) = 2000 · 5 + 5000 · 1 = 10000 + 5000 = 15000
F (0, −1) = 2000 · 0 + 5000 · (−1) = 0 − 5000 = −5000
F (3, −3) = 2000 · 3 + 5000 · (−3) = 6000 − 15000 = −9000
Vemos que el valor m´ximo se alcanza para el v´rtice (5,1) y que dicho valor es 15. La misma soluciń
a
e
o
que se obten´ antes.
ıa
Ejercicio: Resolver los problemas de programaciń lineal:
o

´
CAP´

134


2x + y ≤ 10


x + 3y ≤ 12
Maximizar F (x, y) = 4x + 5y sujeto a:
.
 0≤x≤8


0≤y≤2

3x + 2y ≥ 12


4x + 5y ≥ 29
.
Minimizar F (x, y) = 12x + 10y sujeto a:
x≥0



y≥0

 4x + 2y ≤ 6


7x + 8y ≤ 28
Maximizar F (x, y) = 120x + 80y sujeto a:
.
x≥0



y≥0

4x + 5y ≥ 20
Minimizar F (x, y) = 12x + 8y sujeto a: 7x + 2y ≥ 14 .

x≤y

1.

2.

3.

4.

8.5.

Algunos ejemplos de casos extremos

Puede ocurrir que la soluciń optima no sea unica, e incluso que no exista, como en los ejemplos
o ´
´
siguientes:
Ejemplo 1:


 x + y ≥ 14


2x + 3y ≥ 36
Maximizar g(x, y) = 3x + 4y sujeta a las rectricciones:
.
 4x + y ≥ 16


x − 3y ≥ 0
Si representamos la regiń factible:
o

Los v´rtices serń:
e
a
A=

2 40
,
, B = (6, 8), C = (12, 4)
3 3

Observemos que la regiń factible es NO acotada superiormente.
o

´
CAP´

135

Si aplicamos el m´todo geom´trico, deber´ trazar paralelas al vector director por los v´rtices, pero
e
e
ıa
e
como la regiń en no acotada, dichas rectas son cada vez mayores al trazarlas sobre los puntos de la
o
recta t, que son soluciones factibles. Por tanto el problema no tiene soluciń.
o

Figura 8.5: Las paralelas cortan cada vez en un punto mayor.

En general, un problema de m´ximos no tiene soluciń si la regiń factible no est´ acotada supea
o
o
a
riormente, y un problema de m´
ınimos no tiene soluciń si la regiń no est´ acotada inferiormente.
o
o
a
Tambiń puede tener el problema infinitas soluciones:
e
Ejemplo 2:


 x+y ≥5


 y ≤ x+3

Minimizar g(x, y) = 3x + 3y sujeta a las restricciones 3y − x ≥ −1 .

 y + 2x ≤ 16



4y − x ≤ 22
La regiń es, en este caso:
o

´
CAP´

136

Los v´rtices respectivos son: A=(1,4), B=(2,5), C=(6,4), D=(7,2) y E=(4,1).
e
Si utilizamos el m´todo gr´fico, obtenemos:
e
a

Es decir, como buscamos el valor m´
ınimo, todos los puntos comprendidos entre A y E sirven, es
decir, hay infinitas soluciones.
Si utilizamos el m´todo algebraico: g(x, y) = 3x + 3y, luego:
e
A : g(1, 4) = 3 + 12 = 15
B : g(2, 5) = 6 + 15 = 21
C : g(6, 4) = 18 + 12 = 30
D : g(7, 2) = 21 + 6 = 27
E : g(4, 1) = 12 + 3 = 15
Observamos que el valor m´
ınimo se toma en A y en E, y por tanto en todos los puntos comprendidos
entre ellos, es decir, hay infinitas soluciones.

8.6.

Aplicaciń a problemas concretos
o

El verdadero valor de las tćnicas de la programaciń lineal consiste en poder aplicarlas a problemas
e
o
reales.
Para resolver estos problemas se deben seguir los siguientes pasos, a la vez que vemos como se
aplicar´ a un ejemplo concreto.
ıa
Ejemplo:
Una f´brica de muebles fabrica dos tipos de sillones, S1 y S2. La f´brica cuenta con dos secciones;
a
a
carpinter´ y tapicer´
ıa
ıa.
Hacer un sillń de tipo S1 requiere 1 hora de carpinter´ y 2 de tapicer´ mientras que uno de tipo
o
ıa
ıa,
S2 requiere 3 horas de carpinter´ y 1 de tapicer´
ıa
ıa.
El personal de tapicer´ trabaja un total de 80 horas, y el de carpinter´ 90.
ıa
ıa
Las ganancias por las ventas de S1 y S2 (unidad) son, respectivamente 60 y 30 euros. Calcular
cuńtos sillones de cada tipo hay que hacer para maximizar las ganancias.
a

´
CAP´

137

Este es un problema t´
ıpico en el que hay que usar las tćnicas de programaciń lineal. Intentaremos
e
o
seguir el siguiente esquema:
1. Leer el enunciado , determinar la funciń objetivo y definir las variables.
o
En este caso, queremos hacer m´ximo el beneficio, es decir, queremos maximizar una funciń.
a
o
Como queremos determinar las cantidades de sillones S1 y S2 respectivamente, llamemos x=nö
de unidades de S1 e y=nö de unidades de S2.
La funciń beneficio a maximizar ser´: B(x, y) = 60 · x + 30 · y, que es la funciń objetivo.
o
a
o
2. Reordenar los datos del problema y escribir las inecuaciones correspondientes.
En este paso es conveniente el uso de tablas:
Tiempo(horas)
S1
S2
Disponible
Tiempo(horas)
S1
S2
Necesario
Disponible

Carpinter´
ıa
1
3
90

Cantidad
x
y

Tapicer´
ıa
2
1
80

Carpinter´
ıa
x
3y
x + 3y
90

Tapicer´
ıa
2x
y
2x + y
80

De aqu´ se deduce que:
ı
x + 3y ≤ 90
2x + y ≤ 80
y adem´s
a
x≥0
y≥0
pues el nö de unidades producidas no puede ser negativo.
Ya tenemos por tanto las restricciones.
3. Representar gr´ficamente la regiń factible, calcular sus v´rtices y el vector si usamos el m´todo
a
o
e
e
geom´trico.
e
En este caso, representando la regiń factible:
o

´
CAP´

138

Siendo los v´rtices A=(0,0), B=(0,30), C=(30,20), D=(40,0).
e
El vector ser´ (−30, 60), equivalente a (−10, 20).
a
Gr´ficamente se observa que la soluciń no es unica, sino que se encuentran infinitas soluciones
a
o
´
en el lado correspondiente CD, sobre la recta 2x + y = 80, desde que x vale 30 hasta que vale
40, todas las soluciones son v´lidas.
a

4. Sustituir las coordenadas en la funciń objetivo y dar la soluciń correcta.
o
o
En este caso se obtiene:
B(0, 0) = 0
B(0, 30) = 900
B(30, 20) = 2400
B(40, 0) = 2400
con lo cu´l hay infinitas soluciones y el beneficio que se obtiene es 2400 euros.
a
5. Analizar la soluciń obtenida en el contexto del problema: ¿tiene sentido?.
o
Debemos interpretar que en el contexto del problema no todas las soluciones son v´lidas, sino
a
que s´lo sirven soluciones enteras, es decir, no se pueden fabricar, por ejemplo 3’8 sillones del
o
tipo S1. Las soluciones con sentido vendr´ dadas por:
ıan
S1
S2

30
20

31
18

32
16

33
14

34
12

35
10

36
8

37
6

38
4

39
2

40
0

Encontramos por tanto s´lo 11 soluciones que son las de la tabla
o
En cualquiera de estas soluciones el beneficio es de 2400 euros, que es el m´ximo bajo las
a
condiciones del problema.

´
CAP´

8.7.

139

El problema del transporte

Es uno de los problemas que dieron lugar a la programaciń lineal.
o
Un ejemplo t´
ıpico ser´ el siguiente:
ıa
Ejemplo:
Una empresa tiene 2 plantas de producciń (P1 y P2) de cierto art´
o
ıculo que vende en 3 ciudades
(C1,C2 y C3). En P1 produce 5000 unidades, y en P2 7000 unidades. De estas 12000 unidades las
vende as´ 3500 es C1, 4000 en C2 y 4500 en C3. Los costes de transporte, en euros por unidad de
ı:
producto, desde las plantas de producciń a las ciudades son:
o
Env´
ıos
Desde P1
Desde P2

Hasta C1
3
2’25

Hasta C2
2’5
3’75

Hasta C3
3’5
4

Determina el nö de art´
ıculos que debe enviar la empresa desde cada planta a cada ciudad para que los
costes de transporte sean m´
ınimos.
Para problemas de este tipo necesitamos una nueva variable.
Sea x=unidades de P1 a C1, y=unidades de P1 a C2 y z=unidades de P1 a C3.
Tiene que verificarse entonces que x + y + z = 5000.
Si desde P1 a C1 se env´ x unidades, como en C1 necesitan 3500, desde P2 se mandarń a C1
ıan
a
3500 − x. Razonando del mismo modo con y y z, se obtiene la tabla:
Env´
ıos
Desde P1
Desde P2

Hasta C1
x
3500 − x

Hasta C2
y
4000 − y

Hasta C3
z = 5000 − x − y
4500 − z = 4500 − (5000 − x − y)

Hemos sustituido z por 5000 − y − x, porque x + y + z = 5000 y as´ transformamos las 3 inc´gnitas
ı
o
en s´lo 2.
o
Para obtener las restricciones imponemos que cada cantidad ha de ser mayor o igual que cero, es
decir:
x≥0
3500 − x ≥ 0
y≥0
4000 − y ≥ 0
5000 − x − y ≥ 0
−500 + x + y ≥ 0
Por tanto el sistema de inecuaciones es:

x≥0


 x ≤ 3500




y≥0
 y ≤ 4000


x + y ≤ 5000



x + y ≥ 500
Como se trata de minimizar costes, la funciń objetivo es:
o
C(x, y) = 3 · x + 2 5 · y + 3 5 · (5000 − x − y) + 2 25 · (3500 − x) + 3 75 · (4000 − y) + 4 · (−500 + x + y)
C(x, y) = 1 25 · x − 0 75 · y + 22625

´
CAP´

140

Dibujando la regi´n factible:
o

Resulta que A=(0,500), B=(0,4000), C=(1000,4000), D=(3500,1500), E= (3500,0) y F=(500,0).
Sustituyendo es:
C(0, 500) = 22250
C(0, 4000) = 19625
C(1000, 4000) = 20875
C(3500, 1500) = 25875
C(3500, 0) = 27000
C(500, 0) = 23250
El m´
ınimo se da en B, cuando x = 0 e y = 4000.
Es decir, las unidades a distribuir son:
Env´
ıos
Desde P1
Desde P2

Hasta C1
0
3500

Hasta C2
4000
0

Hasta C3
1000
3500

Ejercicio:
Dos f´bricas de cemento, F1 y F2, producen respectivamente 3000 y 4000 sacos de cemento al d´
a
ıa.
Hay que enviar ese cemento a tres centros de ventas C1, C2 y C3 en cantidades de 3000, 2500 y
1500 sacos respectivamente.
Los costes de transporte de cada f´brica a los puntos de venta vienen dados, en euros por cada
a
saco, por:
Env´
ıos
Desde F1
Desde F2

Hasta C1
2
1’5

Hasta C2
2’5
3

Hasta C3
2
1

Determina c´mo hay que distribuir la producci´n para que el transporte resulte lo m´s econ´mico
o
o
a
o
posible.

Programacion lineal

Más contenido relacionado

La actualidad más candente (19)

Similar a Programacion lineal (20)

Programacion lineal