Programacin Lineal: Modelacin y Conceptos o o

Departamento de Matemticas, CSI/ITESM a 10 de enero de 2011

Indice
1.1. 1.2. 1.3. 1.4. 1.5. 1.6. 1.7. 1.8. 1.9. Introduccin . . . . . . . . . . . . . o Ejemplo 1: Compa de pinturas . na Ejemplo 2: Compa maquiladora na Ejemplo 3: Ocina postal . . . . . Ejemplo 4: El problema de SunCo Ejemplo 5: el problema de la dieta Linealidad . . . . . . . . . . . . . . LP . . . . . . . . . . . . . . . . . . Regin factible . . . . . . . . . . . o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 4 5 6 9 10 11 11

1.1.

Introduccin o

En esta lectura daremos una introduccin a la modelacin de problemas mediante programacin lineal; o o o pondremos nfasis en las etapas que componen la modelacin. Cerraremos estos ejemplos con algunos conceptos e o generales sobre el tipo de problemas que nos interesa resolver.

1.2.

Ejemplo 1: Compa de pinturas na

La compa de pinturas Manchita produce tres tipos de pintura adicionando a una pintura base cuatro na productos o aditivos qu micos (Q1 a Q4 ). Se tiene abundante pintura base disponible y cuyo costo ya fue cubierto. La compa desea determinar la cantidad de toneladas de cada tipo de pintura que debe producir na de manera que maximice la ganancia total. Las unicas restricciones se deben a la disponibilidad de los aditivos qu micos requeridos. Las ganancias obtenidas por las toneladas de pintura producida aparecen en la tabla siguiente.
Aditivo Q1 Q2 Q3 Q4 Ganancia por tonelada Kg. de aditivo qu mico requerido por tonelada Pintura interior Pintura exterior Pintura especial 1 2 2 2 1 1 1 5 1 0 0 1 15,000 25,000 19,000 disponible 2 kg 1 kg 3 kg 0.8 kg

Solucin o En la metodolog de solucin a los problemas de investigacin de operaciones, el primer paso consiste en a o o establecer las acciones a tomar por la empresa para alcanzar sus objetivos. En este caso, la compa tiene na como meta determinar el plan productivo de mxima ganancia. En este caso, tal plan se determina indicando a el nmero de toneladas de cada pintura que debe producir. Esto dene lo que se conoce como las variables u de decisin: o x = nmero de toneladas de pintura interior u

y = nmero de toneladas de pintura exterior u z = nmero de toneladas de pintura especial u El siguiente paso es determinar la funcin objetivo. Esta debe ir acorde con la meta de la empresa y debe o estar en funcin de las variables de decisin: La compa desea maximizar la ganancia. Un elemento clave en o o na los modelos de programacin lineal es el supuesto de aditividad: La ganancia total de la compa es la suma o na de las ganancias por separado de la venta de cada uno de los productos. Esto descartar momentneamente a a situaciones donde las ganancias estn condicionadas ante ventas combinadas de productos. Otro supuesto a importante es el de proporcionalidad: La contribucin de cada producto es directamente proporcional a la o cantidad de producto. Si suponemos que toda la pintura producida es vendida, por aditividad Ganancia total = y por proporcionalidad Ganancia Pintura Interior = = Ganancia Pintura Exterior Precio venta Total toneladas por tonelada pintura pintura interior interior
olares 15, 000 dton x

Ganancia Ganancia Ganancia Pintura + Pintura + Pintura Especial Exterior Interior

= =

Precio venta Total toneladas por tonelada pintura pintura exterior exterior
olares 25, 000 dton y

Ganancia Pintura Especial

= =

Precio venta Total toneladas por tonelada pintura pintura especial especial
olares 19, 000 dton z

Finalmente, el objetivo queda Max w = 15 x + 25 y + 19 z (en miles de dlares) o El siguiente paso es determinar las restricciones que son condicionamientos a los valores que deben cumplir las variables de decisin. En general, los condicionamientos pueden ser muy diversos y podr estar asociados a o an los recursos de la empresa, a las demandas del mercado o bien controles de calidad, por citar algunos ejemplos. En nuestro ejemplo, los recursos disponibles referentes a los aditivos qu micos son los que condicionan el plan productivo. Nuevamente, como en la funcin objetivo, las dos suposiciones de aditividad y proporcionalidad o son una exigencia en los modelos de programacin lineal: para cada aditivo, o el total consumido es la suma de lo consumido por separado en cada producto y el total consumido por cada producto es directamente proporcional a la cantidad de producto El sentido comn indica que, para el aditivo 1, se debe cumplir: u Total Total utilizado disponible aditivo 1 aditivo 1 2

Bajo el supuesto de aditividad se tiene: Total utilizado = aditivo 1 Total Total Total utilizado utilizado utilizado + + aditivo 1 aditivo 1 aditivo 1 en pintura especial en pintura exterior en pintura interior

Bajo el supuesto de proporcionalidad se tiene Total utilizado aditivo 1 en pintura interior Total Total toneladas requerido pintura aditivo 1 interior por tonelada en pintura interior kg 1 ton (x)

Total utilizado aditivo 1 en pintura exterior

= Total utilizado aditivo 1 en pintura especial

Total Total toneladas requerido pintura aditivo 1 exterior por tonelada en pintura exterior kg 2 ton (y) Total Total toneladas requerido pintura aditivo 1 especial por tonelada en pintura especial kg 2 ton (z)

= Resumiendo, las restricciones quedan: Aditivo 1: 1 Aditivo 2: 2 Aditivo 3: 1 Aditivo 4: 0

kg kg kg x+2 y+2 z 2 kg ton ton ton kg kg kg x+1 y+1 z 2 kg ton ton ton kg kg kg x+5 y+1 z 3 kg ton ton ton

kg kg kg x+0 y+1 z 0.8 kg ton ton ton

Si regresamos a la naturaleza de nuestro problema, razonamos que las cantidades de pintura a producir deben ser mayor o igual que cero: por tanto, x 0, y 0 y z 0. En trminos puramente matemticos, el e a problema de la empresa Manchita consiste en determinar x, y y z para maximizar la funcin: o f (x, y, z) = 15 x + 25 y + 19 z 3

sujeto a las condiciones: x + 2y + 2z 2x + y + z x + 5y + z z con x, y, z 0 2 2 3 0.8

1.3.

Ejemplo 2: Compa maquiladora na

Una compa fabrica dos tipos de productos, el tipo A y el tipo B. Un producto A se vende en $27 y na requiere materia prima por un costo de $10. El costo de mano de obra de cada producto A es de $14. Por otro lado, un producto B se vende en $21 y requiere materia prima por un costo de $9. El costo de mano de obra de cada producto B es de $10. La manufactura de los productos A y B requiere dos tipos de labor: carpinter a y acabado. Cada producto A requiere 2 horas de acabado y 1 de carpinter mientras que un producto B a, requiere 1 hora de acabado y 1 hora de carpinter Cada semana la campa dispone de 100 horas para a. na acabado y 80 horas para carpinter Mientras que la demanda de productos B es ilimitada, se estima que a. la compa vende a lo ms 40 productos A por semana. La compa desea hacer un plan de produccin na a na o semanal que maximice la ganancia. Solucin o Sigamos los pasos de la metodolog planteada en el problema anterior. a 1 Variables de decisin o x = Cuntos productos A por semana deben producirse y a y = cuntos productos B por semana deben producirse. a 2 Funcin Objetivo Bajo los supuestos de aditividad y proporcionalidad: o Ganancia = Ventas Costos o o Ventas = 27 dlares x + 21 dlares y producto A producto B Costos = CostoMateria Prima + CostoMano Obra o o CostoMateria Prima = 10 dlares x + 9 dlares y producto A producto B o o CostoMano Obra = 14 dlares x + 10 dlares y producto A producto B As la funcin a maximizar es: , o Ganancia = 3 x + 2 y dlares o 3 Restricciones (Recurso) Horas de carpinter a: 2 (Recurso) Acabado: 1 hora hora x+1 y 80 horas producto A producto A horas hora x+1 y 100 horas producto A producto B

(Condiciones de Mercado) Demanda: x 40 productos A 4

Naturales: x, y 0 y x y y enteros. Resumiendo, el problema matemtico asociado a la fbrica consiste en determinan los valores de x y de y que a a maximizan la funcin: o f (x, y) = 3 x + 2 y y que cumplen las restricciones: 2 x + y 100 x + y 80 x 40 con x y y 0 y ambos enteros.

1.4.

Ejemplo 3: Ocina postal

Una ocina postal requiere un cierto nmero m u nimo de empleados de tiempo completo dependiendo del d a de la semana. La siguiente tabla muestra los requisitos. La unin de trabajadores establece que un trabajador o de tiempo completo debe trabajar 5 d consecutivos y descansar los siguientes 2. Formule el problema de as determinar el nmero de empleados de tiempo completo m u nimo que debe tener la ocina postal.
D a D 1 = Lunes a D 2 = Martes a D 3 = Mircoles a e D 4 = Jueves a D 5 = Viernes a D 6 = Sbado a a D 7 = Domingo a Empleados de tiempo completo requeridos 17 13 15 14 16 16 11

Solucin o Variables de decisin o Una primera tentacin es denir una variable de decisin como el total de empleados, pero desde el punto de o o vista del departamento de personal el problema no se resuelve conociendo el total de empleados contratados sino con la especicacin de rol de trabajos; es decir, cuntos inician qu d de la semana. Entonces observamos o a e a que sa es la clave para denir las variables de decisin: e o xi = el nmero de empleados que inicial su semana laboral el d i (1=lunes, 2=martes, etc) u a Note que entonces el total de empleados contratados es la suma de los xi . Funcin objetivo o El objetivo de la empresa es claro: minimizar el total de empleados contratados:
7

Min z =
i=1

xi

Restricciones Nuestras restricciones se relacionan con cumplir con la operatividad de la ocina postal en cada d de la a semana: debemos garantizar que en cada d de la semana el nmero de empleados que estn laborando (no a u e slo los que inician su semana laboral tal d son al menos los requeridos. Por ejemplo, contemos el total de o a) empleados que estn laborando el d lunes. Seguro estn todos los que inician su semana el lunes (x1 ) (ellos a a a descansan sbado y domingo), pero tambin estn todos los que la iniciaron el domingo (x7 ) (ellos descansan a e a viernes y sbado), todos los que la iniciaron el sbado (x6 ) (ellos descansan jueves y viernes), todos los que la a a iniciaron el viernes (x5 ) (ellos descansan mircoles y jueves), y todos los que la iniciaron el jueves (x4 ) (ellos e descansan martes y mircoles). Todos los que incian en martes descansan domingo y lunes, y los que inician e en mircoles descansan lunes y martes. Resumiendo e total de trabajadores en lunes = x1 + x4 + x5 + x6 + x7 17 5

Siguiendo un anlisis semejante para cada uno de los d restantes concluimos que se requiere: a as total de trabajadores en martes = x1 + x2 + x5 + x6 + x7 13 total de trabajadores en mircoles = x1 + x2 + x3 + x6 + x7 15 e total de trabajadores en jueves = x1 + x2 + x3 + x4 + x7 14 total de trabajadores en viernes = x1 + x2 + x3 + x4 + x5 16 total de trabajadores en sbado = x2 + x3 + x4 + x5 + x6 16 a y total de trabajadores en domingo = x3 + x4 + x5 + x6 + x7 11 Adems, los valores de las variables xi deben ser enteros. En trminos puramente matemticos, el problema a e a de la ocina postal consiste en determinar los valores de xi para i = 1, 2, . . . , 7 tal que minimizan la funcin o
7

z=
i

xi

y que cumplen las condiciones: x1 x1 x1 x1 x1 + x4 + x5 + x6 + x5 + x6 + x6 + x4 + x4 + x5 + x4 + x5 + x6 + x4 + x5 + x6 + + + + x7 x7 x7 x7 17 13 15 14 16 16 11

+ + + +

x2 x2 x2 x2 x2

+ + + +

x3 x3 x3 x3 x3

+ x7

con xi 0 y xi entero para i = 1, 2, . . . , 7.

1.5.

Ejemplo 4: El problema de SunCo

Sunco Oil produce tres tipos de gasolinas (G1, G2 y G3). Cada tipo es producido combinando tres tipos de crudo (C1, C2 y C3). Las ventas en dlares por barril de gasolina son: G1 en 70, G2 en 60 y G3 en 50. Los o costos en dlares por barril de crudo son: C1 en 45, C2 en 35 y C3 en 25. Sunco puede comprar hasta 5000 o barriles de cada tipo de crudo al d Los tres tipos de gasolina dieren en octanaje y en porcentaje de azufre. a. Para producir G1 la combinacin de crudos debe tener en promedio un octanaje almenos de 10 y contener no o ms de 1 % de azufre. Para producir G2, el octanaje promedio es de al menos 8 y contener no ms de 2 % de a a azufre. Para producir G3, el octanaje promedio es de al menos de 6 y contener no ms de 1 % de azufre. C1 a posee un octanaje de 12 y 0.5 % azufre, C2 posee un octanaje de 6 y 2.0 % de azufre, y C3 posee un octanaje de 8 y 3.0 % de azufre. El costo de transformacin de un barril de crudo en uno de gasolina es de 4 dlares. o o Sunco puede producir a lo ms 14,000 barriles de gasolina al d a a. Los clientes de Sunco requieren 3,000 barriles de G1, 2,000 barriles de G2, y 1,000 barriles de G3 por d Sunco considera una obligacin satisfacer a. o estos requerimientos. Es un hecho que la publicidad estimula la demanda de sus productos. Cada dolar gastado en la publicidad de uno de sus productos aumenta la demanda diaria en 10 barriles. Formule un modelo de PL que permita a Sunco maximizar sus ganancias diarias. Solucin o Variables de decisin o Notemos que por un lado estamos interesados en saber cuntos barriles de cada gasolina se deben producir, y a por otro estamos interesados en cuntos barriles de cada tipo crudo comprar. Sin embargo, an con estos datos a u 6

el departamento encargado de la produccin debe decidir cmo se deben mezclar los crudos para producir o o cada tipo de gasolina. Es decir, que las cantidades totales de gasolina y de crudo no resuelven el problema de la produccin. Lo que s resuelve el problema de la produccin es decidir exactamente las cantidades que o o deben mezclarse de cada uno de los tipos de insumos para producir cada tipo de productos. Los totales pueden obtenerse sumando cada una de las partes. As las variables de decisin deben ser , o xi,j = cantidad de barriles del crudo i utilizados para producir gasolina j Esto por un lado. Pero otra parte pendiente son las decisiones que debe tomarse en publicidad. Y para ello debemos precisar cuntos dlares se debe invertir en la publicidad de cada tipo de gasolina: a o yj = total de dlares aplicados en la publicidad de la gasolina j o Observemos que estas variables de decisin permiten determinar el total de barriles de cada tipo de crudo que o debe comprarse y el total de barriles de cada tipo de gasolina que se produce:
3 i=1 xi,j 3 j=1 xi,j 3 i=1

es el total de barriles de gasolina j a producir. es el total de barriles de crudo i en la produccin. o

es el total de barriles de crudo a procesar (que ser el total de barriles de gasolina a a producir, suponiendo que un barril de mezcla de crudos se convierte en un barril de gasolina). Funcin objetivo o El objetivo de la empresa en maximizar las ganancias. Las ganancias sern las ventas menos los costos. Los a costos en los que se incurre son los referentes a la materia prima, a la transformacin y a la publicidad. o CT = Costo de transformacin: o CT = 4 CM P = Costo de materia prima:
3 3 3
dlares o barril

3 j=1 xi,j

i=1 j=1

xi,j

CM P = 45

dlares o barril de C1

j=1

x1,j + 35

dlares o barril de C2

j=1

x2,j + 25

dlares o barril de C3

j=1

x3,j

V = Venta de gasolina:
3 3 3

V = 70

dlares o barril de G1

i=1

xi,1 + 60

dlares o barril de G2

i=1

xi,2 + 50

dlares o barril de G3

i=1

xi,3

P = Costo de publicidad:
3

P = y1 + y2 + y3 =
j=1

yj

La funcin objetivo queda de la siguiente forma: o Max z = V (CT + CM P + P ) Restricciones En este problema las restricciones son de diferente tipo: 7

La compa tiene una capacidad instalada que no puede exceder: na

3 3

xi,j 14, 000

i=1 j=1

Las compa que proveen crudo tienen limitaciones; A lo ms 5 mil barriles de cada crudo estn nas a a disponibles:
3

xi,j 5, 000 para i = 1, 2, 3

j=1

Como toda la gasolina producida debe venderse: Para cada gasolina, la totalidad de gasolina producida debe equiparar la demanda. Y por otro lado, la demanda ser el resultado de la demanda natural ms la a a inducida por publicidad:
3

xi,1 =3, 000 + 10 y1

i=1 3

xi,2 =2, 000 + 10 y2

i=1 3

xi,3 =1, 000 + 10 y3

i=1

Cada gasolina producida tiene ciertos criterios de calidad a cuidar: el porcentaje de azufre y el octanaje. Supongamos que el porcentaje en la mezcla es proporcional al porcentaje en los componentes. As para la gasolina 1: El porcentaje de azufre no se debe exceder el 1 %. El total de gasolina 1: 3 xi,1 i=1 Aporte de azufre por cada tipo de crudo: C1: 0.5 %, C2: 2.0 % y C3: 3.0 %. Suponiendo que el porcentaje de azufre en la mezcla obedezca los supuestos de aditividad y proporcionalidad: 0.5 2.0 3.0 1.0 100 x1,1 + 100 x2,1 + 100 x3,1 3 100 i=1 xi,1 De donde, haciendo lgebra lo anterior se transforma en: a (0.5 1.0) x1,1 + (2.0 1.0) x2,1 + (3.0 1.0) x3,1 0.0 De manera anloga, para la gasolina 2 la condicin del azufre se codica como: a o (0.5 2.0) x1,2 + (2.0 2.0) x2,2 + (3.0 2.0) x3,2 0.0 y para la gasolina 3: (0.5 1.0) x1,3 + (2.0 1.0) x2,3 + (3.0 1.0) x3,3 0.0 Si ahora suponemos que el octanaje en la mezcla obedece tambin al aporte proporcional del octanaje e de cada crudo: Para la gasolina 1: El octanaje debe ser al menos 10. El octanaje de cada crudo es 12, 6 y 8. 12 x1,1 + 6 x2,1 + 8 x3,1
3 i=1 xi,1

10

que haciendo lgebra queda: a (12 10) x1,1 + (6 10) x2,1 + (8 10) x3,1 0.0 De manera anloga, para la gasolina 2 la condicin de octanaje se codica como: a o (12 8) x1,2 + (6 8) x2,2 + (8 8) x3,2 0.0 y para la gasolina 3: (12 6) x1,3 + (6 6) x2,3 + (8 6) x3,3 0.0 En trminos puramente matemticos, el problema de SunCo consiste en determinar xi,j para i = 1, 2, 3 y e a j = 1, 2, 3 y yj para j = 1, 2, 3 de manera que se maximice la funcin: o f = 21 x1,1 + 11 x1,2 + x1,3 + 11 x2,3 + 41 x3,1 + 31 x3,2 + 21 x3,3 + 31 x2,1 + 21 x2,2 y3 y1 y2 sujeta a las restricciones: x1,1 + x1,2 + x1,3 + x2,1 + x2,2 + x2,3 + x3,1 + x3,2 + x3,3 x1,1 + x1,2 + x1,3 x2,1 + x2,2 + x2,3 x3,1 + x3,2 + x3,3 x1,1 + x2,1 + x3,1 x1,2 + x2,2 + x3,2 x1,3 + x2,3 + x3,3 .5 x1,1 + 1.0 x2,1 + 2 x3,1 1.5 x1,2 + x3,2 .5 x1,3 + 1.0 x2,3 + 2 x3,3 2 x1,1 4 x2,1 2 x3,1 4 x1,2 2 x2,2 6 x1,3 + 2 x3,3 con xi,j 0 y yj 0. 0 0 0 0 0 0 = = = 14, 000 5, 000 5, 000 5, 000 3, 000 + 10 y1 2, 000 + 10 y2 1, 000 + 10 y3

1.6.

Ejemplo 5: el problema de la dieta

Mi dieta requiere que toda la comida que yo como sea de uno de los 4 grupos bsicos. (Pastelillos de a chocolate, nieve, refresco y pay de queso) Las cuatro comidas estn disponibles en las presentaciones: brownies, a nieve de chocolate, Cola y pay de queso con pia. Cada brownie cuesta 50 centavos de dolar, cada cucharada n de nieve de chocolate cuesta 20 centavos, cada botella de Cola cuesta 30 centavos de dolar y cada rebanada de pay de queso con pia cuesta 80 centavos. Cada d yo debo ingerir al menos 500 calorias, 6 oz de chocolate, n a 10 onzas de azcar y 8 onzas de grasa. La tabla con la informacin nutrimental se da a continuacin. Formule u o o un modelo de programacin lineal que se pueda usar para satisfacer los requerimientos a m o nimo costo.
Tipo Brownie Nieve chocolate (1 cucharada) Cola (1 botella) Pay (1 rebanada) Calorias 400 200 150 500 Chocolate(Onzas) 3 2 0 0 Az car(Onzas) u 2 2 4 4 Grasa(Onzas) 2 4 1 5

Variables de decisin o x1 = nmero de brownies al d u a,

x2 = nmero de cucharadas de nieve de chocolate al d u a, x3 = nmero de botellas de Cola al d u a x4 = nmero de rebanadas de pay de queso con pia al d u n a Funcin Objetivo o Minimizar costo del alimento z = 50
centavos brownie

x1 + 20

centavos cucharada

x2 + 30

centavos botella

x3 + 80

centavos rebanada

x4

Restricciones Se deben cubrir los nutrientes m nimamente: Calor as: 400 Chocolate: 3 Azcar: u 2 Grasa: 2
onzas brownie calorias brownie

x1 + 200

calorias cucharada

x2 + 150

calorias botella

x3 + 500

calorias rebanada

x4 500

onzas brownie

x1 + 2

onzas cucharada

x2 6
onzas rebanada

x1 + 2

onzas cucharada

x2 + 4

onzas botella

x3 + 4

x4 100

onzas brownie

x1 + 4

onzas cucharada

x2 + 1

onzas botella

x3 + 5

onzas rebanada

x4 8

x1 , x2 , x3 , x4 deben ser enteros y no negativos. En trminos puramente matemticos, el problema de la dieta e a consiste en determinar los valores de x1 , x2 , x3 y x4 de manera que se minimize la funcin: o z = 50 x1 + 20 x2 + 30 x3 + 80 x4 sujeta a las condiciones: 400 x1 + 200 x2 + 150 x3 + 500 x4 3 x1 + 2 x2 2 x1 + 2 x2 + 4 x3 + 4 x4 2 x1 + 4 x2 + 1 x3 + 5 x4 donde xi debe ser entero y no negativo para i = 1, 2, 3, 4. 500 6 100 8

1.7.

Linealidad

Veamos ahora algunos conceptos clave en el tipo de expresiones matemticas que aparecen en el tipo de a problemos que nos interesan. Denicin o Una funcin f (x1 , x2 , . . . , xn ) es funcin lineal en sus variables, si existen escalares c1 , c2 , . . . , cn tales que: o o f (x1 , x2 , . . . , xn ) = c1 x1 + c2 x2 + + cn xn Y una denicin importante para las restricciones que denirn los problemas es la siguiente. o a Denicin o Una desigualdad lineal en las variables x1 , x2 , . . . , xn es una desigualdad de que tiene alguna de las dos posibles formas: f (x1 , . . . , xn ) b f (x1 , . . . , xn ) b o donde f (x1 , . . . , xn ) es una funcin lineal y b es una constante. o 10

1.8.

LP

Deniremos ahora el tipo de problemas en el cual estamos interasados: Denicin o Un problema de programacin lineal (LP) es un problema de optimizacin donde: o o Se pretende maximizar o minimizar una funcin lineal en las variables de decisin. Tal funcin se llao o o mar funcin objetivo. a o Los valores de decisin debern satisfacer un conjunto de restricciones. Cada una de las restricciones o a ser una ecuacin lineal o una desigualdad lineal en las variables de decisin. a o o Asociada a cada variable de decisin puede haber o no una restriccin de signo sobre ella especicando o o si los valores de la variable son no negativos ( 0).

1.9.

Regin factible o

Denicin o La Regin Factible para un PL es el conjunto de todos los puntos cuyas coordenadas son los valores de las o variables de decisin que satisfacen todas las restriciones del PL y todas las restricciones de signo. o Para un problema de maximizacin, una solucin ptima a un PL es un punto en la regin factible con el o o o o valor mayor posible de la funcin objetivo (No existe otro punto en la regin factible con una mayor evaluacin o o o de acuerdo a la funcin objetivo). Similarmente, para problemas de minimizacin una solucin ptima es un o o o o punto en la regin factible con el menor valor posible de la funcin objetivo. o o

11