Unidad 2.

El modelo
de
programacin lineal

Los programacin lineal usa diferentes tcnicas para resolver

problemas entre los que estn:

El mtodo grafico

El mtodo simplex

El algoritmo de transporte

El algoritmo de asignacin, etc.

Mtodo Grafico

Graficar el espacio de soluciones(regin factible) que satisfaga

todas las restricciones funcionales en forma simultanea
incluyendo las de no negatividad.

El espacio encerrado por las restricciones restantes se determina

sustituyendo los o por = para cada restriccin, con lo cual se
produce la ecuacin de una lnea recta.

Trazar cada lnea recta en el plano. La regin en la cual se

expande cada restriccin se indica por el sentido o de cada
recta asociada a una restriccin funcional.

La insercin de todas las rectas forman un polgono llamado

regin factible o espacio de soluciones.

Cada punto contenido o situado en la frontera del espacio de

soluciones satisface todas las restricciones y por consiguiente,
representar un punto factible.

Aunque hay un numero infinito de puntos factibles en le espacio

de soluciones, la solucin optima puede determinarse evaluando
la funcin objetivo en los valores de los vrtices del polgono del
espacio de soluciones.

Mtodo simplex

Es un mtodo algebraico sistemtico que examina los vrtices de

una regin factible (o espacio de soluciones) en busca de una
solucin optima (ya sea mximo o mnimo)

La funcin objetivo no disminuye en un modelo de maximizacin

y generalmente aumentara a cada vrtice sucesivo de la
secuencia.

Con este algoritmo se pueden resolver problemas de m

restricciones y n variables

Pasos

Aumento completo del problema de PL usando variables de holgura,

de excedente y artificiales, segn se necesiten.

Construccin de la tabla inicial usando los coeficientes del problema

aumentando con un rengln para cada restriccin. Las variables
bsicas son las variables de holgura o las artificiales asociadas con
cada restriccin (todas las variables de decisin son cero).

Prueba de la solucin calculando los renglones del costo de

oportunidad zj y del criterio simplex (cj-zj). La solucin es optima si
todos los valore cj- zj son negativos o ceros cuando se esta
maximizando y positivos o cero cuando se esta minimizando.

Si la solucin no es optima, se identifican las variable que entra y la

que sale .

Se revisa la solucin para desarrollar una nueva tabla. Primero se

encuentra el nuevo rengln pivote:

Nuevo elemento del rengln pivote =elemento del rengln pivote que se tiene
elemento de interseccin
Despus se revisan los otros renglones uno a la vez:
Nuevo elemento del rengln= elemento del rengln que se tiene (elemento
interseccin x nuevo elemento del rengln pivote)
Regreso al paso 3

Anlisis de sensibilidad
Consiste:

Cambios en los coeficiente de l funcin objetivo cj

Cambios en los valores del lado derecho bj diferenciando

restricciones saturadas y no saturadas.

Introduccin de nueva variable

Introduccin de nueva restriccin

Cambios en los coeficientes de la

funcin objetivo cj

Puede cambiarse el coeficiente de una variables que sete tanto

dentro como fuera de la solucin

Si el cambo es para una variables fuera de la solucin, este no

tiene efecto sino hasta que cj-zj 0

Si el cambio es para una variables dentro de la solucin,

cambiara dicha solucin o incluso puede hacer que la variable
salga de esta en caso de que sea muy grande.