DESARROLLO DE LA SESIN

Programacin Lineal
Tcnica cuantitativa aplicada a sistemas, presenta relaciones lineales para utilizar los recursos
escasos de la mejor manera posible.
El mtodo de programacin lineal es un mtodo matemtico con variables de decisin,
parmetros, restricciones y una funcin objetiva.

Caractersticas
Determinsticos: todos los datos utilizados son conocidos.
Lineal: porque las restricciones y el objetivo son funciones lineales.
Aditivo: porque los trminos de sus restricciones pueden sumarse o restarse.
Divisible: porque las variables de decisin permiten valores fraccionables.

Aplicaciones
En el campo del marketing y la publicidad
Permite determinar cul es la combinacin ms efectiva de medios para anunciar nuestros
productos a partir de un presupuesto fijo y ms opciones de medios dados.
Investigacin de mercados
Para determinar la opinin de una muestra de personas con ciertas restricciones y un costo
estimado por encuesta.
Produccin
Combinacin optima de bienes:
Permite decidir la cantidad ms adecuada a producir de cada uno de los productos con el fin de
maximizar los beneficios y atendiendo determinadas restricciones (financieras, legales,
comerciales, etc.)
Asignacin de trabajo
Asignar de forma ms eficiente posible un trabajo a cada empleado o maquina con el fin de
minimizar los tiempos o costos de desplazamiento.
Planificacin de horarios
Intenta dar una respuesta efectiva a las necesidades de personal durante un periodo de tiempo
completo. Ejemplo: las ventanillas de caja en los bancos.
Logstica
Para resolver el llamado problema del transporte que intenta determinar la cantidad de
mercanca a transportar entre origen-destino con el fin de minimizar costos.
Restricciones: por capacidad productiva del origen y la necesidad del origen.
Mezclas
Para determinar la dieta ms econmica. Ejemplo: para alimentar pacientes a partir de
especificaciones nutritivas mnimas. Esto mismo se puede dar en el campo agrcola.

Formulacin y Construccin del Modelo Lineal
1. Definir variables de decisin y expresarlas simblicamente.
2. Definir la funcin objetivo y expresarlas matemticamente.
3. Definir las restricciones y expresarlas matemticamente.

Condiciones
1. Todos los elementos del modelo deben estar expresados en un mismo periodo de tiempo.
2. Todos los elementos deben estar expresados matemticamente como funcin lineal.
3. Todas las variables de decisin deben ser mayor o igual a 0.
4. La funcin objetivo debe ser una funcin lineal maximizada o minimizada

Nomenclatura
Funcin objetivo

Optimizar C1X1+ C2X2+ C3X3+ C4X4+..+ CnXn
Donde
Xj simboliza la variable decisin.
Cj simboliza el coeficiente de la variable J

Restricciones

a11X1+ a12X2+ a13X3+ a14X4+ + a1nXn =b1
a21X1+ a22X2+ a23X3+ a24X4+ + a2nXn =b2
a31X1+ a32X2+ a33X3+ a34X4+ + a3nXn =b3
. . . . . .
. . . . . .
Am1X1+ am2X2+ am3X3+ am4X4+ + amnXn =bm

Donde
aij simboliza el coeficiente
i indica el recurso
j indica la variable
bi constituye el lado derecho de la restriccin y representa la cantidad total
disponible del recurso limitado.
Xn 0 es una restriccin de no negatividad que siempre debe estar presente como
Condicin natural del modelo.

Mtodo Grafico
Se utiliza para resolver modelos lineales con dos variables generando una denominada Regin
Solucin. Permite conocer la base matemtica de la solucin y observar grficamente la
situacin presentada.

Pasos
1. Graficar las restricciones como igualdades.
2. Determinar el rea correspondiente a la desigualdad (sombreado).
3. Determinar el rea comn de todas las restricciones.
4. Evaluar la funcin objetivo en cada extremo del espacio.
Procedimiento alterno:
Graficar la funcin objetivo con un valor arbitrario y desplazar en direccin que
incremente si se est maximizando o en direccin que decrezca si se est minimizando.
5. Seleccionar el punto o los puntos extremos en el que se obtenga el mejor valor.

Tipos de Soluciones
Solucin ptima nica
Cuando solo una combinacin de variables proporciona el mejor valor para el objetivo.
Soluciones optimas alternas
Cuando ms de una combinacin de variables proporciona el ptimo valor del objetivo.
Sin solucin posible
Cuando no hay alguna combinacin de variables que satisfagan todas las restricciones.
Solucin con valor infinito
Cuando hay combinaciones de variables que proporcionan valor infinito para el objetivo
mientras que no hay ninguna que lo limite.
Espacio de solucin no acotado y solucin de valor finito
Cuando existen combinaciones de variables con valor infinito y al menos con valor finito.
Solucin degenerada
Cuando existen combinaciones de variables con ms de una variable con valor 0, esto se debe
a la presencia de restricciones redundantes que deben ser removidas del modelo.

Mtodo Simplex
Procedimiento de clculo algebraico, iterativo, para resolver modelos lineales de cualquier
tamao.
En el algoritmo simplex se deben cumplir las condiciones de forma estndar y sistema cannico,
para que puedan tener solucin la forma estndar incluye:
1. Una funcin objetivo.
2. Unas restricciones con valores positivos y expresados como igualdades.
3. Unas variables de decisin no negativas.

Transformacin
Las restricciones se transforman en igualdades incorporando variables de holgura (variables
con coeficiente 0 en la funcin objetivo).
En las restricciones del tipo se suman y las del tipo se restan y deben ser 0

Sistema cannico
Implica la existencia de una variable bsica en cada restriccin, de manera que haya una
primera solucin posible que satisfaga toda la restriccin.

El mtodo simplex funciona de la siguiente forma:
1. Se calcula una solucin posible inicial y se determina si es ptima.
2. Si no lo es se mueve a un punto extremo adyacente, vuelve a calcular y de nuevo
determina si es una solucin ptima.
Estos pasos se repiten hasta encontrar un punto extremo cuyo valor objetivo no puede ser
mejorado.
La solucin posible inicial otorga valor 0 a las variables no bsicas y resuelve las otras variables
bsicas.
En el mtodo simplex tambin hay soluciones ptimas, nicas, alternas, infinitas, imposibles y
degeneradas.

COMPRESIONES GENERALES
El mtodo simplex permite encontrar una solucin ptima en un problema de maximizacin o
minimizacin, buscando en los vrtices del polgono, permite ir mejorando la solucin a cada
paso y este concluye cuando no es posible seguir mejorando ms dicha solucin.

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.

Para resolver un problema de programacin lineal es recomendable seguir ciertos pasos que
son:

1. Entender el problema a fondo.
2. Describir el objetivo.
3. Describir cada restriccin.
4. Definir las variables de decisin.
5. Escribir el objetivo en funcin de las variables de decisin.
6. Escribir las restricciones en funcin de las variables de decisin.
7. Agregar las restricciones de no negatividad.


CONCEPTOS APRENDIDOS
Programacin lineal: es un procedimiento o algoritmo matemtico mediante el
cual se resuelve un problema determinado, formulado a travs de un sistema de
inecuaciones lineales, optimizando la funcin objetivo, tambin lineal.
Funcin objetivo: es la ecuacin que ser optimizada dadas las limitaciones o
restricciones determinadas y con variables que necesitan ser minimizadas o
maximizadas usando tcnicas de programacin lineal o no lineal.
Restricciones: limitan o reducen el grado en que puede perseguirse el objetivo.
Variables: son las entradas controlables en el problema.
Restricciones de no negatividad:
Conjunto de restricciones que requiere que todas la variables sean no negativas.
Variables de holgura: variable agregada al lado izquierdo de una restriccin de
menos o igual que para convertir la restriccin de una igualdad. El valor de esta
variable comnmente puede interpretarse como la cantidad de recurso no usado.
Forma estndar: programacin lineal en la que todas las restricciones estn
escritas como igualdades. La solucin ptima de un programa lineal es la misma que
la solucin ptima de una formulacin original del programa lineal.

HALLAZGOS Y DIFICULTADES
Hallazgos: la programacin lineal es un enfoque de problemas elaborado para ayudar a
tomar decisiones, en el ambiente de negocios actual puede encontrarse gran cantidad de
aplicaciones.

Dificultades: anlisis en un problema de maximizacin o minimizacin.