Documente Academic
Documente Profesional
Documente Cultură
PROGRAMACIN LINEAL
INVESTIGACION DE OPERACIONES
AUTOR: Juan carlos Gutirrez Vanegas
NDICE
DESARROLLO TEMATICO
En
la
semana
anterior
discutimos
los
elementos
clave
de
lo
que
ahora
entendemos
como
un
programa
lineal,
aquellos
sin
lo
cual
no
estara
completa
la
formulacin
de
un
problema
como
un
programa
lineal,
estos
son:
Variables
de
Decisin
Funcin
Objetivo
Criterio
de
Optimizacin
Restricciones
Una
vez
tenemos
todos
esos
elementos
para
nuestro
problema
especfico,
podemos
decir
que
hemos
formulado
el
problema
como
un
PL
(programa
lineal).
2 POLITCNICO GRANCOLOMBIANO
Sin
embargo,
hemos
sealado
algunas
caractersticas
que
deben
cumplirse
en
las
funciones
involucradas
tanto
en
la
funcin
objetivo
como
en
las
restricciones,
estas
deben
ser
funciones
lineales,
lo
cual
implica
una
serie
de
supuestos
que
ahora
vamos
a
ver
en
detalle.
Al
formular
un
problema
como
un
programa
lineal
se
tiene
por
supuestas
al
menos
cuatro
hiptesis
principales
sobre
el
comportamiento
del
problema,
estas
hiptesis
se
deben
satisfacer
al
menos
en
un
rango
de
operacin
que
permita
la
implementacin
de
la
solucin
obtenida.
Como
veremos
a
continuacin,
las
hiptesis
pueden
parecer
extremadamente
restrictivas,
sobretodo
no
realistas,
pero
en
la
mayora
de
los
casos
prcticos
los
supuestos
son
razonables
y
las
soluciones
obtenidas
con
el
programa
lineal
son
implementables
en
el
problema
real.
2.1.1. Proporcionalidad
Esta
primera
hiptesis
es
una
consecuencia
directa
del
uso
de
funciones
lineales
tanto
en
la
funcin
objetivo
como
en
las
restricciones,
as
cada
variable
de
decisin
contribuye
a
la
funcin
objetivo
con
un
valor
proporcional
al
valor
mismo
de
la
variable
y
la
constante
de
proporcionalidad
es
el
coeficiente
de
dicha
variable
en
la
funcin
objetivo.
Matemticamente
lo
podemos
expresar
as:
De
la
misma
forma,
si
para
la
-sima
restriccin,
tenemos
una
combinacin
lineal
de
las
variables
con
coeficientes
dados
por
3$ $ + 3' ' + + 3) ) + + 3* * 3 ,
entonces
la
contribucin
de
la
variable
)
a
dicha
restriccin
ser
de
)3 ) ;
as,
si
el
valor
de
la
variable
)
se
reduce
a
la
mitad,
su
contribucin
tambin
lo
har,
mientras
que
si
el
valor
de
la
variable
)
se
duplica,
su
contribucin
tambin
se
duplicar.
Nuevamente
tenemos
una
relacin
de
proporcionalidad.
Esta
relacin
implica
que
ni
en
la
funcin
objetivo
ni
en
las
restricciones
se
consideran
economas
de
escala,
descuentos
o
costos
fijos.
Sin
embargo,
como
veremos
ms
adelante
al
utilizar
otro
tipo
de
variables,
como
las
variables
binarias
o
las
enteras,
podremos
tener
en
cuenta
este
tipo
de
efectos.
INVESTIGACIN DE OPERACIONES 3
2.1.2.
Aditividad
Nuevamente,
esta
hiptesis
expresa
directamente
que
las
funciones
involucradas
en
la
funcin
objetivo
y
en
las
restricciones
son
combinaciones
lineales
de
las
variables,
porque
la
base
de
la
hiptesis
es
que
la
contribucin
total,
ya
sea
en
la
funcin
objetivo
o
en
las
restricciones,
es
la
suma
directa
de
las
contribuciones
de
cada
variable.
Lo
que
tal
vez
no
es
evidente
en
dicha
hiptesis
es
que
implcitamente
indica
que
no
existe
ningn
tipo
de
interaccin
entre
las
variables,
mucho
menos
efectos
de
suplementariedad
o
sustitucin.
2.1.3. Divisibilidad
Esta
es
una
hiptesis
clave
para
el
algoritmo
de
solucin
que
vamos
a
utilizar
en
este
curso.
Las
variables
pueden
tomar
cualquier
valor
real
mayor
o
igual
a
cero,
es
decir,
son
variables
continuas
no
negativas.
As,
cada
variable
de
decisin
se
puede
dividir
en
infinitos
valores
reales,
no
estn
restringidas
a
tomar
valores
enteros.
2.1.4. Certidumbre
Esta
hiptesis
puede
ser
la
ms
controversial
de
todas,
porque
asegura
que
todos
los
parmetros
del
problema;
los
coeficientes
en
la
funcin
objetivo,
los
coeficientes
de
cada
variable
en
cada
una
de
las
restricciones
y
los
lados
derechos
de
todas
las
restricciones
son
conocidos
de
antemano
con
total
certeza,
que
no
existe
ningn
tipo
de
incertidumbre
sobre
el
valor
que
cada
uno
de
dichos
parmetros
va
a
tomar.
Es
decir,
todos
los
elementos
estocsticos
o
probabilsticos
de
cada
uno
de
los
factores
del
problema
estn
representados
por
un
equivalente
determinstico
en
el
problema.
Ahora
veremos
cmo
se
aplican
esos
principios
en
diferentes
familias
de
problemas,
pero
primero
debemos
tener
un
lenguaje
comn
para
modelar
problemas.
3. Notacin bsica
A
lo
largo
del
curso
nos
enfrentaremos
con
diferentes
modelos
lineales,
pero
debemos
manejar
un
lenguaje
comn
para
todos
ellos.
Existen
diferentes
formas
en
las
cuales
se
puede
escribir
un
programa
lineal
y
cada
una
de
ellas
ser
til
en
alguna
situacin
especfica.
Por
el
momento
es
4 POLITCNICO GRANCOLOMBIANO
suficiente
para
nosotros
conocer
la
forma
cannica
expresada
con
subndices,
vectores
y
matrices.
Para
las
variables
de
decisin
utilizaremos
el
vector
columna
,
cuyos
componentes
denotaremos
con
) ,
en
donde
el
ndice
estar
en
el
rango
de
1
hasta
,
donde
representa
el
nmero
de
variables
de
decisin
del
problema.
Para
los
coeficientes
de
la
funcin
objetivo
utilizaremos
el
vector
columna
,
cuyos
componentes
denotaremos
con
) ,
nuevamente
el
ndice
estar
en
el
rango
de
1
hasta
.
Para
los
coeficientes
de
las
diferentes
restricciones
utilizaremos
una
matriz
de
dimensin
,
donde
representa
el
nmero
de
restricciones
y
el
nmero
de
variables
de
decisin
del
problema.
Las
componentes
de
la
matriz,
que
llamaremos
,
las
denotaremos
por
3) .
Finalmente,
para
el
lado
derecho
de
las
restricciones
utilizaremos
el
vector
columna
,
con
componentes
3 ,
en
donde
el
ndice
estar
en
el
rango
de
1
hasta
.
Con
esta
notacin
ya
definida,
podemos
escribir
un
problema
de
minimizacin
de
las
siguientes
maneras:
En forma matricial:
Min
= A
.
En
forma
explcita:
Min
= $ $ + ' ' + + * *
.
$$ $ + $' ' + + $* * $
'$ $ + '' ' + + '* * '
G$ $ + G' ' + + G* * G
$ 0, ' 0, , * 0
INVESTIGACIN DE OPERACIONES 5
Utilizando
sumatorias:
*
Min
= ) )
)K$
.
*
3) ) 3
= 1, ,
)K$
) 0
= 1, ,
En forma matricial:
Max
= A
.
En
forma
explcita:
Max
= $ $ + ' ' + + * *
.
$$ $ + $' ' + + $* * $
'$ $ + '' ' + + '* * '
G$ $ + G' ' + + G* * G
$ 0, ' 0, , * 0
Utilizando
sumatorias:
*
Min
= ) )
)K$
.
*
3) ) 3
= 1, ,
)K$
) 0
= 1, ,
6 POLITCNICO GRANCOLOMBIANO
Ahora
consideraremos
una
serie
de
problemas
que
habitualmente
se
resuelven
con
programacin
lineal.
Cada
uno
de
los
modelos
que
presentamos
a
continuacin
posee
una
estructura
caracterstica
y
por
lo
tanto
es
importante
que
nos
familiaricemos
con
ella
para
lograr
as
mejorar
nuestras
habilidades
para
construir
modelos
lineales
en
cada
nuevo
problema
al
que
nos
enfrentemos.
4. Problema de la dieta
Este
problema
est
considerado,
histricamente,
como
una
de
las
aplicaciones
militares
dio
inicio
a
la
investigacin
de
operaciones.
A
mediados
de
la
dcada
del
cuarenta,
Stigler
(Stigler,
1945)
plante
una
solucin
heurstica
para
un
problema
de
alimentacin
del
ejrcito
estadounidense,
que
consista
en
planear
las
raciones
de
cada
soldado
para
que
fueran
lo
ms
econmicas
posible
mientras
cumplan
con
todos
los
requerimientos
nutricionales.
Este
problema
fue
luego
resuelto
de
manera
ptima
utilizando
el
algoritmo
Simplex,
que
veremos
ms
adelante,
y
sorprendentemente
la
solucin
de
Stigler
estaba
alejada
del
ptimo
en
tan
slo
24
centavos
de
dlar
al
ao
por
soldado.
Se
definen
como
variables
de
decisin
como
la
cantidad
de
alimento,
de
cada
tipo,
a
utilizar
cada
da.
Formalmente
se
tiene
una
variable
por
cada
tipo
de
alimento
y
se
define
as:
) :
Cantidad
de
alimento
tipo
,
en
las
unidades
adecuadas
para
cada
tipo,
que
se
incluir
cada
da
en
la
dieta.
= 1, ,
La
funcin
objetivo
est
dada
por
el
costo
total
de
la
dieta
y
en
funcin
de
las
variables
de
decisin
se
representa
como:
= $ $ + ' ' + + * *
INVESTIGACIN DE OPERACIONES 7
El
conjunto
de
restricciones
est
formado
por
una
restriccin
para
cada
tipo
de
nutriente,
pero
todas
ellas
con
la
misma
forma,
por
ejemplo
para
el
nutriente
tipo
tenemos
que:
3$ $ + 3' ' + + 3* * 3
Ahora
veamos
un
ejemplo
particular,
supongamos
que
debemos
alimentar
una
pequea
granja
de
gallinas
y
tenemos
dos
opciones
de
concentrado
para
este
propsito,
el
concentrado
Corn
y
el
concentrado
Flakes,
con
estos
alimentos
debemos
garantizar
los
requerimientos
de
protenas,
potasio
y
sodio
de
los
animales.
En
la
siguiente
tabla
se
resume
el
aporte
de
cada
tipo
de
concentrado
a
cada
requerimiento,
as
como
el
nivel
mnimo
requerido
por
cada
animal
y
el
precio
por
libra
de
cada
tipo
de
concentrado.
Protenas (g) 8 12 10
8 POLITCNICO GRANCOLOMBIANO
La
idea
es
encontrar
la
combinacin
de
alimentos
ms
econmica
a
comprar
que
garantice
los
requerimientos
mnimos
de
los
animales.
Variables de decisin
Las
cantidades
sobre
las
cuales
se
tiene
control
en
este
problema
son
las
cantidades
de
cada
tipo
de
alimento
que
se
pueden
comprar,
por
lo
tanto
definimos:
Restricciones
Las
restricciones
en
este
tipo
de
problemas
tienen
que
ver
con
los
requerimientos
mnimos
de
cada
nutriente,
en
este
caso
protenas,
potasio
y
sodio,
as
que
tenemos:
$ 0, ' 0
INVESTIGACIN DE OPERACIONES 9
5. Problema
de
administracin
de
inversiones
En
1972,
Broaddus
(Broaddus,
1972)
present
un
artculo
en
donde
explicaba
cmo
utilizar
la
programacin
lineal
en
el
ambiente
financiero,
su
objetivo
era
que
los
banqueros
entendieran
la
importancia
de
la
herramienta
en
la
administracin
ptima
de
las
inversiones.
El
ejemplo
de
Broaddus
fue
sumamente
sencillo,
lo
veremos
ms
adelante,
pero
primero
veamos
la
formulacin
general
del
problema:
Se
tiene
un
capital
de
K
unidades
monetarias
el
cual
se
debe
invertir,
por
un
nico
periodo,
en
una
de
las
n
opciones
disponibles,
digamos
P$ , P' , , PW ;
cada
una
de
las
opciones
tiene
un
rendimiento
porcentual
asociado,
para
el
periodo
bajo
consideracin
de
$ , ' , , W .
Por
las
caractersticas
de
cada
tipo
de
inversin
existen
lmites
inferiores
y/o
superiores
para
cada
una,
es
decir,
el
capital
invertido
en
la
opcin
PY
no
puede
ser
inferior
a
LY
ni
superior
a
UY .
Estos
lmites
no
siempre
existen
para
todas
las
opciones
y
algunas
de
ellas
pueden
tener
uno
u
otro
de
los
lmites.
El
objetivo
es
encontrar
la
mejor
forma
de
invertir
el
capital
de
manera
que
se
maximice
la
ganancia
efectiva
del
periodo
en
consideracin.
Se
definen
como
variables
de
decisin
como
la
cantidad
de
dinero
invertido
en
cada
opcin,
es
decir,
se
tiene
una
variable
por
cada
tipo
de
inversin
y
se
define
as:
La
funcin
objetivo
est
dada
por
la
ganancia
efectiva
en
el
periodo
bajo
consideracin
y
en
funcin
de
las
variables
de
decisin
se
representa
como:
= $ $ + ' ' + + * *
El
conjunto
de
restricciones
est
formado
por
una
restriccin
del
presupuesto
total
y
dos
restricciones
para
cada
tipo
de
inversin.
La
del
presupuesto
total
queda
de
la
forma:
$ + ' + + *
Mientras que las de los lmites de cada inversin, por ejemplo para la opcin ) , se escriben como:
) )
) )
Finalmente,
las
restricciones
de
no
negatividad
son
redundantes
si
todas
las
variables
ya
tienen
definido
un
lmite
inferior,
as
el
problema
toma
la
forma
de:
10
10 POLITCNICO GRANCOLOMBIANO
Max
= $ $ + ' ' + + * *
.
$ + ' + + *
$ $
* *
$ $
* *
Suponga
que
un
banco
tiene
100
millones
para
invertir,
parte
de
ese
dinero
se
puede
poner
en
prstamos
y
la
otra
parte
en
bonos.
Los
prstamos
tienen
una
rentabilidad
mayor,
digamos
del
10%
E.A.,
comparada
con
la
rentabilidad
de
los
bonos,
digamos
5%.
Sin
embargo,
los
bonos
se
pueden
vender
en
el
mercado
casi
inmediatamente
por
lo
cual
representan
liquidez.
Por
compromisos
comerciales
y
de
regulacin,
no
se
puede
invertir
ms
de
50
millones
en
prstamos
y
por
razones
de
liquidez,
al
menos
el
25%
del
capital
se
debe
invertir
en
bonos.
El
banco
desea
maximizar
su
ganancia
con
su
plan
de
inversiones.
Variables de decisin
Las
variables
sobre
las
cuales
toma
la
decisin
en
este
problema
son
las
cantidades
a
invertir
en
cada
opcin,
por
lo
tanto
definimos:
El
objetivo
en
este
problema
es
encontrar
el
plan
de
inversiones
que
produzca
la
mayor
ganancia,
por
lo
tanto
la
funcin
objetivo
est
relacionada
con
la
rentabilidad
de
cada
inversin
y
el
criterio
es
de
maximizacin,
por
lo
tanto
queda:
Restricciones
La
primera
restriccin
tiene
que
ver
con
el
presupuesto
disponible,
por
lo
tanto
la
suma
de
las
dos
inversiones
no
puede
superar
el
capital
disponible,
esto
es:
$ + ' 100
INVESTIGACIN DE OPERACIONES 11
Las
otras
restricciones
tienen
que
ver
con
los
lmites,
inferior
y
superior,
que
define
el
banco
para
cada
inversin
Se
tiene
un
capital
de
K
unidades
monetarias
el
cual
se
debe
invertir,
por
un
nico
periodo,
en
una
de
las
opciones
disponibles,
digamos
$ , ' , , * ;
cada
una
de
las
opciones,
digamos
la
opcin
) ,
requiere
una
inversin
inicial
fija
)
y
al
final
del
periodo
bajo
consideracin
otorga
un
pago
de
) .
El
objetivo
es
encontrar
la
mejor
forma
de
invertir
el
capital
de
manera
que
se
maximice
la
ganancia
efectiva
del
periodo
en
consideracin.
La
formulacin
general
del
problema
contiene
un
elemento
nuevo,
las
variables
de
decisin
estn
restringidas
a
tomar
uno
de
dos
valores
posibles,
lo
que
se
conoce
como
variables
binarias.
Para
definir
las
variables
de
decisin,
ya
no
consideramos
la
cantidad
de
dinero
invertido
en
cada
opcin,
porque
ste
es
un
parmetro
fijo,
en
su
lugar
definimos
una
variable
que
nos
indica
si
la
en
la
opcin
)
se
invierte
o
no.
As,
se
tiene
una
variable
por
cada
tipo
de
inversin
y
se
define
as:
12
12 POLITCNICO GRANCOLOMBIANO
0 si
no
se
invierte
en
la
opcin
)
) =
= 1, ,
1 si
se
invierte
en
la
opcin
)
Este
tipo
de
variables
se
conoce
como
variables
binarias
y
no
cumplen
con
el
principio
de
divisibilidad
de
la
programacin
lineal,
lo
que
ocasiona
que
este
modelo
ya
no
sea
un
programa
lineal.
A
este
tipo
de
modelos
se
les
conoce
como
programa
entero
mixto.
La
funcin
objetivo
est
dada
por
la
ganancia
total
y
en
funcin
de
las
variables
de
decisin
se
representa
como:
= $ $ + ' ' + + * *
Ntese
que
por
tratarse
de
variables
binarias,
la
ganancia
de
cada
proyecto
se
incluye
totalmente
o
no
se
incluye
en
absoluto,
no
hay
ganancias
parciales
por
proyecto.
Por
tratarse
de
una
ganancia,
el
criterio
de
optimizacin
es
el
de
maximizacin.
En
la
versin
inicial
del
problema
se
tiene
una
nica
restriccin,
la
del
presupuesto
total
y
esta
queda
de
la
forma:
$ $ + ' ' + + * *
Ya
en
un
ejemplo
concreto,
suponga
que
usted
dispone
de
30
millones
para
invertir
y
que
le
presentan
un
portafolio
con
4
opciones,
cada
opcin
requiere
una
inversin
inicial
y
produce
una
pago
total
al
final
de
un
ao
como
se
muestra
en
la
siguiente
tabla:
Inversin
Inicial
7
15
6
12
(millones)
INVESTIGACIN DE OPERACIONES 13
Su
objetivo
es
encontrar
la
combinacin
de
proyectos
en
los
cuales
debe
invertir
para
maximizar
su
ganancia.
Variables de decisin
0 si
no
se
invierte
en
la
opcin
)
) =
1 si
se
invierte
en
la
opcin
)
El
objetivo
en
este
problema
es
encontrar
el
plan
de
inversiones
que
produzca
la
mayor
ganancia,
por
lo
tanto
la
funcin
objetivo
est
relacionada
con
la
ganancia
de
cada
proyecto
y
el
criterio
es
de
maximizacin,
por
lo
tanto
tenemos
que:
Restricciones
La
nica
restriccin
la
que
tiene
que
ver
con
el
presupuesto
disponible,
por
lo
tanto
la
suma
de
todas
las
inversiones
no
puede
superar
el
capital
disponible,
esto
es:
$ + ' + n + p 30
Finalmente, debemos incluir la restriccin que indica que las variables son binarias:
) 0,1 = 1, ,4
7. Problema de Transporte
Este
tal
vez
es
uno
de
los
problemas
de
programacin
lineal
ms
conocidos
y
utilizados.
Los
orgenes
del
problema
se
puede
rastreas
hasta
1781
(Monge,
1781).
En
este
problema
se
trata
de
encontrar
la
mejor
manera
de
transportar
productos
entre
los
almacenes
o
plantas
de
produccin
y
los
clientes
finales.
Cada
trayecto
utilizado
tiene
un
costo
unitario
asociado
y
la
idea
es
encontrar
el
plan
de
envos
que
minimice
el
costo
total
de
transporte.
Aunque
la
formulacin
original
14
14 POLITCNICO GRANCOLOMBIANO
trataba
con
envos
entre
ciudades
o
puertos
diferentes,
la
formulacin
se
puede
aplicar
a
problemas
de
produccin
en
donde
los
envos
se
refieren
precisamente
a
la
demanda
del
producto
sin
que
esto
incluya
ningn
tipo
de
transporte.
Existe
una
formulacin
en
el
rea
de
flujo
en
redes
que
es
tal
vez
mucho
ms
conocida
y
sobre
la
cual
se
pueden
aplicar
algoritmos
muy
eficientes
para
encontrar
la
solucin
al
problema.
Sin
embargo,
nosotros
usaremos
la
formulacin
como
programa
lineal.
La
descripcin
general
del
problema,
considerando
un
nico
tipo
de
producto,
se
puede
resumir
as:
Se
definen
como
variables
de
decisin
como
la
cantidad
de
producto
enviado
desde
cada
origen
a
cada
destino,
esto
es:
Ntese
que
ahora
la
variable
de
decisin
tiene
dos
subndices,
as
por
ejemplo
la
variable
$,$
se
debe
entender
como
la
variable
que
corresponde
al
envo
desde
el
origen
1
al
destino
1
y
no
como
la
undcima
variable
del
problema.
Entonces
en
total
se
tiene
una
variable
por
cada
combinacin
origen-destino.
La
funcin
objetivo
est
dada
por
el
costo
total
de
todos
los
envos
y
en
funcin
de
las
variables
de
decisin
se
representa
como:
= 3) 3)
3K$ )K$
El
conjunto
de
restricciones
est
formado
por
dos
subconjuntos,
uno
que
garantiza
que
no
se
sobrepasan
las
ofertas
de
cada
origen
y
otro
que
garantiza
que
todas
las
demandas
son
satisfechas.
Para
las
ofertas
tenemos
que:
INVESTIGACIN DE OPERACIONES 15
$$ + $' + + $* $
'$ + '' + + '* '
G$ + G' + + G* G
3) 3
= 1, ,
)K$
$$ + '$ + + G$ $
$' + '' + + G' '
$* + '* + + G* *
3) )
= 1, ,
3K$
Min
= 3) 3)
3K$ )K$
.
*
3) 3
= 1, ,
)K$
G
3) )
= 1, ,
3K$
3) 0
= 1, , ,
= 1, ,
Para finalizar con un ejemplo puntual del problema considere la siguiente situacin:
Suponga
que
una
pequea
compaa
compra
su
principal
insumo
en
el
exterior
y
le
llega
por
barco
a
los
puertos
de
Buenaventura,
Tumaco
y
Urab.
A
cada
puerto
llegan
al
mes
25,
15
y
10
toneladas
del
insumo
respectivamente.
Sus
plantas
de
produccin
se
localizan
en
Cartago
y
Envigado
y
cada
una
demanda
mensualmente
25
toneladas
del
insumo.
En
la
siguiente
tabla
se
muestran
los
costos
unitarios,
por
tonelada,
para
transportar
el
insumo
entre
cada
puerto
y
cada
planta.
16
16 POLITCNICO GRANCOLOMBIANO
Tabla
3.
Datos
para
el
ejemplo
del
problema
de
transporte
Cartago Envigado
La compaa desea encontrar el plan de envos que minimice sus costos totales de transporte.
Variables de decisin
La
decisin
en
este
problema
es
la
cantidad
a
enviar
desde
cada
puerto
a
cada
planta,
por
lo
tanto
definimos:
El
objetivo
en
este
problema
es
encontrar
el
plan
de
envos
con
el
menor
costo
total,
por
lo
tanto
la
funcin
objetivo
est
relacionada
con
el
costo
de
cada
trayecto
y
el
criterio
es
de
minimizacin,
por
lo
tanto
tenemos
que:
Restricciones
Para los puertos tenemos restricciones sobre la cantidad a enviar desde cada uno, es decir:
INVESTIGACIN DE OPERACIONES 17
Finalmente,
para
cada
planta
tenemos
que
satisfacer
la
demanda,
es
decir:
3) 0 = 1, 2, 3, = 1, 2
18
18 POLITCNICO GRANCOLOMBIANO
GLOSARIO
DE
TRMINOS
Aditividad
Supuesto
fundamental
en
los
programas
lineales
que
establece
que
la
suma
de
las
contribuciones
individuales
de
cada
variable
de
decisin,
a
travs
de
sus
coeficientes
asociados,
equivale
a
la
contribucin
total
del
conjunto
de
variables
de
decisin.
Certidumbre
Supuesto
fundamental
en
los
programas
lineales
que
establece
que
los
valores
de
todos
los
parmetros
de
un
programa
lineal
son
conocidos
con
total
certeza,
es
decir,
no
existen
parmetros
estocsticos
en
el
programa
lineal.
Coeficientes tecnolgicos
Se
refiere
al
conjunto
de
constantes
que
acompaan
a
las
variables
de
decisin
en
cada
una
de
las
restricciones
del
problema,
es
decir,
los
coeficientes
de
cada
una
de
las
combinaciones
lineales
que
se
encuentran
en
las
restricciones.
Generalmente
se
denomina
a
la
matriz
que
contiene
a
todos
estos
coeficientes
como
A.
Combinacin lineal
Es
una
funcin
polinmica
de
grado
mayor
o
igual
a
1,
es
decir,
en
cada
trmino
aparece
a
lo
sumo
una
variable
de
decisin
y
su
exponente
es
siempre
menor
o
igual
a
1.
Es
de
la
forma:
t + $ $ +
' ' + + * *
INVESTIGACIN DE OPERACIONES 19
Criterio
de
optimizacin
Divisibilidad
Supuesto
fundamental
en
los
programas
lineales
que
establece
que
las
variables
de
decisin
pueden
tomar
cualquier
valor
que
satisfaga
el
conjunto
de
restricciones,
es
decir
su
dominio
son
los
nmeros
Reales.
Si
se
restringe
el
valor
a
un
subconjunto
de
los
enteros,
o
a
uno
equivalente,
se
trata
de
un
programa
entero
mixto.
Forma cannica de un PL
Funcin objetivo
En
programacin
lineal
se
refiere
a
la
funcin
lineal
que
se
busca
optimizar,
maximizar
o
minimizar,
en
una
regin
acotada
por
el
conjunto
de
restricciones
lineales.
PL o LP
Proporcionalidad
Supuesto
fundamental
en
los
programas
lineales
que
establece
que
para
cada
variable,
tanto
la
contribucin
en
la
funcin
objetivo
como
en
cada
una
de
las
restricciones
sea
directamente
proporcional
al
valor
de
la
variable,
es
decir,
se
produce
a
travs
de
coeficientes
constantes.
20
20 POLITCNICO GRANCOLOMBIANO
Restricciones
Expresin
matemtica
que
contiene
un
signo
de
desigualdad,
en
algunos
casos
de
igualdad,
y
por
lo
tanto
restringe
el
dominio
de
las
variables
de
decisin.
Restriccin lineal
Caso
especfico
de
una
restriccin
en
donde
la
funcin
que
involucra
las
variables
de
decisin
es
lineal
en
dichas
variables.
Restriccin de no negatividad
Conjunto
de
restricciones,
una
para
cada
variable
de
decisin,
que
garantiza
que
el
programa
lineal
cuente
siempre
con
variables
acotadas
para
establecer
la
factibilidad
de
la
solucin.
Sin
embargo,
siempre
es
posible
trabajar
con
variables
negativas
o
libres
ya
que
por
medio
de
transformaciones
lineales
se
pueden
reformular
con
variables
no
negativas.
Variables de decisin
Son
las
variables
definidas
en
la
formulacin
del
programa
lineal
cuyos
valores
determinan
el
valor
de
la
funcin
objetivo
y
el
de
cada
una
de
las
restricciones.
Son
indeterminadas
cuyo
valor
ser
proporcionado
por
la
solucin
del
problema.
INVESTIGACIN DE OPERACIONES 21
REFERENCIAS
Referencias Bibliogrficas
Monge,
G.
(1781).
Mmoire
sur
la
thorie
des
dblais
et
des
remblais.
Histoire
de
lAcadmie
Royale
des
Sciences
de
Paris.
Les
Mmoires
de
Mathmatique
et
de
Physique
pour
la
mme
anne,
666704.
Stigler,
G.
J.
(1945).
The
Cost
of
Subsistence.
Journal
of
Farm
Economics,
27(2),
303.
http://doi.org/10.2307/1231810
22
22 POLITCNICO GRANCOLOMBIANO