5.

OPTIMIZACIN LINEAL
El modelo de programacin lineal (LP) es extensamente utilizado en casi todas
las reas del conocimiento. La relacin lineal entre variables le confiere la
particularidad de ser un modelo fcil de generar y simple de resolver y analizar.
Esto permite automatizar el proceso de generacin del modelo, por lo que es
posible generar grandes modelos LP. Publicaciones recientes han reportado
trabajo con modelos LP de ms de cien mil variables.
Para casos de 2 variables, puede emplearse el mtodo grfico. Para modelos
de 2 a ms variables, se emplea un algoritmo llamado SIMPLEX diseado por
Dantzig en la dcada del cincuenta.
El problema de la resolucin de un sistema lineal de inecuaciones se remonta,
al menos, a Joseph Fourier, despus de quien nace el mtodo de eliminacin
de Fourier-Motzkin. La programacin lineal se plantea como un modelo
matemtico desarrollado durante la Segunda Guerra Mundial para planificar los
gastos y los retornos, a fin de reducir los costos al ejrcito y aumentar las
prdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su planificacin diaria.
Los fundadores de la tcnica son George Dantzig, quien public el algoritmo
simplex, en 1947, John von Neumann, que desarroll la teora de la dualidad
en el mismo ao, y Leonid Kantorvich, un matemtico ruso, que utiliza
tcnicas similares en la economa antes de Dantzig y gan el premio Nobel en
economa en 1975. En 1979, otro matemtico ruso, Leonid Khachiyan, dise
el llamado Algoritmo del elipsoide, a travs del cual demostr que el problema
de la programacin lineal es resoluble de manera eficiente, es decir, en tiempo
polinomial.2 Ms tarde, en 1984, Narendra Karmarkar introduce un nuevo
mtodo del punto interior para resolver problemas de programacin lineal, lo
que constituira un enorme avance en los principios tericos y prcticos en el
rea.
En los casos de programacin lineal, tanto la funcin objetivo, como las
restricciones, son combinaciones lineales de las variables de inters:

209

Antes de abordar los temas de optimizacin repasaremos desigualdades.

Las siguientes proposiciones son desigualdades en dos variables:
1) 3x-2y < 6

2) x+y 6

Un par ordenada (a,b) es una solucin de una desigualdad en x y y si la

desigualdad es cierta cuando a y b se sustituyen. Por ejemplo (1,1) es una
solucin de la desigualdad 1. La grfica de una desigualdad es la coleccin de
todas las soluciones de la desigualdad.
Para trazar la grfica de una desigualdad en trmino de dos variables:
1. Sustituya el signo de desigualdad por uno de igualdad y trace la grfica
de la ecuacin resultante. (se emplea una lnea discontinua para < >) y
una lnea continua para ).
3x-2y=6

2. Se comprueba un punto en cada una de las regiones formadas por la

grfica formada. Si el punto satisface la desigualdad, entonces sombrea
toda la regin para denotar que todo punto de la regin satisface la
desigualdad.
3x-2y < 6

Por ejemplo si sustituimos el punto

(3,0) da 9 < 6, lo que hace que el
punto no se cumpla.
En cambio el punto (0,0) da 0 < 6
que se cumple.
La lnea punteada indica que no
toca los puntos sobre la lnea, solo
la regin sombreada.
210

5.1 Sistemas de desigualdades.

Una solucin de un sistema de desigualdades en x y y es un punto (x,y) que
satisface cada una de las desigualdades del sistema. Por ejemplo (2,4) es una
solucin del siguiente sistema:
x+y12
3x-4y15
x0 , y0
Para trazar la grfica de un sistema de desigualdades en dos variables, primero
se traza la grfica de cada una de las desigualdades sobre el mismo sistema
coordenado y luego se encuentra la regin que es comn a cada grfica del
sistema.

Cualquier punto dentro de la

regin sombreada, incluyendo los
que estn sobre la lnea contina,
son solucin al sistema de
desigualdades.
El
rea
sombreada
es
denominada
conjunto solucin.

Al resolver un sistema de desigualdades es necesario considerar la posibilidad

de que el sistema no tenga solucin.

211

Otra posibilidad es que el conjunto de desigualdades puede no estar acotado

X + Y < 3,
X + 2Y > 3
Tiene infinitas
Soluciones.

5.2 OPTIMIZACION LINEAL CON DOS VARIABLES.

La funcin objetivo es la que habr de maximizarse o minimizarse y las
restricciones determinan el conjunto de soluciones factibles.
Solucin ptima de un problema de programacin lineal
Si un problema de programacin lineal tiene solucin, sta debe ocurrir en un
vrtice del conjunto soluciones factibles. Si el problema tiene ms de una
solucin, entonces por lo menos una de ellas debe ocurrir en un vrtice del
conjunto de soluciones factibles. En cualquier caso, el valor de la funcin
objetivo es nico.
Ejemplo 5.1.- Encuentre el valor mximo de:
z = 3X + 2Y

Funcin objetivo

Sujeto a las restricciones.

X0
Y0
X+2Y 4
XY1
Utilizaremos el programa winqsb para graficar las restricciones y resolver el
problema de forma grfica.
1. Entra a winqsb, da clic en file y da en new problem, da el nombre del problema,
en nmero de variables da 2 al igual que en restricciones, selecciona

212

maximizacin como criterio del objetivo y elige spreadsheet matriz form como
formato de entrada. Da ok.

2. Ingresa los coeficientes para la funcin objetivo y restricciones en la celda

que le corresponda, sabiendo que X es X1, Y es X2.Observa que en lower
bound estn por defecto que X e Y son mayores o iguales que cero.

3. Da clic en solve and analyze y selecciona graphic method. Y da ok en la

pantalla que se desplega.

213

(0,2)

(2,1)

(0,0)

(1,0)

Al sustituir el punto (2,1) la funcin objetivo graficada en rojo da un valor de 8.

Si despejamos la funcin objetivo de esta

manera para graficarla es fcil observar que la
que tenga mayor valor de z es porque da el
valor ms grade en la ordenada al origen con
De esto, se comprueba que la solucin siempre se localizara en uno de los
vrtices de la regin factible.
En resumen para el mtodo grfico.
1. Traza la regin correspodiente al sistema de restricciones.
2. Encuentra los vrtices de la regin factible.
3. Sustituye los vrtices en la funcin objetivo.
4. Elige el punto que optimiza la funcin objetivo.
5.3 METODO SIMPLEX MAXIMIZACIN.
Para problemas de programacin lineal en el que aparecen dos variables es
conveniente el mtodo grfico, sin embargo, para problemas que implican ms
de dos variables o problemas en el que hay un gran nmero de restricciones,
es mejor aplicar un mtodos de solucin ms adaptables a computadora. El
ms utilizado es el mtodo simplex creado por George Dantzig en 1946.
Proporciona una manera sistemtica de analizar los vrtices de la regin
factible para determinar el valor ptimo de la funcin objetivo.

Forma estndar de un problema de maximizacin

214

Maximizar

sujeto a

Es decir el problema de programacin lineal en forma estndar la funcin

objetivo debe maximizarse. Una solucin bsica es una solucin (x1, x2,, xn,
s1, s2, sm). Las variables diferentes de cero se denominan variables bsicas.
Una solucin bsica en la que todas las variables son diferentes de cero se
llama solucin bsica factible.El mtodo simplex se lleva a cabo al efectuar
operaciones elementales en los renglones de una matriz denominada tabla
simplex. Este mtodo lo veremos a modo de ejemplo.
Ejemplo 5.2.- Suponga que se desea encontrar
Maximizar
Z= f(x,y)= 3x + 2y
2x + y 18
sujeto a:
2x + 3y 42
3x + y 24
x0,y0

2x + y + s1=18
2x + 3y +s2 = 42
3x + y +s3 = 24

Como el lado izquierdo de cada

desigualdad es menor o igual que el lado
derecho, entonces deben existir nmeros
no negativos s1, s2, s3 que sea posible
sumar al lado izquierdo de cada ecuacin
para obtener:
Igualar la funcin objetivo a cero:
- 3x - 2y + Z = 0

Escribir la tabla simplex, en las columnas aparecern todas las variables del
problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila
para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo:

Encontrar la variable de decisin que entra y la variable bsica que sale

215

1. Para escoger la variable de decisin que entra, nos fijamos en la ltima fila,
la de los coeficientes de la funcin objetivo y escogemos la variable con el
coeficiente negativo mayor. Si existiesen dos o ms coeficientes iguales que
cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si
en la ltima fila no existiese ningn coeficiente negativo, significa que se ha
alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no
haya elementos negativos. La columna de la variable que entra en la base
se llama columna pivote.
2. Para encontrar la variable de holgura que tiene que salir, se divide cada
trmino de la columna valores solucin por el trmino correspondiente de la
columna pivote, siempre que estos sean mayores que cero. Si hubiese algn
elemento menor o igual que cero no se hace dicho cociente. En el caso de
que todos los elementos fuesen menores o iguales a cero, entonces
tendramos una solucin no acotada y no se puede seguir. El trmino de la
columna pivote que en la divisin anterior d lugar al menor cociente
positivo, indica la fila de la variable bsica que sale. Esta fila se llama fila
pivote. Si al calcular los cocientes, dos o ms son iguales, indica que
cualquiera de las variables correspondientes pueden salir de la base.
En la interseccin de la fila pivote y columna pivote tenemos a pivote.Use
las operaciones elementales en los renglones para que el pivote sea 1 y los
dems elementos de la columna de entrada sean cero. Pivoteo.
Fila del pivote:
Nueva fila del pivote= (Vieja fila del pivote) / (Pivote)

Resto de las filas:

Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la variable
entrante) X (Nueva fila del pivote)

PI
V
O
TE
O

216

Observa que en la ltima fila todava hay elementos negativos por lo que se
tiene que repetir el procedimiento anterior.

PI
V
O
TE
O

Nuevamente hay elemento negativo en la ltima fila. Repetimos.

PI
V
O
TE
O

Como todos los coeficientes de la fila de la funcin objetivo son positivos,

hemos llegado a la solucin ptima. La solucin ptima viene dada por el valor
de Z en la columna de los valores solucin, en nuestro caso: 33. En la misma
columna se puede observar el vrtice donde se alcanza, observando las filas
correspondientes a las variables de decisin que han entrado en la base:
D(3,12).

217

Ejemplo 5.3.- A refinery has available two crude oils that have the yields
shown in the following table. Because of equipment and storage limitations,
production of gasoline, kerosene, and fuel oil must be limited as also shown in
this table. There are no plant limitations on the production of other products
such as gas oils. The profit on processing crude #1 is $1.00/bbl and on crude
#2 it is $0.70/bbl. Find the approximate optimum daily feed rates of the two
crudes to this plant.

Para solucionar el problema usaremos como software a excel y a winqsb para

dar solucin al problema, usted realcelo por el mtodo simplex.
X1 ser el crudo #1, x2, ser el crudo #2.
Constraints:
Gasoline production

0.7x1 + 0.31 x2 < 6000

Kerosene production

0.06 x 1+ 0.09 x2 < 2400

Fuel oil production

0.24 x 1+ 0.60 x2 < 12000

Also:

x1 0

x2 0

profit = 1.00 x1 + 0.70 x2 ($/day)

1. Ingresa a winqsb y define el problema como en el ejemplo 5.1.

218

2. Da clic en solve and analyze y elige solve the problema

Solucin en excel
3. Crea una hoja de clculo como la que aparece abajo. En la celda debajo
de profit y en la columna de valor actual ingresa las formulas dadas por
el problema.

219

4. Luego ve a datos (versin 2007) y en el cuadro anlisis selecciona

solver. En la celda objetivo selecciona a la celda que tiene el valor de
profit. Selecciona la opcin mximo. En cambiando las celdas selecciona
las celdas que tienen los valores de x1 y x2. Y en restricciones agrega
cada una de las mismas, colocando en referencia al valor de la celda
actual para cada tem y en restriccin el valor para cada tem. Luego ve
a opciones y la tolerancia dala como 1%. Da clic en aceptar y luego en
resolver. Acepta que deje la solucin propuesta por Excel.

220

Se puede observar el mismo resultado obtenido con winqsb, quiere decir que
no es necesario utilizar el crudo 1, solo procesar el crudo 2.

5.4 METODO SIMPLEX MINIMIZACION.

Forma estndar de un problema de minimizacin
w = c1x1+c2x2++cnxn sujeta a las restricciones

El procedimiento bsico aplicado para resolver el problema es convertirlo a un

problema de maximizacin en forma estndar y luego aplicar el mtodo
simplex. Veamos su aplicacin a modo de ejemplo
Ejemplo 5.4.- encuentre el mnimo de
W = 0.12x1 + 0.15x2

Funcin objetivo
221

Sujeto a las restricciones

60x1 + 60x2 300
12x1 + 6x2

36

10x1 + 30x2 90

donde x1 0 , x2 0

El primer paso para convertir este problema en un problema de maximizacin

es formar la matriz aumentada de este sistema de desigualdades. A la matriz
aumentada se agrega un ltimo rengln que representa los coeficientes de la
funcin objetivo, luego se forma la transpuesta de esta matriz:
TRANSPUEST
A

La nueva matriz se interpreta como un problema de maximizacin y se

denomina dual del problema de minimizacin original. Asi seguiremos el
mtodo simplex formando la tabla simplex y su metodologa normal.

PI
VOT
EO

Como an hay negativos en la fila inferior.

PI
VOT
EO
222

As la solucin del problema de maximizacin dual es z=33/60=0.66. Este es la

solucin al problema de minimizacin donde x1= 3 y x2 = 2 para w= 0.66.
Ejemplo 5.5.- Una pequea compaa petrolera posee dos refineras. Los
costos diarios de operacin de la refinera 1 son de 20, 000 dlares y
diariamente puede producir 400 barriles de petrleo de alto grado, 300 barriles
de petrleo de grado medio y 200 barriles de petrleo de bajo grado.
La refinera 2 es ms reciente y moderna. Sus costos de operacin diarios
ascienden a 25, 000 dlares y puede producir diariamente 300 barriles de
petrleo de alto grado, 400 barriles de petrleo de grado medio y 500 barriles
de petrleo de bajo grado.
La compaa tiene pedidos por un total de 25, 000 barriles de petrleo de alto
grado, 27, 000 barriles de petrleo de grado medio y 30, 000 barriles de
petrleo de bajo grado. Cuntos das debe trabajar cada refinera para
minimizar sus costos aunque refinando an suficiente petrleo para satisfacer
sus pedidos? Resolveremos con winqsb.
x1 y x2 el nmero de das que operan las dos refineras.
W=20,000x1 + 25,000x2 sujeto a las restricciones
400x1 + 300x2 25,000
300x1 + 400x2

27,000

200x1 + 500x2 30,000

donde x1 0 , x2 0

223

Por lo tanto la refinera uno debe operar 25 das y la dos 50 das. Usted
compruebe resolviendo con el problema dual. Resuelva tambin en Excel.
Se deja al lector exponer el tema cuando se trabaja con restricciones mixtas.

5.5 ACTIVIDADES
1.

2. Encuentre el valor mximo y mnimo de:

224

3.

4.

5. Suponga que una planta procesadora de gasolina recibe cada semana una
cantidad fija de materia prima para gasolina. Esta ltima se procesa en dos
tipos de gasolina, de calidad regular y prmium. Estas clases de gasolina son
de alta demanda; es decir, se tiene garantizada su venta y se obtiene diferentes
utilidades para la compaa. Sin embargo, su produccin involucra ambas
restricciones, tiempo y almacenaje en sitio. Por ejemplo, slo una de las clases
se puede producir a la vez, y las instalaciones estn abiertas solamente 80
horas por semana. Adems, existe un lmite de almacenamiento para cada uno
de los productos. Todos estos factores se enlistan abajo (observe que una
tonelada mtrica, o ton, es igual a 1 000 kg):

225

Maximice las utilidades de esta operacin.

6.

7.

5.6 BIBLIOGRAFA

226

Luque, R. S., Simulacin y optimizacin avanzada en la industra

qumica y de procesos: HYSYS. Espaa, Impreso en universidad de
Oviedo, 2005.
Larson, R. E., Introduccin al algebra lineal. Editorial Limusa, 2002.
Himmelblau D.M.; Optimization of Chemical Processes. Ed. Mc Graw Hill
C. Chapra S. Metodos numricos para ingenieros. Ed. Mc Graw Hill.
Quinta edicin.

227