MTODO GRFICO

El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las restricciones, condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si slo tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible. Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos. Los pasos necesarios para realizar el mtodo son nueve: 1. graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones en forma simultnea. 2. Las restricciones de no negatividad Xi>= 0 confan todos los valores posibles. 3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de una lnea recta. 4. trazar cada lnea recta en el plano y la regin en cual se encuentra cada restriccin cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada. 5. Cada punto contenido o situado en la frontera del espacio de soluciones satisfacen todas las restricciones y por consiguiente, representa un punto factible. 6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo. 7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin objetivo.

Ejemplo. Maximizar restricciones : Z = 3X1 + 2X2

X1 + 2X2 <=6 (1)

2X1 + X2 <=8 (2)

-X1 + X2 <=1 (3)

X2 <= 2 (4)

X1 >= 0 (5)

X2 >= 0 (6)

Convirtiendo las restricciones a igualdad y representndolas grficamente se tiene:

X1 + 2X2 = 6 (1)

2X1 + X2 = 8 (2)

-X1 + X2 = 1 (3)

X2 = 2 (4) X1 = 0 (5)

X2 = 0 (6)

Figura 1 Espacio de solucin presentada con WinQsb

Figura 2 Determinacin de solucin

Punto---(X1, X2)----Z

A --------(0, 0)-------0

B --------(4, 0)-------12

C --------(3.3, 1.3)---12.6

( ptima )

D...........(2, 3)..........12

E...........(1, 3)...........9

F...........(0, 2)..........4

Tabla 2. Solucin Mtodo Grfico

. Para obtener la solucin grfica, despus de haber obtenido el espacio de solucin y graficada la funcin objetivo el factor clave consiste en decidir la direccin de mejora de la funcin objetivo.

MTODO SIMPLEX.
En la solucin grfica observamos que la solucin ptima est asociada siempre con un punto extremo del espacio de soluciones. El mtodo simplex est basado fundamentalmente en este concepto. Careciendo de la ventaja visual asociada con la representacin grfica del espacio de soluciones, el mtodo simplex emplea un proceso iterativo que principia en un punto extremo factible, normalmente el origen, y se desplaza sistemticamente de un punto extremo factible a otro, hasta que se llega por ltimo al punto ptimo. Existen reglas que rigen la seleccin del siguiente punto extremo del mtodo simplex: 1. El siguiente punto extremo debe ser adyacente al actual. 2. La solucin no puede regresar nunca a un punto extremo considerado con la anterioridad. El algoritmo simplex da inicio en el origen, que suele llamarse solucin inicial. Despus se desplaza a un punto extremo adyacente. La eleccin especfica de uno a otro punto depende de los coeficientes de la funcin objetivo hasta encontrar el punto ptimo. Al aplicar la condicin de optimidad a la tabla inicial seleccionamos a Xi como la variable que entra. En este punto la variable que sale debe ser una de las variables artificiales. Los pasos del algoritmo simplex son ( 10 ) :

1. Determinar una solucin bsica factible inicial. 2. Prueba de optimidad: determinar si la solucin bsica factible inicial es ptima y slo si todos los coeficientes de la ecuacin son no negativos ( >= 0 ). Si es as, el proceso termina; de otra manera se lleva a cabo otra interaccin para obtener la nueva solucin bsica factible inicial. 3. Condicin de factibilidad.- Para todos los problemas de maximizacin y minimizacin, variable que sale es la variable bsica que tiene la razn ms pequea (positiva). Una coincidencia se anula arbitrariamente. 4. Seleccionar las variables de holgura como las variables bsicas de inicio. 5. Selecciona una variable que entra de entre las variables no bsicas actuales que, cuando se incrementan arriba de cero, pueden mejorar el valor de la funcin objetivo. Si no existe la solucin bsica es la ptima, si existe pasar al paso siguiente. 6. Realizar el paso iterativo. a) Se determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente negativo que tiene el valor mayor valor absoluto en la ecuacin. Se enmarca la columna correspondiente a este coeficiente y se le da el nombre de columna pivote. b) Se determina la variable bsica que sale; para esta, se toma cada coeficiente positivo (>0) de la columna enmarcada, se divide el lado derecho de cada rengln entre estos coeficientes, se identifica la ecuacin con el menor cociente y se selecciona la variable bsica para esta ecuacin. c) Se determina la nueva solucin bsica factible construyendo una nueva tabla en la forma apropiada de eliminacin de Gauss, abajo de la que se tiene. Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a 1, se divide todo el rengln entre el nmero pivote, entonces:

rengln pivote nuevo = rengln pivote antiguo

...................................nmero pivote

para completar la primera iteracin es necesario seguir usando la eliminacin de Gauss para obtener coeficientes de 0 para la nueva variable bsica Xj en los otros renglones, para realizar este cambio se utiliza la siguiente frmula:

rengln nuevo = rengln antiguo - ( coeficiente de la columna pivote X rengln pivote nuevo)

. cuando el coeficiente es negativo se utiliza la frmula:

rengln nuevo = rengln antiguo + (coeficiente de la columna pivote X rengln pivote nuevo)

TABLA SIMPLEX como se capturara la solucin bsica factible inicial en el siguiente ejemplo: sea:

Maximizar Z = 2X1+4X2

sujeto a:

2X1+ X2<= 230

X1+ 2X2<= 250

X2<= 120

todas las X1,X2>=0

Seleccione la variable que entra y la variable que sale de la base:

Entra X2 y sale S3, se desarrolla la nueva tabla solucin y se continua el proceso iterativo hasta

encontrar la solucin optima si es que est existe. Tabla Optima:

Solucin: Z = $500 fabricando X1=10 X2=120 Sobrante de S1 = 90 Tipo de solucin: Optima Mltiple

Aplicacin del mtodo Gauss-Jordan (o de operaciones sobre renglones). Mediante este procedimiento se elimina (en realidad se sustituye) la variable que entra, en todas las filas de la tabla. Es decir, se tiene que convertir la columna de la variable que entra en un vector columna unitario (un 1 y puros ceros). Esto se logra de la siguiente manera: 5.1. El primer paso en la eliminacin de Gauss-Jordan es multiplicar la fila pivote por el inverso multiplicativo del elemento pivote (para formar la unidad) y reemplazar el nombre de la variable que sale por el nombre de la variable que entra. 5.2. La eliminacin (o sustitucin) se logra sumando un mltiplo adecuado de la fila pivote ( elemento pivote = 1) a cada una de las dems filas. Es decir, se multiplica la fila pivote por el negativo del nmero que deseamos que se convierta en cero y el resultado de esta multiplicacin se suma a la fila donde queremos que aparezca el cero. 1. Criterio para terminar el proceso. Los pasos 2, 3, 4 y 5 se repiten hasta que todos los indicadores de la funcin objetivo sean no negativos (si es de maximizacin) o sean no positivos (si es de minimizacin). Cuando esto ocurre se dice que se ha llegado a la solucin ptima del problema.

Ejemplo de Mtodo Simplex Utilizando el mtodo simplex resuelva el siguiente problema deprogramacin lineal.

Max Z = 40X1 + 60X2 + 50X3 s.a. 10 X1 + 4 X2 + 2 X3 950 2 X1 + 2 X2 410+ X1 + + 2 X3 610 X1 , X2 , X3 0 Max Z -40X1 - 60X2 - 50X3 s.a. 10 X1 + 4 X2 + 2 X3 + X4 = 950 2 X1 + 2 X2 + + X5 = 410 X1 + + 2 X3 + X6 = 610 X1 , X2 , X3 , X4 , X5 , X6 0 Solucin bsica actual: X4 = 950 min 950/4 , 410/2 , - X5 = 410 min 237.5 , 205 , - X6 = 610 Solucin bsica actual: X4 = 130 min 130/2 , - , 610/2 X2 = 205 min 65 , - , 305 X6 = 610 Solucin bsica actual: X3 = 65 min - , 205/0.5 , 480/2 X2 = 205 min - , 410 , 240 X6 = 480 Por lo tanto la solucin ptima es: Z* = 20350 X2* = 85 X3* = 305 X5* = 240 X1* = X4* = X6* = 0 Comprobacin en la funcin objetivo: Max Z = 40X1 + 60X2 + 50X3 Z = 4 (0) + 3 (85) + 50(305) Z = 20350 Comprobacin en las restricciones:

10 X1 + 4 X2 + 2 X3 + X4 10(0) + 4( 85) + 2(305) + 0 = 950 2 X1 + 2 X2 + X5 2(0) + 2(85) + 240 = 410 X1 + 2 X3 + X6 1. + 2(305) + 0 = 610

Optimizacin
La humanidad hace tiempo que busca, o profesa buscar, mejores maneras de realizar las tareas cotidianas de la vida. A lo largo de la historia de la humanidad, se puede observar la larga bsqueda de fuentes ms efectivas de alimentos al comienzo y luego de materiales, energa y manejo del entorno fsico. Sin embargo, relativamente tarde en la historia de la humanidad, comenzaron a formularse ciertas clases de preguntas generales de manera cuantitativa, primero en palabras y despus en notaciones simblicas. Un aspecto predominante de estas preguntas generales era la bsqueda de lo "mejor" o lo "ptimo". Generalmente, los gerentes buscan simplemente lograr alguna mejora en el nivel de rendimiento, es decir, un problema de "bsqueda de objetivo". Cabe destacar que estas palabras normalmente no tienen un significado preciso Se han realizado grandes esfuerzos por describir complejas situaciones humanas y sociales. Para tener significado, esto debera escribirse en una expresin matemtica que contenga una o ms variables, cuyos valores deben determinarse. La pregunta que se formula, en trminos generales, es qu valores deberan tener estas variables para que la expresin matemtica tenga el mayor valor numrico posible (maximizacin) o el menor valor numrico posible (minimizacin). A este proceso general de maximizacin o minimizacin se lo denomina optimizacin. La optimizacin, tambin denominada programacin matemtica, sirve para encontrar la respuesta que proporciona el mejor resultado, la que logra mayores ganancias, mayor produccin o felicidad o la que logra el menor costo, desperdicio o malestar. Con frecuencia, estos problemas implican utilizar de la manera ms eficiente los recursos, tales como dinero, tiempo, maquinaria, personal, existencias, etc. Los problemas de optimizacin generalmente se clasifican en lineales y no lineales, segn las relaciones del problema sean lineales con respecto a las variables. La Programacin Matemtica, en general, aborda el problema de determinar asignaciones ptimas de recursos limitados para cumplir un objetivo dado.. Los recursos pueden corresponder, por ejemplo, a personas, materiales, dinero o terrenos. Entre todas las asignaciones de recursos

admisibles, queremos encontrar las que maximizan o minimizan alguna cantidad numrica tal como ganancias o costos. El objetivo de la optimizacin global es encontrar la mejor solucin de modelos de decisiones difciles, frente a las mltiples soluciones locales. EJEMPLO MAXIMIZACION Y SU SOLUCION GRAFICA El granjero Lopez tiene 480 hectreas en la que se puede sembrar ya sea trigo o maz. El calcula que tiene 800 horas de trabajo disponible durante la estacin crucial del verano. Dados mrgenes de utilidad y los requerimientos laborales mostrados a la derecha, Cuntas hectreas de cada uno debe plantar para maximizar su utilidad?Cul es sta utilidad mxima? Maiz: Utilidad: $40 por hrs. Trabajo: 2hs por hrs. Trigo: Utilidad: $30 por hrs. Trabajo: 1hs por hrs. Solucin: Como primer paso para la formulacin matemtica de este problema, se tabula la informacin dada (Tabla 1). Si llamamos x a las hectreas de maz e y a las hectreas de trigo. Entonces la ganancia total P, en dlares, est dada por: P=40x+30y Que es la funcin objetivo por maximizar.

..........................................Maz........................Trigo............Elementos disponibles Horas..................................2...............................1 Hectreas..........................1...............................1..........................800 Utilidad por unidad.........$40..........................$30.........................480 La cantidad total de tiempo par hectreas para sembrar maz y trigo est dada por 2x+y horas que no debe exceder las 800 horas disponibles para el trabajo. As se tiene la desigualdad: 2x+y<800 En forma anloga, la cantidad de hectreas disponibles est dada por x+y, y sta no puede exceder las hectreas disponibles para el trabajo, lo que conduce a la desigualdad. Por ltimo, si no queremos tener prdidas, x y y no pueden ser negativa, de modo que x>0 y>0

En resumen, el problema en cuestin consiste en maximizar la funcin objetivo P=40x+30y sujeta a las desigualdades 2x+y<800 x+y<480 x>0 y>0

Solucin Grfica Los problemas de programacin lineal en dos variables tienen interpretaciones geomtricas relativamente sencillas; por ejemplo, el sistema de restricciones lineales asociado con un problema de programacin lineal bidimensional- si no es inconsistente- define una regin plana cuya frontera est formada por segmentos de recta o semirrectas, por lo tanto es posible analizar tales problemas en forma grfica. Si consideremos el problema del granjero Lpez, es decir, de maximizar P = 40x+ 30y sujeta a 2x+y<800 x+y<480 x>0, y>0 (7) El sistema de desigualdades (7) define la regin plana S que aparece en la figura 5. Cada punto de S es un candidato para resolver este problema y se conocecomo solucin factible. El conjunto S se conoce como conjunto factible. El objetivo es encontrar entre todos los puntos del conjunto S- el punto o los puntos que optimicen la funcin objetivo P. Tal solucin factible es una solucin ptima y constituyen la solucin del problema de programacin lineal en cuestin. Como ya se ha observado, cada punto P(x,y) en S es un candidato para la solucin ptima del problema en cuestin, por ejemplo, es fcil ver que el punto (200, 150) est en S y, por lo tanto, entra en la competencia. El valor de la funcin objetivo P en el punto (200,150) est dado por P=40(200)+30(150)=12.500 . Ahora si se pudiera calcular el valor de P correspondiente a cada punto de S, entonces el punto (o los puntos) en S que proporcione el valor mximo de P formar el conjunto solucin buscado. Por desgracia, en la mayora de los problemas, la cantidad de candidatos es demasiado grande o, como en este problema, es infinita. As este mtodo no es adecuado.

Es mejor cambiar de punto de vista: en vez de buscar el valor de la funcin objetivo P en un punto factible, se asignar un valor a la funcin P y se buscarn los puntos factibles que correspondieran a un valor dado de P. Para esto supngase que se asigna a P el valor 6000. Entonces la funcin objetivo se convierte en 40x+ 30y = 6.000,una ecuacin lineal en x e y; por lo tanto, tiene como grfica una lnea recta L1 en el plano.

Est claro que a cada punto del segmento de recta dado por la interseccin de la lnea recta L1 y el conjunto factible S corresponde el valor dado 6000 de P. Al repetir el proceso, pero ahora asignando a P el valor de 12.000, se obtiene la ecuacin 40x+ 30y =12.000 y la recta L2 lo cual sugiere que existen puntos factibles que corresponden a un valor mayor de P. Obsrvese que la recta L2 es paralela a L1, pues ambas tienen una pendiente igual a 4/3. Esto se comprueba con facilidad escribiendo las ecuaciones en explcita de la recta. En general, al asignar diversos valores a la funcin objetivo, se obtiene una familia de rectas paralelas, cada una con pendiente igual a 4/3. Adems, una recta correspondiente a un valor mayor de P est ms alejada del origen que una recta con un valor menor de P. El significado es claro. Para obtener las soluciones ptimas de este problema, se encuentra la recta perteneciente a esta familia que se encuentra ms lejos del origen y que interseque al conjunto factible S. La recta requerida es aquella que pasa por el punto P(320,160) (Fig. 6), de modo que la solucin de este problema est dado por x=320, y=160 ( es decir que el granjero Lpez deber sembrar 320 hectreas de maz y 160 hectreas de trigo), lo que produce el valor mximo P=40(320)+30(160)=17.600 EJEMPLO DE MINIMIZACION

Un nutricionista asesora a un individuo que sufre una deficiencia de hierro y vitamina B, y le indica que debe ingerir al menos 2400 mg de vitamina B-1 (tiamina) y 1500 mg de vitamina B-2 (riboflavina) durante cierto perodo de tiempo. Existen dos pldoras de vitaminas disponibles, la marca A y la marca B. Cada pldora de la marca A contiene 40 mg de hierro, 10 mg de vitamina B1, 5 mg de vitamina B-2 y cuesta 6 centavos. Cada pldora de la marca B contiene 10 mg de hierro, 15 mg de vitamina B-1 y de vitamina B-2, y cuesta 8 centavos (tabla 2). Cules combinaciones de pldoras debe comprar el paciente para cubrir sus requerimientos de hierro y vitamina al menor costo?

..........................Marca A..........Marca B.......Requerimientos mnimos Hierro...............40 mg.............10 mg.....................2400 mg Vitamina B-1....10 mg............15 mg.....................2100 mg Vitamina B-2......5 mg.............15 mg...................1500 mg Costo por pldora (US$)0,06 ...0,08 . Solucin: Sea x el nmero de pldoras de la marca A e y el nmero de pldoras de la marca B por comprar. El costo C, medido en centavos, est dado por C = 6x+ 8y que representa la funcin objetivo por minimizar. La cantidad de hierro contenida en x pldoras de la marca A e y el nmero de pldoras de la marca B est dada por 40x+10y mg, y esto debe ser mayor o igual a 2400 mg. Esto se traduce en la desigualdad. 40x+10y>2400 Consideraciones similares con los requisitos mnimos de vitaminas B-1 y B-2 conducen a las desigualdades: 10x+15y>2100 5x+15y>1500 respectivamente. As el problema en este caso consiste en minimizar C=6x+8y sujeta a 40x+10y>2400 10x+15y>2100 5x+15y>1500 x>0, y>0 El conjunto factible S definido por el sistema de restricciones aparece en la figura. Los vrtices del conjunto factible S son A(0,240); B(30,120); C(120; 60) y D(300,0). El mtodo de las esquinas es de particular utilidad para resolver problemas de programacin lineal en dos variables con un nmero pequeo de restricciones, como han demostrado los ejemplos anteriores, sin embargo su efectividad decrece con rapidez cuando el nmero de variables o de restricciones aumenta. Por ejemplo, se puede mostrar que un ejemplo de programacin lineal en tres variables y cinco restricciones puede tener hasta diez esquinas factibles. La determinacin de las esquinas factibles requiere resolver 10 sistemas 3x3 de

ecuaciones lineales y luego comprobar que cada uno es un punto factible, sustituyendo cada una de estas soluciones en el sistema de restricciones. Cuando el nmero de variables y de restricciones aumenta a cinco y diez, respectivamente (que an es un sistema pequeo desde el punto de vista de las aplicaciones en economa), la cantidad de vrtice por hallar y comprobar como esquinas factibles aumenta hasta 252, y cada uno de estos vrtices se encuentra resolviendo el sistema lineal ...de 5x5! Por esta razn, el mtodo de las esquinas se utiliza con poca frecuencia para resolver problemas de programacin lineal, su valor reside en que permite tener una mejor idea acerca de la naturaleza de las soluciones a los problemas de programacin lineal a travs de su uso en la solucin de problemas de dos variables