You are on page 1of 13

SOLUCIN GRFICA DE PROBLEMAS DE PROGRAMACIN LINEAL

Muchos problemas de administracin y economa estn relacionados con la optimizacin (maximizacin o minimizacin) de una funcin sujeta a un sistema de igualdades o desigualdades. La funcin por optimizar es la funcin objetivo. Las funciones de ganancia y de costo son ejemplos de funciones objetivo. El sistema de igualdades o desigualdades a las que est sujeta la funcin objetivo reflejan las restricciones (por ejemplo, las limitaciones sobre recursos como materiales y mano de obra) impuestas a la solucin (o soluciones) del problema. Los problemas de esta naturaleza se llaman problemas de programacin matemtica. En particular, aquellas donde la funcin objetivo y las restricciones se expresan como ecuaciones o desigualdades lineales se llaman problemas de programacin lineal. Un problema de programacin lineal

Un problema de programacin lineal consta de una funcin objetivo lineal por minimizar, sujeta a ciertas restricciones en la forma de igualdades o desiguald

Como ejemplo de un problema de programacin lineal en que la funcin objetivo debe maximizarse, considerese el siguiente problema de produccin con dos variables 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 po Trabajo: 2hs p Trigo: Utilidad: $30 p Trabajo: 1hs p

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 Horas Hectreas Utilidad por unidad 2 1 $40 Trigo 1 1 $30 800 480 Elementos disponibles

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 conoce

como 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. No es casualidad que la solucin ptima de este problema aparezca como vrtice del conjunto factible S. De hecho, el resultado es consecuencia del siguiente teorema bsico de la programacin lineal, que se enuncia sin demostracin. Teorema 1

Si en problema de programacin lineal tiene una solucin, entonces sta debe apa esquina, del conjunto factible S asociado con el problema. Adems, si la funcin o en dos vrtices adyacente de S, entonces se optimiza en todos los puntos del seg une estos vrtices, en cuyo caso existe una infinidad de soluciones al problema

En nuestro ejemplo los nicos vrtice del conjunto factible S son los puntos coordenados: (0,0); (400,0); (320,160); (0,480), llamados tambin puntos esquinas (Fig. 6).

Un ejemplo en el que tendramos infinitas soluciones, es: Supngase que la utilidad por hectreas es de $40 para ambos, maz VERTICE P=40x+40y este caso muestra la misma utilidad total en los vrtices(0,480) y (320 (0,0) 0 que la lnea de utilidad en movimiento abandona la regin sombreada (0,480) 19.200 determinado por esos vrtices (adyacentes) , as todo punto en ese la mxima. Todava es vlido, sin embargo, que la utilidad mxima ocurr (320,160) 19.200 (400,0) 16.000

El teorema 1 dice que la bsqueda de las soluciones a un problema de programacin lineal se puede restringir al examen del conjunto de vrtices del conjunto factible S relacionado con el problema. Como un conjunto factible S tiene un nmero finito de vrtices, el teorema sugiere que las soluciones a un problema de programacin lineal se puedan hallar inspeccionando los valores de la funcin objetivo P en los vrtices. Aunque el teorema 1 arroja un poco de luz acerca de la naturaleza de la solucin de un problema de programacin lineal, no indica cundo tiene solucin. El siguiente teorema establece ciertas condiciones que garantizan la existencia de la solucin de un problema de programacin lineal. Teorema 2: Existencia de una solucin

Supngase un problema de programacin lineal con un conjunto factible S y una fu + by. 1. Si S est acotado, entonces P tiene u valor mximo y n valor mnimo en S. 2. Si S no est acotado y tanto a como b son no negativos, entonces P tiene un va

restricciones que definen a S incluyen las desigualdades x 0 e y 0. 3. Si S es el conjunto vaco, entonces el problema de programacin lineal no tien no tiene un valor mximo ni uno mnimo

El mtodo utilizado para resolver el problema del granjero Lpez recibe el nombre de mtodo de las esquinas. Este mtodo sigue un procedimiento muy sencillo para resolver los problemas de programacin lineal basado en el teorema1.

Se grafica el conjunto factible. Mtodo de las 1. 2. Se encuentran las coordenadas de todas las esquinas (vrtices) del conjunto esquinas 3. Se evala la funcin objetivo en cada esquina. 4. Se halla el vrtice que proporcione el mximo (mnimo) de la funcin objetivo. vrtice con esta propiedad, entonces constituye una solucin nica del problema. S se maximiza (minimiza) en dos esquinas adyacentes de S, entonces existe una inf ptimas dadas por los puntos del segmento de recta determinado por estos dos v

Aplicaremos los conceptos antes emitidos al siguiente problema de nutricin, basado en los requerimientos, en el cual hay que minimizar la funcin objetivo.

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 Hierro Vitamina B-1 Vitamina B-2 Costo por pldora (US$) 40 mg 10 mg 5 mg 0,06 Marca B 10 mg 15 mg 15 mg 0,08 Requerimientos mnimos 2400 mg 2100 mg 1500 mg

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).

Los valores de la funcin objetivo C en estos vrtices en la tabla que sigue Vertice A (0,240) B(30,120) C=6x + 8y 1920 1140

C(120,60) D(300,0)

1200 1800

La tabla muestra que el mnimo de la funcin objetivo C=6x+8y ocurre en el vrtice B(30,120) y tiene un valor de 1140. As el paciente debe adquirir 30 pldoras de la marca A y 120 de la marca B, con un costo mnimo de $11,40. 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.

MTODO DE SOLUCIN GRFICO


regresar

Introduccin. La PL es una tcnica mediante la cual se toman decisiones, reduciendo el problema bajo estudio a un modelo matemtico general, el cual debe ser resuelto por mtodos cuantitativos. En desarrollo de este captulo se aplicarn la solucin de dichos modelos aplicando diversas tcnicas como: el mtodo grfico, mtodo simplex, mtodo matricial, tcnica de la gran M. Adems se desarrollara la aplicacin de variables artificiales y obtencin de soluciones para identificar a que tipo de clasificacin pertenecen. Por medio de dichos modelos de solucin se podr obtener las solucin adecuada para cada problema y facilitar la toma de decisiones. 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 Z = 3X1 + 2X2 restricciones : X1 + 2X2 <=6 2X1 + X2 <=8 -X1 + X2 <=1 X2 <= 2 X1 >= 0 X2 >= 0

(1) (2) (3) (4) (5) (6)

Convirtiendo las restricciones a igualdad y representandolas grficamente se tiene: X1 + 2X2 = 6 2X1 + X2 = 8 -X1 + X2 = 1 X2 = 2 X1 =0 X2 = 0 (1) (2) (3) (4) (5) (6)

Figura 1 Espacio de solucin presentada con WinQsb

Figura 2 Determinacin de solucin

Maximizar Z = 3X1 + 2X2 Punto A B (X1, X2) (0, 0) (4, 0) Z 0 12

C D E F

(3.3, 1.3) (2, 3) (1, 3) (0, 2)

12.6 ( ptima ) 12 9 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

BASE Z S1 S2 S3

Z 0 0 0 0

X1 -2 2 1 0

X2 -4 1 2 1

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

SOLUCIN 0 230 250 120

RAZN 0 230/1 250/2 120/1

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:

BASE Z S1 X1 X2

Z 0 0 0 0

X1 0 0 1 0

X2 0 0 0 1

S1 0 1 0 0

S2 2 -2 1 0

S3 0 3 -2 1

SOLUCIN 500 90 10 120

RAZN

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

You might also like