II

METODOS DE SOLUCIN

III II

EL MTODO GRFICO.- Introduccin al Mtodo Simplex

Los modelos de programacin lineal que tienen slo dos variables de decisin se pueden resolver mediante el mtodo grfico. Este mtodo es de poca importancia en lo relacionado a una aplicacin directa a problemas prcticos, debido a que los problemas prcticos significativos involucran ms de dos variables. Sin embargo el propsito es aprender una idea geomtrica de la naturaleza del problema, que ser valiosa cuando se considere el mtodo algebraico ms abstracto para el problema como veremos pueden ocurrir diversas situaciones diferentes en conexin con los problemas de dos variables y cada una tiene una solucin para los de n variables, n>2. II.1. CONCEPTO DE MTODO GRFICO.- Determinacin del rea de solucin factible Comportamiento de la funcin objetivo Interpretacin grfica de las holguras

Los pasos a seguir para obtener una solucin ptima (si existe) de los modelos de programacin lineal por el mtodo grfico son: 1. 2. 3. 4. 5. 6. 7. Obtener los valores tanto para X 1 y X2 para definir los puntos que definirn el comportamiento de la recta en el grfico Considerar las condiciones de no negatividad para identificar el cuadrante donde , si existe, se definir el rea factible Determinacin del rea de soluciones factibles Graficar las rectas de las restricciones, identificando a cada una Graficar la recta de la funcin objetivo (opcional) Determinar los valores de las variables en el punto que arroje las mximas utilidades o los mnimos costos. Determinacin del rea de solucin factible

La obtencin de una representacin grfica de la regin factible del modelo es el primer paso del procedimiento de resolucin por el mtodo grfico. Para la identificacin de la regin factible se debe realizar lo siguiente para cada restriccin del modelo de PL. 1. Reemplazar el signo de desigualdad con un signo de igualdad 2. Trazar la recta resultante encontrando dos puntos distintos en esa lnea. 3. Identificar el lado factible de la recta. La regin factible, entonces, consiste en aquellos puntos que satisfacen todas las restricciones simultneamente. Un problema de programacin lineal que involucra la optimizacin de una funcin de dos variables, puede tener: 1. Ninguna solucin factible 2. Exactamente una solucin factible 3. Una infinidad de soluciones factibles. 1. No existe ninguna solucin factible \ el problema no tiene solucin

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

117

II

METODOS DE SOLUCIN

2.

No se identifica rea de soluciones factibles por lo tanto tampoco solucin ptima . Solucin factible nica y adems ptima

Se identifica un solo punto factible. 3. Infinidad de soluciones factibles

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

118

II

METODOS DE SOLUCIN

Se identifican Infinidad de soluciones factibles. Comportamiento de la funcin objetivo Trazar la recta de la funcin objetivo en la grafica nos permite identificar de forma ms objetiva la solucin ptima del modelo de PL. Para obtener la solucin ptima se siguen los siguientes pasos: 1. Seleccionar cualquier punto dentro de la regin factible, tomando en cuenta a la ecuacin de la funcin objetivo. 2. Trazar la recta de la funcin objetivo a travs del punto elegido. 3. Determinar el lado de mejora de la recta de la funcin objetivo. 4. Mover la recta de la funcin objetivo en forma paralela a s misma en la direccin de mejora hasta que la recta est a punto de dejar la regin factible. (El punto extremo final es la solucin ptima al modelo de PL.) 5. Calcular los valores de las variables en la solucin ptima resolviendo las dos ecuaciones de las dos rectas que pasan por ese punto. Un problema de programacin lineal que involucra la optimizacin de una funcin de dos variables puede tener: 1. Ninguna solucin ptima 2. Exactamente una solucin ptima 3. Una infinidad de soluciones ptimas 1. Ninguna solucin ptima.

a). Se identifican infinidad de soluciones factibles pero ningn punto como solucin ptima, porque siempre habr una mejor solucin por ser un problema no-acotado.

b). No se identifica regin de soluciones factibles por lo tanto tampoco solucin ptima. Es un problema que no tiene solucin.

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

119

II

METODOS DE SOLUCIN

2.

Exactamente una solucin ptima.

a). Se identifican infinidad de soluciones factibles pero solo un punto como solucin ptima.

b). Se identifica un punto y solo un punto como punto factible por lo tanto, ese punto es la solucin ptima.

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

120

II

METODOS DE SOLUCIN

3.

Una infinidad de soluciones ptimas

Se identifican infinidad de soluciones factibles y adems soluciones ptimas mltiples.

Interpretacin grfica de las holguras El proceso de convertir desigualdades en igualdades implica aadir una variable de holgura a las desigualdades de menor o igual. Si al obtener la solucin ptima del modelo de PL aparece una variable de holgura con un valor diferente de cero se interpretar como recursos no utilizados. 3.2 SOLUCIONES.- Factibles; no factibles; bsicas; degeneradas; ptimas; restricciones redundantes; casos especiales; no acotadas; ptimas mltiples e inexistentes Definicin 1. Solucin. Cualquier especificacin de valores para las variables de decisin (X1, X2.......Xn) se llama solucin. Definicin 2. Solucin factible. Es una solucin para la que se satisfacen todas las restricciones. Definicin 3. Solucin ptima. Es una solucin factible que tiene el valor ms favorable de la funcin objetivo. Definicin 4. Solucin bsica. Para un sistema de m ecuaciones y n variables en el que n > m, si existe una solucin, puede encontrarse igualando n-m de las variables a cero y resolviendo el conjunto resultante de m ecuaciones con m variables. Las variables que se igualan a cero se denominan variables no-bsicas; las variables que se usan para resolver las ecuaciones se denominan variables bsicas. Una solucin bsica es un punto extremo. Definicin 5. Solucin factible bsica. Es una solucin bsica que tambin satisface las condiciones de no-negatividad, esto es, todas las variables bsicas son no-negativas.
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

121

II

METODOS DE SOLUCIN

Definicin 6. Solucin factible bsica no degenerada. Es una solucin factible con exactamente X i positiva esto es, todas las variables bsicas son positivas. Definicin 7. El conjunto de todas las soluciones factibles a un problema de programacin lineal es un conjunto convexo. Definicin 8. Conjunto convexo. Dado dos puntos pertenecientes al conjunto, si la recta que los une queda totalmente contenida en dicho conjunto, se trata de un conjunto convexo ejemplo:

Definicin 9. La funcin objetivo de un problema de programacin lineal alcanza su valor ptimo (mximo o mnimo), en un punto extremo del conjunto convexo de soluciones factibles Definicin 10. Una condicin necesaria y suficiente para que un punto X=0 en el conjunto de soluciones factibles sea un punto extremo, es que X sea una solucin factible bsica que satisfaga el sistema:
n +m J =1

ij

= bi

Este teorema indica que cada punto extremo corresponde a una solucin bsica y viceversa, cada solucin bsica corresponde a un punto extremo. As puede concluirse que el nmero de puntos extremos del conjunto de soluciones es finito y que no puede exceder, el nmero de sus soluciones bsicas. Es decir, el nmero de sus puntos extremos, que esta limitado por:

m +n ( m + n ) = n !m! ! m
Donde: m = Nmero de restricciones (filas) n = Nmero de variables (columnas) 3.3. EJEMPLOS DEL MTODO GRFICO

El mtodo grfico se ilustrara mejor con los siguientes ejemplos: Plantear en forma matemtica el problema. El planteamiento del problema implica un procedimiento que a su vez consta de tres pasos: 1. Definir las variables de decisin. 2. Plantear en trminos matemticos la funcin objetivo. 3. Plantear en trminos matemticos las restricciones. Para la Agro-Tech, ya se definieron las variables como X1 = (toneladas que se fabriquen de 5-5-10) y X2 = (toneladas que se fabriquen de 5-10-5). Utilizando los valores que se calcularon antes para la contribucin de las utilidades es posible plantear la funcin objetivo de la siguiente manera: Maximizar Z = 18.5X1 + 20X2

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

122

II

METODOS DE SOLUCIN

Esta funcin objetivo est sujeta a las restricciones sobre los recursos. Para plantear las restricciones de este problema, es necesario recordar que cada producto se fabrica con nitrato, fosfato, potasio e ingredientes inertes en las proporciones que se especifican en las cifras que se utilizan para identificar los fertilizantes. Debe recordarse tambin que existen restricciones sobre la disponibilidad de los primeros tres ingredientes. Puede plantearse en trminos matemticos la relacin para el uso del nitrato de la siguiente manera: 0.05X1 + 0.05X2 # 1100 Eso significa que si se fabrican X1 toneladas de 5-5-10 y X2 toneladas de 5-10-5, 5% de X1 ms de 5% de X2 debe ser menor o igual que la cantidad de nitrato disponible, 1100 toneladas. Para el fosfato la restriccin es: 0.05X1 + 0.10X2 1800 De manera similar, para el potasio, la restriccin es: 0.10X1 + 0.05X2 2000 As mismo es necesario recordar que no son posibles niveles negativos de produccin, por lo que tambin deben incluirse las condiciones de no negatividad. X1, X2 0 En conjunto, el modelo puede plantearse de la siguiente manera: Maximizar Z = 18.5X1 + 20X2 Sujeta a: 0.05X1 + 0.05X2 1100 ..........1 0.05X1 + 0.10X2 1800 ..........2 0.10X1 + 0.05X2 2000 ..........3 X1, X2 0 Graficar las restricciones. Dado que se tienen dos variables slo se requieren dos dimensiones para graficar las restricciones del modelo. En el eje horizontal mediremos la produccin del fertilizante 5-5-10 (producto X1) y en el eje vertical mediremos la produccin del fertilizante 5-10-5 (producto X 2). Haciendo esto, pueden graficarse las desigualdades por encima del eje X 1 y a la derecha del eje X2. En la grafica (figura 3.9) se observa el resultado de graficar la desigualdad (2). Al igual que con cualquier relacin lineal la desigualdad (2) puede graficarse trazando primero dos puntos. En este caso, la forma ms simple de trazar las desigualdades es igualar X1 a cero y resolver (2), como si fuera una igualdad, para determinar el valor de X2. En otras palabras, si X1=0, entonces

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

123

II

METODOS DE SOLUCIN

Figura 3.9

0.05 (0) + 0.05X2 = 1100 X2 = 22,000 Despus, se invierte el procedimiento igualando X2 a cero y encontrando el valor de X1, es decir, si X2=0, entonces: 0.05X1 + 0.05 (0) = 1100 X1 = 22,000 La parte sombreada del grafico representa la desigualdad (2). Cualquier par de puntos que caigan en esta regin sombreada satisface la desigualdad. Slo se considera la regin no negativa, la que se encuentra a la derecha del eje X2 y por encima del eje X 1, porque slo se permiten niveles de produccin no negativos (5) que representan las condiciones de no-negatividad. Si se grafican las otras dos desigualdades (3) y (4), utilizando el mismo procedimiento que se us para graficar la desigualdad (2) se llega a la grfica (figura 3.10)

Figura 3.10

Es necesario mencionar varios aspectos importantes acerca de la grfica. En primer lugar, obsrvese que existe una regin sombreada que satisface en forma simultnea las tres desigualdades. Esta regin se denomina la regin factible. Cualquier punto de la regin factible es una solucin para el problema original. Sin embargo, esto representa una gran cantidad de soluciones que deben considerarse para buscar la que proporcione la mezcla de produccin de 5-5-10 y 5-10-5 con mayores utilidades. Pero es posible reducir el nmero de las que deben considerarse si se observan las utilidades para diversas soluciones. Esto puede hacerse trazando rectas para la funcin objetivo en la grfica de la regin factible. Estas son rectas que se trazan de manera paralela. El proceso de trazar las rectas no es otra cosa que graficar la funcin objetivo. Graficar la funcin objetivo. Para graficar la funcin objetivo es necesario considerar diversos niveles de utilidad. Cuando se grafica la funcin objetivo para cada nivel de utilidad, se forma una recta de utilidad (a lo largo de la cual las utilidades son iguales). Para maximizar las utilidades debe encontrarse la recta de utilidad que est ms alejada del origen, pero que se mantenga en contacto con la regin factible. Un ejemplo de cmo trazar una recta de utilidad podra ser elegir en forma arbitraria una utilidad para la Agro-Tech, digamos $185,000 y determinar la recta que tenga una utilidad de $185,000 en todos los puntos. Es bastante sencillo hacer esto si se recuerda que la funcin objetivo o de utilidades es una relacin lineal expresada de la siguiente manera: Z1= 185,000 185,000 = 18.5X1 + 20X2 Todo lo que se requiere es igualar Z 1= 185,000 y localizar cualquier par de valores (X 1, X2). (Una lnea recta siempre est definida por dos puntos.) Es posible identificar dos puntos evidentes utilizando el proceso que se emple para trazar la restriccin. Es decir, se iguala X 1 a cero y se despeja X2, despus se

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

124

II

METODOS DE SOLUCIN

iguala X2 a cero y se despeja X1. Esta recta de utilidad se muestra en la grfica (figura 3.11), junto con la regin factible identificada con el nmero 1.

Figura 3.11

Aunque esta recta de utilidad define un grupo de soluciones factibles, todas las cuales tienen utilidad de $185,000, resulta evidente al observar la grfica (figura 3.10) que existen puntos con mayores utilidades y que estn ms alejados del origen. Debe recordarse que se desea determinar la recta de utilidad que est ms alejada del origen pero que siga siendo factible, es decir, que contine en contacto con la regin factible. Otra recta de utilidad que podramos considerar es la que aparece con el nmero 2 en la grfica (figura 3.10). Esta recta de utilidad produce utilidades de $370,000 y puede localizarse utilizando los puntos X1=0, X2=18,500 y X1=20,000, X2=0. Debe observarse que las rectas 1 y 2 son paralelas, con la 2 ms alejadas del origen. Sin embargo, an es posible encontrar una recta de utilidad que nos d mayores utilidades. La recta de utilidad con el mayor valor de las utilidades y que sigue siendo factible es la recta 3 de la grfica (figura 3.10). Observando la grfica puede apreciarse que esta recta toca la regin factible en un solo punto, X1= 8,000, X2= 14,000. Si se sustituyen esos valores en la funcin objetivo se encuentra que la utilidad es igual a $428,000. Cualesquiera rectas de utilidad con mayores utilidades no tendran contacto con la regin factible y es evidente que no debemos considerar ninguna recta con menores utilidades. Entonces, la solucin con mayores utilidades, ocurre en el punto C de la, grfica ( figura 3.10). Est solucin indica fabricar 8,000 toneladas de 5-5-10 y 14,000 toneladas de 5-10-5, para alcanzar utilidades de $428,000. Encontrar el punto con ms altas utilidades Para obtener la solucin ptima del modelo de la Agro-Tech, debemos encontrar una alternativa de produccin vlida que asigne el ms alto valor posible a la funcin objetivo, porque el objetivo es de maximizar las ganancias generadas por la produccin y venta de los dos diferentes fertilizantes. Del proceso de solucin de la Agro-Tech es posible observar diversos resultados importantes. En primer lugar, los puntos que resulta necesario considerar para buscar el ptimo son los que encuentran sobre la frontera o parte extrema de la regin factible. Es posible concluir esto a partir del hecho de que para cualquier punto que se encuentra en la regin factible, existe un punto con mayores utilidades que est sobre la frontera de la regin factible. En segundo lugar, los nicos puntos sobre la frontera que es necesario considerar son las esquinas; las que ocurren en la interseccin de dos o ms restricciones. Las esquinas identificadas con A, B, C, D y E en la grfica 3-2, con frecuencia se denominan vrtices de la regin factible. Una solucin ptima para un problema de PL siempre ocurre en un vrtice de la regin factible, porque para cualquier otro punto que se encuentra sobre la frontera siempre hay un vrtice que tiene la misma utilidad o mayor.
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

125

II

METODOS DE SOLUCIN

Los vrtices de un problema de dos variables pueden encontrarse tomando pares de restricciones o condiciones de no-negatividad y resolvindolas como ecuaciones simultneas. Por ejemplo, el punto A se encuentra resolviendo X1 = 0 y X2 = 0 El punto B se encuentra resolviendo X1 = 0 y 0.05X1 + 0.10X2 = 1800 Para obtener X1 = 0, X2 = 18,000 El punto ptimo C se encuentra resolviendo en forma simultnea 0.05X1 + 0.10X2 = 1800 0.05X1 + 0.05X2 = 1100 Lo cual arroja X1 = 8,000 X2 = 14,000 En la siguiente tabla se resumen los cinco vrtices para este problema. Como se seal antes, las coordenadas (es decir los valores de X 1 y X2) para los puntos A, B, y E, son fciles de calcular porque ocurren en las condiciones en las que uno o los dos niveles de produccin son cero. El punto C se encuentra resolviendo en forma simultnea las desigualdades (2) y (3); el punto D se encuentra resolviendo las desigualdades (2) y (4). Al observar todos los vrtices (tabla figura 3.12), es importante notar que al tener que considerar slo los vrtices o esquinas, el nmero de soluciones que debe considerarse se reduce en forma drstica. En vez de tener que considerar todos los puntos de la regin factible, o aun slo los que estn en la frontera slo se requiere considerar los cinco vrtices. Este hecho es el factor clave que permite resolver problemas grandes de programacin lineal.

Figura 3.12 Tabla. Vrtices factibles.

Conclusiones Si Tom Anderson utiliza este anlisis de programacin lineal para resolver este problema de planeacin de la produccin, fabricara 8,000 toneladas de fertilizante 5-5-10 y 14,000 del 5-10-5. Si los valores de ingresos y de costos que se plantearon antes son correctos, entonces la Agro-Tech obtendra una contribucin a las utilidades de $428,000. Debe observarse que en la fabricacin de los fertilizantes se usa todo el nitrato y todo el fosfato en el proceso de produccin, pero quedan sin utilizar 500 toneladas de potasio. Tambin debe recordarse que al considerar el uso de la programacin lineal para resolver el problema de la Agro-Tech es necesario que se cumplan las consideraciones que se comentaron antes;
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

126

II

METODOS DE SOLUCIN

maximizacin de una funcin objetivo sujeta a disponibilidad de recursos escasos; proporcionalidad; aditividad de las contribuciones individuales de la funcin objetivo y las restricciones; divisibilidad; certidumbre de los valores de las utilidades y de las tasas fsicas de sustitucin; y no negatividad de las variables. Si cualquiera de estas consideraciones no se cumple en forma exacta eso no significa que la programacin lineal no deba utilizarse. Si la programacin lineal proporciona informacin til acerca del problema, quien toma las decisiones sigue estando en posibilidades de emplear el modelo. Continuacin del anlisis de la Agro-Tech Se observ que cada vrtice ocurre en la interseccin de dos restricciones. Despus, se obtuvo cada vrtice al resolver es forma simultnea el conjunto de ecuaciones lineales que lo formaban. Esto sugiere un Procedimiento de solucin basado en la solucin simultnea de conjuntos de ecuaciones y pasando de un vrtice a otro hasta que se llegue a una solucin ptima. Esta est es precisamente la forma en que funciona un algoritmo, que se denomina mtodo smplex. En cada paso del algoritmo se resuelven en forma simultnea las ecuaciones que forman un vrtice para identificarlo. Se prueba si este vrtice es ptimo, y si no lo es, el algoritmo pasa a otro vrtice y se repite el proceso. El procedimiento garantiza que cada uno de los vrtices no ser peor que el anterior en trminos de utilidades o costos. El mtodo smplex tiene la ventaja con respecto al mtodo grfico de que es fcil manejar ms de dos variables. Sin embargo, y sin importar si un problema determinado requiere dos variables, diez o muchas, el mtodo smplex examina slo las esquinas de la regin factible. Para asegurar que ocurre esto, la primera etapa del mtodo smplex consiste en convertir ecuaciones lineales todas las restricciones lineales expresadas en forma de desigualdades. Conversin de desigualdades a igualdades El proceso de convertir desigualdades en igualdades implica aadir una variable de holgura a las desigualdades de menor o igual que (desigualdades de la forma a 11x1 + a12 x2 # b1) y restar una variable de excedente de las desigualdades de mayor o igual que (desigualdades de la forma a 2lx1 + a2l x2 $ b2). Un ejemplo ilustrar este punto. Suponga que se ha definido el siguiente conjunto de restricciones. 6 x1 + 5 x2 30 10x1 + x2 50 La primera desigualdad se convierte en igualdad aadiendo una variable de holgura, que denominaremos s1. La ecuacin resultante es 6 x1 + 5 x2 + s1 = 30 La variable de holgura s1 es la cantidad en la que (6 x1 + 5 x2) es menor que 30. Si (6 x1 + 5 x2) es igual a 30 (esto ocurrira si x1= 5 y x2 = 0), entonces s1 = 0. Por otra parte, si (6 x1 + 5 x2) es menor que 30, entonces s1 toma un valor positivo, que sera la cantidad en la que (6 x 1 + 5 x2) es menor que 30. La segunda desigualdad se convierte en ecuacin restando una variable de excedente (superflua), que denominamos s2. La ecuacin resultante es 10x1 + x2 - s2 = 50 La variable de excedente s2 representa la diferencia entre (10x1 + x2) y 50. Si (10x1 + x2 ) es igual a 50, entonces s2 es igual a cero. Pero si (10x 1 + x2) es mayor que 50, entonces s 2 tiene un valor positivo que es igual a la cantidad en la que (10x 1 + x2) excede 50. En seguida se observa la relacin que tiene esto con el problema de la Agro-Tech. Recurdese que el problema se plante en trminos matemticos como sigue: Maximizar Z = 18.5X1 + 20X2 Sujeta a:
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

127

II

METODOS DE SOLUCIN

0.05X1 + 0.05X2 1100 ..........1 0.05X1 + 0.10X2 1800 ...........2 0.10X1 + 0.05X2 2000 ..........3 X1, X2 0

En donde X1 = toneladas de fertilizantes 5-5-10 que se fabrican X2 = toneladas de fertilizantes 5-10-5 que se fabrican Debe observarse que todas las restricciones planteadas como desigualdades. Si usamos S 1 para representar la cantidad (en toneladas) de nitrato que no se utiliza cuando se fabrican X 1 toneladas de 5-5-10 y X2 toneladas de 5-10-5. Entonces la desigualdad se convierte en 0.05X1 + 0.05X2 + S1 = 1100 De manera similar, si representamos con S 2 las toneladas de fosfato que no se utilizan, la desigualdad puede escribirse como 0.05X1 + 0.10X2 + S2 = 1800 Por ltimo, usando S3, para representar las toneladas de potasio que no se utilizan la desigualdad se convierte en 0.10X1 + 0.05X2 + S3 = 2000 Utilizando las tres igualdades el modelo modificado se expresara: Maximizar Z = 18.5X1 + 20X2 Sujeta a: 0.05X1 + 0.05X2 + S1 = 1100 0.05X1 + 0.10X2 + S2 = 1800 0.10X1 + 0.05X2 + S3 = 2000 X1, X2, S1, S2, S3 0

Al aadir variables de holgura a cada una de las desigualdades de restriccin se tiene un modelo modificado que contiene slo igualdades, es decir, se tiene un sistema de ecuaciones. Observe que en el modelo modificado se usan ponderaciones de cero en la funcin objetivo para cada variable de holgura; se emplean estos pesos porque los recursos de holgura no contribuyen con nada a las utilidades. Un punto adicional que debe observarse con respecto al modelo modificado es que todas las variables incluidas, considerando tambin las variables de holgura que se aadieron, son iguales o mayores que cero. Si se permitiera que cualquier de las variables de holgura fuera negativa, entonces se violara una o ms de las desigualdades. Al aadir variables de holgura y de excedente a las desigualdades de restriccin, es posible convertir un sistema de desigualdades en un sistema de igualdades. Para la Agro-Tech, se requirieron tres variables de holgura. Observe que este modelo modificado del problema se tiene un sistema de ecuaciones con ms variables que igualdades. Esta es la estructura general de un problema de programacin lineal. En trminos generales, se dice que el problema tiene m ecuaciones lineales (tres en nuestro caso) n incgnitas (cinco en nuestro caso) en donde n m. Soluciones factibles bsicas Como se plante antes, la razn por la cual se transforman las desigualdades en igualdades en el algoritmo smplex es para formar un conjunto de ecuaciones que puedan utilizarse para identificar las esquinas o vrtices.
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

128

II

METODOS DE SOLUCIN

El siguiente paso consiste en identificar esos vrtices. Normalmente, puede resolverse un sistema de ecuaciones cuando el nmero de stas es igual al nmero de variables. Pero en el problema de la Agro-Tech, como en todos los problemas de PL; se tienen cuando menos tantas variables como ecuaciones, es decir, en el ejemplo tenemos cinco variables y tres ecuaciones. Sin embargo, puede resolverse este conflicto aplicando un teorema bsico del lgebra lineal, que especifica que para un sistema de m ecuaciones y n variables en el que n > m , si existe una solucin, puede encontrarse igualando n - m de las variables a cero y resolviendo el conjunto resultante de m ecuaciones con n variables. Para el problema de la Agro-Tech, esto significa que debemos elegir tres variables para utilizarlas como conjunto de ecuaciones que se resuelven e igualar las dos variables restantes a cero. Las variables que se igualan a cero se denominan variables no bsicas; las variables que se usan para resolver las ecuaciones se denominan variables bsicas. Una pregunta que debe resolverse en este punto es qu variables deben elegirse como bsicas, y por otra parte, cules deben igualarse a cero para convertirlas en no bsicas. Con m ecuaciones y n incgnitas existen.
n! m! (n - m)!

Soluciones bsicas [en donde n! = (n)( n - 1) ... (2)(1)]. Con tres ecuaciones y cinco incgnitas tenemos 5!/(3! x 2!) o diez soluciones bsicas. Para nuestro problema modificado [ecuaciones de la funcin objetivo y de las restricciones], es fcil resolver el conjunto de ecuaciones cuando x 1 y x2 son iguales a cero. Por ejemplo, si x1= 0 y x2 = 0, el sistema de ecuaciones es 0.05(0) + 0.05(0) + S1 = 1100 0.05(0) + 0.10(0) + S2 = 1800 0.10(0) + 0.05(0) + S3 = 2000 Se observa de inmediato que S1= 1100, S2 = 1800, y S3= 2000. Si sustituimos los valores X1, X2, S1, S2 y S3 en la funcin objetivo, la utilidad resultante es 0. Esto significa que no se fabrican ni X1 ni X2, y que no se utilizarn 1100 toneladas de nitrato, 1800 de fosfato y 2000 de potasio y no se obtienen utilidades. Si se contina el proceso de igualar dos variables a cero y resolver el conjunto resultante de ecuaciones, tanto, es posible identificar las nueve soluciones bsicas restantes para el sistema de ecuaciones. Estas soluciones se muestran en la siguiente tabla (figura 3.13).

Figura 3.13

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

129

II

METODOS DE SOLUCIN

Observe que cinco de las soluciones bsicas se identifican como no factibles. Recuerde que al plantear el problema original y en el problema modificado, se estipul que todas las variables deban ser mayores o iguales que cero. En las soluciones 2, 4, 5, 7 y 10 de la tabla, cuando menos una de las variables tiene valor negativo. Esas soluciones no son factibles para el problema de PL porque los valores negativos de las variables carecen de sentido. Por ejemplo, la solucin dos seala que fabricaran 0 toneladas de X1 y 22,000 toneladas de X2, sobrando 900 toneladas de potasio. Sin embargo, el 400 negativo indica que la produccin de esas cantidades X1 y X2 requerira 400 toneladas de nitrato por encima de lo que se tiene disponible. Esa solucin aunque es matemticamente vlida, no tiene sentido en la prctica. Para diferencias las soluciones factibles de las que no lo son, se identifica como solucin factible bsica cada solucin en la que son no negativas. Un punto final que debe observarse acerca del conjunto de soluciones bsicas que se muestran en la tabla (figura 3.14), es que las soluciones factibles bsicas son las esquinas o los vrtices de la regin factible que describe al problema. La siguiente grfica ilustra el problema de la Agro-Tech que muestra todos los vrtices, los factibles y los que no lo son. El vrtice 1 corresponde a la solucin factible 1, el vrtice 2 a la solucin 2 y as sucesivamente. Es necesario observar que slo los vrtices 1, 3, 6, 8, 9 caigan en la regin factible, mientras que los vrtices que corresponden a soluciones no factibles estn fuera de esta regin.

Figura 3.14

Mtodo grfico para minimizacin La solucin del problema de minimizacin sigue el mismo procedimiento que la de problemas de maximizacin. La nica diferencia es que ahora se quiere el menor valor posible para la funcin objetivo. Supngase que se tiene el siguiente problema. Problema de dieta Un comprador est tratando de seleccionar la combinacin ms barata de dos alimentos, que debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamnicos son por lo menos 40 unidades de vitamina W, 50 unidades de vitamina X y 49 unidades de vitamina Y. Cada onza del alimento A proporciona 4 unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada onza del alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y. El alimento A cuesta 5 centavos / onza y el alimento B cuesta 8 centavos / onza. Paso 1: Formulacin del problema La meta en este problema es encontrar la manera menos costosa para Satisfacer las necesidades vitamnicas. Las dos alternativas disponibles son los alimentos A y B. Matemticamente la funcin objetivo es Minimizar: Z = 5A + 8B
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

130

II

METODOS DE SOLUCIN

Las restricciones son los requerimientos mnimos de las tres vitaminas. stas se muestran enseguida: Restricciones: 4A + 10B $ 40 vitamina W 10A + 5B $ 50 vitamina X 7A + 7B $ 49 vitamina Y A = 0, B $ 0 Condiciones de no negatividad Paso 2: Grfica de las restricciones El procedimiento para graficar es el mismo que se us antes: (1) graficar cada ecuacin de restriccin; (2) graficar el rea apropiada. Para la primera restriccin la ecuacin es 4A + 10B = 40. Las dos intersecciones con los ejes son (0,4) y (10,0). Esta lnea se muestra en la siguiente grfica (figura 3.15).

Figura 3.15

Restriccin pide 40 unidades o ms de la vitamina W. Cualquier punto que est arriba de la lnea de restriccin ser factible y todos los puntos que quedan abajo de esa lnea sern inaceptables. En la siguiente grfica (figura 3.16). Se muestra la regin factible.

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

131

II

METODOS DE SOLUCIN

Figura 3.16

Despus se grafica la restriccin para la vitamina X. La ecuacin 10A + 5B = 50 tiene intersecciones con los ejes en (0,10) y (5,0). En la siguiente grfica (figura 3.17) se ilustran las restricciones para las vitaminas W y X. Ntese que las soluciones que quedan en las reas a o b no son factibles, ya que quedaran abajo de una de las lneas de restriccin.

Figura3.17

Al agregar la tercera restriccin, este segundo paso queda terminado, como se muestra en la siguiente grfica (figura 3.18).
2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

132

II

METODOS DE SOLUCIN

Figura 3.18

(1) 4A + IOB = 40 (2) 7A + 7B = 49 Paso 3: Localizacin de la solucin ptima En la siguiente grfica (figura 3.19) se muestra la frontera extrema ms dos lneas de indiferencia, las de Z = 40 centavos y Z = 60 centavos. La frontera extrema est formada por los puntos a, b, c y d, puesto que stos son los puntos de interseccin factibles ms cercanos al origen. Grficamente, el objetivo de minimizar el valor de Z significa ajustar una lnea de indiferencia tan cerca del origen como sea posible. Como se muestra en la siguiente grfica puede observarse que existen muchas soluciones posibles para Z = 60, pero ninguna para Z = 40. Imaginando mover la lnea Z = 60 hacia el origen, el ltimo punto de contacto con la frontera extrema ser el punto b. Entonces, el punto b es la solucin ptima. En la grfica anterior se observa que el punto b es la interseccin de dos lneas:

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

133

II

METODOS DE SOLUCIN

Figura 3.19

Resolviendo el sistema de ecuaciones: Multiplquese la ecuacin (1) por 7 Multiplquese la ecuacin (2) por 4 Rstese (4) de (3) Sustityase en la ecuacin (1) (3) 28A + 70B = 280 (4) 28A + 28B = 196 42B = 84 B= 2 = 40 A= 5

4A + 10(2)

La solucin menos costosa es 5 onzas de alimento A y 2 onzas de alimento B. El costo total de esta combinacin es Z = 5A + 8B = 5(5) + 8(2) = 25 + 16 = 41 centavos Si se usa el mtodo de prueba y error para localizar la solucin ptima, se deben encontrar las coordenadas de los puntos a, b, c y d. Se debe calcular despus el valor de la funcin objetivo para cada punto. A continuacin se muestran los resultados de este procedimiento: Resultados de prueba y error

Al llegar a este nivel es necesario tener presentes cinco puntos claves con respecto al anlisis de la programacin lineal: 1. Un problema de programacin lineal est formado por una funcin objetivo o ms restricciones. 2. La solucin ptima de un problema de PL ocurre en un vrtice o esquina de la regin factible. 3. Las restricciones deben convertirse en igualdades aadiendo variables de holgura o restando variables de excedente (superfluas).

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

134

II

METODOS DE SOLUCIN

4. Los valores de las variables en los vrtices pueden encontrarse resolviendo m ecuaciones simultneas para las n variables bsicas e igualando a cero las restantes n - m variables no bsicas. 5. Un vrtice que tiene todas sus variables no negativas y es el mayor valor para las utilidades se denomina solucin ptima.

3.4.

EJERCICIOS PROPUESTOS DEL MTODO GRFICO

Determine la solucin ptima, si existe, de los siguientes modelos de P.L. y grficamente identifique a que caso especial pertenece cada uno (solucin infactible, no-acotada, soluciones ptimas mltiples,.)

1
Sujeta a:

Mx Z = 6X1 2X2
2X1 + X2 2 X1 + X2 5 X1 0, X2 0

2. Mx Z = 4X1 X2 Sujeta a: 2X1 + X2 10 X1 - X2 3 X1 + 2X2 = 6 X1 0, X2 0 3. Mx Z = 2X1 + 4X2 Sujeta a: X1 + 2X2 5 X1 + X2 4 X1 0, X2 0 4. Mx Z = 2X1 + X2 Sujeta a: X1 - X2 10 2X1 40 X1 0, X2 0

5. Mx Z = 3X1 + 2X2 Sujeta a: 2X1 + X2 2 3X1 + 4X2 12 X1 , X2 0 6. Mx Z = 6X1 2X2 Sujeta a: 2X1 + X2 2 X1 + X2 5 X10, X2 0 7. Mn Z = 8X1 24X2 Sujeta a: 2X1 + 6X2 6 4X1 + 3X2 12 X1 4 X10, X2 0 8. Maximizar Z = 3X1+ 2 X2 Sujeta a: 2X1 + X2 2 3X1+ 4X2 = 12 X1, X2 0

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

135

II

METODOS DE SOLUCIN

9 - Minimizar Z = 18X 1 + 20X 2 Sujeta a: 2X 1 + 6 X 2 6 4 X 1 + 3X 2 12 X1 X 1; X 2 0

10- Minimizar Z = 5X1 + 2X2 Sujeta a: X1 X1 + X 3 X2 2 2 2 X 1; X 2 0

4 X2 3

11.- Maximizar Z = -8X 1 + 4X2 Sujeta a: X1 3 X1 X 2 0 3X 1 + X 2 4 X 1; X 2 0 12.- Maximizar Z = 2X1 + 3X2 Sujeta a: X 1 + 2X 2 4 X1 X 2 0 X1 + X 2 3 X 1; X 2 0 13.- Maximizar Z = 4X1 3X2 Sujeta a: X1 3X 1 3X 1 2 2X 2 6 X2 9

X1; X 2 0

14.- Maximizar Z = 5X1 + 6X2 Sujeta a: X1 2X2 2 -2X1 + 3X2 2 X1, X2 irrestrictas en signo 15.- Maximizar Z = 5X1 + 2X2 Sujeta a: X1 + X2 10 X1 =5 X1, X2 0

Considere los siguientes modelos de P.L. y grficamente determine:

a) b) c) d) El rea factible El punto ptimo El nmero mximo de soluciones bsicas y su clasificacin Las restricciones redundantes

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

136

II

METODOS DE SOLUCIN

1. Mx y Mn Z = 7X1 - X2 Sujeta a: X1 + X2 5 2X1 - X2 0 X1 + 3X2 6 X1 9X2 0 X1 0, X2 0 2. Mnimizar Z = 3X1 + 2X2 Sujeta a: X1 + X2 3 X1 - X2 0 X1 2 - X2 2 X1 0, X2 0 3. Mximizar Z = 2X1 + 4X2 Sujeta a: X1 + X2 3 X1 + X2 1 X1 1 -X1 + X2 1 X1 - X2 1 X1 0 X2 0 4. Mnimizar Z = 2X1 7X2 Sujeta a: 2X1 + 2X2 2 + X1 3X2 3 2X1 + X2 -2 X1 + X2 0 -X1 + X2 1 X1 0, X2 0 5. Mximizar Z = 6X1 + 5X2 Sujeta a: 2X1 4X2 + 4 4 + X1 - X2 5 + X1 X1 + 4X2 -4 + X1 2X1 + 2X2 -4 4X1 - X2 0 X1 0, X2 0 6. Mximizar Z = 2X1 5X2 Sujeta a: 2X1 + X2 -2 + X1 X1 -4 - X2 X1 - X2 0 2X1 + X2 -4 + X2 X1 0, X2 0
7 - Minimizar Z = 5X1 + 2X2 Sujeta a: X1 X1 + X 3 X2 2 2 2 X 1; X 2 0

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

137

II

METODOS DE SOLUCIN

8.- Maximizar Z = 4X1 + 3X2 Sujeta a: 2X1 + X 2 4 X 1 + 2X 2 4 X1 + X2 1 X2 X 1; X 2 0 1 5X 1 X 2 2

9.- Minimizar Z = -3X 1 + 5X2 Sujeta a: X1 3X 1 + 4 X2 6 2X 2 18 X 1; X 2 0 10- Minimizar Z = 18X 1 + 20X 2 Sujeta a: 2X 1 + 6 X 2 6 4X 1 + 3X 2 12 X1 X 1; X 2 0 11.- Maximizar Z = 3X 1 + 2X2 Sujeta a: X1 + X2 2 X2 2 4X 1 + 2 X 2 4 X 1; X 2 0
12.- Maximizar Z = 5X1 + 3X2 Sujeta a: X1 + X 2 6 X1 3 X2 3 2 X 1 + 3X 2 3 X 1; X 2 0

4 X2 3

13- Maximizar Z = 2X1 + 3X2 Sujeta a: X 1 + 2X 2 4 X1 X 2 0 X1 + X 2 3 X 1; X 2 0

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

138

II

METODOS DE SOLUCIN

14- Maximizar Z = 2X1 + 8X2 Sujeta a: 5X 1 + 10 X 2 50 X1 X 1; X 2 0

15.- Maximizar Z = 3X1 + 2X2 Sujeta a: 2 X 1 + 4 X 2 24 X1 + 2X 1 X 2 10 X2 6

20 X 2 14

X 1 3X 2 1 X 1; X 2 0

16.- Minimizar Z = 2X1 + 3X2 Sujeta a: X1 + X 2 1 X1 X 2 1 X1 X1; X 2 0 1

2013.IPN-UPIICSAMara Virginia Guzmn Ibarra

139