Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cuadernillo de Apuntes IO1
Cuadernillo de Apuntes IO1
ndice.
NDICE
INTRODUCCIN.. CAPITULO 1. METODOLOGA DE LA INVESTIGACIN OPERACIONES Y FORMULACIN DE MODELOS. DE
PG iv
1.1. Definicin, desarrollo de la investigacin de operaciones.. 1.1.1. Antecedentes histricos de la investigacin de Operaciones 1.1.2. Definicin.... 1.2. Fases de estudio de la investigacin de operaciones..... 1.2.1. Proceso de investigacin de operaciones. 1.3. Principales aplicaciones de la investigacin de operaciones.... 1.4. Formulacin de problemas lineales... 1.4.1. Tipos de modelo.... 1.4.2. Tipos de formatos para programacin lineal... 1.5. Formulacin de problemas ms comunes... 1.5.1. Modelacin y formulacin de problemas... Ejercicios I. Formato estndar y cannico. Ejercicios II. Modelacin...
2 2 4 4 6 7 8 8 10 16 16 34 43
CAPITULO 2. EL MTODO SIMPLEX. 2.1. Teora del mtodo simplex... 2.2. Mtodo de las variables artificiales. 2.2.1. Mtodo de la gran M o mtodo penal. 2.2.2. Mtodo de la doble fase... 2.2.3. Mtodo grfico 2.2.3.1. La desigualdad representada en el eje cartesiano........ 2.2.3.2. La desigualdad representada en el eje cartesiano.. 52 63 63 73 83 83 84
i
ndice.
2.2.3.3. Mtodo general.. Ejercicios III. Problemas mtodo grafico.. Ejercicios IV. Resolucin de modelos de programacin lineal..
87 93 96
DUALIDAD
ANLISIS
DE
3.1. Formulacin de un problema dual. 3.2. Dualidad. 3.2.1. Forma cannica. 3.2.1.1. Transformacin 3.3. Transformacin alterna dual 3.4. Transformacin alterna dual simplex. 3.5. Anlisis de sensibilidad. 3.5.1. Forma matricial de la tabla simplex y las relaciones vectoriales Implicadas.. 3.5.1.1. Cambio en el vector A 3.5.1.2. Cambio en el vector B... 3.5.1.3. Cambio en el vector C Ejercicios V. Dualidad..
101 102 102 103 112 116 125 125 126 131 140 149
4.1. Definicin de un problema de transporte... 4.1.1. Algoritmo de transporte. 4.2. Mtodo de voguel.. 4.3. Mtodo esquina noreste...
ndice.
4.4. Mtodo de costo mnimo.. 4.5 Mtodo hngaro.. Ejercicios VI. Modelos de transporte y asignacin..
177
iii
Introduccin
INTRODUCCIN.
Las matemticas hoy en da son asignaturas prioritarias en la vida de los estudiantes de las carreras de las ingenieras, y ms an aquellas que son de ndole de aplicacin en las diferentes reas de la ingeniera, en mucho de los casos parecieran ser motivo de desercin y simplemente dificultad muy grande para culminar sus estudios o en algunos de los casos terminen recursndola, el ramo de la investigacin de operaciones dentro del rea de Ingeniera Industrial pareciera ser una de ellas.
El presente trabajo tiene como propsito fundamental ayudar a facilitar el proceso enseanza-aprendizaje de la materia de Investigacin de Operaciones I en el rea de las ingenieras, que se imparte en el quinto semestre de la carrera de ingeniera industrial del TESOEM, cubriendo temas bsicos y apegndose al programa de estudios vigente. Dicho material puede ser empleado como un libro de texto para estudiantes y de apoyo para los docentes en esta rea
Por el contenido de sus temas y sus aplicaciones pueden ser bastante interesantes para los alumnos, contiene un gran nmero de ejemplos ilustrativos (resueltos paso a paso), donde se muestran las tcnicas matemticas estudiadas, teniendo siempre en cuenta que para su comprensin se necesitar tener ciertos conocimientos en lgebra lineal y lgica matemtica.
El desarrollo del presente material est diseado en captulos, mostrando siempre al inicio el objetivo del mismo; el cual para su entendimiento se encuentra de la siguiente manera:
En el captulo I: Metodologa de la investigacin de operaciones(I.O) y formulacin de modelos, muestra la evolucin y el campo de aplicacin de esta
iv
Introduccin
rea, manejando los conceptos bsicos para la formulacin de los modelos de programacin lineal y la aplicacin de estos ltimos a diferentes casos de la vida diaria y del mundo industrial.
En el captulo II: El mtodo Simplex, en este captulo no solo se describe el mtodo simplex como mtodo para solucin de los modelos de programacin lineal, se describen otros mtodos como el doble fase, el mtodo de la gran M y el mtodo grfico, cada uno de ellos con las condiciones que se necesitan para llevarlos a la prctica.
En el captulo III: Teora de la dualidad y Anlisis de sensibilidad, en este apartado es de suma importancia ya que describe la relacin dual que todo modelo primal de programacin lineal posee, al igual que las condiciones de cmo calcular las condiciones de optimalidad en los modelos de programacin lineal. (cambio de vector en A,B,C)
En el captulo IV: Transporte y asignacin, en esta seccin del presente trabajo se describen las parte de un modelo de transporte empleado en el rea de logstica de una organizacin sin importar su giro comercial o manufacturero, donde lo importante el cumplir en tiempo y forma los pedidos de los diferentes clientes ubicados en diferentes regiones pero el costo mnimo de operacin, para ello se detallan los mtodos de solucin como lo es el mtodo de Voguel, costo mnimo, hngaro ente otros.
Se contar con una serie de ejercicios para reforzar el conocimiento aprendido al final de cada captulo y sus soluciones se encuentran en el los mismos ejercicios, esto queda en el entendido al final de cada captulo. Adems de cuenta con un apndice.
v
Introduccin
El apndice I, muestra sistemas de ecuaciones lineales y sus mtodos de solucin como puede ser por el mtodo de Gauss Jordan o determinantes (sus propiedades), los cuales son base para el entendimiento de Investigacin de Operaciones I, en la solucin de los mtodos de los modelos de programacin lineal.
Esperamos que la obra sea de gran utilidad para profesores y alumnos y que sea un fuerte material de apoyo en el curso, en el cual creemos que favorecer de manera importante en un mejor desarrollo de los temas para el profesor en su enseanza y para un buen aprendizaje del alumno.
vi
CAPTULO I:
METODOLOGA DE LA INVESTIGACIN DE OPERACIONES (I.O) Y FORMULACIN DE MODELOS.
Objetivo: El estudiante conocer y aplicar la metodologa de la I.O y la formulacin de modelos de Programacin Lineal.
Los inicios de lo que hoy se conoce como Investigacin de Operaciones se remota a los aos 1759 cuando el economista Quesnay empieza a utilizar modelos primitivos de programacin matemtica. Ms tarde, otro economista de nombre Walras, hace uso de tcnicas similares; los modelos lineales de la Investigacin de Operaciones tienen como precursores a Jordan en 1873, Minkowsky en 1896 y a Farkas en 1903. Los modelos dinmicos probabilsticos tiene su origen con Markoiv a fines del siglo pasado, pero no fue hasta la Segunda Guerra Mundial, cuando empez a tomar auge. La Programacin Lineal (PL) tuvo un gran impulso para la investigacin industrial dando entrada las empresas a muchos especialistas; las tcnicas Pert, control de inventarios, y la simulacin, empezaron a emplearse con xito; en vez de los simples promedios, se incluyeron la probabilidad y estadstica tan tiles en cualquier estudio moderno. En la actualidad el uso de la IO es extenso en reas de: Contabilidad, compras, planeacin financiera, mercadotecnia, planeacin de produccin, transporte y muchas otras ms, convirtindose en importante instrumento de competencia para los presupuestos y contratos. La siguiente tabla esboza parte de los estudios y tcnicas apoyaron los grupos de IO en el desarrollo de esta disciplina. en que se
ACONTECIMIENTOS RELEVANTES DE LA INVESTIGACIN DE OPERACIONES. AO 1759 AUTOR Quesnay TCNICA DESARROLLADA Modelos primarios de programacin matemtica
1873 1874 1896 1897 1903 1905 1920-1930 1937 1937 1939 1941 1947 1958 1950-1956 1958 1956-1962 1957
Jordan Warlas Minkousky Farkas Farkas Erlang Konig- Egervary Morgestern Von Neuman Kantorovich Hitchcook Dantzin George Bellman Richard Kun-Tucker Gomory Ford-Fulkerson Markowitz Raifa
Modelos lineales Modelos primarios de programacin matemtica Modelos lineales Modelos dinmicos probabilsticos Modelos dinmicos probabilsticos Lneas de espera Asignacin Lgica estadstica Teora de juegos Planeacin en produccin y distribucin Transporte Mtodo Simplex Programacin dinmica Programacin no lineal, m. hngaro, sistemas desiguales Programacin entera Redes de flujo Simulacin y programacin discreta Anlisis de decisiones Inventarios Algoritmo de punto interior
1958 1963
Actualmente esta se encuentra todava en una edad incipiente donde hay mucho por hacer en el desarrollo de este campo frtil. Ahora que se ha visto una breve resea de la Investigacin de Operaciones y caractersticas esenciales, es importante definirla, para ello se citan los siguientes autores.
1.1.2 Definicin Thierauf la define como un mtodo cientfico para dar a los departamentos ejecutivos una base cuantitativa para las decisiones con las operaciones que estn bajo su control. (Thierauf, 2002:22) No obstante, Winstone lo describe como un enfoque cientfico en la toma de decisiones que busca el mejor diseo y operar un sistema; por lo regular en condiciones que requieren la asignacin de recursos escasos. (Winstone, 2008:01) Finalmente Prawda lo conceptualiza como una herramienta de aplicacin en grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas (hombre-mquina) a fin de que produzcan soluciones que mejor sirvan a los objetivos de toda la organizacin. (Prawda, 2000:20) Con base a las definiciones anteriores se puede decir que la Investigacin de Operaciones es la aplicacin de los mtodos cientficos a problemas complejos que surgen en la direccin, administracin y optimizacin de los recursos de una empresa con el fin de hacer buen uso de ellos.
INVESTIGACIN
DE
Su estudio consiste en desarrollar modelos cientficos, incorporando factores como el riesgo y la incertidumbre para predecir y controlar los resultados de cursos de accin alternativos; como lo muestra la siguiente figura:
VARIABLES RELEVANTES
SISTEMA ASUMIDO
RELACIONES RELEVANTES
SISTEMA REAL
MODELO CUANTITATIVO
MTODO DE SOLUCIN
SOLUCIN AL PROBLEMA DEL SISTEMA REAL JUICIO Y EXPERIENCIA DEL TOMADOR DE DECISIONES
INTERPRETACIN
DESICIONES
1.2.1 Proceso de Investigacin de Operaciones. DESCRIPCIN DE LAS FASES PARA EL DESARROLLO DE I.O.
5.- Interpretar resultados y dar soluciones. 4.-Requiere que se determine si dicho modelo puede predecir con certeza el comportamiento del sistema, con el tiempo se podra ajustar el modelo. 3.-Una vez que se tiene el modelo, se procede a derivar una solucin matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y ecuaciones. 2.-Debe decidir el modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las variables de decisin con los parmetros y restricciones del sistema.Es recomendable determinar si el modelo es probabilstico o determinstico. 1.- En esta fase del proceso se necesita: una descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las variables implicadas, ya sean controlables o no; determinar las restricciones del sistema.
El proceso de la Investigacin de Operaciones comprende las siguientes fases: 1.- Formulacin y definicin del problema. 2.- Construccin del modelo. 3.- Solucin del modelo. 4.- Validacin del modelo. 5.- Implementacin de resultados.
f)
MODELOS DE COMPETENCIA: Este tipo de modelo se utiliza para analizar aquellas situaciones donde dos o ms oponentes racionales tratan de seleccionar estrategias que optimicen un cierto objetivo. (Amza, 2007)
La programacin lineal son modelos destinados a la asignacin eficiente de los recursos limitados en actividades conocidas con el objetivo de satisfacer las metas deseadas (maximizar beneficios o minimizar costos). La caracterstica distintiva de los modelos es que las funciones que representan el objetivo y las restricciones son lineales. (No se permite multiplicacin de variables ni variables elevadas a potencias). Algunas de las siguientes restricciones no se pueden emplear en un modelo de programacin lineal.
Ahora se puede formular al modelo matemtico para este problema general de asignacin de recursos a actividades. En datos necesarios para un modelo de programacin lineal que maneja la asignacin de recursos a actividades particular, este modelo consiste en elegir valores de x1,x2,....,xn para: Max o Min z= C1 X1 + C2X2 ++ Cn Xn s.a a11X1 + a12X2 a21X1 + a22X2 . . . . . . am1X1 + am2X2 Xn0, para i= 1,2,..n ++ ++ ++ ++ ++ ++ a1nXn a2nXn . . . amnXn b1 b2 . . . bm
Funcin objetivo
a) VARIABLES DE DECISIN: Con estas se hace referencia al conjunto de variables cuya magnitud se desea determinar resolviendo el modelo de programacin lineal.
10
b) RESTRCCIONES: Estn constituidas por el conjunto de desigualdades que limitan los valores que puedan tomar las variables de decisin en la solucin. c) FUNCIN OBJETIVO: Es la funcin matemtica que relaciona las variables de decisin. d) LINEALIDAD: Se refiere a que las relaciones entre las variables, tanto en la funcin objetivo como en las restricciones deben ser lineales. e) DESIGUALDADES: Las desigualdades utilizadas para representar las restricciones deben ser cerradas o flexibles; es decir, menor igual() o mayor igual(). No se permiten desigualdades de los tipos menorestrictamente o mayor-estrictamente, o abiertas. f) CONDICIN DE NO NEGATIVIDAD: En la programacin lineal las variables de decisin slo pueden tomar valores de cero a positivos, no se permiten valores negativos.
1.4.2. Tipos de formatos para programacin lineal. a) Desigualdad del tipo convertir a una igualdad. La desigualdad tipo puede convertirse a una funcin, dado que cuando se tiene una desigualdad de este tipo, si se le suma al de lado izquierdo una nueva variable no negativa, llamada variable faltante dado que solamente tomara valores positivos, cuando el lado izquierdo sea menor al lado derecho. Ejemplo: Transformar las desigualdades del tipo a una ecuacin.
7x1+8x2-9x36
Puede reemplazarse por:
11
b) Desigualdad del tipo convertir a una igualdad. La desigualdad tipo procediendo d e la misma forma que la anterior se puede convertir en una ecuacin, dado que si se le resta del lado izquierdo una nueva variable no negativa, llamada variable sobrante; tal nombre obedece a que dicha variable tomara un valor positivo, cuando el lado izquierdo sea mayor que el derecho. Ejemplo: Transformar las desigualdades del tipo a una ecuacin. -9X1+4X2-3X312 Puede reordenarse como: -9X1+4X2-3X3-X412 X40 -9X1+4X2-3X3-S4=0
S40
x4,s4=variables de holgura=variable sobrante. A la Variable faltante y sobrante se les llama Variables de holgura. En programacin lineal se emplean 2 tipos de formatos a) Formato Cannico: Un modelo de programacin lineal est en formato cannico; si todas las variables son no negativas y las restricciones son del tipo para un objetivo de maximizacin o si todas las restricciones son del tipo para un objetivo de minimizacin. 1.- Formato Cannico. Min s.a z0 = 2x1 + 3x2 + 8x3
2x1 + 2x2 - 7x3 10 7x1 + 2x2 + 5x3 = 9 8x1 + 9x2 + 5x3 1 x1 , x2 0 Minimizar todos los signos de la desigualdad, estos deben ser 0
s.a [ 2x1+2x2-7x310]-1
12
Esto equivale a
7x1+2x2+5x39 7x1+2x2+5x39
------------------------------------------------------------------------------------------------------------
I8x1+9x2+5x3I1
Esto equivale a
-8x1-9x2-5x3-1 ---------------------------------------------------------------------------------
13
b) Formato Estndar: Un modelo de Programacin Lineal esta en formato estndar si todas las variables son no negativas y todas las restricciones son igualdades, tanto en Maximizacin como en Minimizacin. Min s.a z0 = 2x1 2x1 7x1 3x1 18x1 x1 + + + + + , 3x2 + 8x3 = 10 9 3 1
s.a
+ + + +
+ + +
S3
= = = =
10 9 3 1
Max
s.a x1 2x1
Zo=7x1+8x2-9x3+10x4
+ + -
x2 x2 x2
2x3
5x4
9 7 4 7
14
Max s.a
Zo=7x1+8x2-9x3+10x4-0s1+0s2+0s3+0s4
9 7 4 7 -7
Zo=7x1+8x2-9x3+10x4
[x1+x2-2x3+5x49]-1 Esto equivale a -x1-x2+2x3-5x4-9 -------------------------------------------------------------------------------------------------------[2x1+x27]-1 Esto equivale a -2x1-x2-7 -x2+5x3+8x4=4 -x2+5x3+8x44 -x2+5x3+8x44 --------------------------------------------------------------------------------
15
-x3-x47
FORMATO CANNICO Max s.a x1 -x1 -2x1 + x2 x2 x2 x2 + + 2x3 2x3 + 5x4 5x4 9 -9 -7 4 7 7 Zo=7x1+8x2-9x3+10x4
16
1.5.1. Modelacin y Formulacin de Problemas 1) La empresa ANCE S.A de C.V.; produce una lnea de artculos de Peltre para uso casero; la cual consta de 4 productos. El sistema de manufactura se divide en 5 etapas: Cortado, troquelado, esmaltado, acabado y empacado. A continuacin se presenta la informacin relevante, tanto del sistema productivo como del producto. Informacin sobre el sistema productivo (ndice de produccin Unidades/hrs) Departamento Corte Troquelado Esmaltado Acabado Empacado Producto 1 25 14 17 20 50 Producto 2 6 8 9 4 13 Producto 3 20 20 33 50 Producto 4 10 10 8 8 20 Capacidad (horas/mes) 400 380 490 450 400
Informacin sobre el producto Precio de vta. Costo de vta. Demanda Mensual(unidades) ($/unidad) ($/unidad) mnima Mxima 1 100 50 500 5000 2 300 200 750 6000 3 160 100 650 8000 4 250 150 0 3500 Adems, se debe que en el siguiente mes solo se dispondrn de 1200m2 de lmina que consumen los productos 1 y 2. El producto 1 requiere 0.50m2 por unidad y el producto 2 requiere 0.80m2. Producto Formular un modelo de programacin lineal. Variables de decisin. x1= Unidades del producto 1 a fabricar el prximo mes. x2= Unidades del producto 2 a fabricar el prximo mes. x3= Unidades del producto 3 a fabricar el prximo mes.
17
x4= Unidades del producto 4 a fabricar el prximo mes. Max. Zo= (100-50)x1+(300-200)x2+(160-100)x3+(250-150)x4 Zo= 50x1+100x2+60x3+100x4 Restriccin de capacidad 1/25 X1 1/14 X1 1/17 X1 1/20 X1 1/50 X1 + + + + + 1/6 X2 1/8 X2 1/9 X2 1/4 X2 1/13 X2 + 1/50 X3 + + + + 1/20 X3 1/20 X3 1/33 X3 + + + 1/10 X4 1/10 X4 1/8 X4 1/8 X4 1/20 X4 400 380 490 450 400 CORTADO TROQUELADO ESMALTADO ACABADO EMPACADO
Demanda 500X15000 750X26000 650X38000 0X43500 Entrada de materia prima 0.50X1+0.80 X21200 Xj0 j= 1,2,3,4 X1,X2,X3,X40
18
Zo= 50x1+100x2+60x3+100x4
+ + + + +
+ + + +
400 380 490 450 400 380 490 450 400 8000 650 3500 0 1200
1/50 X3
X2 X2 X3 X3 X4 X4 0.50 X1 + 0.80X2
19
2) Un ganadero decide elaborar una mezcla para alimentos de animales a base de alfalfa, sorgo, avena, maz, soya y harina. De cada 100Kg de mezcla; se desea que al menos 30Kg de ellos sean protenas, no ms de 40 sean de calcio, y como mximo 35Kg de fosforo. A continuacin se presenta la informacin del contenido de la mezcla y los precios de los ingredientes a combinar. Ingredientes Protena (%) Calcio (%) Fosforo (%) Precio (Kg) Alfalfa 25 50 25 7 Sorgo 40 20 40 9 Avena 10 30 60 8 Maz 65 15 20 20 Soya 40 20 40 5 Harina 30 20 50 15 Adems, no se puede usar ms de 10Kg harina, ni ms de 12Kg de soya por c/100kg de mezcla. Variables de decisin x1= Kg de alfalfa a utilizar en los 100Kg de mezcla. x2= Kg de soya a utilizar en los 100Kg de mezcla. x3= Kg de avena a utilizar en los 100Kg de mezcla. x4= Kg de maz a utilizar en los 100Kg de mezcla. x5= Kg de soya a utilizar en los 100Kg de mezcla. x5= Kg de harina a utilizar en los 100Kg de mezcla.
20
Zo= 7x1+9x2+8x3+20x4+5x5+15x6
+ + +
+ + +
+ + +
30 40 35
Xj0
j=1,2,3,4,5,6
Zo= 7x1+9x2+8x3+20x4+5x5+15x6
+ + +
+ + +
+ + +
+ + +
30 40 35 10 12 100
X1 + X2 X1,X2,X3,X4,X5,X60
X3
X4
21
3) La refinera azteca produce 2 tipos de gasolina sin plomo regular y extra, los cuales se venden en 8 y 15 pesos por barril respectivamente. Ambos tipos se preparan del inventario de azteca del petrleo de azteca nacional refinado y del petrleo importado refinado y debe de cumplir con las siguientes especificaciones. Presin mxima de vapor 23 23 Octanaje mnimo 88 93 Demanda Entrega mxima mnima barriles/semana barriles/semana 100000 50000 20000 5000
Regular Extra
Las caractersticas del inventario refinado son las siguientes Presin mxima de vapor 25 15 Octanaje mnimo 87 98 Demanda Entrega mxima mnima barriles/semana barriles/semana 40000 8 60000 15
Regular Extra
Que cantidades de los 2 petrleos nacional e importado debe mezclar la azteca a fin de acrecentar sus ganancias semanales. x1= Los barriles de petrleo nacional con una mezcla regular. x2= Los barriles de petrleo importado con una mezcla regular. x3= Los barriles de petrleo nacional con una mezcla extra. x4= Los barriles de petrleo importado con una mezcla extra.
Max
Z0=12(X1+X2)
22
s.a X1 X1 X1 X1 2X1 + + + + X2 + 10X2 6X3 SX2 2X3 2X3 + X2 X3 X2 X3 X3 + X4 X4 SX4 8X4 + X4 100000 20000 50000 5000 40000 60000 0 0 0 0
X1,X2,X3,X40
23
4) Una tienda de autoservicio funciona las 24 horas tiene los siguientes requerimientos mnimos para los cajeros. El periodo uno sigue inmediatamente despus del periodo 6. Un cajero trabaja 8hrs consecutivas, empezando al inicio de uno de los 6 periodos. Determine el nmero requerido de empleados en cada uno de los periodos. Periodo 1 2 3 4 5 6 Horas del da 3-7 7-11 11-15 15-19 19-23 23-3 (24 hrs) Nmero 7 20 14 20 10 5 mnimo x1= El nmero de personas asignadas o requeridas en el periodo 1. x2= El nmero de personas asignadas en el periodo 2. x3= El nmero de personas asignadas en el periodo 2. x4= El nmero de personas asignadas en el periodo 2. x5= El nmero de personas asignadas en el periodo 2. x6= El nmero de personas asignadas en el periodo 2.
Min s.a X1 X1 + +
Zo= x1+x2+x3+x4+x5+x6
X6 X2 X2 + X3 X3 + X4 X4
7 20 14 20 10 5
X1,X2,X3,X4,X5,X60
X5 X5
X6
24
5) La empresa ha destinado un presupuesto de $4,000,000 para la compaa publicitaria del primer mes; adems, el consejo de administracin ha sugerido al departamento de mercadotecnia los siguientes lineamientos. 1.- Deben utilizarse por los menos 20 comerciales de T.V. 2.- El mensaje debe llegar a por lo menos 2,500,000 familias potencialmente compradoras. 3.- El mensaje debe publicarse en un peridico local por lo menos un domingo. 4.- No deben de gastarse ms de 2,000,000 de pesos en .T.V. Cul debe ser la campaa publicitaria para este primer mes? Plante un Modelo de PL; para resolver este problema. Variables de decisin x1= Nmero de comerciales T.V matutina durante el primer mes. x2= Nmero de comerciales T.V nocturna durante el primer mes. x3= Nmero de comerciales en peridico diario durante el primer mes. x4= Nmero de comerciales en peridico dominical durante el primer mes. x5= El Nmero de comerciales en noticiario de radio durante el primer mes. Max Presupuesto 100,000x1+150,000x2+60,000x3+120,000x4+20,000x54,000,000 s.a X1 X2 X3 X4 X5 X1 + X2 20 10 25 4 30 20 Zo= 50x1+90x2+35x3+70x4+25x5
Comerciales de TV
25
Cobertura de audiencia 10,000x1+50,000x2+30,000x3+70,000x4+50,000x52,500,000 Peridico dominical x41 Gasto T.V 100,000x1+150,000x22,000,000 Xj0 j= 1,2,3,4,5
X1,X2,X3,X4,X50
Zo= 50x1+90x2+35x3+70x4+25x5
150,000X2 X2
+ 60,000X3
120,000X4
20,000X5
+ 150,000X2 X1,X2,X3,X4,X50
26
6) La empresa olle S.A de C.V, productora de radio porttiles para intercomunicacin (solamente entre dos personas: transmisora y receptora); va a promover su nuevo radio con un alcance de 40Km, el cual tiene diversas funciones. El principal canal de distribucin est enfocado a mayoristas en el rea de comunicacin industrial, as mismo, la firma est considerando dos alternativas de distribucin: una cadena de autoservicio y mayorista de equipos martimos. Dichos canales de distribucin alternativos abren el mercado a personas interesadas en radio comunicacin como aficin y como enlace entre botes de pesca y su estacin de base. Debido a la diferencia de costos de comercializacin y de promocin, la utilidad del producto vara con la alternativa de distribucin seleccionada. Adems, el costo publicitario y el tiempo el vendedor por unidad son distintos para cada canal de distribucin. Dado que la compaa solo produce bajo pedido; el nmero de unidades fabricadas y vendidas es el mismo. A continuacin se resume la informacin preparada por olle S.A de C.V, con respecto a la utilidad, costo publicitario y hr/hombre de vendedor por cada unidad vendida. Lo anterior ha sido estimado con base en experiencias con radios similares. Canal de distribucin Industrial Tienda Martimo Utilidad unitaria($) 20,000 12,000 18,000 Costo publicitario ($/unidad) 1,800 3,000 1,000 Esfuerzo de ventas (hr-hombre/unidad) 4 6 7
El director general de la empresa; ha establecido que en la estrategia de ventas a seguir deben venderse por lo menos 100 unidades al canal tienda, 250 al canal martimo; en el siguiente mes; tambin el gasto publicitario no debe exceder de $1,000,000. Si la capacidad de produccin se estima en 1000 unidades y las horas hombre de un vendedor disponibles en el prximo mes son 2,000. Qu estrategia de ventas debe adoptar la empresa? Es decir, la empresa debe decidir: a) Cuantas unidades producir por c/canal de distribucin. b) Cuanto gasto publicitario se debe hacer en c/canal de distribucin. c) Cuanto esfuerzo de ventas debe dedicarse a c/canal de distribucin.
27
X= Unidades de radios porttiles en sus diferentes mercados para producir el siguiente mes. x1= Unidades producidas para el mercado industrial. x2= Unidades producidas para el mercado tiendas. x3= Unidades producidas para el mercado martimo. Objetivo Max s.a Publicidad 1,800X1 Esfuerzo de ventas + 3,000X2 6X2 X2 X2 Mercado martimo Xj0 j= 1,2,3 X3 250 + + + 1,000X3 7X3 X3 1,000,000 2000 1000 100 Zo= 20,000x1+12,000x2+18,000x3
X1,X2,X30 Max s.a 1,800X1 4X1 X1 + + + 12,000X2 6X2 X2 X2 + + + 18,000X3 7X3 X3 X3 1,000,000 2,000 1,000 100 250 Zo= 20,000x1+12,000x2+18,000x3
X1,X2,X30
28
7) Mi dieta requiere que todo los alimentos que ingiera pertenezcan a una de los cuatro grupos bsicos de alimentos (pastel de chocolate, helado de crema, bebidas carbonatadas y pastel de queso). Por ahora hay los siguientes cuatro alimentos: barras de chocolate, helado de crema de chocolate, bebida de cola y pastel de queso con pia. Cada barra de chocolate cuesta $35.00, cada bola de helado de crema cuesta $40.oo, cada botella de bebida de cola cuesta $7.50 y cada rebanada de pastel de queso con pia cuesta $20.00. De acuerdo al nutrilogo, todos los das debo ingerir por lo menos 500 caloras, 6 onzas de chocolate, 10 onzas de azcar y 8 onzas de grasas. Plantee un modelo de PL que pueda emplear para cumplir mis necesidades nutricionales al costo mnimo. El contenido nutricional por unidad de c/alimento se da en la siguiente tabla. Tipo de alimento Caloras Barra de chocolate 400 Helado de crema con 200 chocolate(1 bola) Bebida de 150 cola(1 botella) Pastel de queso con 500 pia Definicin de la variable Chocolate(onzas) 3 2 0 0 Azcar(onzas) 2 2 4 4 Grasas(onzas) 2 4 1 5
X= Cantidad de caloras a consumir en los diferentes alimentos al da. x1= Cantidad de barras de chocolate consumidas al da. x2= Cantidad de helado de crema con chocolate consumida al da(1 bola) x3= Botellas de bebida de cola consumidas al da. x4= Rebanadas de pastel de queso con pia consumidas al da. Min s.a 400X1 3X1 2X1 2X1 + + + + 200X2 2X2 2X2 4X2 + + 4X3 X3 + + 4X4 5X4 + 150X3 + 500X4 500 6 10 8 caloras chocolate Azcar Grasas Zo= 35x1+40x2+7.50x3+20x4
29
X1,X2,X3,X40
Min s.a
Zo= 35x1+40x2+7.50x3+20x4
400X1 3X1
+ +
+ + +
150X3 4X3 X3
+ + +
500 6 10 8
30
8) El taller de mquinas y herramientas Era S.A de C.V; se dedica a la fabricacin de dos refacciones para una empresa metalmecnica. Las partes se producen en cuatro operaciones (departamentos). Las horas maquina son suficientes aunque se tiene una fuerte limitacin en mano de obra calificada. La empresa piensa por tanto, que las horas-hombre disponibles restringen su capacidad de produccin. Las horas hombre asumidas por cada parte en cada departamento son: Departamento Parte 1 Parte 2 (operacin) 1 0.10 0.20 2 0.20 0.15 3 0.10 0.15 4 0.05 0.10 La empresa gana $100 y $129 por unidad de las partes 1 y 2 respectivamente. Luego de considerar la experiencia y habilidad de los trabajadores actuales, se ha llegado al siguiente resultado: Asignacin posible de mano de obra nicamente a departamento 1 nicamente a departamento 2 nicamente a departamento 3 nicamente a departamento 4 A departamento 1 o departamento 2 A departamento 3 o departamento 4 Plantee un modelo de PL. Variables de decisin Xi= Unidades a fabricar de las refacciones i por semana ai=horas/hombre a asignar en el departamento j por semana i= 1,2 j= 1,2,3,4 Hr/hombre Disponibles/semana 480 400 500 200 350 370
31
Max
Zo= 100x1+120x2
0.10X1 + 0.15X2 a3 0.05X1 + 0.10X2 a4 Asignacin de horas/hombre para cada departamento a1 a2 a3 a4 480 400 500 200 + + + + 350 350 370 370 = = = = 830 750 870 570
a1 a3
+ +
a2 a4
480 500
+ +
400 200
+ +
350 370
= =
1230 1070
Modelo matemtico Max s.a 0.10X1 0.20X1 0.10X1 0.05X1 + + + + 0.20X2 0.15X2 0.15X2 0.10X2 a1 a2 a1 a2 a3 a4 a1 X1,X2,a1,a2,a3,a40 + a2 a3 + a4 a3 a4 0 0 0 0 830 750 870 570 1230 1070 Zo= 100x1+120x2
32
9) PCP S.A de C.V produce rollos de papel en un ancho estndar de 20 pies c/u, los pedidos de los clientes en rollos de diversos anchos; se producen recortando el tamao estndar de 20 pies. Los requerimientos promedio de los clientes estn dados de la siguiente forma: Rollos de 5 pies 150 unidades Rollos de 7 pies 200 unidades Rollos de 9 pues 300 unidades Qu combinacin es la mejor para optimizar los rollos?
20 ft
b)
c)
5 ft
7 ft
9 ft
33
Tipo de corte 5ft I 4 II 1 III IV 2 V VI 2 Definicin de la variable x1= No. de cortes del rollo tipo I. x2= No. de cortes del rollo tipo II. x3= No. de cortes del rollo tipo III. x4= No de cortes del rollo tipo IV x5= No. de cortes del rollo tipo V. x6= No de cortes del rollo tipo VI. Min s.a 4X1 + X2 2X2 + + 2x3 X1,X2,X3,X4,X50 + 2x4 2x4
7ft 2 1 1
9ft 2 2 1 -
Desperdicio(ton) 0 1 2 1 4 3
Zo= 0x1+x2+2x3+x4+4x5+3x6
+ + x5 x5
2x6
34
EJERCICIOS I. FORMATO ESTANDAR Y CANNICO. Instrucciones: Dados los siguientes modelos de programacin lineal, expresarlos en formato estndar y cannico (solamente considere variables de holgura).
SOLUCIONES
1.-
FORMATO ESTANDAR
MIN Z=2X1+2X2 s.a MIN Z=2X1+2X2 s.a 3X1+2X23 2X1 3 X24 X1,X20 3X1+2X2-S1 2X1 X2 =3
+S2 =3 +S3=4
X1,X2,S1,S2,S30
FORMATO CANNICO
35
2.-
FORMATO ESTANDAR
MIN Z=3X1+8X2 s.a MAX Z=3X1+8X2 s.a 8X1+2X24 -4X1 3 8X1+2X2-S1 -4X1 X1+1/2X2 =4 -S2 =3 +S3=3
X1,X2,S1,S2,S30
FORMATO CANNICO
X1+1/2X23 X1,X20
X1+1/2X23 X1,X2,0
36
3.-
FORMATO ESTANDAR
MIN Z=X1+2X2+3X3 s.a 8X1+2X2-S1 MAX Z=X1+2X2+3X3 s.a X1+2X2 3 X1+ X1-2X2 X1,X2,S1,S2,S30
FORMATO CANNICO
=4 =5 -S3 =4 =5
2X2-3X3+S2 1/4X3
37
4.-
FORMATO ESTANDAR
MIN Z=8X1+2X2 s.a 2X1+X2-S1 MAX Z=8X1+2X2 s.a 2X1+X24 I3X1+8X2I4 X1,X20 =4
X1,X2,S1,S2,S30
FORMATO CANNICO
38
5.-
FORMATO ESTANDAR
MIN Z=4X1+8X2 s.a X1+4X2-S1 X1+8X2 -S2 MIN Z=4X1+8X2 s.a X1+4X24 X1+8X23 X24 X1,X20 X2 =4 =3 +S3 =4
X1,X2,S1,S2,S30
FORMATO CANNICO
39
6.-
FORMATO ESTANDAR
MIN Z=8X1+2X2+X3 s.a X1 X1 MAX Z=8X1+2X2+X3 s.a IX1 X1+2X2 X1,X2,X30 -3X3 I 4 8 -3X3+S1 -3X3 +S2 +S3 =4 =5 =4
X1+2X2 X1,X2,S1,S2,S30
FORMATO CANNICO
40
7.-
FORMATO ESTANDAR
X1,X2,S1,S20
FORMATO CANONICO
41
8.-
FORMATO ESTANDAR
X1,X2,X30
X1,X2,S1,S2,S30
FORMATO CANNICO
X1,X2,0
42
9.-
FORMATO ESTANDAR
MIN Z=X1-2X2 s.a X1+4X2-S1 -4X1-2X2 +S2 3X2 MIN Z=X1-2X2 s.a X1+4X24 -4X1-2X29 3X25 X1,X20 =4 =9
+S3 =5
X1,X2,S1,S20
FORMATO CANNICO
43
EJERCICIOS II. MODELACIN. Instrucciones: Plantee el Modelo de Programacin Lineal para cada uno de los siguientes problemas. La solucin de cada uno de los problemas se encuentra al final de esta seccin. PROBLEMAS 1.- Un proveedor debe preparar 5 bebidas de fruta en existencia, 500 gal que contengan por lo menos 20% de jugo de naranja, 10% de jugo de toronja y 5% de jugo de arndano. Si los datos del inventario son lo que se presentan a continuacin Qu cantidad de cada bebida de fruta deber emplear el proveedor a fin de obtener la composicin requerida a un costo mnimo? Jugo de naranja(%) Bebida A Bebida B Bebida C Bebida D Bebida E 40 5 100 0 0 Jugo de toronja (%) 40 10 0 100 0 Jugo de Arndaro (%) 0 20 0 0 0 Existencia (gal) 200 400 100 50 800 Costo ($/gal) 1.50 0.75 2.00 1.75 0.-25
2.- La regiomontana es una fbrica que produce 3 diferentes sombreros: Su capacidad de produccin mensual es como sigue. Capacidad de produccin (sombreros/mes) Norteo 650 Lona 900 Articela 700 La produccin mensual se reparte en tres diferentes distribuidoras que se localizan dentro del rea metropolitana de la ciudad. Los costos unitarios de transporte para cada modelo se muestra a continuacin Modelo Norteo Lona Articela Zona Norte $3.00 2.50 2.00 Zona Rosa $5.00 4.80 3.40 Zona Sur $7.00 5.80 5.20 Modelo
44
Los requerimientos mensuales de cada distribuidor son como sigue: Distribuidora Zona Norte Zona Rosa Zona Sur Demanda (sombreros/mes) 750 900 600
3.- Un Hospital est realizando estudios sobre Ingeniera Industrial para optimizar con los recursos con que cuenta. Una de las principales preocupaciones del Director del Hospital es el rea de personal, ya que no est del todo convencido con el nmero de enfermeras que laboran en la seccin de emergencias. Por tal motivo, ordeno un estudi estadstico, el cual arrojo los siguientes datos Nmero mnimo requerido de enfermeras 0a4 40 4a8 80 8 a 12 100 12 a 16 70 16 a 20 120 20 a 24 50 De acuerdo con la Ley Federal del Trabajo cada enfermera debe trabajar 8 hrs consecutivas por da. Formule un modelo de programacin lineal que cumpla con los requerimientos citados. Hora
4.- En dos mquinas se procesan cuatro productos de forma secuencial. La sig. Tabla muestra los datos pertinentes de problema. Costo por Producto Producto hr ($) I II 1 10 2 3 2 5 3 2 Precio Unitario de 75 70 Venta Formule un Modelo de programacin lineal Mquina Producto III 4 1 55 Producto IV 2 2 45 Capacidad (hr) 500 380
45
5.- Una compaa Manufacturera local produce cuatro diferentes productos metlicos que deben maquinarse pulirse y ensamblarse. La necesidades especficas de tiempo (en horas) para cada producto son las siguientes: Producto I Producto II Producto III Producto IV Maquinado (hr) 3 2 2 4 Pulido (hr) 1 1 2 3 Ensamble (hr) 2 1 2 1
La compaa dispone semanalmente de 480 hr para el maquinado, 400 horas para el pulido y 400 hr para el ensamble. Las ganancias unitarias son: $6,$4,$6 y $8 respectivamente. La compaa tiene un contacto con el distribuidor en el que se compromete a entregar 50 unidades semanalmente del producto I y 100 unidades de cualquier combinacin de los productos I, II y III, segn la produccin, pero solo como mximo 25 unidades del producto IV. Cuntas Unidades de cada producto debe fabricar semanalmente la empresa, a fin de cumplir las condiciones de contrato e incrementar la ganancia total? 6.- Una comunidad ha reunido $250,000 para desarrollar nuevas reas para la eliminacin de desechos. Hay siete sitios disponibles, cuyos costos de desarrollo y capacidades se muestras a continuacin. Qu sitios deber desarrollar la comunidad?
A 20 145
B 17 92
C 15 70
D 15 70
E 10 84
F 8 14
G 5 47
46
7.- Banco azteca va a realizar sus prcticas de prstamo para el prximo ao, para ello dispone de $20, 000,000. Los prstamos que esta obligado a solicitar son los siguiente, adems de la probabilidad de no pago
Prstamo Tasa de Inters Probabilidad Inc Personas 14% 0.1 Automvil 13% 0.07 Casa Habitacin 12% 0.03 Agrcola 12.5% 0.05 Comercial 10% 0.02 El banco debe asignar por lo menos ek 40% de los fondos totalkes a prstamos agrcolas y comerciales. Los prstamos para casa deben ser iguales o cuando menos al 50% de los prstamos personales, para automvil y casa habitacin. Adems por poltica del banco la relacin global de pagos irrecuperables no debe ser mayor al 0.04% Nota: Un pago que no se cubre no genera inters. Formule un modelo de programacin lineal que le permita a la empresa incrementar sus utilidades. Soluciones de los Modelos de programacin Lineal
1. Definir Variables. = . = . = . = . = . . = . + . + + . + .
. . + . . . . + . . . . + . . . .
47
2 Definir Variables.
, , , ,
= . = . = . = . = . = . . = + + + + + + + + +
, , , , ,
48
= + + + . + . + . + + . + . . + + + + + + + + + + + + 4 Definir Variables. = = = =
. . . .
+ + + + + + + + , , , ,
= + + +
() ()
49
5 Definir Variables. = = = =
. . . .
= . = . = . = . = . = . = . = + + + + + +
+ + + + + + = , , , , , ,
50
7. Definir Variables. = . = . = . = . = . = . (. ) + . (. ) + . (. ) + . (. ) + . (. )
= . + . + . + . + . + + + + + , ,
. + . + . + . + . + + + +
. ( + + ) , ,
, , , ,
52
53
Paso 1: Obtener su forma estndar aadiendo las variables de holgura respectivas en funcin del signo de la desigualdad. Max s.a 2x1 -3x1 + 3x2 + S1 + 2x2 2x2 2x1 + x2 x1,x2,s1,s2,s3,s40 + S2 + S3 + S4 = = = = 6 3 5 4 Zo=4x1+3x2+0s1+0s2+0s3+0s4
Paso 2: n= Incgnitas No. de variables n= 6 n-m= 6-4= 2 m=No. de Restricciones m= 4 No. de variables no bsicas.
Nota: Se llaman no bsicas a aquellas que su valor es cero. Paso 3: Preguntar Se puede resolver con la solucin ms sencilla? es decir, se tienen 4 holguras positivas, para conformar una matriz identidad. Paso 4: Igualar a cero la funcin objetivo. Zo=-4x1-3x2-0s1-0s2-0s3-0s4=0 Paso 5: Armar el tablero inicial
VARIABLE DE ENTRADA MATRZ IDENTIDAD ZONA
BASE Z S1 S2 S3 S4
Z 1 0 0 0 0
X1 -4 2 -3 0 2
X2 -3 3 2 2 1
S1 0 1 0 0 0
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
VARIABLE DE SALIDA
A la integracin de toda la fila de la variable de salida con la columna de variable de entrada se multiplica por su inverso, para obtener lo que se llama eje pivote.
54
Nota: Los coeficientes de las variables bsicas en cualquier tabla simplex se conforma una matriz de identidad. En la tabla es la exposicin donde S1=6, S2=3, S3=5 y S4=4 PRIMERA LEY Una tabla es ptima para el caso de maximizacin cuando todos los elementos de la zona sean positivos o cero y viceversa para el caso de minimizacin.
SEGUNDA LEY Para elegir la variable de entrada se toma el elemento ms negativo de la zona , para el caso de maximizacin y viceversa para minimizacin.
TERCERA LEY Para definir las variables de salida se forman cocientes, donde los numeradores se toman de la columna de la solucin (nicamente de las restricciones y donde los denominadores sern los nmeros correspondientes en la columna de variable entrada). No se admiten indeterminaciones, no cocientes negativos, la variable de salida se elige tomando el menor cociente positivo tanto para Maximizar como Minimizar.
55
1.- ITERACIN
VARIABLE DE ENTRADA
VARIABLE DE SALIDA
BASE Z S1 S2 S3 X1
Z 1 0 0 0
X1 0 0 0 0
X2 -1 2 7/2 2
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
S4 2 -1 3/2 0
0 1 1/2 0 0 0 1/2 2 2/1/2 = 4 Se multiplica por toda la fila de la variable de salida S1, entrando X2, obteniendo el eje pivote 1 arriba de este ltimo y abajo se tendr que hacer ceros.
2.- ITERACIN BASE Z X2 S2 S3 Z 1 0 0 0 X1 0 0 0 0 X2 0 1 0 0 S1 1/2 1/2 -7/4 1 S2 0 0 1 1 S3 0 0 0 0 S4 3/2 -1/2 13/4 1 Sol 9 1 11/2 3
X1 0 1 0 -1/4 0 0 3/4 3/2 Como la zona Z son todos los nmeros positivos y ceros se dice que la tabla es ptima. SOL X1 X2 S2 S3 = 3/2 =1 = 11/2 3 Z= 9 S4= 0 MAX S1= 0 2 Variables no bsicas
Nota 1: Solucin factible es aquella para la que todas las restricciones se satisfacen. Nota 2: Una solucin no factible es una solucin para que al menos una restriccin se viole.
56
Comprobacin Zo=4x1+3x2 s.a 2x1+3x26 Zo=4(3/2)+3(1) 9=9 2(3/2)+3(1)6 66 -3x1+2x23 -3(3/2)+2(1)3 -2.53 2x25 2(1)5 25 2x1+x24 2(3/2)+14 44 EJEMPLOS 2:
Resolver el siguiente problema. MAX s.a 3X1 2X1 2X1 + + 9X2 2X2 4X2 + + + 2X3 3X3 9X3 X3 + + + , 7X4 9X4 6X4 X4 10 15 5 0 Z=2X1-3X2+4X3+5X4
X1 , X2 , Llevndola a su forma estndar Z=2X1-3X2+4X3+5X4+0S1+0S2+0S3 Z=-2X1+3X2-4X3-5X4-0S1-0S2-0S3=0 3X1 2X1 2X1 + + 9X2 2X2 + + 2X3 3X3 9X3 + + + m=3 7X4 9X4 6X4 +
S1 + S2 + S3
= = =
10 15 5
4X2 + n=7
57
BASE Z S1 S2 S3
Z 1 0 0 0
X1 -2 3 2 2
X2 3 9 -2 4
X3 -4 2 3 9
X4 -5 7 9 6
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
Sol 0 10 15 5
Variable de salida
Se multiplica toda la fila de S3 de la base por 1/6 para hacer un eje pivote X4 igual a 1, en la interseccin de la columna de variable de entrada con la fila de la variable de salida; haciendo cero arriba de este y debajo de este, mediante adiciones y sustracciones.
1.- Iteracin BASE Z S1 S2 X4 Z 1 0 0 X1 -1/3 2/3 -1 X2 19/3 -8 X3 7/2 -21/2 X4 0 1 0 S1 0 0 1 S2 0 0 0 1 S3 5/6 -7/6 -3/2 1/6 Sol 25/6 25/6 15/2 5/6 =4.1666/0.666= 6.25 =7.5/-1=-7.5 =0.8333/0.333=2.5
13/3 -17/2
58
SOL X2= 0 S1 X1 S2 = 5/2 = 5/2 = 10 Z= 5 X3= 0 X4= 0 S3= 0 Comprobacin Zo=2(5/2)-3(0)+4(0)+5(0) Z=5 3x1+9x2+2x3+7x410 3(5/2)+9(0)+2(0)+7(0)10 7.510 2x1-2x2+3x3+9x415 2(5/2)-2(0)+3(0)+9(0)15 515 2x1+4x2+9x3+6x45 2(5/2)+4(0)+9(0)+6(0)5 55 EJEMPLO 3: MAX.Z=2X1+X2 s.a X1 -3X1 4X1 + + + 2X2 2X2 2X2 8 4 24 0 Solucin ptima finita nica
Zo=2x1+x2+0s1+0s2+0s3 Zo=-2x1-x2-0s1-0s2-0s3 s.a x1 -3x1 4x1 n=5 + 2x2 + 2x2 + 2x2 m=3 + S1 8 = 4 = + S3 = 24 n-m=5-3=2 Variables no bsicas. + S2
59
Variable de entrada
BASE Z S1 S2 S3
Z 1 0 0 0
X1 -2 1 -3 4
X2 -1 2 2 2
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
Variable de salida
60
EJEMPLO 4: MIN s.a 3X1 -2X1 -4X1 + + X2 4X2 3X2 + 8X3 X3 + 2X3 7 12 10 0 Z=X1-3X2-2X3
X1 , X2 , Llevndolo a su forma estndar Z=X1-3X2-2X3+0S1+0S2+0S3 Z=-X1-3X2-2X3-0S1-0S2-0S3=0 3X1 -2X1 -4X1 + X2 4X2 + 8X3 m=3 + 2X3 + S1
= + S2 +
Variable de entrada
7 12 10
= S3 =
+ 3X2 n=6
BASE Z S1 S2 S3
Z 1 0 0 0
X1 -1 3 -2 -4
X2 3 -1 4 3
X3 2 2 0 8
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
Sol 0 7 12 10
Variable de salida
Variable de entrada
1.- Iteracin BASE Z S1 X2 S3 Z 1 0 0 0 X1 1/2 5/2 -1/2 -5/2 X2 0 0 1 0 X3 2 2 0 8 S1 0 1 0 0 S2 -3/4 1/4 1/4 -3/4 S3 0 0 0 1 Sol -9 10 3 1 =10/2=5 =3/0= =1/8=0.125
Variable de salida
61
2.- Iteracin
Variable de entrada
BASE Z S1 X2 X3
Z 1 0 0 0
X2 0 0 1 0
X3 0 0 0 1
S1 0 1 0 0
3.- Iteracin BASE Z X1 X2 Z 1 0 0 X1 0 1 0 X2 0 0 1 X3 0 0 0 S1 -9/25 8/25 4/25 S2 -18/25 7/50 8/25 S3 -4/25 -2/25 -1/25 1/10 Sol -319/25 78/25 114/25 11/10
X1 X2 X3
62
Zo=2x1-5x2+0s1+0s2 Zo=-2x1-x2-0s1-0s2=0 s.a 3x1 2x1 n=4 1.-Iteracin BASE Z S1 S2 Z 1 0 0 X1 -2 3 2 X2 5 8 3 S1 0 1 0 S2 0 0 1 Sol 0 12 16 12/8 = 1.5 16/ 3 = 5.3 + 8x2 + 3x2 m=2 + S1 = 12 + S2 = 16 n-m=4-2=2 Variables no bsicas.
Z 1 0 0
X2 0 1 0
S2 0 0 1
63
2.2. MTODO DE LAS VARIABLES ARTIFICIALES. 2.2.1. Mtodo de la gran M o mtodo penal. El mtodo de la gran M es empleado para resolver modelos de programacin lineal; cuando en sus restricciones al menos una de ellas el signo de la desigualdad es diferente ; es decir, las restricciones son del tipo o =; el algoritmo matemtico para resolver este tipo de modelos obedece a los siguientes pasos: 1.- Se expresa en problema en la forma estndar. 2.- Se aaden las Variables no negativas en cada una de las ecuaciones, cuyas restricciones originales tengan ( ) o (=). Esas variables artificiales y su presencia es una violacin a las leyes del lgebra. Esta dificultad se supera asegurando que esas variables artificiales sean ceros (0) en la solucin final. 3.- Utilizar las variables artificiales para la solucin bsica inicial, para ello la funcin objetivo deber ser ajustada adecuadamente. Proceda con los pasos regulares del Mtodo Simplex. Nota: Las variables artificiales proporcionan un artificio matemtico para obtener la solucin inicial. Son variables ficticias y no tienen ningn significado fsico directo en trminos del problema original. Las variables artificiales se reconocern por la variable Wn Ejemplo 1 MIN.Z=4X1+X2 s.a 3X1 4X1 X1 X1 + + + , X2 3X2 X2 X2 = 3 6 3 0
No se puede aplicar el Simplex Se tiene que emplear la tcnica de Variables Artificiales
PASO1: Pasar a formato estndar y aadir variables artificiales en las restricciones y que estas sean .
64
X1 , n=4
S2 0 n-m=4-3=1Variables no bsicas.
Por lo tanto hay 3 Variables bsicas PASO 2: Se aade en la funcin objetivo el coeficiente M contrario a su espritu de dicha funcin por cada variable artificial contenida en las restricciones y se iguala a cero la funcin objetivo. MIN.Z=4X1+X2-0S1-0S2+MW1+MW2 Z-4X1-X2-0S1-0S2-MW1-MW2=0 s.a
Siempre se considera la variable artificial en vez de la de holgura en la base, no importa si es Maximizacin o Minimizacin.
3X1 4X1 X1 X1
+ + + ,
X2 3X2 X2 X2 , S1 + S1 + , S2 S2
W1 + W2 W2
= = =
3 6 3 0
W1
PASO 3: Armar el Tabln en la base siempre que la desigualdad sea de signo ( o =), la variable a contemplar ser la artificial y en las desigualdades ser siempre en la base de las variables de holgura.
65
BASE Z W1 W2 S2
Z 1 0 0 0
X1 -4 3 4 1
X2 -1 1 3 1
S1 0 0 -1 0
S2 0 0 0 1
W1 -M 1 0 0
W2 -M 0 1 0
Sol 0 3 6 3
NOTA 1: Se forma la Matriz identidad con las variables artificiales acompaadas con las de holgura, intercambiando la columnas o filas en el siguiente orden X1, X2, S1, W1, S2, W2. BASE Z W1 W2 S2 Z 1 0 0 0 X1 -4 3 4 1 X2 -1 1 3 1 S1 0 0 -1 0 W1 -M 1 0 0 W2 -M 0 1 0 S2 0 0 0 1 Sol 0 3 6 3
PASO 4: Hacer el ajuste. Eliminar las M de la zona, para ello cada variable artificial se multiplica por el mismo coeficiente con signo opuesto y se suman las variables artifciales y la cantidad ser adicionada en la funcin objetivo zona , esto es para Maximizar y Minimizar. El ajuste solo se lleva a cabo en la funcin objetivo.
Variable de entrada Variable de salida
BASE Z W1 W2 S2
Z 1 0 0 0
X1 7M-4 3 4 1
X2 4M-1 1 3
S1 -M 0 -1
W1 0 1 0
W2 0 0 1
S2 0 0 0
1 0 0 0 1 1 = 3 + 4 = 7 4 = 4 + 7 2 = + 3 = 4 1 = 1 + 4 1 = 0 1 = 0 =
2 = 0 + 1 = = 0
1 = 1 + 0 = = 0
66
PASO 5: Se sigue o aplica el mtodo simplex y los criterios de factibilidad, segn sea el caso para maximizar o minimizar el coeficiente M no tiene valor.
X1 -4+7M NEGATIVO POSITIVO X2 -1+4M NEGATIVO POSITIVO Minimizar el ms positivo de la zona para la variable de entrada.
7M 4M por lo tanto 7M es la variable ms positiva y entra X1. Toda la fila del rengln W 1 se multiplica por 1/3 para obtener 1 y tiene que ser el eje pivote. En caso de la Funcin Objetivo se sigue toda la fila, se multiplica por 4-7M; checar operaciones: 1 = 4 7(1) = 4 7 + ( 4 + 7) = 0 1 = 0(4 7) = 0 = 2 = 4 7(0) = 0 2 = 4 7(0) = 0
1 4 7 1 5 2 = 4 7 = + ( 1 + 4) = + 3 3 3 3 3 1 4 7 4 7 1 = 4 7 = + 0 = 3 3 3 3 3
= (4 7)1 = 4 7 + 9 = 4 + 2 X2 5/3M+1/3 1/3 5/3 S1 -M 0 -1 W1 -7/3M+4/3 1/3 -4/3 W2 0 0 1 S2 0 0 0 Sol 2M+4 1 2 1 =1/0.33=3 =2/1.66=1.2 =2/0.66=3.0
1 2/3 0 -1/3 0 0 Se elige la variable de entrada el ms positivo de la zona X2= 1/3+5/3M W1= 4/3-7/3M el ms positivo. negativo.
67
NOTA: Arriba y abajo del eje pivote ceros, hay que multiplicarlo por cada uno de los nmeros que se encuentran en la columna con signo opuesto al eje pivote y sumarlo en la respectiva fila. 2.- Iteracin. 1 5 1 5 1 5 2 = 1 = + + = 0 3 3 3 3 3 3
1 5 3 1 1 1 1 = = + = + = 3 3 5 5 5 5 1 5 4 4 4 4 7 8 1 = = + + = 3 3 5 15 3 3 3 5 1 5 3 1 1 2 = = + 0 = 3 3 5 5 5 S1 1/5 1/5 -3/5 2/5 W1 8/5-M 3/5 -4/5 1/5 W2 -1/5-M -1/5 3/5 -2/5 S2 0 0 0 1
X2 0 0 1 0
S1 0 1 0 0
W2 -M -1 0 0
S2 0 0 0 1
Sol 3 3 3 0
VARIABLES NO BSICAS.
W2= 0
68
n=6
m=3
BASE Z W1 S2 W2
Z 1 0 0 0
X1 -4 2 0 1
X2 -1 1 3 0
S1 0 -1 0 0
S2 0 0 1 0
W1 M 1 0 0
W2 M 0 1 0
Sol 0 8 30 10
69
Z 1 0 0 0
X1 -4 2 0 1 -2M -1M
X2 -1 1 3 0 -M -0M
S1 0 -1 0 0 M 0
S2 0 0 1 0 -M 0
W1 M 1 0 0 0M 0M
W2 M 0 1 0 0M -M
BASE Z W1 S2 W2
Z 1 0 0 0
X1 -3M-4 2 0 1
X2 -M-1 1 3 0
S1 M -1 0 0
W1 0 0 1 0
S2 0 0 1 0
W2 0 0 0 1
1.- Iteracin
Variable de entrada
BASE Z 3M+4 X1 S2 W2
Z 1 0 0 0
X1 0 1 0 0
S2 0 0 1 0
W2 0 0 0 1
Sol -6M+16 4 30 6
Variable de salida
70
2.- Iteracin
Variable de entrada
Variable de salida
BASE Z X1 S2 1/2M+2 S1
Z 1 0 0 0
X1 0 1 0 0
X2 -1 0 3 -1
S1 0 0 0 1
W1 M 0 0 -1
S2 0 0 1 0
W2 M+4 1 0 2
3. - Iteracin
Z 1 0 0 0
X1 0 1 0 0
X2 0 0 1 0
S1 0 0 0 1
W1 M 0 0 -1
W2 M+4 1 0 2
Sol 30 10 10 22
71
+ -
-12]-1 16 8
+ + ,
12 16 8 0
Formato estndar
n=6
m=3
BASE Z S1 W1 W2
Z 1 0 0 0
X1 3 -4 2 3
X2 6 8 6 -6
S1 0 1 0 0
S2 0 0 -1 0
W1 -M 0 1 0
W2 -M 0 0 1
Sol 0 12 16 8
72
BASE Z S1 W1 W2
Z 1 0 0 0
X1 3 -4 2 3
X2 6 8 6 -6
S2 0 0 -1 0
S1 0 1 0 0
W1 -M 0 1 0
W2 -M 0 0 1
Sol 0 12 16 8
Variable de entrada
BASE Z X1 S2
Z 1 0 0
X1 5M+3 -4 2 3
X2 6 8 6 -6
S2 -M 0 -1 10
S1 0 1 0 0
W1 0 0 1 0
W2 0 0 0 1
S1 0 1.-Iteracin
Variable de entrada
Variable de salida
BASE Z X1 W1 5M+4 X1
Z 1 0 0
X1 0 0 0
X2 10M+12 0 10 -2
S2 -M 0 -1 10
S1 0 1 0 0
W1 0 0 1 0
0 1 2.- Iteracin
Z 1 0 0 0
X1 0 0 0 1
X2 0 0 1 0
S1 0 1 0
W1 -M-6/5 0 1/10
MAX Z=104/5
73
2.2.2. Mtodo de la Doble Fase. El procedimiento de la doble fase es similar al Mtodo de la M en sus pasos 1 y 2, solo que en su paso 4 se sustituye la funcin (F.O), por una funcin que ser la de objetivo de estudio, la cual se obtiene a partir de la suma de tantas variables artificiales como sean necesarias agregar en la forma estndar. MINZ=2X1+X2 s.a 3X1 4X1 X1 X1 + + + , X2 3X2 2X2 X2 3 6 3 0
No se puede hacer por Mtodo simplex
Paso 2: Despejar las variables artificiales de cada restriccin: siempre se tomara en cuenta los signos o = y se suman todas las variables artificiales, tomando una nueva funcin objetivo. MINa=W1+W2+W3 s.a W1 W2 W3 = = = = 3 6 3 12 3X1 4X1 X1 8X1 X2 3X2 2X2 6X2 + S1 + S2 + S1 + S2 + + S3 S3
Se iguala la funcin objetivo a la constante obtenida de la suma de cada una de ellas, en este caso a 12.
74
Variable de entrada
Variable de salida
S3 -1 0 0 -1
W1 0 1 0 0
W2 0 0 1 0
W3 0 0 0 1
SOL 12 3 6 3
1.- Iteracin Base a X1 W2 W3 a 1 0 0 0 X1 0 1 0 0 X2 10/3 1/3 5/3 5/3 S1 5/3 -1/3 4/3 1/3 S2 -1 0 -1 0 S3 -1 0 0 -1 W1 -8/3 1/3 -4/3 -1/3 W2 0 0 1 0 W3 0 0 0 1 SOL 4 1 2 2
2.-Iteracin Base a X1 X2 W3 a 1 0 0 0 X1 0 1 0 0 X2 0 0 1 0 S1 -1 -3/5 4/5 -1 S2 1 1/5 -3/5 1 S3 -1 0 0 -1 W1 0 3/5 -4/5 1 W2 -2 -1/5 3/5 -1 W3 0 0 0 1 SOL 0 3/5 6/5 0
75
Base a X1 X2 S2
a 1 0 0 0
X1 0 1 0 0
X2 0 0 0 1
S1 0 -2/5 1/5 -1
S2 0 0 0 1
S3 0 1/5 -3/5 -1
W1 -1 2/5 -1/5 1
W2 -1 0 0 -1
W3 0 0 0 0
Fase 2: Lleva de la funcin objetivo a a la funcin objetivo inicial Z. 2/5S1 + 1/5S3 = + 1/5S1 3/5S3 = S1 + S2 S3 = Despejar cada una de las ecuaciones de la base obtenidas en la variable respectiva 1 = 3 2 1 + 1 3 5 5 5 X1 X2 3/5 6/5 0 Fase I con la
2 =
6 1 3 1 + 3 5 5 5
3 2 1 6 1 3 = 2 + 1 3 + 1 + 3 5 5 5 5 5 5 = 2 6 1 3 6 4 + 1 3 + 1 + 3 5 5 5 5 5 5 = 12 3 1 + 1 + 3 5 5 5
Se iguala a 12/5
Armar nuevamente el tabln sin las variables artificiales. Base a X1 X2 S2 a 1 0 0 0 X1 0 1 0 0 X2 0 0 0 1 S1 -3/5 -2/5 1/5 -1 S2 0 0 0 1 S3 -1/5 1/5 -3/5 -1 SOL 12/5 3/5 6/5 0
V. Bsicas X1=3/5 X2=6/5 V. no Bsicas S2, S1, S3=0
3 1 12 1 3 = 5 5 5
76
Fase 1 Base a W1 W2 W3 a 1 0 0 0 X1 13 3 4 5 X2 7 5 -1 3
+ 131 + 72 1 2 3 = 26 S1 -1 -1 0 0 S2 -1 0 -1 0 S3 -1 0 0 -1 W1 0 1 0 0 W2 0 0 1 0 W3 0 0 0 1 SOL 26 13 2 11
1.- Iteracin Base a X2 W2 W3 Base a X2 W2 X1 a 1 0 0 0 a X1 1 44/5 0 3/5 0 23/5 0 16/5 2.-Iteracin X1 0 0 0 1 X2 0 1 0 0 X2 0 1 0 0 S1 -9/4 -25/16 -85/16 15/16 S1 6 -1 -1 3 S2 -1 0 0 0 S2 -1 0 -1 0 S3 7/4 3/16 23/16 -5/16 S3 -1 0 0 -1 W1 -7/5 1/5 1/5 -3/5 W1 1/4 5/16 17/16 -3/16 W2 0 0 1 0 W2 0 0 1 0 W3 0 0 0 1 W3 -11/4 -3/16 -23/16 5/16 SOL 39/5 13/5 23/5 16/5 SOL -1 2 0 1 =2/-0.18=10.6 =0/1.43=0 1/-0.31=3.2
77
3.-Iteracin. Base a X2 S3 X1 a 1 0 0 0 Fase 2: X1 0 0 0 1 X2 0 1 0 0 S1 -67/92 -20/23 -85/23 -5/23 Z X2 X1 20/23 S1 85/23 S1 5/23 S1 2 = 2 + 3 = 0 + + 20 23 1 S3 = = 2 0 1 S2 -1 0 0 0 S3 0 0 1 0 W1 -24/23 4/23 17/23 1/23 W2 -28/23 -3/23 16/23 5/23 W3 -1 0 -1 0 SOL -1 2 0 1
Cambiando de a
Min
1 = 1 + = 8 1 +
85 23 1
5 23 1
= 8 +
5 20 1 + 2 2 + 1 23 23 40 40 1 + 4 + 23 23 1 80 = 12 23 1 0 0 1 0 2 0 1 80 23 1
= 12 +
Base a X2 S3 X1
a 1 0 0 0
X1 0 0 1 0
X2 0 1 0 0
S2 0 0 0 0
S3
SOL 12
V. no Bsicas S1, S2 =0
78
W1 W2
= = =
4 2 6
+ -
4X1 X1 3X1
X2 2X2 3X2
S1 + S2 S2
S1
F+3X1+3X2-S1-S2=6 NOTA: Para el caso de Maximizar en el Mtodo de la doble fase se maneja con los criterios de Minimizacin al momento de definir Variables de entrada y salida esta tiene alcance tanto en las iteraciones desarrolladas en la Fase I y Fase II; quedando ptima cuando en la zona , todos sean negativos o ceros. Solo este criterio aplicara para Maximizar bajo el mtodo de la doble fase.
79
1.-Iteracin Base F W1 X2 S3 F 1 0 0 0 X1 9/2 9/2 -1/2 1/2 X2 0 0 1 0 S1 -1 -1 0 0 S2 1/2 1/2 -1/2 1/2 W1 0 1 0 0 W2 -3/2 -1/2 1/2 -1/2 S3 0 0 0 1 SOL 3 3 1 2 =3/4.5=0.66 =1/0.5=-2 =2/0.5=4
2.-Iteracin Base F X1 X2 S3 F 1 0 0 0 X1 0 1 0 0 X2 0 0 1 0 S1 0 -2/9 -1/9 1/9 S2 0 1/9 -4/9 4/9 W1 -1/2 2/9 1/9 -1/9 W2 -1 -1/9 -1/18 -4/9 S3 0 0 0 1 SOL 0 2/3 4/3 5/3
Fase 2. Llevar de la funcin Objetivo F a Z. Encontrando las ecuaciones de cada una de las variables bsicas de la tabla ptima.
80
X1 X2
+ +
S3
Despejando a X1 de la Ec. (1) a X2 de la Ec (2) y S3 de la Ec. (3) X1 X2 S3 = = = 2/3 4/3 5/3 + + 2/9S1 1/9S1 1/9S1 + 1/9S2 4/9S2 4/9S2 Ec. (4) Ec. (5) Ec. (6)
= TABLON Base Z X1 X2 S3 Z 1 0 0 0 X1 0 1 0 0
= + +
VARIABLES BASICAS
X2 0 0 1 0
S3 0 0 0 1
X1=2/3
X2=4/3 Z=26/3
S3=5/3
81
EJERCICIO 2 Un estanque de peces es abastecido cada primavera con dos especies: beta y globo; si hay dos tipos de comida f1 y f2 disponibles en el tanque. El peso promedio de los peces y el requerimiento promedio de alimento para cada pez; esta dado en la siguiente tabla: ESPECIE BETA GLOBO F1 2 3 F2 3 1 PESO PROMEDIO 3 lb 2 lb
Si existen 600 lb de comida f1 y 300 lb de comida f2 diariamente. Cuntos peces deben existir en la pecera; dado que lo mnimo para lo cual fue construida es de 400 lb? Definicin de Variables. X1= No. de peces beta que deben haber en el estanque o pecera. X2= No. de peces globo que deben haber en el estanque o pecera. MAXZ=X1+X2 s.a 3X1 2X1 3X1 X1 + + + , 2X2 3X2 X2 X2 400 600 300 0
MINZ=X1+X2-0S1+MW1+0S2+0S3 Z=-X1-X2+0S1+MW1-0S2-0S3 3X1 2X1 3X1 X1 + + + , 2X2 3X2 X2 X2 S1 + S2 , S1 , S2 + , S3 S3 , W1 + W1 = = = 400 600 300 0
82
Z 1 0 0 0
X1 -1 3 2 3
X2 -1 2 3 1
S1 0 -1 0 0
W1 M 1 0 0
S2 0 0 1 0
S3 0 0 0 1
X1 -3M-1 3 2 3
X2 -2M-1 2 3 1
S1 M -1 0 0
W1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
1.-Iteracin Base Z W1 S2 X1 Z 1 0 0 0 2.-Iteracin Z 1 0 0 0 3.-Iteracin Base Z X2 S1 X1 Z 1 X1 0 X2 0 S1 0 W1 M S2 2/7 S3 17/21 SOL 1500/7 1200/7 500/7 300/7 deben X1 0 0 0 1 X1 0 0 0 0 X2 0 1 0 0 X2 -M-2/3 1 7/3 1/3 S1 -2/3 -1 7/3 1/3 S1 M -1 0 0 W1 M+2/3 1 -7/3 -1/3 W1 0 1 0 0 S2 0 0 1 0 S2 0 0 1 0 S3 M+1/3 -1 -2/3 1/3 S3 1/3 -1 5/3 2/3 SOL 100M+100 100 400 100 SOL 500/3 100 500/3 200/3
Base Z X2 S2 X1
0 0 1 0 0 3/7 -2/7 0 0 0 1 -1 3/7 5/7 0 1 0 0 0 -1/7 3/7 CONCLUSIN: Debe de haber en la pecera 214 peces, de los cuales 43 ser beta y 171 deben ser globo.
83
2.2.3. Mtodo Grfico. El mtodo grfico soluciona problemas de PL por medio de la representacin geomtrica del objetivo, las restricciones estructurales y las condiciones tcnicas. En esta representacin geomtrica, los ejes coordenados pueden asociarse ya sea con las variables o con las restricciones tecnolgicas del problema. Cuando los ejes cartesianos estn relacionados con las variables (actividades) del problema, el proceso se conoce como mtodo grfico de actividades. Cuando la forma alternativa, las restricciones tecnolgicas (recursos) se identifican con los ejes coordenados, el mtodo se denomina mtodo grfico en recursos. Un problema de PL con m restricciones y n variables (las condiciones tcnicas no se incluyen en la dimensin del problema) se dice que posee una dimensin de (mn). El mtodo grfico para resolver un programa lineal con dos variables se comprende mejor concentrndose primero en las restricciones y posteriormente en la funcin objetivo. Para determinar los valores X1, X2 o X,Y satisfacen todas las restricciones, considerando una restriccin a la vez. 2.2.3.1. La desigualdad representada en el eje cartesiano
Cuando el signo de la restriccin es menor o igual) ( el sentido del vector ira dirigido hacia el origen es decir, hacia adentro. 2X1+X24 2X1+X2=4 X2
X1 0 2 X2 4 0
5 4 3 2 1 1 2 3 4 5 5 X1
84
2.2.3.2.
Cuando el signo de la restriccin es mayor o igual) ( el sentido del vector ira dirigido hacia afuera del origen es decir hacia afuera. 3X1-X24 3X1-X2=4
X1 0 4/3 X2 -4 0
1 1 2 3 4
5
MAX Z=4X1+3X2 S.A 2X1+3X26
3
3
1 A 1 2
Z=9
3
B
X1
85
Solucin Como la funcin es Maximizar se busca el punto ms alejado del origen y si fuera Minimizar viceversa observando el polgono A, B, C, D, el punto ms alejado parece C, B, para lo cual se empleara un sistema de ecuaciones formando en la interseccin de ambos puntos. Punto C Recta 1 y Recta 4 se interceptan 21 + 32 = 6 . 1 21 + 2 = 4 . 2
1 32 + 1 1 0
MAX Z=9
1 1 12 2 2 2
2 3 1
3 2 1
1 32 6 ~ 1 (2) + 2 2 1 4 3 1 ~ 1 0 0 32 1 1
3 ~ 1 1 2 2 4 0
3 2 2
3 ~ 2
Punto B
La recta 4 se intercepta con X1 2X1+X2=4 X2=0 X1=2 Sustituyendo los valores en la funcin objetivo Z Z=4X1+3X2 =4(2)+3(0)=8 es menor que 9 por lo tanto es ptima.
86
Esta versin del mtodo grfico asocia una variable a cada eje coordenado y luego realiza tres pasos bsicos:
1.- Reemplazar el signo de la desigualdad en una restriccin por un signo de igualdad y calcular las interceptas donde la ecuacin satisface su condicin de igualdad. 2.- Dibujar lnea correspondiente de la funcin. 3.- Identificar el sentido de la lnea dependiente del sentido de la desigualdad en la restriccin. 4.- Sombrear esa porcin de la grafica que satisfaga las restricciones formuladas hasta el momento.
EJEMPLO 1. MAXZ=4X1+3X2
Descartes menciono para solucionar un problema complejo, se vale solucionar el problema por partes a condiciones de que las soluciones nieguen la totalidad. En esta primera instancia se trabajara con las restricciones prescindindole la funcin objetivo.
87
2.2.3.3.
Mtodo General.
Tomaremos la primera restriccin y la transformaremos en una igualdad y se harn o encontraran las interceptas. Son los puntos en que la curva corta al eje de coordenadas. Estos puntos tambin tienen una cualidad de que al menos una de sus variables vale 0 (cero).
X2=0
Y0=0
2X1=5------------ 3 X1 5/2 X2 0
2X1+X2=4--------------- 4 X1 0 2 X2 4 0
El rea bordeada se llama solucin factible o conjunto convexo; o solucin espacio y tiene la propiedad de cumplir con todas las condiciones del modelo no negatividad.
88
Se le llama restriccin redundante a la restriccin cuya preferencia o ausencia no modifique para nada el rea de la solucin factible; sin embargo todos los puntos de esa rea debern cumplir dicha condicin. Trabajando exclusivamente con la funcin objetivo si esta parte del punto (1,0), por el punto (1,1), para (0,0) o por el punto (1.5, 1).
Z=4X1+3X2=4
4X1+3X2=4
4X1+3X2=4
4X1+3X2=4
X1 0 1
X2 4/3 0
X1 0 7/4
X2 7/3 0
X1 0 -3
X2 0 4
X1 0 6/4
X2 3 0
La funcin objetivo Z genera una familia finita de rectas paralelas cuyos valores mximos o mnimos se dan exactamente en puntos o esquinas del rea.
EJEMPLO 2. MAXZ=10X1+15X2 s.a 10X1 5X1 4X1 X1 + + + , 20X2 5X2 2X2 X2 4000 1500 800 0
89
10X1+20X2=2500
10X1+20X23000
10X1+20X23250
X1 250 0
X2 0 166.66
X1 300 0
X2 0 200
X1 325 0
X2 0 216
90
1 = Z=10X1+15X2
Z=10(2000/15)+15(2000/15)= 3333.333
EJEMPLO 3. Un banco asigna un mximo de $20,000 en prstamos personales y de automviles. El monto de los prstamos para automviles debe ser cuando menos 2 veces mayor que el de los prstamos personales. La experiencia pasada ha demostrado que los adeudos no cubiertos constituyen el 1% de los prstamos personales. Como deben asignarse los fondos para maximizar la utilidad del banco si los intereses anual para prstamos personales son de 14% y del 12% para prstamos para automviles. X1= Automviles. X2= Prestamos personales.
91
20
15 10
5 0.13X1+0.12X2=15 Si Z = 2.5 X1=N=Kg Mezcla barata X2=Kg Mezcla cara MAX Z=10X1+15X2 s.a 0.8X1+0.5X21800 0.2X1+0.5X21200 X10 X20 X1 0 2250 X2 3600 0 X1 0 6000
10
15
20
25
Z=1.5
20000
B
X2 2400 0
92
X2
6000 5500 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 500 1000 1500 2000 2500 3000 3500 6000 X1
SBF
93
EJERCICIOS III. Problemas Mtodo Grafico. INSTRUCCIONES: Resolver los siguientes ejercicios por el mtodo grafico, la solucin se presenta en cada uno de los problemas. Problemas del mtodo grafico
= 51 + 2 . 21 + 2 6 1 + 2 4 21 + 102 20 1 , 2 0
= 51 2 . 21 + 32 12 1 32 0 1 , 2 0
= 41 + 2 . 81 + 22 16 1 + 2 12 1 , 2 0
94
= 61 + 22 . 31 + 22 12 21 + 42 12 2 1 1 , 2 0
= 41 + 2 . 31 + 2 6 41 + 2 12 2 1 1 , 2 0
= 1 + 2 . 41 + 2 100 1 + 2 80 40 1 1 , 2 0
95
= 41 2 . 21 + 2 8 2 5 1 2 4 1 , 2 0
96
EJERCICIOS IV. Resolucin de Modelos de Programacin Lineal. Instrucciones: Resolver los siguientes modelos de programacin lineal por el mtodo apropiado.
Solucin
= 21 + 32 . 1 22 16 51 + 82 29 31 + 72 17 1 , 2 0
= 21 52 s.a 61 2 1 32 85 1 + 32 40 81 + 22 50 1 , 2 0
Solucin = 75 .
= 21 + 102 + 3 . 51 + 22 + 3 15 21 + 2 + 73 20 1 + 32 + 23 25 1 , 2 , 3 0
V.No Bsicas
= 21 2 + 43 . 51 + 22 33 7 21 22 + 3 8 1 , 2 , 3 0
97
1 = 22.25 2 = 1.50 1 = 6 2 = 9
= 12.75 .
Solucin
= 21 102 + 3 . 31 + 2 + 3 6 1 2 + 23 1 1 + 32 3 2 1 , 2 , 3 0
= 2.50 .
1 = 1.5 2 = 0.50 3 = 0
Solucin
= 1 + 22 . 1 + 32 11 21 + 2 9 1 , 2 0
= 8.40 .
= 21 + 32 + 43 . 1 + 2 + 3 1 1 + 2 + 273 = 2 31 + 22 + 13 4 1 , 2 , 3 0
98
= 7 .
= 21 2 + 33 . 1 + 2 + 3 = 3 1 22 + 3 1 22 + 3 2 1 , 2 , 3 0
Solucin = 8 .
1 = 1 3 = 2 V.No Bsicas 1 = 1 = 0 2 = 2 =0 2 =0
Solucin
= 51 + 22 + 3 . 21 + 32 + 3 20 61 + 82 + 53 30 71 + 2 + 33 40 1 + 22 + 43 50 1 , 2 , 3 0
= 17.5 .
99
= 51 + 72 . 21 + 32 42 31 + 42 60 1 + 2 18 1 , 2 0
Solucin = 150 .
= 21 + 52 + 33 . 1 2 + 3 20 21 + 42 + 3 = 50 1 , 2 , 3 0
3 = 50 V.No Bsicas 1 = 1 = 0 2 = 2 =0 2 = 1 =0
= 50001 + 70002 . 21 + 2 1 1 22 1 1 , 2 0
CAPTULO III:
TEORA DE LA DUALIDAD Y ANLISIS DE SENSIBILIDAD.
Objetivo: El alumno conocer y aplicar el concepto fundamental de la dualidad y la relacin matemtica con el problema primal, al igual que la metodologa del anlisis de sensibilidad para determinar el efecto que tienen los cambios realizados en el modelo de Programacin Lineal.
101
3.1
Uno de los descubrimientos ms importantes durante el desarrollo inicial de la programacin lineal fue el concepto de dualidad y sus importantes ramificaciones. Este descubrimiento revelo que asociado a todo problema de programacin lineal, existe otro llamado DUAL. Desde distintos puntos de vista las relaciones entre el problema dual y el original (llamado Primal) son muy tiles. Esencia de la Teora de Dualidad Dada nuestra forma estndar para el problema primal, presente a su lado el problema dual, tiene la forma que muestra en la derecha. PROBLEMA PRIMAL MAX MIN = s.a .
=1 =1
PROBLEMA DUAL
= s.a
=1
= 1,2,3 . . Y
.
=1
= 1,2,3 . .
En consecuencia; con el problema de maximizacin, el problema dual est conformado por minimizacin. Aun ms, el problema dual usa los mismos parmetros que el problema primal; pero en diferentes lugares, tal como se resume a continuacin. 1) Los coeficientes de la funcin objetivo del problema primal son los lados derechos de las restricciones funcionales del problema dual. La dualidad parte dependiendo de su origen: Cuando el primo esta en formato cannico. 1.- El objeto de un problema debe ser opuesto al otro.
102
2.- El problema de Maximizacin. Debe contar con todas sus restricciones y el de Min . 3.- Las variables de ambos problemas deben ser no negativas. 4.- Cada restriccin en un problema tiene asociada una variable en el otro y viceversa. 5.- El vector de recursos (transporte) de un problema se convierte en el vector de coeficientes objetivo del otro y viceversa. 6.- La matriz de coeficientes tecnolgicos de un problema es la transpuesta de la matriz de coeficientes tecnolgicos de otros. Por tanto, si el problema es primo su dual entonces es: MAX Z0=CX AXb X0
MIN
Y0=bt ATYCt
3.2
DUALIDAD.
Se dice que con la solucin de todo problema de programacin lineal, se est tambin solucionando un problema estrechamente relacionado; a tal problema se le llama el problema DUAL, a su vez al problema original al cual se hace referencia un dual, que es el problema original, se le llama tambin el problema PRIMAL
103
Un problema de minimizacin se encuentra en forma cannica si en la definicin del modelo matemtico, todas sus restricciones son del tipo mayor o igual que y todas sus variables son mayores o iguales a cero. Min Z=CX Sujeta a Axb X0
3.2.1.1 TRANSFORMACIN.
Todo problema de maximizacin primal tiene un problema de minimizacin en su dual. Todo problema de minimizacin primal tiene un problema de maximizacin en su dual. Cada restriccin del primal implica una variable dual. Cada variable primal implica una restriccin dual. Los coeficientes del lado derecho del primal, son los coeficientes del lado derecho dual. Los coeficientes tecnolgicos de la variable j del primal, son los coeficientes tecnolgicos de la restriccin j del dual. Los coeficientes tecnolgicos de la restriccin i del primal, son los coeficientes tecnolgicos de la variable i del dual. Todo problema en forma cannica tiene como problema dual a uno tambin en forma Cannica:
Todo problema en forma cannica tiene como problema dual a uno tambin en forma cannica:
DUAL
104
EJEMPLO 1.
MODELO PRIMAL MODELO DUAL
Z=4X1+2X2+X3 X3 X3 X3 8 12 15 0 A=
NOTA: Se aplica Mtodo Simplex para resolver. 2Y1 4Y1 0 n=6 + + + 5Y2 2Y2 Y2 m=3 + + 2Y3 Y3 + S1 + S2 + S3 = = = 4 2 1
BASE W S1 S2 S3 W Y2 S2 S3 W Y2 Y3 S3
W 1 0 0 0 1 0 0 0 1 0 0 0
Y2 -12 5 2 1 0 1 0 2 0 1 0 2
Y3 -5 0 2 1 -5 0 2 1 0 0 1 0
S3 0 0 0 1 0 0 0 1 0 0 0 1
SOL 0 4 2 1 48/5 4/5 2/5 1/5 53/5 4/5 1/5 0 -X3+S3 -2X2+S2 X2+S3 5X3+W 0X3+X2 12x2+W
105
106
EJEMPLO 2. Utilizando el problema dual resuelva el siguiente modelo de Programacin Lineal. MODELO PRIMAL
MIN G= 4Y1+2Y2
+ ,
85 115 150 0
MODELO DUAL
MIN G= 4Y1+2Y2 18Y1 14Y1 4Y1 Y1 + , 19Y2 5Y2 2Y2 Y2 85 115 150 0
18X1 -19X1
+ -
14X2 5X2
+ +
4X3 2X3
S1 + S2
= =
4 2
M=5
n=2
5-2=3
107
Base W S1 S2 w X2 S2
W 1 0 0 1 0 0
X2 -115 14 -5 0 1 0
S2 0 0 1 0 0 1
Base W W X2 X3
X2 0 1 0
X3 0 0 1
S1 10 1/74 35/96
S2 5 -1/12 7/24
SOL 50 0 1
108
EJEMPLO 3. FORMATO CANNICO MIN Z=4X1+3X2 s.a Y1 2Y1 Y1 Y2 Y1 , Y2 + Y2 Y2 6 0 2 2 0 X1 MIN Z=4X1+3X2 s.a -X1 -2X1 -X1 , X2 X2 + X2 X2 -6 0 -2 -2 0
Tablon
Base Z S1 S2 S3 S4
Z 1 0 0 0 0
X1 -4 -1 -2 -1 0
X2 -3 -1 1 0 -1
S1 0 1 0 0 0
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
SOL 0 -6 0 -2 -2
1.- ITERACIN
Base Z X2 S2 S3 S4
Z 1 0 0 0 0
X1 -1 1 -3 -1 1
X2 0 1 0 0 0
S1 -3 -1 1 0 1
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
SOL 18 6 -6 -2 4
109
2.- ITERACIN
Base Z X2 X1 S3 S4
Z 1 0 0 0 0
X1 0 0 1 0 0
X2 0 1 0 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
SOL 20 4 2 0 -2
S1=0 S2=0
110
EJEMPLO 4. FORMATO CANONICO MIN Z=2X1+6X2 s.a -5X1 4X1 X1 X1 + + , 7X2 6X2 2X2 X2 = 8 2 3 0 MIN Z=2X1+6X2 s.a 5y1 -4y1 y1 y1 -y1 + 7y2 6y2 2y2 y2 2y2 -8 2 3 3 -3
TABLON
Base Z S1 S2 S3 S4
Z 1 0 0 0 0
Y1 -2 5 4 1 -1
Y2 -6 -7 -6 2 -2
S1 0 1 0 0 0
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
SOL 0 -8 2 3 -3
1.-ITERACIN
Base Z S1 S2 S3 S4
Z 1 0 0 0 0
Y1 0 1 0 0 0
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 0 0 0 0 1
111
2.-ITERACIN
Base Z Y1 S2 S3 S4
Z 1 0 0 0 0
Y1 0 1 0 0 0
Y2 -2 2 -14 0 -17
S1 0 0 0 0 1
S2 0 0 1 0 0
S3 0 0 0 1 0
S4 -2 -1 -1 1 5
3.-ITERACIN
Z 1 0 0 0 0
Y1 0 1 0 0 0
Y2 0 0 0 0 1
S2 0 0 1 0 0
S3 0 0 0 1 0
V. no Bsicas
MAX Z=148/17
112
3.3
Cuando un modelo no est en forma cannica puede seguirse la siguiente tabla de transformacin: PRIMAL FUNCIN OBJETIVO VARIABLE MAXIMIZACIN 0 0 LIBRE = DUAL MINIMIZACIN = 0 0 LIBRE FUNCIN OBJETIVO RESTRICCIN
RESTRICCIN DUAL
Tabla 2. Fuente: IPN-UPIICSA
VARIABLE PRIMAL
Como se observa en la tabla de transformacin anterior, en un momento dado se puede estar utilizando variables no-positivas (Xk0) y variables libres, esto es, variables sin restriccin de signo (Xk0 0 Xk0); al definir al algoritmo Simplex siempre se trabaja con variables no-negativas y as debe continuar; por lo tanto, debe hacerse un ajuste al modelo poder manejar variables no-positivas y las variables libres. EJEMPLO1. MAX Z= 5X1+6X2 s.a X1+9X260 2X1+3X245 5X1-2X220 X230 X1,X20
113
DIAGRAMA DE TRUCKER X1 Y1 Y2 Y3 Y4 1 2 5 0 5
Tabla 3. Fuente: IPN-UPIICSA.
X2 9 3 -2 1 6 60 45 20 30
Observaciones de este caso en particular: a) Que el problema dual tiene menor nmero de restricciones que el primario. b) Cada restriccin en un problema corresponde con una variable en el otro problema. c) Los elementos del lado derecho de las restricciones en un problema son los coeficientes de la funcin objetivo en el otro problema. d) Un problema busca maximizar y en otro minimizar. e) El problema de maximizacin tiene signos en todas las restricciones, tanto que el de minimizacin tiene signos en todas las restricciones. f) Las variables en los dos problemas son no negativas.
114
Qu sucede cuando se tiene una restriccin en forma de igualdad? EJEMPLO: Obtenga el modelo Dual a partir de Primario. PRIMAL MAX Z=C1+C2 s.a
a11x1+a12x2=b1..Rs 1 a21x1+a22x2=b2..Rs 2
X1,X20 Trabajando con la restriccin Rs 1.
-a11x1-a12x2-b1
NOTA: Lo mismo pasa con Rs2. Se hace el mismo procedimiento. Acomodando el modelo nos queda. MAX Z=C1+C2 s.a
115
X1 Y1 Y1 Y3
X2
b1 b1 b1
MIN G= b1-b1+b2 s.a a11y+1-a11y-1+a21y2C1 a12y+1-a12y-1+a22y2C2 y+1,y-1,y20 FACTORIZANDO MIN G=b1(y+1-y-1)+b2y2 s.a a11(y+1-y-1)+a21y2C1 a12(y+1-y-1)+a22y2C2 y+1,y-1,y20 Sustituyendo la expresin del parntesis por y1 el modelo nos queda as: MIN G=b1y1+b2y2 s.a a11y1+a21y2C1 a12y1+a22y2C2 y+1 Libre, irrestricta, no restringida, y20 Siempre que tengamos una restriccin en el problema primario en forma (=) la variable dual correspondiente ser dual y viceversa.
116
3.4
Se aplica a problemas que tiene factibilidad dual inicial, es decir, que son ptimos pero infactibles simples. La factibilidad dual se reconoce expresando las restricciones en la forma cannica (). La funcin objetivo puede ser de maximizacin o minimizacin. Condiciones FACTIBILIDAD La variable de salida es la variable bsica que tiene el valor ms negativo, en caso de empate procedemos de forma arbitraria, y si todas las variables bsicas son no negativas, el procesos finaliza y la solucin factible ptima se encuentra. OPTIMALIDAD La variable de entrada es seleccionada de las variables no bsicas, se hacen cocientes cuyos denominadores sern necesariamente negativos y se toman de la ecuacin pivote. Los numeradores sern los nmeros correspondientes en la funcin objetivo.
Se escoge el cociente ms prximo a 0 para minimizacin. No toma en cuenta cocientes asociados con denominadores positivos o ceros. Y si todos los denominadores son 0 o positivos, el problema no tiene solucin factible, los empate se deciden arbitrariamente. Cuando se tiene un caso de Max en el mtodo Dual-Simplex, todo el procedimiento es exactamente igual si fuera Min, excepto que al definir la variable de entrada se hacen cocientes cuyos denominadores sern necesariamente negativos tomados de la ecuacin pivote y los numeradores sern los nmeros correspondientes en la funcin objetivo. Se toman los valores absolutos de los cocientes (prescindiendo de los negativos) y se elige, para determinar la variable de entrada, el cociente ms prximo a cero.
117
PASO1.- Se expresan las restricciones del problema nicamente las restricciones en la forma cannica: MIN Z=2X1+X2 s.a -3x1-x2-3 -4x1-3x2-6 -x1-2x2-8 x1,x20 PASO2.- Se aade variables de holgura positivas: Zo=2x1+x2+0s1+0s2+0s3 Zo=-2x1-x2-0s1-0s2-0s3 s.a -3x1 -4x1 -x1 - x2 - 3x2 - 2x2 + S1 + S2 + S3 = = = -3 -6 -8
118
V entrada
2 = 0.5 4
V.salida
1 = 0.3 3
BASE Z S1 X2 S3
Z 1 0 0 0
X2 0 0 1 0
S1 0 1 0 0
S3 0 0 0 1
Sol 2 -1 2 1
V. entrada
2/3 = 0.4 5/3
V. salida
1/3 =1 1/3
BASE Z X1 X2 S3
Z 1 0 0 0
X1 0 1 0 0
X2 0 0 1 0
S3 0 0 0 1
119
Como hay factibilidad se puede aplicar el mtodo Dual-Simplex. PASO5.-Se define la variable de salida, se elige por el valor ms negativo de la columna de solucin. PASO 6.- Se define la variable de entrada, para ello se formaran cocientes en los que los denominadores de la ecuacin pivote y que pertenezcan a las variables no bsicas. Los numeradores sern los nmeros correspondientes a la funcin objetivo.
EJEMPLO. El entrenador de Bsquetbol de los Borregos del Tec. de Monterrey est interesado en preparar lo que ha bautizado como la ensalada vitamnica, la cual puede prepararse a partir de 5 verduras bsicas disponibles y definidas como 1,2,3,4,5; se desea que la ensalada vitamnica contenga por lo menos 10 unidades de vitamina A y 25 unidades de vitamina C, la relacin neta del contenido vitamnico y el costo de las verduras se proporcionan en la siguiente tabla. VERDURAS (UNIDADES DE VITAMINA/Kg) VITAMINAS A C COSTO 1 2 1 100 2 0 2 80 3 3 2 95 4 4 1 100 5 1 3 110
X= Cantidad de las diferentes verduras a emplear en la E.V. X1= Cantidad de vitamina 1 a emplear en la E.V. X2= Cantidad de vitamina 2 a emplear en la E.V. X3= Cantidad de vitamina 3 a emplear en la E.V. X4= Cantidad de vitamina 4 a emplear en la E.V. X5= Cantidad de vitamina 5 a emplear en la E.V.
120
DUAL MIN F=10Y1+25Y2 s.a 2Y1 3Y1 4Y1 Y1 Y1 MAX Z= 100X1+80X2+95X3+100X4+110X5-0S1-0S2-MW1-MW2 Z-100X1-80X2-95X3-100X4-110X5+0S1+0S2+MW1+MW2=0 + + + + + , Y2 2Y2 2Y2 Y2 3Y2 Y2 100 80 95 100 110 0
+ +
3X3 2X3
+ +
4X4 X4
+ +
X5 3X5
-S1 -S2
W1 + W2
= =
10 25
S1,S2,W1,W20
i=1,2,3,4,5
121
BASE Z W1 W2
Z 1 0 0
X1 -100 2 1
X2 -80 0 2
X3 -95 3 2
X4 4 1
X5 1 3
S1 0 -1 0
S2 0 0 -1
W1 M 1 0
W2 M 1 0
Sol
-100 -100
AJUSTE
BASE Z W1 W2
Z 1 0 0
X1
-100-3M
X2
-80-2M
X3
-95-5M
X4
-100-5M
X5
110-3M
S1
M -1 0
S2
M 0 -1
W1
0 1 0
W2
0 0 1
Sol
-35 10 25
2 1
0 2
3 2
4 1
1 3
1 ITERACIN
BASE
Z 1 0 0
X1
-100/3-5/3M
X2
-26/3+2/3M
X3
65/5-7/3M
X4
-193/3-1/3M
X5
0
S1
M
S2
-110/3+4/3M
W1
0
W2
110/3+4/3M
Sol
2750/3
Z W1 X5
5/3 1/3
-2/3 2/3
7/3 2/3
11/2 1/3
0 1
-1 0
1/3 -1/3
1 0
-1/3 1/3
5/3 25/3
2. ITERACIN
BASE
Z 1 0 0
X1
-380/11 5/11 2/11
X2
-200/11 -2/11 8/11
X3
208/11 7/11 5/11
X4
0 1 0
X5
0 0 1
S1
-190/11 -3/11 1/11
S2
-390/11 1/11 -4/11
W1
190/11+M 3/11 -1/11
W2
340/11+M -1/11 -4/11
Sol
10600/11 -5/11 9/11
Z X4 X5
122
3 ITERACIN
BASE
Z 1 0 0
X1
0 1 0
X2
-32 -2/3 4/5
X3
67 7/5 1/5
X4
76 11/5 -2/5
X5
0 0 1
S1
-38 -3/5 1/5
S2
-24 1/5 -2/5
W1
38+M 3/5 -1/5
W2
25+M -1/5 2/5
Sol
980 1 8
Z X1 X5
4 ITERACIN
BASE
Z 1 0 0
X1
0 1 0
X2
120 2 4
X3
105 2 1
X4
0 1 2
X5
190 3 5
S1
0 0 1
S2
-100 -1 -2
W1
M 0 -1
W2
100+M 1 2
Sol
2500 25 40
Z X1 X5
Conclusin. Se necesitan 25 unidades de vitamina 1 y 40 unidades de vitamina 5 para preparar una ensalada vitamnica con 2500 unidades.
123
EJEMPLO.
MODELO PRIMAL MODELO DUAL
Z=2X1+5X2 3 4 6 0
MIN
W=3Y1+4Y2+6Y3
Y1 Y1 Y1
2Y2 Y2 Y2
6Y3 3Y3 Y3
= =
2 5 0 0
Libre o irrestricta
MIN Z=3Y1+4Y2+6Y3+0S1+MW1 Z-3Y1-4Y2-6Y3-0S1-MW1 s.a. Y1 -Y1 Y1 , Y2 TABLON Base Z S1 W1 Z 1 0 0 Y1 -3 1 -1 Y2 -4 -2 -1 Y3 -6 1 3 S1 0 1 0 W1 -M 0 1 SOL 0 2 5 2Y2 Y2 + + 6Y3 3Y3 Y3 Libre + S1 + W1 = = 2 5 0
124
1.- ITERACIN Base Z S1 W1 Z 1 0 0 Y1 -5 2/3 -1/3 Y2 -6 -7/3 -1/3 Y3 0 0 1 S1 0 1 0 W1 2-M 1/3 1/3 SOL 10 11/3 5/3
125
3.5
ANALISIS DE SENSIBILIDAD.
El mtodo de modelo de programacin lineal es esttico y por tal motivo puede resultar inoperante con el transcurso del tiempo; es decir, los cambios que ocurren en cualquier economa dan lugar a que precios, costos, recursos disponibles o requeridos ya no se puedan considerar para otro tiempo. Estos parmetros por lo general son valores estimados sin la deseable precisin debido a las dificultades normales para conseguir registros confiables. Una solucin es ptima solo en la que se refiere al modelo especfico que se usa para representar un problema real estudiado, pero no puede ser confiable hasta verificar un buen comportamiento al hacer cambios en sus parmetros. El anlisis de sensibilidad tiene el propsito de investigar el defecto sobre la solucin ptima entregada por el mtodo simplex con los cambios a los valores originales. En tal caso la programacin lineal tiene el recurso de revisar la solucin ptima del problema para ajustarla a lo que juzga valido por los responsables de la decisin o bien en respuesta a cambios (solo discretos, pues los cambios continuos forman parte de la programacin paramtrica no incluida aqu) del entorno econmico; por tal motivo a este anlisis tambin se le conoce como anlisis de la paso optimalidad. En general se pueden presentar cambios que no afecten la optimalidad de la solucin obtenida pero tambin ocurrir que se pierda esa condicin. Por tal motivo es importante verificar los parmetros sensibles, que al cambiar de valor, se pierde el ptimo en este caso, es posible calcular el intervalo de valores permitidos que no pierdan lo ptimo. Tambin se puede determinar el intervalo para conservar la factibilidad (los valores no negativos de una variable). 3.5.1. Forma Matricial de la Tabla Simplex y las Relaciones Vectoriales
Implicadas. Donde: Z= Al valor de la funcin objetivo. A= A las matriz de coeficientes tecnolgicos conforme las restricciones. b= Es un vector columna de trminos independientes, conforme a las restricciones. C= Es un vector rengln de coeficientes, conforme a la funcin objetivo.
126
CB= Es un vector rengln de coeficientes de variables de funcin objetivo conforme transpuesto se ubiquen en la columna de base (bsicas en la tabla simplex). Y= Es un vector rengln de variables duales (precios sombra) los que se localizan como coeficientes en las variables de holgura y/o artificiales del rengln Z. XB= Es un vector columna con valores de variables bsicas en la columna de solucin. B-1= Es la inversa de una matriz B formada por las columnas aj de coeficientes aij de restricciones, conforme a variables bsicas (columna de base) en la tabla simplex. N= Matriz de coeficientes tecnolgicos, no bsicos. XN= Es el vector de variables no bsicas. 1= Matriz identidad. 0= Vector cero.
3.5.1.1. Cambio en el vector A. Cambios en la matriz A de coeficientes tecnolgicos de restricciones en variables no bsicas. Los cambios en A para variables bsicas resultan en clculos muy complicados siendo mejor recalcular con el simplex para cambio de coeficientes aij de la matriz A de restricciones en variables no bsicas solo interesa manejar los pues el resto queda igual y se puede as: 1. ETAPA Usando la frmula de = 1 = se revisa si el coeficiente indicador de cambia de signo, si no ocurre el cambio de signo en tal coeficiente no es necesario aplicar la 2 etapa ya que el cambio propuesto no afecta la optimalidad del problema. Cuando el coeficiente cambia de signo se entiende que el cambio propuesto, si provoca perdida de optimalidad de la solucin que se est realizando y en tal caso se procede a la siguiente etapa.
aij de ellos,
127
2. ETAPA Se aplica la frmula de de = 1 con la cual se calcula la nueva columna . Se aplica el simplex hasta re optimizar dado el siguiente modelo de programacin lineal suponga que el coeficiente -1 cambia a 2. EJEMPLO 1: Min Z=3X1-X2+4X3 s.a X1 X1 , 2X2 X2 + , X3 X3 X3 = 8 20 0
Min Z=3X1-X2+4X3-0S1+MW1+MW2
X1 2X2 X1 , X2
+ ,
X3 X3 X3
S1
W1 + W2 W2
3 4 0
S1
W1
BASE Z W1 W2
Z 1 0 0
X1 -3M 1 0
X2 1+2M 0 2
X3 -4 -1 1
S1 -M -1 0
W1 0 1 0
W2 0 0 1
Sol 28M 8 20
1.- ITERACIN BASE Z W1 X2 Z 1 0 0 X1 -3M 1 0 X2 0 0 0 X3 -9/2-M -1 1/2 S1 -M -1 0 W1 0 1 0 W2 -1/2-M 0 1/2 Sol -10+8M 8 10
128
= = 3, 12
2 = 3, 12 4 = 32 0 1 0 0 1 0 0 2 3 2 [3 1 4] = 0 1 3 0 2
0 6 1 1 2 =
ETAPA 2
= 1
BASE Z X3 X2
Z 1 0 0
X2 0 0 1
X3 0 1 0
W2 -1/2-M 0 1/2
Sol 8 4 8
129
MIN s.a
+ + ,
+ + ,
6X3 X3 2X3 X3
30 12 12 0
Z=5X1-6X2-7X3-0S1+0S2+MW1+MW2 Z-5X1+6X2+7X3+0S1-0S2-MW1-MW2=0 2X1 6X1 2X1 + + 10X2 3X2 2X2 + + 6X3 X3 2X3 S1 + S2 + W2 + W1 = = = 30 12 12
BASE Z W1 S2 W2
Z 1 0 0 0
X1 -5+4M 2 6 2
X2 6+12M 10 -3 2
X3 7-4M -6 1 2
S1 -M -1 0 0
W1 0 1 0 0
S2 0 0 1 0
W2 0 0 0 1
Sol 42M 30 12 12
1.- ITERACIN BASE Z W1 S2 X3 Z 1 0 0 0 X1 -12+4M 8 5 1 X2 -1+16M 16 -4 1 X3 0 0 0 1 S1 -M -1 0 0 W1 0 1 0 0 S2 0 0 1 0 W2 -7/2+2M 3 -1/2 1/2 Sol -42+66M 66 6 6
130
2.- ITERACIN BASE Z X2 S2 X3 Z 1 0 0 0 X1 23/2 1/2 7 1/2 X2 0 1 0 0 X3 0 0 0 1 S1 -1/16 -1/16 -1/4 1/16 W1 1/16-M 1/16 1/4 -1/16 S2 0 0 1 0 W2 -53/16-M 3/16 1/4 5/16 Sol -303/8 33/8 45/2 15/8
FASE 2
= = 116
6 53 16 6 = 2 > 0 0 2 0 316 6 0 1 14 6 = 7 2 1 0 516 S1 -1/16 -1/16 -1/4 1/16 W1 1/16-M 1/16 1/4 -1/16 S2 0 0 1 0 W2 -53/16-M 3/16 1/4 5/16 Sol -303/8 33/8 45/2 15/8
REOPTIMIZO BASE Z X2 S2 X3 Z 1 0 0 0 X1 2 0 7 -1 X2 0 1 0 0
1 16 1 4 1 16 X3 0 0 0 1
3.- ITERACIN BASE Z X2 S2 X3 Z 1 0 0 0 X1 0 0 1 0 X2 0 1 0 0 X3 0 0 0 1 S1 1/112 -1/16 -1/28 3/112 W1 -1/112-M 1/16 1/28 -3/112 S2 -2/7 0 1/7 1/7 W2 -379/112-M 3/16 1/28 39/112 Sol -2481/56 33/8 45/14 285/56
131
4.- ITERACIN
BASE Z X2 S2 X3
Z 1 0 0 0
X1 0 0 1 0
X2 0 1 0 0
S1 0 0 0 1
W1 -M 0 0 -1
W2 -7/2-M 1 1/2 13
3.5.1.2. Cambio en el vector B A partir de la definicin por producto de matrices y vectores de una tabla simplex ptima se obtiene.
Para el vector de variables bsicas optimas XB*=B-1b. As el anlisis de sensibilidad determinara los intervalos de los roles para cada parmetro en el modelo que permita mantener al conjunto de variables bsicas en estas condiciones. Para el anlisis de sensibilidad se requiere saber la composicin matricial de la tabla simplex y las relaciones vectoriales implicadas. La localizacin de estos vectores y matrices en la tabla forman parte de la estructura matricial. Cuando se modifica el valor de las componentes del vector de recursos b a (b+b), slo debe verificarse que se siga mantenimiento la factibilidad de las variables bsicas, esto es, al hacer el cambio se debe tener que B-1(b+b)0 A partir de la ley distributiva para la suma se tiene ( + ) 0
Este es un sistema de inecuaciones que nos permite determinar todas las posibles combinaciones que permite determinar todas las posibles combinaciones para los cambios en b. De esta ltima expresin, despus de realizar las correspondientes operaciones, se define b tal que permita en todo caso mantener como ninegativas a todas las variables ptimas en XB.
132
Siguiendo estas condiciones para mantener la factibilidad de la solucin bsica ptima se encuentra el rango de valores para cada recurso b1, la solucin es el rango de valores que satisfacen. ( 1 + 1 ) 0
EJEMPLO 1: Z=5x1+3x2+0s1+0s2 Z-5x1-3x2-0s1-0s2=0 s.a 3x1 + 5x2 + 5x1 + 2x2 x1,x2,s1,s20 Producto utilidad Personal T. mquina A 5 C1 5 5 S1
S2
= =
15 10
B 3 C2 5 2
disponible
15 10
b
Sol 8 15 10 15/3 = 5 10/5 = 2
BASE Z S1 S2 1 ITERACIN
Z 1 0 0
X1 -5 3 5
X2 -3 5 2
S1 0 1 0
S2 0 0 1
BASE Z S1 X1
Z 1 0 0
X1 0 0 0
X2 -1 19/5 2/5
S1 0 1 0
S2 1 -3/5 1/5
133
2. ITERACIN
BASE Z X2
Z 1 0
X1 0 0
X2 0 1
S1 5/19 5/19
S2 16/19 -3/19
X1 0 1 0 -2/19 5/19 20/19 Qu pasara si trabajo con 5 personas. Maximizar para producto A y producto B y que el Tiempo de Mquina sean 5 horas?
b+b
5 personas 5 3 = 19 19 2 5 19 19
134
10 60 19 0 19 = 80 100 19 19
5 19 1 = 5 19
16 2 = 19 3 19 2 = 1 = 0.26 19 5 1 = 1.6 3 5
2 =
BASE Z S2 X1
Z 1 0 0
X1 0 0 1
S2 0 1 0
1 = [2 , 1 ] =
10 2 3 = 0 + 50 = 16.6 = [0,5] 3 10 1 3
135
EJEMPLO 2:
Z=2X1+X2+0S1+0S2+0S3 Z-2X1-X2-0S1-0S2-0S3=0
S1 + S2 S2 + , S3 S3
S1
= = =
6 4 48 0
X2 -1 0 1 8
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
136
BASE Z X1 S2 X2
Z 1 0 0 0
X1 0 1 0 0
X2 0 0 0 1
S2 0 0 1 0 B-1
B-1 1 3 4 3 4 0 0 1 1 1 8 0 0 0 18 1 0 6
I 1 0 1 0 0 0 0 3 1 8 4 1 1 0 = 0 1 3 0 1 0 0 18 4 0 0 0 1
1 0 0 1 0 0
0 0 1
0 0 1 1 1 = 0 8
6 6 0 1 0 0 5 5 0 1 1 2 = 0 2 6 0 8 3 36 0 2 1 1
0 6 3 = 4 2 48 12
1 3 4 3 4 4 1
3 4 3
0 0 6 1 1 5 1 8 0 2 3 0 0 18 2 0 0
-6
10 3
2
1 6 1
5 2 3 4 10 3
1 6 6 5 3 5 0 0 2 4 1 2 3 3 3 0 0 1 2 2 4
1 2
R2
b1[-,8]
137
1 3 4 3 4 0 0 0 2 0 0
0 0 6 0 1 5 1 8 2 1 3 0 0 18 2
-2
-1
1
0 6 3 2
6 6 0 5 5 0 2 2 2 3 3 0 2 2
2 52
1 52 , + b2[4-5/2,-]
1 3 4 3 4 0 0 0
1 0 6 0 0 1 3 1 5 0 8 3 2 1 8 3 4 1 3 3 0 18 3 1 2 8 3 4
0 0 6 0 1 18 0 52 3 3 0 18 2
12
-6
0
0 6
20
3 12
3 20
5 2 1 8
20 0 0 73 7 5 4 4 0 0 74 534
138
3.- ITERACIN. (X dual simplex xK sali a 0) TABLON Base Z X1 S2 X2 Z 1 0 0 0 X1 0 1 0 0 X2 0 0 0 1 S1 1/2 1 3/4 -3/4 S2 0 0 1 0 S3 1/8 0 -1/8 1/8 SOL 0 20 73/4 -53/4 X1=0/0= X2=0/1=0 S1=0.5/0.75=-0.6 S2=0/0= S3=0.125/0.125=1
4.- ITERACIN. Base Z X1 S2 X2 Z 1 0 0 0 X1 0 1 0 0 X2 2/3 4/3 1 -4/3 S1 0 0 0 1 S2 0 0 1 0 S3 5/24 1/6 0 -1/6 SOL 7/3 5 53/3
7 3 14 = [2,0,0] 5 = + 0 + 0 = 143 3 53 3 EJEMPLO 3: MAX s.a X1-X23 -2X1-X2=4 -X1+3X26 X1,X20 Anlisis de sensibilidad Z=2X1+5X2
1 = [1 , 2 , 1 ] 2 1
139
MAX Z=2X1+5X2+0S1-MW 1+OS2 Z-2X1-5X2-0S1+MW 1-OS2=0 X1 -2X1 -X1 Tabln BASE Z S1 W1 S2 Z 1 0 0 X1 -2 1 -2 1 X2 -5 -1 -1 3 + X2 X2 3X2 + S1 + + S2 W1 = 3 4 6
AJUSTE
BASE Z S1 W1 S2
Z 1 0 0
X1 -2+2M 1 -2 1
X2 -5+M -1 -1 3
S1 0 1 0 0
W1 0 0 1 0
S2 0 0 0 1
SOL 4M 3 4 6
1.- ITERACIN
BASE Z S1 W1 X2
Z 1 0 0
X2 0 0 0 1
S1 0 1 0 0
W1 0 0 1 0
SOL 10-6M 5 6 2
140
2.- ITERACIN
BASE Z X1 W1 X2
Z 1 0 0
X1 0 1 0 0
X2 0 0 0 1
W1 0 0 1 0
No tiene solucin factible pues se vuelve cclica y no se puede realizar anlisis de sensibilidad en el modelo primal.
3.5.1.3. Cambio en el vector C. Si es la modificacin de un costo bsico se utilizar (CB+C), de tal forma que en el rengln cero de la tabla simplex se siga manteniendo la propiedad [(CB+C)B-1N-CN]0; de forma similar al utilizar la ley distributiva se obtiene:
Este sistema encuentra todo el espacio de posibles soluciones para los cambios simultneos en las componentes del vector de costos bsicos; analizando slo el cambio de cada uno de los costos bsicos a la vez, se tiene:
( + ) 0
Siguiendo estas condiciones para mantener las condiciones ptimas de la solucin bsica se encuentra el rango de valores para cj. La solucin es el rango de valores que satisfacen ( + )
141
EJEMPLO:
+ +
= = =
30 12 12
BASE Z W1 S2 W2
Z 1 0 0 0
X1 -5 2 6 2
X2 6 10 -3 2
X3 7 -6 1 2
S1 0 -1 0 0
W1 -M 1 0 0
S2 0 0 1 0
W2 -M 0 0 1
Sol 0 30 12 12
142
1.- ITERACIN BASE Z W1 S2 X3 Z 1 0 0 0 X1 -12+8M 8 5 1 X2 -1+16M 16 -4 1 X3 0 0 0 1 S1 -M -1 0 0 W1 0 1 0 0 S2 0 0 1 0 W2 -7/2+2M 3 -1/2 1/2 Sol -42+66M 66 6 6
2.- ITERACIN BASE Z X2 S2 X3 Z 1 0 0 0 X1 23/2 1/2 7 1/2 X2 -1+16M 16 -4 1 N = [2 , 2 , 3 ] X3 0 0 0 1 S1 -1/16 -1/16 -1/4 1/16 W1 1/16-M 1/16 1/4 -1/16 S2 0 0 1 0 B-1 W2 -53/16-M 3/16 1/4 5/16 Sol -303/8 33/8 45/2 15/8
= [6,0, 7] = [1 , 2 , 1 , 2 ] = [0,0,0,0]
1
= ( ) = 3 (7 3) = 3 4 B-1N
1 2 1 0 = 7 0 0 1 0 1 2
1 16 1 4 1 16
143
1 16 1 4 1 16
3 16 1 4 5 16
12 1 7 0 1 0 2
0 0 1
1 16 1 = 4 1 16
1 1 16 8 1 1 4 4 1 1 8 16
3 1 16 128 1 1 4 4 3 5 128 16
= [ + + + + + [ ] +
= [ 138
53 1 27 16 16 128]
[, , , ] =
, , , , , ,
2 13
1 1 16 2 16 2 1
1 27 126 2 128 2 27
-1
13 = 51 62 73
17.6
27
144
2 27 [27, +]
, , , , , ,
3 13
3 10.6
5 53 16 16 3
3 27 128 2 128 3 9
10
13
3 = (, 6) (6, +)
3 (, 1) (13, +)
145
Completa la siguiente tabla ptima y obtenga el modelo original sabiendo X5, X6, X7 son variables de holgura.
= = 1 = 0 =
BASE Z X5 X1 X3
Z 1 0 0 0
X1 0 1 1 0
X2 2 -2 -24 0
X3 0 0 0 1
X4 21/2 15/2 6 0
X5 0 1 0 0
X6 3/2 -1/2 2 0 =
X7 5/4 3/4 1 1
1 = = B-1 I 1 12 0 2 0 0 1 0 0 3 1 4 1 0 1 0 0 0 1 0 0 1 0 0 1
1 = =
1 0 0 1 0 0
0 1 1 1 12 0 0 1 0
A=BA
1 0 1 4 0 0 1 2 1 0 0 1 1 2 1
1 4 1 2 0
1 1 2 1 15 2 6 0
1 14 = 0 1 2 0 0
5 4 = 1 2 0
1 9 12 12 3 0 0 1
1 2 1 24 0 0
146
= = 0
0 = = 0 34 1 = = 0 0
= 0 34
3 2
1 14 5 4 1 12 0 0 1 2
1 1 2 1
= 0 2 0 212 = 0 32 0 2 = 34 1 2
1 0 4 1 34 1 1 1 = 0 2 2 1 1 0 1 5 4 5 1 4 2 0 8
3 1 4 = 5 4 2 1 1
0 212 = 34 18 = 34 18 20
9 0 2 1 2
1 2 2
1 9 12 12 3 0 0 1 0 9 2 21 2
147
Completa la siguiente tabla ptima y obtenga el modelo original sabiendo X4, X5 son variables de holgura de la primera y segunda restriccin.
= = 1 = 0 =
BASE Z X1 X2
Z 1 0 0
X1 0 1
X2 0 -0
X4 2 1/2 0 B
-1
X5 1/3 0 1/2
SOL 120 25 20
= 1
0 1 -1 A=B
1 = = B-1 I 1 2 0 I 0 1 0 1 0 1 3 B-1
1 = =
2 0 1 0 = = 0 3 0 1 = = 2 0 = = [4,1] 2 = 0 0 1 3 2 1 2 3 0
1 0 2 0 0 1 0 3
1 2 2 3 0 3
= [4 1]
= = 0 0
2 = = 0
148
= 4
1 83 0
0 53 = 4
0 53 = [4 1
1 83
1]
149
EJERCICIOS V. Dualidad. Instrucciones: Dado el Modelo Primal obtener su Modelo Dual y resolverlo por el mtodo apropiado.
MODELO DUAL
1.- Min Z=10Y1+6Y2+8Y3 s.a Y1+Y2+2Y32 5Y1+3Y2+2Y31 Y1,Y20 Z=8 Y1=0 Y2=2 Y3=1
3.- Max Z=4Y1+10Y2+6Y3 s.a 2Y1+4Y2+Y312 6Y1+2Y2+Y326 5Y1+Y2+2Y380 Y1,Y20 Z=72 Y1=0 Y2=0 Y3=12
150
4.- Min 4.- Modelo Primal Max Z=10X1+15X2+20X3+25X4 s.a 8X1+6X2-X3+X416 3X1 +2X3-X4=20 Z=16Y1+2Y2 s.a 8Y1+3Y210 6Y1 15
NO TIENE SOLUCIN
5.- Max Z=Y1+4Y2 s.a Y21 Y1+Y22 Y1+3Y21 Z=1.333 Y1=0 Y2=0.3333
CAPTULO IV:
TRANSPORTE Y ASIGNACIN.
Objetivo: El alumno establecer los problemas de transporte y asignacin como una variable del modelo de Programacin Lineal as mismo aprender y aplicar la metodologa de solucin de los mismos.
152
153
A
II
B
III
C
IV
Un problema de transporte incluye M fuentes, a cada una de las cuales corresponde la disponibilidad de
ai
producto homogneo y n destinos a cada uno de los cuales requiere bj y j=1,2,3,4,5,6.n unidades de producto los nmeros ai y bj son enteros positivos. El costo Cij de transportar una unidad de origen i al destino j para cada i corresponde una j. El objetivo de desarrollar un programa de transporte que cumpla con todas las demandas a partir del inventario actual y a un costo de embarque mnimo se considera que el suministro y la demanda total son iguales.
=
=1 =1
154
Se garantiza creando ya un destino ficticio con una demanda igual al excedente, si la demanda total es menor que le suministro total, o un origen ficticio con un suministro igual al faltante si la demanda excede al suministro total sea Xij el nmero desconocido de unidades que se embarcan del origen i al destino j entonces todo modelo de transporte tendr como patrn el siguiente modelo matemtico. Min
=
=1 =1
s.a
= ( = 1,2 )
=1
= ( = 1,2 )
=1
155
1 = 1
=1 =1
Demanda origen 1 2 3 b1
A
C1A C2A C3A
B
C1B C2B C3B
C
C1C C2C C3C
D
C1D C2D C3D
a1 40 50 20 110
10
40
30
30
Como se observa, al aumentar en 30, el sistema se equilibr, y ahora s podemos seguir con el algoritmo. Los costos de la columna No.4 valen cero. 4.- Primera asignacin. La primera asignacin o distribucin de la oferta se realiza de la siguiente manera: a).- Se inicia el algoritmo asignado cantidades en las regiones que contengan el costo mnimo, empezando por el ms bajo y as sucesivamente hasta satisfacer demanda y oferta. Por ejemplo: Se tienen 3 fbricas y 5 almacenes, los costos de transporte son los que se muestran en la matriz. Demanda origen 1 3 2 9 3 b1 500 350 4 650 6 500 4 700 5 550 2700 5 7 4 6 900 A 6 B 8 C 6 D 4 E 3 1250 a1
Se interpreta la columna A y el rengln 1 como: En la fbrica 1 se tienen 1250 unidades producidas para ofrecer y se demandan 500 unidades en el rengln A.
156
Se busca el costo mnimo, ah se designa la cantidad que satisfaga la demanda total o parcial quedando la tabla de la siguiente manera:
Demanda origen 1 3 2 9 3 b1 500 350 4 650 6 500 4 700 5 550 2700 5 7 4 A 6 B 8 C 6 D 4 E
700
Al realizar la asignacin se ha satisfecho la demanda de la regin E a un costo mnimo, pero la oferta del rengln 1 todava no se distribuye ya que quedan 550 unidades disponibles. Ahora se observa cual es el siguiente costo mnimo, este se encuentra en la regin (2 A), ah se asigna la cantidad para satisfacer total o parcialmente la demanda quedando lo siguiente:
Demanda origen 1 3 2 3 b1
500
A 6
B 8 5 4 350
C 6 7 6 650
D 4 4 4 500
E
700
9 500
700 0
550 2700
A 6
B 8 5 4 350
C 6 7 6 650
D
500
E 4 4 4
700
9 500 0
500 0
700 0
157
A 6
B 8 5 4
350
C 6 7 6 650
D
500
E 4 4 4
700
9 500 0 350 0
500 0
700 0
550 2700
A 6
B 8 5 4
350 50
C 6 7 6
200
D
500
E 4 4 4
700
9 500 0 350 0
500 0
700 0
550 2700
A 6
B 8 5
50
C 6 7
400
D
500
E 4 4 4
700
9
350
4
200
500 0
350 0
700 0
550 2700
Se observa en la tabla que toda la oferta ha sido distribuida para satisfacer las demandas totales, en este momento la primera asignacin termina. 5.- Clculo de la funcin Z para la primera asignacin; se entiende como Z el costo de distribucin a diferentes centros de consumo, calculndose sta de la siguiente manera:
158
6.- Una vez que se ha encontrado el valor de la funcin Z el costo de distribucin se verifica si en realizada este costo que se ha encontrado es el mnimo. Por ello se realiza un anlisis de costos de oportunidad, o sea, que se analizan. Si se asign o aument una unidad en el rengln 1 A se desbalancea tanto la columna como el rengln, por tal motivo se tiene que disminuir esa unidad de dicha columna y rengln para que el sistema no se desbalancee, haciendo esto en renglones (ij) en los cuales se haya asignado alguna cantidad. Este mismo anlisis se realiza para cada rengln donde se incrementa o disminuye la unidad y as se desbalancea el sistema. Nota: L a configuracin de los ciclos (LOPPS) es cualquiera, solo que deben estar formados por lneas rectas horizontales y verticales todas ellas. EJEMPLO 1: La empresa Ford Motor Company desea elaborar un plan de transporte semanal para enviar automviles de sus plantas productoras ubicadas en el D.F. Monterrey y Guadalajara, sus almacenes en Toluca, Mrida, Baja California, Matamoros, Cancn. Se sabe que el D.F. produce semanalmente 60 unidades, Monterrey produce 50 automviles y Guadalajara produce 30 automviles. Por su parte el almacn de Toluca requiere 50 autos semanalmente, Mrida 20, Baja California 15, Matamoros 20 y Cancn 25. El costo promedio en pesos de enviar un automvil de una planta productora a alguno de los centros de distribucin se presentan en la siguiente tabla: Destino D.F. Monterrey Guadalajara Demanda Toluca 25 50 34 50 Mrida 40 55 41 20 Baja Matamoros California 50 45 25 52 15 25 36 20 Cancn 30 40 42 25 Oferta 60 40 30
a) Determinar el Modelo de Programacin Lineal para este problema. b) Calcule una solucin que usted considere viable para este modelo.
159
Min C.
= . .
21 + 22 + 23 + 24 + 25 40 31 + 32 + 33 + 34 + 35 30
Este algoritmo es un mtodo especializado para el formato de un modelo de transporte el cual puede resolverse mediante 3 mtodos:
Este procedimiento es uno de los mtodos ms aceptados que se basa en encontrar la diferencia de costos menores (mtodo heurstico). PROCEDIMIENTO 1.- Se construye una matriz de oferta y demanda colocando en cada una de las casillas y pestaa que indique el costo. 2.- Se realiza penalizaciones entre casilla de menor costo y la casilla de menor costo siguiente para cada rengln y para cada columna se restan. 3.- Se selecciona en penalizacin mayor ya sea en rengln de columna.
160
4.- Se ubica la casilla con menor costo seleccionada en el paso anterior, se hace la mxima asignacin de dicha casilla. 5.- Ajustan valores de oferta y demanda y se tachan valores de asignacin. 6.-Se selecciona la mayor penalizacin siguiente y se ubica al rengln o la columna que la tenga para ubicar a la casilla de menores costos y hacer la mxima asignacin. 7.- En caso de empate se procede arbitrariamente. 8.- Si en algn del problema no es posible utilizar los pasos 2-7(utilice costo mnimo) contine con este proceso hasta agotar oferta y demanda. Para ejemplificar este mtodo se utilizara el ejemplo 1.
Toluca
35 X
Mrida
X 5
B.C.
X 20
Matamoros 50 25
20 X
Cancn
25 X
Oferta 60 5 2 15
25 50 34
40 55 41
45 25 36
30 40 40 42 30
52
X X
15
15
50 9
20 0
15 0 25
20 11
25 10
25 35 + 34 15 + 55 5 + 41 15 + 25 15 + 25 20 + 30 25 = $ 3900
Es el mtodo menos ptimo ya que nicamente hace referencia a la posicin de los datos de la oferta y la demanda sin hacer referencia o considerar los costos. Se disea una matriz de oferta y demanda. PROCEDIMIENTO 1.- Se selecciona la casilla de la esquina (noroeste de la matriz), se hace la mxima asignacin posible.
161
2.- Se ajustan los valores de la oferta y la demanda y si alguno de los destinos o de las partes se ha agotado ya no se considera para el siguiente pedido. 3.- Con la sub matriz obtenida se repiten los pasos anteriores tachando previamente las casillas que no tienen asignacin. 4.- Se contina con este proceso hasta que la oferta y la demanda quede cero.
Toluca 25
50 X X
Mrida 40
10 X
B.C.
Matamoros
X
Cancn
X
Oferta 60 40 0
55
10 X 15 X
25
15
25
X
40 30 0 42 30 25 0
36
5 25
50 0
20 0
15 0 0
20 0
25 0
25 50 + 40 10 + 55 20 + 25 15 + 25 15 + 36 5 + 42 25 = $ 4180
Trata de localizar una mejor solucin inicial del modelo de transporte, utilizando las rutas baratas. PROCEDIMIENTO 1.- Se construye una matriz de oferta y demanda colocando en cada una de las casillas una pestaa que indique el costo. 2.- Se selecciona de la matriz la casilla con menor costo posible y se realiza en ella la mxima asignacin posible. 3.- Se ajustan valores de oferta y demanda tachando en cada caso las casillas que no tienen asignacin, en caso de empates se procede de manera arbitraria. 4.-continua con este procedimiento hasta que los valores de la oferta y la demanda queden satisfechos.
162 Cancn
10 5
Toluca
50 X X
Mrida
X X
B.C.
X 15
Matamoros 50 25
20 X
Oferta 60 40 0
25
40 55 41
45 25 36
30 40 40 25 0 42 30 10
52
X X
20
10
50 0
20 0
15 0 0
20 0
25 10
25 50 + 41 20 + 25 15 + 25 20 + 30 20 + 40 5 + 42 20 = $ 3865
163
EJEMPLO 2.
La fabrica S.A de C.V. fbrica dispositivos mecnicos en 2 fbricas una en Memphis y otra en Denver. La de Memphis puede fabricar 150 dispositivos por da y la de Denver puede producir 200 dispositivos por da y enviarlos por aire a los clientes de los ngeles y Boston; los clientes en cada ciudad requieren de 130 dispositivos por da, debido a las irregularidades en las tarifas areas la empresa cree que podra ser ms barato enviarlos primero a Nueva York y Chicago y luego a los destinos finales. Los costos de enviar por va area un dispositivo se muestra en la siguiente tabla. La empresa quiere minimizar el costo total de enviar los dispositivos requeridos a sus clientes. de Memphis Denver Nueva York Chicago Los ngeles Boston Memphis 0 Denver 0 Nueva York 8 15 0 6 Chicago 13 12 6 0 Los ngeles 25 26 16 14 0 Boston 28 26 17 16 0
DESTINOS Origen Memphis Denver Nueva York Chicago Demanda 350 Nueva York 8 15 0 6 350 Chicago 13 12 6 0 130 Los ngeles 25 26 16 14 130 Boston 28 25 17 16 90 X 0 0 0 0 Cap. De Produccin 150 200 350 350 1050
164
Nueva York 8 15 0
Chicago
X X X
13 12 6
Boston
X 130 X
X 20 70
28 25 17
26 16
6 350
350
14 130
16 130 90
350
1050
= (130 25) + (130 25) = $6500 b) MTODO ESQUINA NORESTE. Origen Memphis Denver Nueva York Chicago Demanda Nueva York
180 200 X X
Chicago 8
X X 350
Los ngeles
X X X
Boston
X X X
X X X X
Cap. De Produccin
13 12
15 0 6
350
130
14
130
16
90 90
350
350
130
130
165
a) MTODO COSTO MNIMO. Origen Memphis Denver Nueva York Chicago Demanda
X
Nueva York 8 15 0
350 X
Chicago
X
Los ngeles
60
Boston
X
X 90 X X 90 90
13 12 6
25 26 16
28 25 17
70
130
350
14
16
350
350
130
130
Un problema de asignacin es un problema de transporte balanceado, en el cual todas las ofertas y todas las demandas son iguales a uno. Se puede resolver eficientemente un problema de asignacin m x m mediante el mtodo Hngaro:
Paso 1.- Empiece por encontrar el elemento ms pequeo en cada rengln de la matriz de costos. Construya una nueva matriz, al restar de cada costo, el costo mnimo de su rengln. Encuentre, para esta nueva matriz el costo mnimo en cada columna. Construya una nueva matriz (la matriz de costos reducidos) al restar de cada costo el costo mnimo de su columna. Paso 2.- Dibuje el mnimo nmero de lneas (horizontales o verticales) que se necesitan para cubrir todos los ceros en la matriz de costos reducidos. Si se requieren m lneas para cubrir todos los ceros, siga con el paso 3. Paso 3.- Encuentre el menor elemento no cero (llame su valor k en la matriz de costos reducidos, que no est cubiertos por las lneas dibujadas en el paso 2. Ahora reste k de cada elemento no cubierto de la matriz de costos reducidos y sume k a cada elemento de la matriz de costos reducidos cubierto por dos lneas. Regrese al paso 2.
166
Un problema de asignacin es un problema de transporte balanceado en el que todas las ofertas y demandas son iguales a 1; as se caracteriza por el conocimiento del costo de asignacin de cada punto de oferta a cada punto de demanda. La matriz de costos del problema de asignacin se llama: matriz de costos. Como todas las ofertas y demandas para el problema de asignacin son nmeros enteros, todas las variables en la solucin ptima deben ser valores enteros.
EJEMPLO 1. La empresa tiene 4 maquinas y 4 tareas por completar cada mquina se debe de asignar para completar una tarea. El tiempo requerido para preparar cada mquina para completar cada tarea se muestra en la siguiente tabla. Plantea la mejor asignacin posible mediante el mtodo hngaro.
Maquina 1 2 3 4
Tarea 1 14 2 7 2
Tarea 2 5 12 8 4
Tarea 3 8 6 3 6
Tarea 4 7 5 9 10
167
Maquina 1 2 3 4
Tarea 1 0 0 5 0
Tarea 2 0 9 6 1
Tarea 3 4 3 0 3
Tarea 4 0 0 -
EJEMPLO 2. Se cuenta con 5 empleados para llevar acabo 4 tareas, el tiempo que toca a cada persona realizar cada tarea se muestra en la siguiente tabla. Determine la asignacin de empleados a las tareas que reduce el tiempo total requerido para efectuar las 4 tareas. Persona
1 2 3 4 5
22 18 26 16 21
18 20 22 -
30 27 28 25
18 22 28 14 28
18 0 20 0 0
168
1 2 3 4 5
22 18 26 16 21
18 20 22 -
30 27 28 25
18 22 28 14 28
18 0 20 0 0
0 12 0 14 15
0 0 0 24 0
14 25 6 0 23
0 20 6 16 26
1 2 3 4 5
0 14 2 12 17
0 0 0 0 0
12 27 8 0 25
0 22 8 14 28
X14= 1 Persona X22= 3 Personas X31= 3 Personas X43= 4 Personas X52= 5 Personas
EJEMPLO 3. Una corporacin necesita transportar 70 unidades de un producto 1, 2, 3 en cantidades de 45 y 25 unidades respectivamente las tarifas se presentan en la siguiente tabla: i/j 1 2 3 4 1 . 38 56 34 2 38 . 27 . 3 56 27 . 19 4 34 . 19 .
169
Determine un programa de embarque que asigne el nmero requerido de artculos a cada destino a un costo mnimo de transporte; ningn embarque requiere del vuelo directo, se permiten los envos empleando intermediarios.
Origen 1 2 3 4 Demanda
X
2 38
X
3 56
70
4 34 0
X
0
70 X
27 0
70 X
27
X 45
19 0
X
0
25
19
115
95
130
170
EJEMPLO 4. En una compaa industrial se debe de planear para cada una de las estaciones del prximo ao las capacidades de produccin de la compaa as como sus demandas esperadas todo en unidades, se muestran en la siguiente tabla. Primavera Demanda Capacidad Normal Capacidad Tiempo 250 200 100 Verano 100 300 50 Otoo 400 350 100 Invierno 500 150
Los costos de produccin normal para la compaa son de $7.00 por unidad, el tiempo extra vara segn la estacin del ao siendo de $8.00 en primavera, $9.00 en verano y $10.00 en invierno. La empresa tiene un inventario inicial de 200 unidades el 1 de enero pero como se planea descontinuar el producto a finales de ao se desea que se tenga un inventario de 0. Las unidades producidas en los turnos normales no se encuentran disponibles en embarques durante la estacin de produccin generalmente se venden a la siguiente estacin. Aquellas unidades que no se venden se agregan al inventario que se acumulan a un costo de $0.70 por unidad por unidad por estacin. En cambio las unidades producidas en tiempo extra deben de embarcarse en la misma estacin que se produce. Determine un programa de produccin que cubra el total de demandas a un costo mnimo.
171
Orgenes Capacidad Normal en Primavera Capacidad Normal en Verano Capacidad Normal en Otoo Inventario Inicial Capacidad en Tiempo Extra Primavera Capacidad en Tiempo Extra Verano Capacidad en Tiempo Extra Otoo Capacidad en Tiempo Extra Invierno
Primavera 0
200 X
Verano 7
X
Otoo 7.7
Invierno 8.4
X X
Ficticia 0
0
50 X
0
150
7
X
7.7
X
0
X X
0
250
0
100
7
X
0
X X
0.70
X
1.4
200
2.1
X
0 0
X
8
X X
0
X
0
100
100 0 50
0
X X
9
X
0
50
0
X
0
X X
0
X
0
50
0
50
0 100 50 0 150
150
0
X X
0
X
0
X
10
250 50
100
400 250
200 150
1450
172
EJERCICIOS VI. Modelos de Transporte y Asignacin Instrucciones: Dado el Modelo resolverlo por el mtodo apropiado. Problema 1. Una compaa suministra bienes a tres clientes y cada uno requiere 30 unidades. La compaa tiene dos almacenes el almacn 1 tiene 40 unidades disponibles y el almacn dos 30 unidades disponibles. Los costos de enviar una unidad desde el almacn a los clientes se muestra en la siguiente tabla. Hay una penalizacin por cada unidad no suministrada al cliente; con el cliente 1 se incurre en un costo de penalizacin de $90, con el cliente 2 de $80 y con el cliente 3 $110. Formule un modelo de transporte equilibrado para minimizar la suma de escasez y costo de envi.
De Almacn 1 Almacn 2 Cliente 1 $15 $10 Cliente 2 $35 $50 Cliente 3 $25 $40
Cliente 2
35 50 80
Cliente 3
25 40 110
suministro 40 30 20
30
30
30
Problema 2 Un hospital necesita comprar 3 galones de medicina perecedera que utilizara durante el mes actual y cuatro galones para uso durante el siguiente mes. Debido a que la medicina es perecedera solo puede utilizarse durante el mes de compra. Dos empresas Daisy y Louroach venden las medicinas, la medicina es escaza, por consiguiente durante los siguientes dos meses, el hospital est limitado a comprar a los sumo 5 galones de cada empresa. Las compaas cargan los precios como se ve en la tabla siguiente. Formule un modelo de transporte equilibrado para minimizar el costo de comprar medicina innecesaria.
173
De Daisy Loroach
Mes 2
720 750
Ficticio
0 0
suministro 5 5
Una gasolinera puede comprar su combustible para autos a cualquiera de los tres proveedores. Las necesidades de la gasolinera para el siguiente mes en cada una de sus estaciones a los que les puede dar servicio es como sigue, son 100,000 de la estacin 1, 180,000 galones de la estacin 2 y 350,000 galones de la estacin 3. Cada proveedor puede suministrar a las estaciones de las gasolineras a los precios de centavos por galn como se ve en la siguiente tabla
De
Estacin 1 Gasolina 92 91 87
Estacin 2 Gasolina 89 91 90
Estacin 3 de gasolina 90 95 92
174
Problema 3 Cada proveedor tiene la capacidad en cuanto al nmero total de galones que puede proporcionar durante un mes dado. Estas capacidades son de 320,000 galones para el proveedor 1, 270,000 galones para el proveedor 2 y 190,000 galones para el proveedor 3. Determine una poltica de compra que cubra los requerimientos de la estacin de gasolina a un costo mnimo.
Solucin Estacin1 Estacin2 Estacin 3 Ficticia suministro
92
320,000
89 90
320,000 2
91
150,000
91 95
270,000
120,000 3
87 90
190,000
92
Demanda
100,000 100,000
60,000 180,000
350,00
150,000
El proveedor 1 entregara 320,000 gal al aeropuerto 3, el proveedor 2 entregara 120,00 gal al aeropuerto 2 y conserva 150,000 gal, el proveedor 3 entregara 100,00 gal y 30,000 gal respectivamente a las estaciones 1,2 y 3
175
Problema 4 El consejo de Chicago de la Educacin est aceptando ofertas en relacin con las cuatro rutas del autobs escolar de la ciudad. Cuatro compaas hicieron las ofertas como se muestra en la siguiente tabla.
De Compaa 1 Compaa 2 Compaa 3 Compaa 4 Ruta 1 4,000 0 3000 0 Ruta 2 5,000 4,000 0 0 Ruta 3 0 0 2,000 4,000 Ruta 4 0 4,000 0 5,000
Suponga que a cada licitante se le puede asignar una ruta, utilice el mtodo hngaro para minimizar el costo de recorrer las cuatro rutas de autobuses. Solucin La compaa 1 recorre la ruta 1, la compaa 2 recorre la ruta 2, la compaa 3 recorre la ruta 3 y la compaa 4 recorre la ruta 4.
APENDICE A.
APENDICE A
177
Un conjunto de ecuaciones, todos tienen la misma variable y pueden tener un nmero finito de ecuaciones.
-Por sus soluciones -Tiene alguna solucin -Consistente o incompatible -No tiene solucin
Todo sistema de ecuaciones lineales homognea es constante, tiene por lo menos la solucin trivial y se puede verificar si es la nica solucin o hay varias. 31 + 22 3 = 0
31 + 42 73 + 4 = 2 51 32 + 103 4 = 1 Operaciones que no alteran la soluciones de un sistema de ecuaciones. METODO DE GAUSS - JORDAN 1.- Intercambio de dos ecuaciones. 2.- Multiplicar una ecuacin por un nmero diferente de cero. 3.- Sumar a una ecuacin un mltiplo de otra ecuacin. 21 + 53 64 = 0
1 + 2 73 = 0
APENDICE A
178
+ + +
3X3 2X3 X3
+ + +
X4 2X4 7X4
= = =
6 4 2
+ + +
2X3 3X3 X3
+ + +
2X4 X4 7X4
= = =
4 6 2
X1 2X1 9X1
2X2
+ +
X3 3X3 X3
+ + +
X4 X4 7X4
= = =
-2 6 2
X1
+ +
X3 5X3 10X3
+ -
X4 X4 2X4
= = =
-2 10 20
+ 7X2 + 4X2
X1
2X2 11X2
+ +
X3 5X3 0X3
+ +
X4 X4 0X4
= = =
-2 10 0
X1 0X1
2X2
X3
X4
-2
0X1
+ 0X2
X2 + 0X2
+ 5/11X3 + 0X3
- 1/11X4 + 0X4
= 10/11 = 0
X1 0X1 + X2 0X2
+ +
+ 0
= = =
-2/11 10 0
Despejando X1 de la ecuacin 1. 1 = 211 + 111 3 911 4 Cuando se tienen mayor numero de variables que ecuaciones se tienen un sin nmero de soluciones. Cuando se tiene el mismo nmero de variables y ecuaciones, se puede tener una solucin nica o en su efecto el mayor nmero de ecuaciones, sea el nmero de variables. EJEMPLO 2. 21 41 21 +52 +33 +32 83 = 8 93 = 9 53 = 7
+82
73 =
12
APENDICE A
179
5 3 3 8 8 29 13 -11
-8 -9 -5 -7 -7 19 9 6
:8 :9 :7 :12 :12 :-39 :-17 :-16 :12 :-16/11 :-17 :39 :4/11 :16/11 :1 :35/11
1 4 2 2 1 0 0 0
8 3 3 5 8 -11 13 29
-7 -9 -5 -8 -7 6 9 19
1 0 0 0 1 0 0 0
0 0 0 0 0 1 0 0
EJEMPLO 3. 2X1 4X1 2X1 3X2 6X2 3X2 + + 5X3 2X3 11X3 + + 2 0 0 7X4 3X4 15X4 3 0 0 = = = 5 -8 -16 1 2 1 7 -11 -22 :1 :0 :0
2 4 2
-3 -6 -3
5 2 -11
7 3 -15
:1 :2 :1
APENDICE A
180
2 0 0 2 0 0 2 0 0
-3 0 0 -3 0 0 -3 0 0
5 -8 0 5 -8 0 0 1 0
:1 :0 :0 :1 :0 :0 :1 :0 :0
2 0 0 2 0 0 2 0 0
-3 0 0 -3 0 0 -3/2 0 0
5 0 0 5 0 0 0 1 0
:1 :0 :0 :1 :0 :0 :1/2 :0 :0
1 =
3 =
1 3 1 + 2 4 2 2 16 2 = 4 = 11 8 4
Donde X2 Y X4 E.R 1 =
1 3 1 11 + , , , 2 2 16 8
3 =
1 3 1 + 2 2 16 11 8
APENDICE A
181
EJEMPLO 3. 9X1 6X1 3X1 3X2 2X2 X2 + + + 5X3 3X3 3X3 + + + 3 6 9 3 0 0 1 0 0 6X4 X4 14X4 -1 -2 -3 -1 0 0 -1/3 0 0 = = = 3 3 5 3 1 -4 0 1 0 4 5 -8 14 1 6 14 9 -36 -13/3 9 0 :-8 :5 :4 :8 :-7 :28 :13/3 :-7 :0
9 6 3 3 0 0 3 0 0
-3 -2 -1 -1 0 0 -1 0 0
5 3 3 3 -3 -4 0 1 0
6 1 14 14 -27 -36 13 9 0
1 =
3 = 7 94 4 = 2 =
13 1 13 + 2 + 4 3 3 3
Donde X2 Y X4 E.R 1 =
13 1 13 + + , , 7 9 , 3 3 3
3 = 7 9
13 1 13 + + 3 3 3
APENDICE A
182
11 21
12 22
13 1 ~ 23 21 1 0 12 11 1
1 1 11 ~ 11 2 21 1 0 11 22 21 12
12 11 22
21 1 + 22 2 = 2
11 1 + 12 2 = 1
11 0
12 1 1 11 11 ~ 11 22 21 12 2 0 11 0
11 11 2 21 1 11 11 22 21 12
1 11 11 2 21 1 1 11 22 21 12
1 11 ~ 11 2 21 1 11
12 1 1 22 12 2 1 2 22 1 = = = 11 22 21 12 11 12 21 22 2 = 11 2 21 1 11 22 21 12
21 22 = 11 22 21 12
1 11 2 22 2 = = 11 12 22 21
APENDICE A
183
2 4 2 = = 20 28 = 48 7 10 2 = 1 = 2 48 16 = = 33 11 1 6 2 = = 33 11
4 1 = 10
3 = 24 30 = 6 6
1 1 + 2 2 +.. + = 11 = 21 1
21 1 + 22 2 +.. +2 = 2 12 22 2 1 2
= 1 . .
=1
=1
APENDICE A
184
11
2 3 5 4
41
2 5 2 23 = 5 9 7 4 6 2
7 1 4 = 9 2 7 6 1 2
5 7 9 6
1 1 2 1
2 4 7 2
EJEMPLO 2. 2 5 1
2 34 = 3 4
5 1 2 = 7 1 4 9 2 7 5 1 7 1 6 1 2 5 3 + 3(1)1+3 3 1 1
1 3 3 2 5 + 1(1)1+2 3 2 = 2(1)1+1 4 3 1 4 3
EJEMPLO 3. 4 3 1
3 5 3 5 4 + 2(1)2+2 2 8 = 3(1)2+1 7 5 1 7 5
EJEMPLO 4.
4 3 5 + 8(1)2+3 1 7 5
EJEMPLO 5.
APENDICE A
185
PROPIEDADES DE LOS DETERMINANTES 1.- Si un rengln o columna de un determinante consta nicamente de ceros, el valor determinante es cero. 2.- Si un rengln o columna es mltiplo de otro rengln o columna entonces el determinante vale cero. 3.- Si intercambio dos columnas o renglones, el valor del determinante es cero. 4.- Si se multiplica un rengln o una columna por un nmero real el valor del determinante queda multiplicado por ese nmero. 5.- Si a un rengln o columna se le suma un mltiplo de otro rengln o columna, el valor del determinante no cambia. Ejemplos de las propiedades: 2 2) 4 5 = 20 (20) = 0 10 3 = 2 (12) = 14 2
1 3) 4
4 2 = 12 2 = 14 1 3
1 3 5) = 4 (18) = 14 6 4 7 2 -5 6 -1 0 0 0 0 0 2 4 0 0 0 0 3 3 6 0 0 0
6 = 4 (24) = 28 2
4 1 -2 3 0 0
5 1 4 -7 1 0
7 2 -5 6 5 -5
APENDICE A
186
1 1 1 2 4 2 = (1) 4 3 2 4 2 3
1 1 2 1 2 = (1) 0 11 6 4 0 1 6
1 1 4 2 1 1 4 ( ( ) 2 = 1) 2 11 3 = 0 4 11 = 60 4 4 11 3 0 2 11 4 1 2 4 1 2 4 ( ( ) 11 = 1) 4 3 11 = 0 11 27 = 60 11 2 3 11 0 1 3 1 = 1 180 = =3 60 2 60 = =1 60 3 60 = =1 60
2 = 3 =
APENDICE A
187
1 1 2 1 1 2 1 1 2 = 2 1 2 = 0 3 2 = (1) 0 3 2 = 6 4 1 4 0 3 4 0 0 2 1 1 2 1 1 2 1 1 = 4 1 2 = 0 5 6 = () 0 2 1 4 0 1 0 0 1 1 2 1 2 = 2 4 2 = 0 2 2 4 0 1 1 3 = 2 1 4 1 1 1 4 = 0 2 0 1 2 1 2 2 = 0 2 4 0 1 1 1 3 2 = 0 3 2 0 1 6 = =1 6 2 1 6 5 = 6 0 1
1 2 2 2 = 12 0 6 1 1 3 2 = 12 0 4
2 =
1 =
3 12 = = 2 6
2 12 = =2 6
APENDICE A
188