Está en la página 1de 10

Unidad 3 Programacin lineal La programacin lineal es una tcnica de modelizacin matemtica desarrollada a partir de la dcada de 1930.

Desde entonces, se ha aplicado con frecuencia en los procesos de toma de decisin de numerosos mbitos econmicos y productivos, como la planificacin de empresa y la ingeniera industrial. Conceptos de programacin lineal La tcnica matemtica conocida por programacin lineal se utiliza para obtener una solucin ptima a un problema condicionado por unas variables de partida sujetas a ciertas restricciones. Un problema clsico de la programacin sera el siguiente: teniendo n productos del tipo A y m del tipo B, que pueden envasarse en dos clases de paquetes en diferentes proporciones y con un precio distinto para cada paquete, cuntos paquetes de cada tipo debern formarse para obtener una cantidad mxima de ingresos. 3.1 Planteamiento de problemas en trminos de la programacin lineal. En el planteamiento del problema se manejan varios conceptos esenciales:

Las variables. Las restricciones que se imponen, expresadas por inecuaciones lineales. La funcin objetivo, de tipo lineal, que describe el problema.

El grupo de las soluciones posibles recibe el nombre de conjunto restriccin o conjunto solucin factible. La solucin debe situarse en el rea definida por las inecuaciones de restriccin, que se conoce por regin factible.

Regin factible del sistema de inecuaciones lineales: La regin factible puede estar acotada, como en la figura, o no acotada. Cuando est acotada, se representa grficamente como un polgono con un nmero de lados menor o igual que el de restricciones (en la figura, el polgono acotado tiene cuatro lados, y las restricciones tambin son cuatro).

Se llama solucin ptima a la que maximiza o minimiza la funcin objetivo. Esta solucin si es nica siempre se encuentra en un vrtice o punto extremo de la regin factible. Resolucin por mtodo grfico Para resolver grficamente un problema de programacin lineal, se hace lo siguiente: Se representan grficamente las inecuaciones del sistema, obtenindose el conjunto restriccin. Si la funcin objetivo es f (x,y)= ax + by, se trazan rectas paralelas a esta funcin (que sern de la forma ax + by=k) y que pasen por cada uno de los vrtices del conjunto restriccin. Se observa en qu vrtice la funcin objetivo se hace mxima (o mnima) sin ms que tener en cuenta cul de las rectas tiene mayor (o menor) ordenada en el origen.

Esta tcnica se conoce por mtodo de las rectas de nivel. Mtodo algebraico de resolucin Para resolver un problema de programacin lineal por mtodos algebraicos, se aplica el siguiente procedimiento operativo: 1. Se definen las variables. 2. Para cada restriccin existente se escribe una inecuacin lineal representativa. 3. Se define la expresin matemtica de la funcin objetivo. 4. Se construyen sistemas cuadrados de ecuaciones a partir del conjunto inicial de inecuaciones lineales. Por ejemplo, si se tuvieran cuatro inecuaciones con dos incgnitas, se podran construir seis sistemas distintos de ecuaciones lineales (sustituyendo la desigualdad por igualdad). 5. Se resuelven todos estos sistemas y se anota el valor de los puntos obtenidos como solucin. 6. Se comprueban estos puntos en cada una de las inecuaciones. Los que cumplan todas las restricciones sern los vrtices de la regin factible. 7. Se calcula el valor de la funcin objetivo para cada vrtice. 8. La solucin ptima ser aquella para la cual la funcin objetivo es mxima (o mnima, segn el planteamiento del problema). Esta tcnica recibe el nombre de mtodo de los vrtices. Tipos de soluciones

En los problemas de programacin lineal con dos variables pueden darse varios tipos de soluciones ptimas:

Solucin nica. Solucin mltiple (infinitas soluciones). Solucin no acotada (ausencia de solucin), cuando la funcin objetivo no tiene valores extremos, pues la regin factible es no acotada. Solucin no factible, cuando no existe regin factible por falta de puntos comunes en el sistema de inecuaciones. Solucin degenerada, si en un solo punto (que se dice degenerado) coinciden tres o ms de las rectas que limitan la regin factible.

3.2 Dualidad. Introduccin. La asignacin de probabilidades a los eventos es una tarea difcil que muchos gerentes pueden mostrarse difcil a hacer, por lo menos con cierto grado de exactitud. En algunos casos prefieren decir creo que la probabilidad de que este evento ocurra est entre 0.5 y 0.7. Bajo estas circunstancias, como en cualquier aspecto de decisin gerencial, es til realizar un anlisis de sensibilidad para determinar cmo afecta a la decisin la asignacin de probabilidades. El anlisis de sensibilidad concierne el estudio de posibles cambios en la solucin ptima disponible como resultado de hacer cambios en el modelo original. Definiciones generales del Anlisis de sensibilidad Efecto neto.- Es la ganancia o prdida por unidad adicional de una variable que entra a la base. El efecto neto de una variable bsica siempre ser cero. f j = efecto neto

Ejemplo: modelo.

Realizar un anlisis de sensibilidad para el siguiente

Maximizar: Xo = 10X1 + 15X2 + 4X3 + 2X4 sujeto a: " Solucin 10X1 + 20X2 + 2X3 + 3X4 <= 4,000 5X1 + 5X2 + 5X3 + 4X4 <= 1500 4X1 + 2X2 + 6X3 + 6X4 <= 800 X1, X2, X3, X4 >= 0 ptima del problema.

Base Xo X1 X2 X3 X4 X5 X6 X7 Sol. Xo 1 0 0 7/3 5 2/3 0 5/6 3,333.33 X2 0 0 1 -13/5 -12/15 1/15 0 -1/6 400/3 X6 0 0 0 -1/3 -3/2 -1/6 1 -5/6 500/3 X1 0 1 0 29/15 19/10 -1/30 0 1/3 400/3 Cambios en los coeficientes de la funcin objetivo. El cambio en el Cj de una variable se interpretara, por ejemplo, como en incremento en el precio de un producto para un objetivo de maximizacin, o como la disminucin en el costo de una materia prima para un objetivo de minimizacin. Finalmente, se estudiar por separado si la modificacin en el Cj es para una variable no-bsica o para una bsica, ya que las consecuencias en cada caso son muy diferentes. Cambios en el coeficiente Objetivo de una variable No-bsica. Es importante mencionar que una variacin de Cj a Cj en el coeficiente objetivo de una variable no-bsica, no necesariamente conlleva a una infraccin de la inmejorabilidad de la solucin ptima actual, aunque en ciertas ocaciones si lo haga. Por este motivo, se considerarn a continuacin dos alternativas de cambio mutuamente exclusivas en el Cj de una variable no-bsica. (1) cuando Cj < Cj (maximizacin) en la solucin ptima actual f j = Cj - Zj <= 0 ==> f j = Cj - Zj < 0 Con lo cual la inmejorabilidad no se infringe. En consecuencia, se deduce que cuando el Cj < Cj en un problema de maximizacin, la solucin ptima actual no se alterara, lo mismo en minimizacin con

Cj > Cj. (2) cuando Cj > Cj (maximizacin) Es claro que solamente cuando el precio de la utilidad de una variable no-bsica se incrementa, Cj > Cj, en un problema de maximizacin, surge la posibilidad de que se altere la inmejorabilidad y por ende la optimidad actual. fj = Cj - Zj <= 0 ==> Cj <= Cj -fj o alternativamente, cuando Cj <= Cj + I fj I Es decir, si el nuevo Cj satisface la desigualdad, la actual solucin permanece ptima; de lo contrario, debe calcularse el f j el cual ser positivo, e introducirse Xj a la base para encontrar la nueva solucin ptima. Ejemplo: Cambio en el Cj de una variable no - bsica.

Para el problema dado. a) determinar los rangos de variacin en la utilidad unitaria de las variables no-bsicas , tal que la solucin ptima no se altere. b) Evaluar los efectos de un incremento en la utilidad unitaria del producto 3 de $4 a $5. c) Evaluar el efecto de de un aumento en la utilidad actual del producto 4 de $2 a $8. a) C3 C4 C5 C7 Cj <=Cj + I fi j I <= 4 + I -7/3I <= 19/3 <=2 + I -5I <= 7 <= 0 + I -2/3I <= 2/3 <= 0 + I -5/6I = 5/6

b) Dado C3 = 5 = 15/3 satisface el lmite mximo de 19/3, por lo tanto, el incremento no modifica la solucin ptima actual. C) Ya C4 = 8 sobrepasa el lmite de incremento en C4, la solucin ptima actual cambiar. El nuevo f4 es f4 = C4 - Z4 = 8 -7 = 1 y al ser positivo, X4 debe entrar a la base.

Base Xo X1 X2 X3 X4 S1 S2 S3 Sol. Xo 1 0 0 7/3 -1 2/3 0 5/6 3,333.33 X2 0 0 1 -13/15 -12/15 1/15 0 -1/6 400/3 -----X6 0 0 0 -1/3 -3/2 -1/6 1 -5/6 500/3 -----X1 0 1 0 29/15 19/10 -1/30 0 1/3 400/3 4000/57 TEORA DE DUALIDAD Hemos visto como la programacin lineal puede ser usada para resolver una extensa variedad de problemas propios de los negocios, ya sea para maximizar utilidades o minimizar costos. Las variables de decisin en tales problemas fueron, por ejemplo, el nmero de productos a producir, la cantidad de pesos a emplear, etc. En cada caso la solucin ptima no explic cmo podran ser asignados los recursos (ejemplo: materia prima, capacidad de las mquinas, el dinero, etc.) para obtener un objetivo establecido. En este captulo veremos que a cada problema de programacin lineal se le asocia otro problema de programacin lineal, llamado el problema de programacin dual. La solucin ptima del problema de programacin dual, proporciona la siguiente informacin respecto del problema de programacin original: 1. La solucin ptima del problema dual proporciona los precios en el mercado o los beneficios de los recursos escasos asignados en el problema original. 2. La solucin ptima del problema dual aporta la solucin ptima del problema original y viceversa. Normalmente llamamos al problema de programacin lineal original el problema de programacin primal. El concepto de Holgura Complementaria Es el concepto clave que permite resolver un problema a partir de otro, y se deriva de las relaciones primo-dual, en el valor de la funcin objetivo Formulacin del problema dual. El problema dual es un problema de PL auxiliar que se define directa y sistemticamente a partir del modelo de PL original o primal. El problema de programacin lineal bienen dado por: Maximizar Z = CX sujeto a: AX <= B X >= 0

su dual asociado es el problema de PL dado por: Minimizar Z = BW sujeto a: AW<= C W >= 0

De lo anterior se deduce que el paso al dual se lleva a cabo teniendo presente las cuatro reglas siguientes: a) Los coeficientes de la i-sima restriccin para el problema primal pasan a ser los coeficientes de las variables Wi en las restricciones del problema dual. El problema dual tiene tantas variables como restricciones hay en el primal. b) Los coeficientes de las variables de decisin Xj en el problema primal pasan a ser los coeficientes de la restriccin jsima en el problema dual. El problema dual tiene tantas restricciones como variables hay en el primal. c) Los coeficientes de la funcin objetivo en el problema primal pasan a ser los coeficientes del segundo miembro de las restricciones en el problema dual. d) Los coeficientes del segundo miembro de las restricciones del problema primal pasan a ser los coeficientes de la funcin objetivo del dual.

Primal Ejemplo:

Maximizar : Z = 60 X1 + 30 X2 + 20 X3 sujeto a: 8X1 + 6X2 + X3 <= 48 4X1 + 2X2 + 1.5X3 <= 20 2X1 + 1.5X2 + 0.5X3 <= 8 " X1, X2, X3 >=0

Dual: Minimizar Z = 48 W1 + 20 W2 + 8W3 sujeto a: 8W1 + 4W2 + 2W3 >= 60 6W1 + 2W2 + 1.5W3 >= 30 W1 + 1.5W2 + 0.5W3 >= 20 " W1, W2, W3>= 0 Relacin de la solucin ptima del problema dual con la solucin ptima del problema primo. La relacin principal entre ellos es que tanto el problema primal como el dual buscan el valor ptimo del sistema. Interpretacin econmica del problema dual.

Precio Sombra.- Se define como la proporcin con que mejora el valor de la funcin objetivo a partir de la i - sima restriccin, dependiendo si se trata de maximizacin tiende a aumentar y a disminuir cuando es de minimizacin. La interpretacin econmica de la dualidad se basa directamente en la interpretacin ms frecuente del problema primal ( 16 ). Interpretacin del problema dual. Para ver cmo la interpretacin del problema primal conduce a una interpretacin econmica del problema dual. Notese el valor de Z como: Z = W1b1 + W2b2 + W3b3 + ... + Wmbm donde cada bi Wi puede interpretarse como la contribucin a la ganancia por disponer de bi unidades del recurso i. Wi se interpreta como la contribucin a la ganancia por unidad del recurso i ( i = 1 , 2, . . . , m), cuando se usa el conjunto actual de variables bsicas para obtener la solucin primal. ujeto a:

m Ganancia asignada j = 1,..., n Suma cada unidad de i =1 actividad j-sima

unidades del recurso i-simo utlizados por unidad de la actividad j-sima *

Valor unitario del recurso i-simo = la a

i - 1, ..., m

Valor unitario * del recurso i-simo

>= 0

Observaciones Las restricciones j-sima del dual indican que el valor total de los recursos consumidos para elaborar una unidad de la j-sima actividad, debe ser al menos tan grande como la ganancia asignada a cada unidad de la actividad j-sima. A partir de lo visto anteriormente se puede interpretar el problema dual en los siguientes trminos: Dados unos recursos bi y un lmite inferior para la ganancia Cj,

asignada a cada unidad de la actividad j-sima Qu valor, Wi, se debe asignar a cada unidad del recurso i-simo de forma que se minimice el valor total de los recursos?. EXPLICACION DE LA SOLUCION PRIMAL-DUAL, DE NUESTRO EJERCICIO DE CONSTRUCCION DE MESAS Y SILLAS CON PIEZAS GRANDES Y PIEZAS CHICAS. RECORDEMOS QUE NUESTRO MODELO ES: MAX Z= $16X1+$10X2 s.a. 2X1+1X2 <= 6 Restriccin de Piezas Grandes 2X1+2X2 <= 6 Restriccion de piezas Chicas toda X1, X2 >= 0 Cambios en el modelo General Mediante el anlisis de sensibilidad pueden existir difentes tipos de cambios en el modelo original como: Cambios en los coeficientes de la funcin objetivo, cambios en los recursos, cambios en los coeficientes tecnolgicos, adicin de una nueva variable y adicin de una nueva restriccin.

PARA CALCULAR LOS LIMITES SUPERIOR E INFERIOR DE LOS COEFICIENTES Cj DE LA FUNCION OBJETIVO SE UTILIZA EL SIGUIENTE MODELO:

CBk (S) = CBk + Mnimo (Fj/aij para aij<0 ) CBk (i) = CBk + Mximo (Fj/aij para aij >0 ) Donde: CBk (S) = Limite superior de la variable bsica CBk (i) = Limite inferior de la variable bsica Fj = coeficiente de las variables no-bsicas en la tabla ptima (rengln cj-zj) aij = coeficientes tecnolgicos de las restricciones con respecto a la

base y a las no bsicas CBk = coeficiente de la variable bsica en el modelo original PARA CALCULAR LOS LIMITES SUPERIOR RECURSO SE UTILIZA EL SIGUIENTE MODELO: Ci (s) = bi max (X,Sbi/Si para Si < 0 Ci (i) = bi min (X,Sbi/Si para Si > 0 Donde: Ci (s) = Limite superior de la restriccin i Ci (i) = Limite inferior de la restriccin i bi = recurso disponible actual (modelo original) X,Sbi = solucin de las bsicas de la tabla ptima Si = coeficientes tecnolgicos de las holguras en la tabla ptima E INFERIOR DEL