Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN
Una de las dificultades que se presentan en general en la literatura, así como al impartir de los
contenidos del tema de Programación Lineal, es la ausencia de aspectos metodológicos, que no
permiten tener en cuenta explícitamente los procedimientos particulares que posibiliten
un análisis en sistema de las diferentes fases y etapas metodológicas en que se apoya la
Modelación Económica-Matemática. Lo que limita en buena medida el aprendizaje y mayor
dominio de la técnica por parte de los alumnos que reciben la asignatura de Investigación de
Operaciones.
La consolidación de la metodología en los estudiantes posibilita que en su vida profesional
se enfrenten independientemente, no solo al planteamiento del problema y a la construcción
del modelo, si no también al análisis de sus resultados, utilización del dual, análisis de
sensibilidad, etc.
Para la aplicación práctica de la Programación Lineal es una necesidad estrechar la relación
entre la teoría del contenido y la práctica económica, que le permita a los estudiantes una
mayor comprensión de las bases matemáticas de la teoría y la vinculación del contenido con la
realidad económica.
Con la presentación de la temática se desarrollan un conjunto de procedimientos
metodológicos de gran utilidad al trabajo didáctico, lo que posibilitará incrementar el aprendizaje,
así como un mejor aprovechamiento docente. Además, proporciona a los profesores las
herramientas necesarias para orientar con maestría pedagógica los contenidos pertinentes.
Objetivo Específico
Orientar como desarrollar el contenido del tema de Programación Lineal teniendo en cuenta la
metodología de la Modelación Económica-Matemática y su vinculación con la práctica
económica.
1
DESARROLLO
INTRODUCCIÓN AL CONTENIDO DEL TEMA
Problemas de Optimización
Son aquellos en los cuales se busca el Máximo o Mínimo de una función con un número
determinado de variables, estando los valores de la misma sujeta a ciertas limitaciones.
Formulación Matemática
Cj j=1...n
bi i=1...m
aij i=1...m; j=1...n
Descripción :
Xj- Variables Esenciales o de Decisión
2
1
3
La expresión III se denomina Condición de NO Negatividad. Indica el requerimiento de que
todas las variables esenciales o decisión sean no negativas.
Es necesario destacar que desde el punto de vista el punto de vista puramente matemático no
existe diferencia entre II y III en el sentido de que ambas constituyen limitaciones a los posibles
valores de Xj. La diferencia entre ambos radica en el tratamiento diferente que se le da a
III cuando se procede a resolver el PPL.
Supuestos
Los modelos lineales poseen dos supuestos fundamentales:
1. La Proporcionalidad
2. La Aditividad
3. La Divisibilidad
Además, se puede considerar que:
- Existe una función objetivo, la cual expresa el objetivo que se persigue con la solución del
problema, y la condición de no negatividad requerida para cada variable.
- Es un modelo deterministico, esto significa que los aij, cj y los bi son conocidos y
constantes.
La Pro porcionalidad:
Significa que los insumos requeridos para la realización de una actividad, así como su efecto
económico que esta produce, siempre son proporcionales al nivel de actividad.
Ejemplo:
1 Ud 5 h maq $ 2.00
8 Ud 40 h maq $ 16.00
La Aditividad :
El efecto económico total que se obtiene, así como el total de cada recurso utilizado como
resultado de la ejecución conjunta de las actividades, debe ser igual a las sumas respectivas de
las cantidades resultantes de la ejecución de cada actividad.
Ejemplo:
Producto j Utilización de Recurso ( h maq ) Efecto Económico ( $ )
( Ud ) Por unidad de Por unidad de
Producto Total Producto Total
( h maq / Ud ) ( $ / Ud )
A 2 2A + 5 B 6 6A + 7B
B 5 7
4
METODOLOGÍA DE LA MODELACIÓN ECONÓMICO MATEMÁTICA
5
Se deberá definir si la Situación Problemática presentada corresponde a la de un problema de
programación lineal, en cuyo caso deberán estar presente las siguientes circunstancias:
6
Cada variable de decisión se identifica con cada una de las actividades en que se descompone
el problema estudiado y mediante las cuales se puede resolver en forma directa al problema de
que se trate.
Son variables en términos de las cuales se expresarán las soluciones.
El valor numérico expresa la medición cuantitativa de la decisión tomada.
Constituye el medio de que se dispone para resolver la situación problemática dada.
Como se puede apreciar el problema se torna más complejo donde para definir las variables
de decisión ahora hay que tener en cuenta la diversidad de orígenes, de destinos, y de
estructura tecnológica del transporte. Observar que existe opción de transporte en el centro de
limpieza. Las nuevas variables se definen como:
X1: Caña de azúcar a transportar desde el BC-A hacia el CL, mediante Camión
X2: Caña de azúcar a transportar desde el BC-A hacia el CL, mediante Tractor
X3: Caña de azúcar a transportar desde el BC-A hacia el CA, mediante
Camión X4: Caña de azúcar a transportar desde el BC-B hacia el CL, mediante
Camión X5: Caña de azúcar a transportar desde el BC-B hacia el CA,
mediante Camión
Una variable se puede definir cuando existen Origen, Destino, Estructura Tecnológica
y Coeficientes Económicos UNICOS, de acuerdo con el objetivo que se persiga en el trabajo.
La correcta definición de la variable permitirá identificar en forma inequívoca los valores
numéricos
de las variables de decisión..
Eje mplo: la caña a transportar desde el BC-A a hacia el CL debe de ser mediante camión o
tractor y que solo se considere un solo medio en la definición.
A las variables se adicionan subíndices y supraíndices en función de la diversidad de Origen,
Destino, Estructura Tecnológica o Coeficiente Económico, o algún criterio modificador que se
considera conveniente instrumentar.
8
l
Eje mplo: X i j k X i j k (donde: i- Bloques Cañeros, j- Centros de Recepción, k- Tipo de
Transporte, l- puede ser Tipo de Corte.
En ocasiones y para no repetir la definición de las variables, se define de forma general.
( Ejemplo: Problema de Vinculación )
Definición Dimensional:
No basta con definir las variables por su cualidad, sino que es necesario definir esa variable
en términos cuantitativos y físicos, es decir, las unidades que se van a ser utilizadas para operar
con estas variables.
Cuando existan varias alternativas de formas de medición, se deberá seleccionar la más
representativa.
Se deberá escoger una sola dimensión y ser consecuente con ella en toda el modelo.
Definición Te mporal:
Permite enmarcar la variable en un período determinado. Se deberá escoger una misma unidad
de tiempo.
En problemas sencillos, es posible obviar este tipo de definición.
Proc edimiento a tene r en c uen ta p ara la con stru cción de las re stricc io nes:
1. Establecer el valor numérico del término independiente, teniendo en cuenta su dimensión
física y temporal, así como su significado cualitativo ( el término independiente puede
ser resultado de cálculos exactos, estimaciones o proyecciones ).
2. Establecer el sentido (signo) de la restricción.
3. Analizar e incluir el conjunto de variables que conformarán parte de la restricción.
4. Establecer los coeficientes tecnológicos aij que permitan adaptar las dimensiones de las
variables de decisión a la de la restricción, para mantener la homogeneidad la restricción:
El coeficiente aij puede venir dado directamente en la dimensión requerida; o
indirectamente, o sea, en forma inversa, en este caso se utilizará como denominador de las
variables de decisión.
El coeficiente aij no se plantea en forma directa o inversa, sino que se debe construir
basado en una determinada información.
Restricciones de demanda, se caracterizan por:
9
- El coeficiente aij es igual a la unidad.
- El coeficiente aij se toma que en la restricción satisfaga una condición impuesta.
En ocasiones puede ser necesario utilizar más de un coeficiente aij para homogenizar las
dimensiones de las variables con las de las restricciones.
Ejemplificando la utilizac ión de los co eficientes tecnoló gicos aij , según sea el caso.
4 .1 (a)- Co eficiente en forma direc ta:
Análisis dimensional
kg / Ud • Ud + kg / Ud • Ud = kg (Se logra la homogenización)
X1 / 2 + X2 / 5 <= 80
Análisis dimensional
Ud / ( Ud / kg ) + Ud / ( Ud / kg ) = kg (Se logra la homogenización)
4.2- El coe ficien te aij no se plantea en forma d irec ta o inversa, se deb e con stru ir basado en una
de te rminada información:
Los productos I y II por sus características antes de su comercialización son
3
almacenados, pudiéndose almacenar solamente del producto I 2000 m , o del producto II
3
3000 m , ó una combinación entre I y II, siempre y cuando no sobrepase la capacidad existente.
3
X1 m del producto I a elaborar
10
3
X2 m del producto II a elaborar
Análisis dimensional
( capacidad / m ) m = capacidad
3 3
(Se logra la homogenización)
11
- Minimización de los Costos: costo de producción, costo de distribución, costo de
producción y distribución, componentes importados, desperdicios, insumo de algún
recurso, etc.
- Maximización de la ganancia o ingresos.
- Maximización de la producción.
La interreralación exis te nte en tre las variables en las “Re stricciones” y en la “Fu nción Obje tivo ”
son con stru id a median te “Método s Ana lítico -Deduc tivo ”, pero también pue de ser ne cesario
rec urrir al “Método Estadístico” para la e stimación de los términ os in dep end ie nte s y
c oeficientes.
Planteamientos Concretos de P P L.
Los Planteamientos de los Problemas de Programación Lineal se pueden clasificar en cuatro
grandes grupos:
Análisis de Actividad
Dieta
Mezcla
Transporte
12
Se conoce que cantidad de recursos se necesita para producir una unidad de producto, así
como la disponibilidad de los recursos. También se conoce que utilidad se obtiene por
cada unidad de producto. En tal sentido la empresa desea producir una combinación
productos tal, que maximice las utilidades totales.
Tabulación de la información
Costo
Ingredientes MEZCLA ó
Precio
Unitario
A
Proporciones en que los
B ingredientes entran en la
mezcla total
C
Nutrientes
PB Proporcione en que los Nu trie ntes
Ca nutrientes entran en la In gredien tes PB Ca P...
P mezcla A Proporción de
B nutrientes
C por Ingredientes
13
PRUEBA DEL MODELO
La comprobación constituye un catalizador del trabajo realizado, y consiste en verificar
si todos y cada uno de los componentes del modelo son adecuados desde el punto de vista
del objetivo con que se realiza la investigación.
Esta fase es importante porque permite ahorrar tiempo y ofrece un mayor grado de
representatividad del modelo concebido.
Los elementos que deberán ser comprobado tanto cuantitativa como cualitativamente son:
variables de decisión y de consecuencia, restricciones y función objetivo.
Antes de obtener la solución, es conveniente verificar cuantitativamente y cualitativamente los
parámetros aij, bi, y cij incorporados en el modelo. La comprobación debe orientarse no solo a
los cálculos numéricos, sino también a las fuentes originales de donde fueron tomados.
Primero se recomienda una prueba general de la composición del modelo, y posteriormente
pruebas parciales para cada uno de sus componentes.
Errores con respecto a las variables de decisión y consecuencia: Inclusión de variables no
relevantes; Exclusión de variables relevantes; y Errores de estimación de los parámetros.
12
14
Carácter retro alimentativo de esta fase.
La comprobación permite obtener resultados que, al ser retroalimentados en el modelo, le
imprimen mayor grado de representatividad.
Para poder aplicar el modelo es necesario cerciorarse de su grado de representatividad, y una
de las formas de verificar este grado de representatividad es mediante la comprobación del
mismo.
Esta prueba irá valorando en que medida nuestras representaciones guardan correspondencia
con el mundo real, y las diferencias observadas servirán de fuente de retroalimentación
de información.
Teniendo en cuenta la relación entre teoría y la práctica hay que cerciorarse del
carácter adecuado del modelo con respecto al realidad que intenta imitar en sus rasgos más
importantes para lograr los objetivos del trabajo emprendido.
La retroalimentación tiene especial significación en esta fase, puesto que puede modificar
sustancialmente las condiciones del problema formulado y modelado.
15
El Método Numérico-Inductivo consiste en estudiar un fenómeno pasando de lo particular a lo
general. Los procedimientos numéricos, consiste en comprobar varios valores de las variables
controlables en el modelo, comparando los resultados obtenidos y seleccionando aquel conjunto
de valores de las variables controladas que produzcan la mejor solución.
Variables de Holgura
Para el desarrollo teórico práctico de la Programación Lineal, resulta importante
el establecimiento de una Forma Básica en la pueda escribirse cualquier modelo de
Programación Lineal.
Todo modelo lineal puede ser transformado a una forma estándar donde el Sistema de
Restricciones este constituido por ecuaciones lineales, ya que en la práctica generalmente los
sistemas de restricciones constan de inecuaciones o la mezcla de inecuaciones y ecuaciones.
Puede darse el caso que las restricciones originales sean de igualdad, y donde esté presente la
16
matriz identidad ( unitaria ), no siendo necesario la incluir las variables de holgura.
La representación obtenida del Modelo Lineal se conoce como la Forma Estándar o General I
del Modelo Lineal.
Variables Artificiales
No siempre se logra de manera inmediata la Solución Básica Inicial agregando Variables de
Holguras, es decir, no se logra un sistema que contenga la Matriz Identidad.
En tal sentido, se utiliza un procedimiento denominado Adición de una Base Artificial, con el que
se representa la Matriz Identidad.
Las variables utilizadas, llamadas artificiales, se introducen solo para construir de forma
inmediata una solución básica, las mismas desaparecen durante el proceso de computo.
Utilización:
- En restricciones de >=, pues con las variables de holgura no se puede construir una
Matriz Básica Unitaria.
Tabla Simplex.
Toda la notación definida y la información sobre la solución básica puede ser
resumida y ordenada en una tabla denominada TABLA SIMPLEX, ampliamente utilizada
en el Método Simplex.
La tabla muestra de manera inmediata los valores que para dicha Solución Básica toman: XB,
Zj, Pj, Zj - Cj
Forma Gen eral de la TABLA SIMPL EX
Base Cj
17
CB XB Po (XB) P1 P2 P3 P4 P5 ... Pj
(P11) (P12)
(CBi) (XBi) (XBi) (Pij)
Zj (Z0)
Zj - Cj
Donde :
Xj : Variables
XB: Variables Básicas
Z = C
j
i=1
Bi . Pi j
18
De manera tal que el valor de la Función Objetivo cada vez que realiza el paso de una
Solución Posible Básica a otra, es mejor, o al menos, menos peor que la anterior.
El paso de una Solución Posible Básica a otra se realiza a través de CAMBIO DE BASE, o sea,
se sustituye un vector que forma parte de la base por otro que no se encuentra en la base. Es por
eso que el algoritmo simples define un Criterio de Entrada y Salida de la base.
Tres Id eas cen trales para el proced imie nto d el Mé to do Simplex
1. El Método Simplex presupone para su aplicación la existencia de una Solución Posible
Básica Inicial.
2. Debe formularse un CRITERIO de OPTIMALIDAD con ayuda del cual pueda decirse si se
ha alcanzado una solución posible óptima.
3. Debe desarrollarse un CRITERIO, que permita pasar de una solución posible básica a otra
que proporcione un valor para la función objetivo mejor o al menos igual al de la solución
anterior. El paso de una Solución Posible Básica a otra está relacionada con el cambio
de un Vector Básico por otro No Básico. Se requiere establecer un CRITERIO que
asegure, al efectuar dicho cambio que la nueva solución obtenida sea una Solución
Posible Básica.
Paso 5- Se aplica el Método Iterativo para obtener el cambio de base determinado por el
VE y VS
La solución primaria que obtenga se somete a consideración de los responsables del trabajo,
previamente revisada y analizada económica y matemáticamente.
Utilización de la Computación
Ventajas que proporciona la utilización de la computación:
- Mayor rapidez de cálculo.
- Mayor grado de precisión, y consecuentemente reducción de errores numéricos.
- Posibilidad de resolver problemas que sin la computadora sería imposible obtener la
solución.
Para lograr una aplicación eficiente de los resultados se hace necesario la elaboración de
Sistemas Automatizados y de su Manual de Usuario.
Para interpretar económicamente las variables esenciales hay que tener en cuenta su definición,
es decir lo que expresa desde el punto de vista cualitativo y dimensional en el contexto
del
problema. En el caso de las variables de holguras hay que tener en cuenta el significado y el signo
de la restricción.
En las siguientes situaciones como nos referimos a las variables de holguras se hace necesario
analizar el tipo de restricción, en nuestro caso presentaremos restricciones de recursos y
de demanda.
Análisis de Sensibilidad.
La sensibilidad permite determinar el “grado de susceptibilidad de la solución ante la variación
de los valores originales de los parámetros, en cuyo contexto se han obtenido”.
Mediante el análisis de sensibilidad se puede determinar cuál sería una nueva solución del
problema en caso de variar sus condiciones originales; esto le imprime a la solución obtenida
mayor grado de solidez y objetividad, y establece la confiabilidad de la solución hallada.
La sensibilidad como resultado práctico ofrece los intervalos de variación de los coeficientes
de la función objetivo y de los términos independientes de las restricciones, es decir, hasta que
valor puede disminuir o aumentar los coeficientes de la función objetivo para cada variable o los
términos independientes de las restricciones correspondientes; sin afectar la optimalidad de la
base, o sea, se mantienen básicas las mismas variables en la solución aunque cuantitativamente
los valores de las variables y la función objetivo pueden cambiar. Este análisis brinda flexibilidad
a la solución obtenida y permite considerar diversas variantes en la decisión a tomar
Aplicación a un Problema de Planificación de Zafra: dada las situaciones imponderables como
la naturaleza aleatoria que caracteriza el desarrollo de la zafra, sujetas a imprevistos como la
lluvia, roturas de equipos, problemas humanos, de decisión, etc., provocan variaciones e influyen
en el carácter cambiante de los parámetros de los modelos, esto determina la necesidad
de realizar el análisis de sensibilidad a la solución obtenida. El Análisis Sistémico
posibilitó experimentar diferentes soluciones óptimas presentadas al productor, para la
selección definitiva
de la solución a implementar.
La importancia del estudio de la Teoría de la Dualidad radica en que amp lía las posibilidades
de la Programación Lineal en lo referente a su Interpretación Econ ómic a, Alg oritmos d e Soluc ió n
y Pla nteamien to, en tal sentido permite:
- Permite profundizar en el contenido económico del problema original.
- Se tiene otra vía para resolver al primal, y en ocasiones resulta una vía más rápida para
hallar la solución del primal. Pues se reduce el esfuerzo computacional, ya que el
tiempo del computo de Método Simples depende del número de restricciones.
Homogeneización de un Problema de Programación Lineal
Un problema de Programación Lineal se encuentra homogenizado cuando toda sus
desigualdades son del mismo sentido. En dependencia del criterio de optimización se considera
un problema de mínimo homogenizado si las restricciones son de mayor o igual, y un problema
de máximo homogenizado si las restricciones son de menor o igual, entonces:
n n
Min Z= Cj Xj Max Z= Cj Xj
j=1 j=1
n
n
aij Xj >= bi ; i=1...m
j=1 aij Xj <= bi ; i=1...m
j=1
Xj >= 0 ; j=1...n
Xj≥0
El problema de Programación Lineal que se ha estudiado recibe el nombre de Problema Primal.
Cada problema primal tiene asociado otro Problema llamado DUAL.
El problema DUAL se forma partiendo de un Problema PRIMAL previamente
homogenizado, a partir de aquí se realizan las siguientes transformaciones:
1. Se transpone la Matriz de los Coeficientes Tecnológicos.
2. Los Términos Independientes del Conjunto de Restricciones del Primal pasan a ser los
Coeficientes de la Función Objetivo del Dual.
3. Los Coeficientes de la Función Objetivo del Primal forman los Términos Independientes
de las Restricciones del Dual.
5. A cada Restricción del problema Primal se le asocia una Incógnita del Problema Dual.
El problema dual y el primal no son dos problemas diferentes, sino dos formas de análisis de
una misma situación.
D X <= b DT Y >= CT
T
Max Z = CX Min V = b Y
X >= 0 Y >= 0
Resumiendo:
PRIMAL DUAL
4. MAX (signo de las restric. <= ) MIN (signo de las restric. >=)
MIN (signo de las restric. >= ) MAX (signo de las restric. <=)
5. Restricciones Variables
6. Variables Restricciones
A cada variable esencial del primal le co rrespon de una restricción en el dual, entonces a las
variables esencial del primal, están asociadas con las de holgura del dual.
PRIMAL DUAL
Variables Esenciales Variables de Holgura
Variables de Holgura Variables Esenciales
Esto determina las correspondientes relaciones entre los principales resultados de las soluciones
óptimas del primal y el dual, a partir de dicha relación se establece que:
“Los valores absolutos de los Zj-Cj del Primal, son iguales a los valores de las Variables del
Dual y recíprocamente; sujeto a la correspondencia entre Variables Esenciales y de Holgura
de ambos problemas. Siendo de los signos de los Zj – Cj en cada problema, los que correspondan
al caso de Máximo o Mínimo”
n Ganancia
Función objetivo . ( Ud Producto j ) = Ganancia
j= 1 Ud Producto j
Restricciones n Ud Recurso i
. ( Ud Producto j) < = Ud Recurso i
j=1 Ud Producto j
No negatividad
( Ud Producto j ) >= 0
Función objetivo
m Ganancia
( Ud Recurso i) . Yi = ? Ganancia
i=1 Ud Recurso i
Restricciones
m Ud Recurso i Ganancia Ganancia
. Yi >=
i=1 Ud Producto j Ud Recurso i Ud Producto j
No negatividad Ganancia
Yi >= 0
Ud
Recurs
oi
Ejemplos sobr e la Interpr etación Económica de las V ar ia bles Esenciales y de Holgura del Dual
Se dos ejemplos relacionados con un problema de mínimo y de máximo.
DUAL
MAX V = + 240 Y1 – 180 Y2 + 110 Y3
3 Y1 – 4.5 Y2 + 2 Y3 <= 5 VE: Y1= 3, Y2 = 2, Y3 = 0
4 Y1 - 2 Y2 + Y3 <= 14
4 Y1 – 3 Y2 <= 16 VH: Y4 = 0, Y5 = 6, Y6 = 10, Y7 = 0
4 Y1 + 6 Y3 <= 12
.
Interpretación Económica de las Variables Esenciales del Dual
Si las restricciones originales son de , el valor de la función objetivo del primal disminuirá en el
valor de
la variable dual
Interpretación correspondiente
Económica si se aumentara
de las Variables en una
Holgura delunidad
Dual el valor de su término independiente.
Y5 = 6
4 Y1 - 2 Y2 + Y3 <= 14
12 - 4 + 0 + ( 6 ) = 14 1 4 – 8 = Y5 = 6
Y4 = 0
3 Y1 – 4.5 Y2 + 2 Y3 <= 5
9 - 9 + 0 (0) = 5
Esto significa que la contribución marginal de todos los recursos a costo necesarios para elaborar una
unidad de producto, igual, a al costo marginal.
Esto indica que el Productos 1 deben elaborarse.
DUAL
MIN V = + 1100 Y1 – 600 Y2 + 500 Y3
5 Y1 – 10 Y2 + 10 Y3 >= 100 VE: Y1= 0, Y2 = 5, Y3 = 20
5 Y1 - 8 Y2 + 5 Y3 >= 20
10 Y1 – 8 Y2 + 2 Y3 >= 40 VH: Y4 = 50, Y5 = 40, Y6 = 0, Y7 = 0
4 Y1 - 6 Y3 + 5 Y3 >= 70
Y4 = 50
5 Y1 – 10 Y2 + 10 Y3 >= 100
0 - 50 + 200 - ( 50 ) = 100
Indica que la Contribución Marginal a la Ganancia de todos los recursos necesarios por una unidad de
producto 1, es ma yo r, en $ 50 que la Ganancia Marginal de esa unidad y
Para que sea económico producir ese producto sería necesario que la Ganancia Marginal, Aumentará
en $
50.00.
Y6 =
0
Indica que la Contribución a la Ganancia de los recursos correspondientes a una unidad de recurso 3,
es ig ua l, a la Ganancia Marginal proporcionada por esa unidad.