Otras formas de modelos de Programacin Lineal.

Es conveniente agregar que el modelo anterior no se ajusta a la forma natural de algunos problemas de programacin lineal. Las otras formas legtimas son las siguientes: 1. Minimizar en lugar de maximizar la funcin objetivo: Minimizar Z = c1x1 + c2x2 + ... + cnxn, 2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual: ai1x1 + ai2x2 + ... + ainxn, bi, para algunos valores de i, 3. Algunas restricciones funcionales en forma de ecuacin: ai1x1 + ai2x2 + ... + ainxn, = bi, para algunos valores de i, 4. Las variables de decisin sin la restriccin de no negatividad: xj no restringida en signo para algunos valores de j. Cualquier problema que incluya una, varias o todas estas formas del modelo anterior tambin se clasifica como un problema de PL, siempre y cuando stas sean las nicas formas nuevas introducidas. Puede ser que la interpretacin que se ha dado de asignacin de recursos limitados entre actividades que compiten no se aplique, pero independientemente de la interpretacin o el contexto, lo nico que se necesita es que la formulacin matemtica del problema se ajuste a las formas permitidas. Se ver que estas otras cuatro formas legales se pueden reescribir en una forma equivalente para que se ajuste al modelo que se present. Entonces, todo problema de PL se puede poner en nuestra forma estndar si se desea. Solucin Grfica de Modelos Lineales con dos Variables. Para la solucin grfica de programas lineales con dos variables, lo que se tiene que hacer es trazar un eje de coordenadas cartesianas, para graficar las desigualdades dadas por el problema, despus encontrar el rea de Soluciones Factibles y proceder a graficar la funcin objetivo para conocer el valor ptimo (maximizar o minimizar) que ser la solucin del problema. Ejemplo: Problema de mezcla de productos. Un fabricante est tratando de decidir sobre las cantidades de produccin para dos artculos: mesas y sillas. Se cuenta con 96 unidades de material y con 72 horas de mano de obra. Cada mesa requiere 12 unidades de material y 6 horas de mano de obra. Por otra parte, las sillas usan 8 unidades de material cada una y requieren 12 horas de mano de obra por silla. El margen de contribucin es el mismo para las mesas que para las sillas: $5.00 por unidad. El fabricante prometi construir por lo menos dos mesas. Paso 1: formulacin del problema. El primer paso para resolver el problema es expresarlo en trminos matemticos en el formato general de PL. Cul es el objetivo? Es maximizar la contribucin a la ganancia. Cada unidad de mesas o sillas producidas contribuir con $5 en la ganancia. As las dos alternativas son la produccin de mesas y la produccin de sillas. Ahora puede escribirse la funcin objetivo: Maximizar Z = 5x1 + 5x2 En donde: x1 = nmero de mesas producidas x2 = nmero de sillas producidas Cules son las restricciones o limitaciones del problema? Existen tres restricciones. Primero, el material est limitado a 96 unidades. Cada mesa se lleva 12 unidades de material y cada silla usa 8 unidades. La primera restriccin es, entonces: 12x1 + 8x2 96 La segunda restriccin es el total de horas de mano de obra. Una mesa se lleva 6 horas, una silla 12 horas y se dispone de un total de 72 horas. As: 6x1 + 12x2 72 Existe una limitacin ms. El fabricante prometi producir por lo menos dos mesas. Esto puede expresarse como: x1 2 Por ltimo, las restricciones de no negatividad son: x1 0, x2 0 Poniendo todo junto el modelo se tiene: Maximizar Z = 5x1 + 5x2 Restricciones: 12x1 + 8x2 96 6x1 + 12x2 72 x1 2 x1 0, x2 0 Paso 2: grfica de las restricciones. El siguiente paso en el mtodo grfico es dibujar todas las restricciones en una grfica. Esto puede hacerse en cualquier orden. Por conveniencia se comenzar con las restricciones de no negatividad. stas se muestran en la siguiente figura:

En esta grfica, una solucin se representara por un punto con coordenadas x1 (mesas) y x2 (sillas). Las coordenadas representaran las cantidades de cada artculo que se deben producir. El cuadrante superior derecho se llama Regin Factible puesto que es el nico cuadrante en que pueden estar las soluciones. Los otros tres cuadrantes no son factibles, ya que requeriran la produccin de cantidades negativas de mesas o de sillas o de ambas. La siguiente restriccin es x1 2. La manera ms sencilla de dibujar las restricciones de recursos es en dos pasos: (1) convertir una desigualdad en una ecuacin y graficar la ecuacin y (2) sombrear el rea apropiada arriba y abajo de la lnea que resulta en el paso 1. Convertir una igualdad en una ecuacin aqu significa ignorar la parte de mayor que o menor que de la restriccin. As, en el ejemplo, x1 2 se convierte en x1 = 2. Esta ecuacin est trazada en la siguiente figura:

Cualquier punto en la lnea x1 = 2 satisface la ecuacin. Sin embargo, la restriccin es ms amplia, ya que cualquier punto x1 > 2 tambin la cumplir. Esto incluye todos los puntos que estn a la derecha de la lnea x1 = 2. Entonces, la regin factible incluye todos los valores de x1 que estn sobre o a la derecha de la lnea x1 = 2. La limitacin sobre las horas de mano de obra es la siguiente restriccin. Como antes, primero se convierte en una ecuacin: 6x1 + 12x2 = 72. Puede graficarse esta lnea si se encuentran dos puntos sobre ella. El par de puntos ms sencillos de localizar son las intersecciones con los ejes X1 y X2. Para encontrar la interseccin con el eje X2 se hace x1 = 0. La ecuacin se reduce, entonces, a: 12x2 = 72 x2 = 6 La interseccin con el eje X1 se encuentra haciendo x2 = 0. As: 6x1 = 72 x1 = 12 Estos dos puntos y la lnea que los une se muestran en la siguiente figura:

Cualquier punto que est sobre o abajo de esta lnea cumplir con la restriccin. Cualquier punto arriba de esta lnea requerir ms de 72 horas de mano de obra y no es aceptable. En la siguiente figura se combina esta restriccin con la anterior. En la regin factible, ambas restricciones se cumplen.

La ltima restriccin es la de material. Siguiendo el procedimiento anterior, primero se encuentran las intersecciones para la igualdad. stas son x1 = 0, x2 = 12 y x1 = 8, x2 =0. Se localizan los dos puntos en la grfica; se traza la lnea, y como la restriccin es del tipo menor o igual que, se sombrea el rea que est abajo de la lnea. El resultado se muestra en la siguiente figura:

Cualquier solucin que est en la frontera o dentro del rea sombreada cumplir con todas las restricciones. Ahora se utilizar la funcin objetivo para seleccionar la solucin ptima. Paso 3: obtencin de la solucin ptima: lneas de indiferencia. Para encontrar la solucin ptima, se grafica la funcin objetivo en la misma grfica de las restricciones. La funcin objetivo en este problema es Z = 5x1 + 5x2. Como todava no se conoce el mximo valor factible de Z, no puede trazarse el ptimo de la funcin objetivo. No obstante, es posible suponer algunos valores para Z y graficar las lneas resultantes. En la siguiente figura se muestran las lneas para Z = 25 yZ = 50:

Las lneas de este tipo se llaman lneas de indiferencia, porque cualquier punto sobre una lnea dada da la misma ganancia total. Ntese que la distancia perpendicular del origen a la lnea aumenta al aumentar el valor de Z. Tambin, todas las lneas de indiferencia son paralelas entre s. Estas propiedades grficas pueden usarse para resolver el problema. En la siguiente figura, se ilustran todas las restricciones y las dos lneas de indiferencia supuestas. En la grfica puede observarse que la lnea de indiferencia para Z = 50 est completamente fuera de la regin factible. Para Z = 25, parte de la lnea cae dentro de la regin factible. Por tanto, existe alguna combinacin de x1 y x2 que satisface todas las restricciones y da una ganancia total de $25. Por inspeccin, puede observarse que hay ganancias ms altas que son factibles.

Imaginando que la lnea de indiferencia Z = 25 se mueve hacia la lnea Z = 50, de las propiedades de la grfica que se hicieron notar antes, el punto ptimo estar sobre la lnea de indiferencia ms lejana al origen pero que todava toque la regin factible. Esto se muestra en la siguiente figura:

Con el punto ptimo localizado grficamente, la nica tarea que queda es encontrar las coordenadas del punto. Ntese que el punto ptimo est en la interseccin de las lneas de restriccin para materiales y horas de mano de obra. Las coordenadas de este punto se pueden encontrar resolviendo el sistema de ecuaciones que forman estas dos restricciones utilizando cualquiera de los mtodos de solucin (suma y resta, sustitucin o igualacin). Las coordenadas de este punto resultan ser (6, 3). La sustitucin de este punto en la funcin objetivo da la ganancia mxima: Z = 5(6) + 5(3) = $45 Resumen del mtodo grfico. Para resolver grficamente problemas de programacin lineal: 1. Exprsense los datos del problema como una funcin objetivo y restricciones. 2. Grafquese cada restriccin. 3. Localcese la solucin ptima. Uso del mtodo grfico para minimizacin. Consideremos un Problema de PL en el cual el objetivo es minimizar costos. La solucin del problema de minimizacin sigue el mismo procedimiento que la de problemas de maximizacin. La nica diferencia es que ahora se quiere el menor valor posible para la funcin objetivo. Supngase que se tiene el siguiente problema: Ejemplo: Problema de dieta. Un comprador est tratando de seleccionar la combinacin ms barata de dos alimentos, que debe cumplir con ciertas necesidades diarias de vitaminas. Los requerimientos vitamnicos son por lo menos 40 unidades de vitamina W, 50 unidades de vitamina X y 49 unidades de vitamina Y. Cada onza del alimento A proporciona 4 unidades de vitamina W, 10 unidades de vitamina X y 7 unidades de vitamina Y; cada onza del alimento B proporciona 10 unidades de W, 5 unidades de X y 7 unidades de Y. El alimento A cuesta 5 pesos/kilogramo y el alimento B cuesta 8 pesos/kilogramo. Paso 1: formulacin del problema. La meta en este problema es encontrar la manera menos costosa para satisfacer las necesidades vitamnicas. Las dos alternativas disponibles son los alimentos A y B. Matemticamente la funcin objetivo es: Minimizar Z = 5A + 8B Las restricciones son los requerimientos mnimos de las tres vitaminas. stas se muestran enseguida: Restricciones: 4A + 10B 40 vitamina W 10A + 5B 50 vitamina X 7A + 7B 49 vitamina Y A 0, B 0 no negatividad

Paso 2: grfica de las restricciones. El procedimiento para graficar es el mismo que se us antes: (1) graficar cada ecuacin de restriccin; (2) graficar el rea apropiada. Para la primera restriccin la ecuacin es 4A + 10B = 40. Las dos intersecciones con los ejes son (0,4) y (10,0). Esta lnea se muestra en la siguiente figura:

La restriccin pide 40 unidades o ms de la vitamina W. Cualquier punto que est arriba de la lnea de restriccin ser factible y todos los puntos que quedan abajo de esa lnea sern aceptables. Despus se grafica la restriccin para la vitamina X. La ecuacin 10A + 5B = 50 tiene intersecciones con los ejes en (0,10) y (5,0). En la siguiente figura se ilustran las restricciones para las vitaminas W y X. Ntese que las soluciones que quedan en las reas a o b no son factibles, ya que quedaran abajo de las lneas de restriccin. Al agregar la tercera restriccin, este segundo paso queda terminado. Paso 3: localizacin de la solucin ptima. Se muestra la frontera extrema ms dos lneas de indiferencia, las de Z = 40 pesos y Z = 60 pesos. La frontera extrema est formada por los puntos a, b, c y d, puesto que stos son los puntos de interseccin factibles ms cercanos al origen. Grficamente, el objetivo de minimizar el valor de Z significa ajustar una lnea de indiferencia tan cerca del origen como sea posible. En la figura anterior puede observarse que existen muchas soluciones posibles para Z = 60, pero ninguna para Z = 40.

Imaginando mover la lnea Z = 60 hacia el origen, el ltimo punto de contacto con la frontera extrema ser el punto b. Entonces, el punto b es la solucin ptima. En la figura anterior se observa que el punto b es la interseccin de dos lneas: (1) 4A + 10B = 40 (2) 7A + 7B = 49 Resolviendo el sistema de ecuaciones: Multiplquese la ecuacin (1) por 7: (3) 28A + 70B = 280 Multiplquese la ecuacin (2) por 4: (4) 28A 28B = 196 42B = 84 B= 2 Sustityase en la ecuacin (1): 4A + 10(2) = 40 A= 5 La solucin menos costosa es 5 kilogramos de alimento A y 2 kilogramos de alimento B. El costo total de esta combinacin es: Z = 5A + 8B = 5(5) + 8(2) = 25 + 16 = 41 pesos Si se usa el mtodo de prueba y error para localizar la solucin ptima, se deben encontrar las coordenadas de los puntos a, b, c, y d. Se debe calcular despus el valor de la funcin objetivo para cada punto. A continuacin se muestran los resultados de este procedimiento: Resultados de prueba y error Punto Coordenadas Z = 5A + 8B a b c d CASOS ESPECIALES. Mltiples soluciones. Maximizar sujeta a Z = 3x1 x1 3x1 x1 0, Ninguna solucin factible. Maximizar sujeta a Z = 3x1 1/40x1 1/50x1 x1 x1 0, rea o Regin de Soluciones Factibles no Acotada. Maximizar sujeta a Z = 2x1 x1 2x1 x1 0, + x2 x2 x2 x2 0 + + + 2x2 1/60x2 1/50x2 x2 x2 0 + 2x2 x2 2x2 x2 0 4 12 18 A = 10, B = 0 A = 5, B = 2 A =3, B = 4 A = 0, B = 10 50 41 menor 47 80

1 1 30 20

1 6

LIMITACIONES: Muchas personas clasifican el desarrollo de la programacin lineal entre los avances cientficos ms importantes de mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compaas o negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo; su aplicacin a otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande de los clculos cientficos en computadoras est dedicada al uso de la programacin lineal. Cul es la naturaleza de esta notable herramienta y qu tipos de problemas puede manejar. Expresado brevemente, el tipo ms comn de aplicacin abarca el problema general de asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma ptima). Con ms precisin, este problema incluye elegir el nivel de ciertas actividades que compiten por recursos escasos necesarios para realizarlas. Despus, los niveles de actividad elegidos dictan la cantidad de cada recurso que consumir cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de instalaciones de produccin a los productos, hasta la asignacin de los recursos nacionales a las necesidades de un pas; desde la seleccin de una cartera de inversiones, hasta la seleccin de los patrones de envo; desde la planeacin agrcola, hasta el diseo de una terapia de radiacin, etc. No obstante, el ingrediente comn de todas estas situaciones es la necesidad de asignar recursos a las actividades eligiendo los niveles de las mismas. La programacin lineal utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa que todas las funciones matemticas del modelo deber ser funciones lineales. En este caso, las palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata laplaneacin de las actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo matemtico) entre todas las alternativas de solucin. Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente, la programacin lineal tiene muchas otras posibilidades. de hecho, cualquier problema cuyo modelo matemtico se ajuste al formato general del modelo de programacin lineal es un problema de programacin lineal. An ms, se dispone de un procedimiento de solucin extraordinariamente eficiente llamado mtodo simplex, para resolver estos problemas, incluso los de gran tamao. Estas son algunas causas del tremendo auge de la programacin lineal en las ltimas dcadas. Modelo de programacin lineal Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el nmero de actividades bajo consideracin. Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipo, vehculos y personal. Los ejemplos de actividades incluyen inversin en proyectos especficos, publicidad en un medio determinado y el envo de bienes de cierta fuente a cierto destino. En cualquier aplicacin de programacin lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una correspondera en forma individual a las alternativas especficas dentro de esta categora general. El tipo ms usual de aplicacin de programacin lineal involucra la asignacin de recursos a ciertas actividades. La cantidad disponible de cada recurso est limitada, de forma que deben asignarse con todo cuidado. La determinacin de esta asignacin incluye elegir los niveles de las actividades que lograrn el mejor valor posible de la medida global de efectividad. Ciertos smbolos se usan de manera convencional para denotar las distintas componentes de un modelo de programacin lineal. Estos smbolos se enumeran a continuacin, junto con su interpretacin para el problema general de asignacin de recursos a actividades. Z = valor de la medida global de efectividad xj = nivel de la actividad j (para j = 1,2,...,n) cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m) aij = cantidad del recurso i consumido por cada unidad de la actividad j El modelo establece el problema en trminos de tomar decisiones sobre los niveles de las actividades, por lo que x1,x2,....,xn se llaman variables de decisin. Los valores de cj, biyaij (para i = 1,2,....,m y j = 1,2,....,n) son las constantes de entrada al modelo. Las cj, bi y aij tambin se conocen como parmetros del modelo. Forma estndar del modelo 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:

optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn, sujeta a las restricciones: a11x1 + a12x2 +....+ a1nxn < b1 a21x1 + a22x2 +....+ a2nxn < b2 . . . am1x1 + am2x2 +....+ amnxn < bm X1 0, X2 0, ..., Xn 0.

Suposiciones del modelo de programacin lineal Proporcionalidad La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional al nivel de actividad xj, como lo representa el trmino cjxj en la funcin objetivo. De manera similar, la contribucin de cada actividad al lado izquierdo de cada restriccin funcional es proporcional al nivel de la actividad xj, en la forma en que lo representa el trmino aijxjen la restriccin. En consecuencia, esta suposicin elimina cualquier exponente diferente a 1 para las variables en cualquier trmino de las funciones (ya sea la funcin objetivo o la funcin en el lado izquierdo de las restricciones funcionales) en un modelo de programacin lineal. Actividad Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Esta suposicin garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones, es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al empleo de otras tcnicas de la programacin matemtica, dependiendo de cada caso en particular. Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el lado izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas. Divisibilidad Las variables de decisin en un modelo de programacin lineal pueden tomar cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. As, estas variables no estn restringidas a slo valores enteros. Como cada variable de decisin representa el nivel de alguna actividad, se supondr que las actividades se pueden realizar a niveles fraccinales. Limitaciones del modelo de programacin lineal Modelo determinstico El modelo de PL involucra nicamente tres tipos de parmetros: Cj, aij y bi; de ah su sencillez y gran aplicacin. Sin embargo, el valor de dichos parmetros debe ser conocido y constante. Cuando el valor de los parmetros tiene un cierto riesgo o incertidumbre, pude utilizarse la programacin paramdica, la programacin estocstica, o realizarse un anlisis de sensibilidad. Modelo esttico En algunos modelos matemticos se han empleado con xito las ecuaciones diferenciales, para inducir la variable tiempo en ellos. En este sentido, puede decidirse que la PL utiliza un modelo esttico, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de modelos de PL, puede imbuirse la temporabilidad mencionada, con el uso de subndices en las variables. Modelo que no sub-optimiza Debido a la forma que se plantea el modelo de PL, o encuentra la solucin ptima o declara que sta no existe. Cuando no es posible obtener una solucin ptima y se debe obtener alguna, se recurre a otra tcnica ms avanzada que la PL, la cual se denomina programacin lineal por metas. Mtodos de solucin de problemas de P.L. A. Solucin grfica de problemas de programacin lineal Muchos problemas de administracin y economa estn relacionados con la optimizacin (maximizacin o minimizacin) de una funcin sujeta a un sistema de igualdades o desigualdades. La funcin por optimizar es la funcin objetivo. Las funciones de ganancia y de costo son ejemplos de funciones objetivos. El sistema de igualdades o desigualdades a las que est sujeta la funcin objetivo reflejan las restricciones (por ejemplo, las limitaciones sobre recursos como materiales y mano de obra) impuestas a la solucin (o soluciones) del problema. Los problemas de esta naturaleza se llaman problemas de programacin matemtica. En particular, aquellas donde la funcin objetivo y las restricciones se expresan como ecuaciones o desigualdades lineales se llaman problemas de programacin lineal. Un problema programacin lineal de Un problema de programacin lineal consta de una funcin objetivo lineal por maximizar o minimizar, sujeta a ciertas restricciones en la forma de igualdades o desigualdades lineales.

Como ejemplo de un problema de programacin lineal en que la funcin objetivo debe maximizarse, considrese el siguiente problema de produccin con dos variables El granjero Lpez tiene 480 hectreas en la que se puede sembrar ya sea trigo o maz. El calcula que tiene 800 horas de trabajo disponible durante la estacin crucial del verano. Dados mrgenes de utilidad y los requerimientos laborales mostrados a la derecha, Cuntas hectreas de cada uno debe plantar para maximizar su utilidad?Cul es sta utilidad mxima? Maz: Utilidad: $40 por hrs. Trabajo: 2hs por hrs. Trigo: Utilidad: $30 por hrs. Trabajo: 1hs por hrs.

Solucin: Como primer paso para la formulacin matemtica de este problema, se tabula la informacin dada (Tabla 1). Si llamamos x a las hectreas de maz e y a las hectreas de trigo. Entonces la ganancia total P, en dlares, est dada por: P=40x+30y Que es la funcin objetivo por maximizar. Maz Horas Hectreas Utilidad por unidad 2 1 $40 Trigo 1 1 $30 800 480 Elementos disponibles

La cantidad total de tiempo par hectreas para sembrar maz y trigo est dada por 2x+y horas que no debe exceder las 800 horas disponibles para el trabajo. As se tiene la desigualdad: 2x+y<800 En forma anloga, la cantidad de hectreas disponibles est dada por x+y, y sta no puede exceder las hectreas disponibles para el trabajo, lo que conduce a la desigualdad. Por ltimo, si no queremos tener prdidas, x y y no pueden ser negativa, de modo que x>0 y>0 En resumen, el problema en cuestin consiste en maximizar la funcin objetivo P=40x+30y sujeta a las desigualdades 2x+y<800 x+y<480 x>0

y>0 Solucin Grfica Los problemas de programacin lineal en dos variables tienen interpretaciones geomtricas relativamente sencillas; por ejemplo, el sistema de restricciones lineales asociado con un problema de programacin lineal bidimensional- si no es inconsistente- define una regin plana cuya frontera est formada por segmentos de recta o semirrectas, por lo tanto es posible analizar tales problemas en forma grfica. Si consideremos el problema del granjero Lpez, es decir, de maximizar P = 40x+ 30y sujeta a 2x+y<800 x+y<480 x>0, y>0 (7) El sistema de desigualdades (7) define la regin plana S que aparece en la figura 5. Cada punto de S es un candidato para resolver este problema y se conoce

Como solucin factible. El conjunto S se conoce como conjunto factible. El objetivo es encontrar entre todos los puntos del conjunto S- el punto o los puntos que optimicen la funcin objetivo P. Tal solucin factible es una solucin ptima y constituyen la solucin del problema de programacin lineal en cuestin. Como ya se ha observado, cada punto P(x,y) en S es un candidato para la solucin ptima del problema en cuestin, por ejemplo, es fcil ver que el punto (200, 150) est en S y, por lo tanto, entra en la competencia. El valor de la funcin objetivo P en el punto (200,150) est dado por P=40(200)+30(150)=12.500 . Ahora si se pudiera calcular el valor de Pcorrespondiente a cada punto de S, entonces el punto (o los puntos) en S que proporcione el valor mximo de P formar el conjunto solucin buscado. Por desgracia, en la mayora de los problemas, la cantidad de candidatos es demasiado grande o, como en este problema, es infinita. As este mtodo no es adecuado. Es mejor cambiar de punto de vista: en vez de buscar el valor de la funcin objetivo P en un punto factible, se asignar un valor a la funcin P y se buscarn los puntos factibles que correspondieran a un valor dado de P. Para esto supngase que se asigna a P el valor 6000. Entonces la funcin objetivo se convierte en 40x+ 30y = 6.000, una ecuacin lineal en x e y; por lo tanto, tiene como grfica una lnea recta L1 en el plano. Est claro que a cada punto del segmento de recta dado por la interseccin de la lnea recta L1 y el conjunto factible S corresponde el valor dado 6000 de P. Al repetir el proceso, pero ahora asignando a P el valor de 12.000, se obtiene la ecuacin 40x+ 30y =12.000 y la recta L2 lo cual sugiere que existen puntos factibles que corresponden a un valor mayor de P. Obsrvese que la recta L2 es paralela a L1, pues ambas tienen una pendiente igual a 4/3. Esto se comprueba con facilidad escribiendo las ecuaciones en explcita de la recta. En general, al asignar diversos valores a la funcin objetivo, se obtiene una familia de rectas paralelas, cada una con pendiente igual a 4/3. Adems, una recta correspondiente a un valor mayor de P est ms alejada del origen que una recta con un valor menor de P. El significado es claro. Para obtener las soluciones ptimas de este problema, se encuentra la recta perteneciente a esta familia que se encuentra ms lejos del origen y que interseque al conjunto factible S. La recta requerida es aquella que pasa por el punto P(320,160) (Fig. 6), de modo que la solucin de este problema est dado por x=320, y=160 ( es decir que el granjero Lpez deber sembrar 320 hectreas de maz y 160 hectreas de trigo), lo que produce el valor mximo P=40(320)+30(160)=17.600. No es casualidad que la solucin ptima de este problema aparezca como vrtice del conjunto factible S. De hecho, el resultado es consecuencia del siguiente teorema bsico de la programacin lineal, que se enuncia sin demostracin. Si en problema de programacin lineal tiene una solucin, entonces sta debe aparecer en un vrtice, o esquina, del conjunto factible S asociado con el problema. Adems, si la funcin objetivo P se optimiza en dos vrtices adyacente de S, entonces se optimiza en todos los puntos del segmento de recta que une estos vrtices, en cuyo caso existe una infinidad de soluciones al problema

ma

En nuestro ejemplo los nicos vrtice del conjunto factible S son los puntos coordenados: (0,0); (400,0); (320,160); (0,480), llamados tambin puntos esquinas (Fig. 6). Un ejemplo en el que tendramos infinitas soluciones, es: VERTICE (0,0) (0,480) (320,160) (400,0) P=40x+40y 0 19.200 19.200 16.000 Supngase que la utilidad por hectreas es de $40 para ambos, maz y trigo. La tabla para este caso muestra la misma utilidad total en los vrtices(0,480) y (320,160). Esto significa que la lnea de utilidad en movimiento abandona la regin sombreada por el lado determinado por esos vrtices (adyacentes) , as todo punto en ese lado da una utilidad mxima. Todava es vlido, sin embargo, que la utilidad mxima ocurre en un vrtice.

El teorema 1 dice que la bsqueda de las soluciones a un problema de programacin lineal se puede restringir al examen del conjunto de vrtices del conjunto factible relacionado con el problema. Como un conjunto factible S tiene un nmero finito de vrtices, el teorema sugiere que las soluciones a un problema de programacin lineal se puedan hallar inspeccionando los valores de la funcin objetivo P en los vrtices. Aunque el teorema 1 arroja un poco de luz acerca de la naturaleza de la solucin de un problema de programacin lineal, no indica cundo tiene solucin. El siguiente teorema establece ciertas condiciones que garantizan la existencia de la solucin de un problema de programacin lineal. Teorema 2:Existencia de solucin Supngase un problema de programacin lineal con un conjunto factible S y una funcin objetivo P = ax + by. una 1. Si S est acotado, entonces P tiene u valor mximo y n valor mnimo en S. 2. Si S no est acotado y tanto a como b son no negativos, entonces P tiene un valor mnimo en S, si las restricciones que definen a S incluyen las desigualdades x 0 e y 0. 3. Si S es el conjunto vaco, entonces el problema de programacin lineal no tiene solucin; es decir, P no tiene un valor mximo ni uno mnimo

El mtodo utilizado para resolver el problema del granjero Lpez recibe el nombre de mtodo de las esquinas. Este mtodo sigue un procedimiento muy sencillo para resolver los problemas de programacin lineal basado en el teorema1. Mtodo de las esquinas 1. Se grafica el conjunto factible. 2. Se encuentran las coordenadas de todas las esquinas (vrtices) del conjunto factible. 3. Se evala la funcin objetivo en cada esquina. 4. Se halla el vrtice que proporcione el mximo (mnimo) de la funcin objetivo. Si slo existe un vrtice con esta propiedad, entonces constituye una solucin nica del problema. Si la funcin objetivo se maximiza (minimiza) en dos esquinas adyacentes de S, entonces existe una infinidad de soluciones ptimas dadas por los puntos del segmento de recta determinado por estos dos vrtices.

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

Un nutricionista asesora a un individuo que sufre una deficiencia de hierro y vitamina B, y le indica que debe ingerir al menos 2400 mg de vitamina B-1 (tiamina) y 1500 mg de vitamina B-2 (riboflavina) durante cierto perodo de tiempo. Existen dos pldoras de vitaminas disponibles, la marca A y la marca B. Cada pldora de la marca A contiene 40 mg de hierro, 10 mg de vitamina B-1, 5 mg de vitamina B-2 y cuesta 6 centavos. Cada pldora de la marca B contiene 10 mg de hierro, 15 mg de vitamina B-1 y de vitamina B-2, y cuesta 8 centavos (tabla 2). Cules combinaciones de pldoras debe comprar el paciente para cubrir sus requerimientos de hierro y vitamina al menor costo? Marca A Hierro Vitamina B-1 Vitamina B-2 Costo por pldora (US$) 40 mg 10 mg 5 mg 0,06 Marca B 10 mg 15 mg 15 mg 0,08 Requerimientos mnimos 2400 mg 2100 mg 1500 mg

Solucin: Sea x el nmero de pldoras de la marca A e y el nmero de pldoras de la marca B por comprar. El costo C, medido en centavos, est dado por C = 6x+ 8y que representa la funcin objetivo por minimizar. La cantidad de hierro contenida en x pldoras de la marca A e y el nmero de pldoras de la marca B est dada por 40x+10y mg, y esto debe ser mayor o igual a 2400 mg. Esto se traduce en la desigualdad. 40x+10y>2400 Consideraciones similares con los requisitos mnimos de vitaminas B-1 y B-2 conducen a las desigualdades: 10x+15y>2100 5x+15y>1500 Respectivamente. As el problema en este caso consiste en minimizar C=6x+8y sujeta a: 40x+10y>2400 10x+15y>2100 5x+15y>1500 x>0, y>0 El conjunto factible S definido por el sistema de restricciones aparece en la figura. Los vrtices del conjunto factible S son A(0,240); B(30,120); C(120; 60) y D(300,0).

Los valores de la funcin objetivo C en estos vrtices en la tabla que sigue Vrtice A (0,240) B(30,120) C(120,60) D(300,0) C=6x + 8y 1920 1140 1200 1800

La tabla muestra que el mnimo de la funcin objetivo C=6x+8y ocurre en el vrtice B(30,120) y tiene un valor de 1140. As el paciente debe adquirir 30 pldoras de la marca A y 120 de la marca B, con un costo mnimo de $11,40. El mtodo de las esquinas es de particular utilidad para resolver problemas de programacin lineal en dos variables con un nmero pequeo de restricciones, como han demostrado los ejemplos anteriores, sin embargo su efectividad decrece con rapidez cuando el nmero de variables o de restricciones aumenta. Por ejemplo, se puede mostrar que un ejemplo de programacin lineal en tres variables y cinco restricciones puede tener hasta diez esquinas factibles. La determinacin de las esquinas factibles requiere resolver 10 sistemas 3x3 de ecuaciones lineales y luego comprobar que cada uno es un punto factible, sustituyendo cada una de estas soluciones en el sistema de restricciones. Cuando el nmero de variables y de restricciones aumenta a cinco y diez, respectivamente (que an es un sistema pequeo desde el punto de vista de las aplicaciones en economa), la cantidad de vrtice por hallar y comprobar cmo esquinas factibles aumenta hasta 252, y cada uno de estos vrtices se encuentra resolviendo el sistema lineal de 5x5! Por esta razn, el mtodo de las esquinas se utiliza con poca frecuencia para resolver problemas de programacin lineal, su valor reside en que permite tener una mejor idea acerca de la naturaleza de las soluciones a los problemas de programacin lineal a travs de su uso en la solucin de problemas de dos variables.