en general una ecuacin o inecuacin lineal de 2 variables
tiene un espacio solucin en el plano cartesiano conformado por todos los puntos con coordenadas (x1,x2) que satisfagan la ecuacin inecuacin. METODOS ALGORITMICOS DE SOLUCION PARA MODELOS DE PL I. Mtodo Grfico (Geomtrico) Regin Factible. Es la aplicacin de los conceptos de la geometra, para relacionar grfica- mente los componentes de un modelo de PL como base para su solucin. El mtodo es aplicable hasta para representaciones tridimensionales (ca- cada variable es una dimensin). Para facilitar la comprensin de los con- ceptos involucrados, aplicaremos el mtodo a modelos bidimensionales. Ya que, un modelo de PL puede contener m restricciones (<=, =, >=) el es- pacio solucin del conjunto (Regin Factible) debe resultar de la intersec- cin de los espacios solucin de cada una de las restricciones 2 R1) X1 <= 60 a) X1 = 60 Regin Factible para caso : Inca SA Mx. Z = 20 X1 + 30 X2 s.a : X1 <= 60 X2 <= 50 X1 + 2 X2 <= 120 X1, X2 >= 0 b) pto. prueba ( 0 , 0) (0) <= 60
recta // a X2, pasa ( 60 ,0) e.s. : semiplano que contiene al pto. (0,0) R2) X2 <= 50 a) X2 = 50 b) pto. prueba ( 0 , 0) (0) <= 50
recta // a X1, pasa ( 0 ,50) e.s. : semiplano que contiene al pto. (0,0) R3) X1 + 2 X2 <= 120 b) pto. prueba ( 0 , 0) (0) + 2 (0) <= 120
a) X1 + 2 X2 = 120 ( 120 , 0 ) ( 0 , 60 ) e.s. : semiplano que contiene al pto. (0 , 0) 100 100 50 50 0 0, 50 Regin Factible pp (0,0) 60, 0 120, 0 0, 60 3 Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : Inca SA Mx. Z = 20 X1 + 30 X2 a) Grafo de un contorno ( 45 ,0) ( 0 ,30) Z = 20 X1 + 30 X2 = 900 b) Contorno prueba por punto ( 0, 0) Z = 20(0) + 30(0) = 0 perjudica el Objetivo, desplazamiento opuesto al contorno prueba 100 100 50 60 0 RF= ABCDE FO 45, 0 0, 30 Pto.extremo solucin ptima Valor Optimo en el pto. D (R1 R3) A B C D E R1) X1 = 60 R3) X1 + 2 X2 = 120 ; X2 = ( 120 - X1) / 2 SO X1 = 60 X2 = 30 VO = 20 (60) + 30 (30) = 1200 + 900 VO = 2100 4 Interpretacin de resultados del modelo para caso : Inca SA X1 = 60 Z = 2100 X2 = 30 Restricciones X1 <= 60 60 = 60 Se utiliza la capacidad total de la lnea de ensamble EL X2 <= 50 30 < 50 50 - 30 = 20 Queda una capacidad ociosa de 20 und.en lnea ensamble EP X1 + 2X2 <= 120 60 + 2( 30) = 120 120 - 120 = 0 Se utiliza la capacidad total de mano de obra En una restriccin <= la diferencia entre el ST y el primero se denomina HOLGURA. ensamblar 60 estabilizadores livianos ensamblar 30 estabilizadores pesados utilidad mxima $2,100 Capacidad-lnea-El : Capacidad-lnea-EP : Disponibilidad-hrs-labor : 5 R1) 50 X1 + 100 X2 >= 500 a) 50 X1 + 100 X2 = 500 Solucin por mtodo geomtrico para caso: Inst. Peruano de Deportes b) pto. prueba ( 0 , 0) (0) + (0) >= 500
( 10 ,0) ( 0 ,5) e.s. : semiplano que NO contiene al pto. (0,0) R2) 200 X1 + 125 X2 >= 1,000 a) 200 X1 + 125 X2 = 1,000 b) pto. prueba ( 0 , 0) (0) + (0) >= 1,000
( 5 ,0) ( 0 ,8) e.s. : semiplano que NO contiene al pto. (0,0) R3) 100 X1 + 100 X2 >= 750 b) pto. prueba ( 0 , 0) (0) + (0) >= 750
a) 100 X1 + 100 X2 = 750 ( 7.5 , 0 ) ( 0 ,7.5 ) e.s. : semiplano que NO contiene al pto. (0 , 0) 10 10 5 5 0 0, 5 Regin Factible pp (0,0) 5,0 10,0 7.5, 0 Mn. Z = 1.0 X1 + 1.5 X2 s.a : 50 X1 + 100 X2 >= 500 200 X1 + 125 X2 >= 1,000 100 X1 + 100 X2 >= 750 X1, X2 >= 0 0,7.5 0,8 6 Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : IPD Min Z = 1.0 X1 + 1.5 X2 a) Grafo de un contorno ( 15 ,0) ( 0 ,10) Z = 1.0 X1 + 1.5 X2 = 15 b) Contorno prueba por punto ( 0, 0) Z = 1.0 (0) + 1.5 (0) = 0 cumple el Objetivo, desplazamiento hacia al contorno prueba FO Valor Optimo en el pto. C(R1 R3) R1) 50X1 + 100X2 = 500 R3) 100X1 + 100X2 = 750 SO X1 = 5 X2 = 2.5 VO = 1.0 ( 5) + 1.5 (2.5) = 8.75 VO = 8.75 10 10 5 5 0 15, 0 0, 10 A B RF= ..ABCD... No acotada C D 7 Interpretacin de resultados del modelo para caso : IPD El suplemento alimenticio debe obtenerse mezclando: X1 = 5 Z = 8.75 X2 = 2.5 Restricciones 50 X1 + 100 X2 >= 500 50( 5) + 100( 2.5) = 500 Se satisface exactamente el requerimiento 200 X1 + 125 X2 >= 1,000 200( 5) + 125(2.5) >= 1,000 1,312.5 > 1,000 Se satisface el requerimiento con un exceso de 312.5 u. 100 X1 + 100 X2 >= 750 100( 5) + 100(2.5) = 750 Se satisface exactamente el requerimiento 5 onz. de suplemento alimenticio S1 2.5 onz. de suplemento alimenticio S2 costo del suplemento obtenido $8.75 Requerimiento de minerales : Requerimiento de protenas : Requerimiento de hidratos : 8
Caso. Fire SA va a producir 2 nuevos equipos pesados, el M9 para minera y el F9 para uso forestal, ya que la demanda en el mercado de estos equipos asegura la venta de todos los equipos que se puedan producir. Fire obtendr una uti- lidad de $5000 por cada M9 y $4000 por cada F9 que se venda. Cada equipo para su fabricacin pasa por el proceso-1 y el proceso-2. Para la produccin se dispone de 150 hrs para el proceso-1 y 160 hrs para el proceso- 2, cada M9 consume 10 hrs en el proceso-1 y 20 hrs en el proceso-2 y cada F9 consume 15 hrs en el proceso-1 y 10hrs en el proceso-2. Adems cada equipo debe pasar el control de calidad, para este control se deben utilizar como m- nimo 135 hrs. Cada M9 requiere de 30hrs de cont- calidad y cada F9 de 10 hrs. Por estrategia la gerencia a proyectado construir al menos un F9 por cada tres M9. La gerencia de Ventas informa que tiene una orden de compra de un clien- te por Cinco equipos en cualquier combinacin.Cul ser la utilidad mxima? 1- Objetivo Verbal. Maximizar la utilidad por la venta de los equipos, deter- minando la cantidad a producir de equipos M9 y F9. Formulacin y construccin del modelo de PL caso : Fire SA 9 2- Restricciones verbal
Disponibilidad hrs.proceso-1: como mximo 150 hrs. Disponibilidad hrs.proceso-2 : a lo mas 160 hrs Disponibilidad hrs. c.calidad : como mnimo 135 hrs. no negatividad : los valores deben ser no negativos 3-.Transformando a definiciones matemticas a. FO - variables de decisin X1 = nmero de equipos M9 a producir X2 = nmero de equipos F9 a producir c1 = contribucin a la utilidad por unidad M9 = $5,000 c2 = contribucin a la utilidad por unidad F9 = $4,000 - coeficientes de contribucin Z = c1 X1 + c2 X2 Z = 5,000 X1 + 4,000 X2 - modelo matemtico de la FO Proporcin de equipos : al menos 1 F9 por cada 3 M9 Produc.x Vta.comprometida:mnimo 5 equipos cualquier combinacin 10 ( 10hrs / und) ( X1 und) + ( 15hrs / und) ( X2 und) <= 150 hrs. ( 20hrs / und) ( X1 und) + ( 10hrs / und) ( X2 und) <= 160 hrs hrs.proceso-1: hrs.proceso-2: hrs.c.calidad: ( 30hrs / und) ( X1 und) + ( 10hrs / und) ( X2 und) >= 135 hrs
a) X1 + X2 = 5 ( 5 , 0 ) ( 0, 5) e.s. : semiplano que NO contiene al pto. (0 , 0) 5,0 0,5 A B C D RF= ABCD 12 Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : Pire Mx. Z = 5,000 X1 + 4000 X2 a) Grafo de un contorno ( 4 ,0) ( 0 ,5) Z = 5,000 X1 + 4,000 X2 = 20,000 b) Contorno prueba por punto ( 0, 0) Z = 5,000(0) + 4,000(0) = 0 NO cumple el Objetivo, desplazamiento opuesto al contorno prueba Valor Optimo en el pto. B (R1 R2) R1) 10 X1 + 15 X2 = 150 R2) 20 X1 + 10 X2 = 160 SO X1 = 4.5 X2 = 7 VO = 5000( 4.5) + 4000 (7) =50,500 VO = 50,500 10 10 5 5 0 0, 16 15, 0 4, 0 0, 13.5 0,10 8, 0 15 15 0,5 A B C D RF= ABCD FO 13 Interpretacin de resultados del modelo para caso : Pire SA Debe producirse : X1 = 4.5 4.5 unidades de equipo pesado M9 Z = 50,500 utilidad mxima $50,500 X2 = 7 7 unidades de equipo pesado F9 Restricciones hrs.proceso-1 : 10 X1 + 15 X2 <= 150 10( 4.5) + 15(7) = 150 Hrs.proceso-2 : 20 X1 + 10 X2 <= 160 20( 4.5) + 10( 7) = 160 Hrs,c.calidad: 30 X1 + 10 X2 >= 135 30( 4.5) + 10(7) > 135 ; 205 -135 = 70 Prop.de equipos: X1 - 3 X2 <= 0 ; X1/ 3 <= X2 4.5/3 < 7 ; 1.5 < 7 ; 7 -1.5 = 5.5 Se utiliza la totalidad de hrs disponibles Se utiliza la totalidad de hrs. disponibles Se satisface con un exceso de 70 hrs. Se satisface con una holgura de 5.5 F9 Vta.comprometida: X1 + X2 >= 5 ; 4.5 + 7 > 5 ; 11.5 - 5= 6.5 Se satisface con un exceso de 6.5 equipos 14 Soluciones Optimas Mltiples a) Grafo de un contorno ( 60 ,0) ( 0 ,30) Z = 15 X1 + 30 X2 = 900 b) Contorno prueba por punto ( 0, 0) Z = 15(0) + 30(0) = 0 perjudica el Objetivo, desplazamiento opuesto al contorno prueba 100 100 50 60 0 RF= ABCDE FO 60, 0 0, 30 Multiples ptos. solucin ptima Valor Optimo en el segmento CD A B C D E R1) X1 = 60 R3) X1 + 2 X2 = 120 ; X2 = 30 SO X1 = 60 X2 = 30 VO = 15(60) + 30(30) = 900 + 900 VO = 1800 Mx. Z = 15 X1 + 30 X2 s.a : X1 <= 60 X2 <= 50 X1 + 2 X2 <= 120 X1, X2 >= 0 En el caso Inca SA, supongamos que , la utilidad de un estabilizador liviano varia de S/. 20 a S/.15. Entonces el modelo de PL queda como sigue: Punto D ( R1 R3) 15 Soluciones Optimas Mltiples 100 100 50 60 0 RF= ABCDE FO 60, 0 0, 30 Multiples ptos. solucin ptima Valor Optimo en el segmento CD A B C D E R2) X2 = 50 R3) X1 + 2 X2 = 120 ; X1 = 20 SO X1 = 20 X2 = 50 VO = 15(20) + 30(50) = 300 + 1,500 VO = 1800 Punto C ( R2 R3) Cualquier otro punto del segmento AB por ser paralela a la lnea de ISOUTILIDAD producir el mismo valor ptimo ( 1,800) pero diferentes soluciones optimas (SO) R) X1 = 30 R3) X1 + 2 X2 = 120 SO X1 = 30 X2 = 45 VO = 15(30) + 30(45) = 450 + 1,350 VO = 1800 Punto C ( R R3) ; X2 = 45 16 Soluciones No Acotadas a) Grafo de un contorno ( 45 ,0) ( 0 ,30) Z = 20 X1 + 30 X2 = 900 b) Contorno prueba por punto ( 0, 0) Z = 20(0) + 30(0) = 0 perjudica el Objetivo, desplazamiento opuesto al contorno prueba 100 100 50 60 0 RF= AB.. .no acotada FO 45, 0 A B Mx. Z = 20 X1 + 30 X2 s.a : X1 <= 60 X1, X2 >= 0 En el caso Inca SA, supongamos que , no existen restricciones de mano de obra ni de produccin de estabilizadores pesados, entonces el modelo de PL sera: 0, 30 Regin NO acotada sin punto ptimo PROBLEMA NO ACOTADO 17 Soluciones No Factibles 100 100 50 60 0 200, 0 Mx. Z = 20 X1 + 30 X2 s.a : X1 <= 60 X2 <= 50 X1 + 2X2 >= 200 X1, X2 >= 0 En el caso Inca SA, supongamos que la restriccin de mano de obra vara a la condi- cin de utilizar al menos 200hrs. El modelo de PL seria: 0, 100 La Regin Factible no existe PROBLEMA INCONSISTENTE R3) X1 + 2 X2 >= 200 b) pto. prueba ( 0 , 0) (0) + 2 (0) >= 200
a) X1 + 2 X2 = 200 ( 200 , 0 ) ( 0 , 100 ) e.s. : semiplano que NO contiene al pto. (0 , 0) 18 Soluciones Degeneradas 100 100 30 60 0 45, 0 Mx. Z = 20 X1 + 30 X2 s.a : X1 <= 60 X2 <= 30 X1 + 2X2 <= 120 X1, X2 >= 0 En el caso Inca SA, supongamos que la restriccin de capacidad de la lnea de estabilizadores pesados se reduce a 30 en vez de 50. El modelo de PL seria: 0, 30 El punto C que contiene la Solucin Optima est formado por la interseccin de mas de dos res- tricciones (siendo necesarias solo dos). Este tipo de soluciones se denomina genricamente como: SOLUCION DEGENERADA a) Grafo de un contorno ( 45 ,0) ( 0 ,30) Z = 20 X1 + 30 X2 = 900 b) Contorno prueba por punto ( 0, 0) Z = 20(0) + 30(0) = 0 perjudica el Objetivo, desplazamiento opuesto al contorno prueba FO Pto.C s. ptima A B C D RF= ABCD 5 19 SOLUCION NO FACTIBLE 2 o ms restricciones no son satisfechas simultneamente OPTIMA safisface las restric- ciones y el Objetivo NO ACOTADA no satisface el Objetivo Tipos de Soluciones en modelos de PL SOLUCION FACTIBLE satisface simultneamente las restricciones y no necesariamente el Objetivo Restricciones ACTIVAS y NO ACTIVAS En las soluciones ptimas, las restricciones que determinan la solucin ptima se denominan ACTIVAS ( cumple con la igualdad al ser evaluadas) y las dems se deno- minan NO ACTIVAS ( no cumplen con la igualdad al ser evaluadas). 5
Mentalidades matemáticas: Cómo liberar el potencial de los estudiantes mediante las matemáticas creativas, mensajes inspiradores y una enseñanza innovadora
Física cuántica para principiantes: Descubra los fundamentos de la mecánica cuántica y cómo afecta al mundo en que vivimos a través de todas sus teorías más famosas
Entrelazamiento cuántico y sincronicidad. Campos de fuerza, no localidad, percepciones extrasensoriales. Las sorprendentes propiedades de la física cuántica.