E.

Raffo Lecca

2
La programacin lineal
De todas las tcnicas de la IO, es la programacin lineal o PL (Linear Programming) la ms conocida y utilizada [SIM72]. La programacin lineal naci hacia 1939 con los trabajos del matemtico ruso Leonid V. Kantorovich (1912-1986), quien en 1976 recibiera el Premio Nobel de Economa por sus investigaciones. Su trabajo se mantuvo en secreto durante la segunda guerra mundial. En su obra La Optimizacin de los recursos ptimos, Kantorovich presenta este pensamiento.

No en vano se trata de la teora de cmo organizar de la mejor manera posible una cantidad limitada de recursos (o defensas) rendimiento (o conseguir los mnimos daos). para obtener de ellos el mayor

2.1 El problema de la Programacin Lineal

George Dantzig crea el mtodo simplex para la programacin lineal, descrito por primera vez en su paper Programming in a linear structure (Programacin en una estructura lineal). El trmino Programming o programacin estaba referido a los por Dantzig en aquellos aos, denominados de programacin), relacionados con la

tipos de problemas abordados Programming

problems (problemas

investigacin en devise programs of activities for future conflicts del departamento de defensa de los Estados Unidos. Posteriormente se utiliza el trmino programacin lineal en lugar de programacin en una estructura lineal, y los problemas

pertenecientes a esta rea reciben el nombre de problemas de programacin lineal. De esta forma se asocia el trmino programacin con un tipo de problema matemtico especfico en la literatura de la Investigacin de Operaciones. Un modelo programacin lineal se define como:

E. Raffo Lecca
Sujeto a las restricciones
{ } ,

Con las restricciones de no negatividad:

Los siguientes problemas matemticos corresponden a la programacin lineal: P1:

Sujeto a

P2:
Sujeto a

P3:
Sujeto a

P4:
Sujeto a

2.2 Hiptesis de la PL
Los PL descansan sobre 4 supuestos: ser determinstico, la proporcionalidad, aditividad y divisibilidad (ver la figura 2.1).

E. Raffo Lecca

Figura 2.1: Supuestos en la programacin lineal

Todo PL se construye haciendo uso de estas 4 hiptesis. Es la nica gua en el arte de construir modelos lineales de programacin o tambin conocida como formulacin de PL.

Una mueblera produce sillas y mesas. Consta de dos departamentos: corte y acabado. En cada departamento existe un operario que trabaja 8 horas diarias, y 5 das a la semana. Cada silla deja una utilidad de $3 y cada mesa $5.

Producto Departamento Corte Acabado Utilidad Silla 1 1 3 Mesa 1 2 5 Disponibilidad 40 40

Tabla 2.1: Composicin de ingredientes

En la tabla 2.1, se presentan los tiempos estndares para procesar cada producto en los dos departamentos.

Se est buscando la mejor combinacin de productos a elaborar, con el objetivo de maximizar la utilidad semanal.

E. Raffo Lecca
Los datos que se hacen uso para resolver un PL, asumen la completa certeza en la informacin. Esto es hiptesis de ser determinstico. Algn cambio por error en el ingreso de los datos o su posterior variacin producto de los cambios genera el denominado anlisis pos ptimo.

Como un PL se compone de decisiones, restricciones y objetivos. La primera pregunta es Qu se necesita conocer?, la respuesta viene por el lado de las variables decisionales: Cunto producir de sillas y mesa por semana.

Sobre la segunda pregunta, Cul es el objetivo del PL? , se est buscando maximizar la utilidad.

Por un lado la proporcionalidad dice que si por una silla gana $3, por gana 3 . Por otro lado si por una mesa se gana $5, por

sillas

sillas se gana 5 . Aqu no

existe la economa de escala; es decir no hay descuentos por vender por cantidad.

Por la aditividad se explica que la utilidad total es la suma de la contribucin por las sillas mas la contribucin por las mesas.

Luego la funcin objetivo es:

El hecho que los recursos utilizados para producir un bien tienen un valor, se debe a que son limitados; de otro lado su abundancia traera como consecuencia un precio del recurso igual a cero. Se optimiza los recursos porque son escasos, en su abundancia no tendra sentido tanto desarrollo computacional. Las restricciones delimitan el espacio de solucin a un PL, la acotan o restringen. En el caso de este ejemplo piloto, se podra producir ingentes cantidades de sillas y mesas, y slo el mercado podra restringirlas. Aqu se supone que todo lo que

E. Raffo Lecca
produce la mueblera tiene mercado. Las restricciones son las horas-hombres que se disponen en los departamentos de corte y acabado.

Restriccin en el departamento de corte:

Horas-Hombre en procesar sillas ms las H-H en procesar mesas NO EXCEDE de 40

Restriccin en el departamento de acabado:

Horas-Hombre en procesar sillas mas las H-H en procesar mesas NO EXCEDE de 40

Las soluciones al PL no pueden ser negativas; y como hacen usos de tcnicas matriciales para dar solucin al conjunto de ecuaciones, se asume la negatividad para las variables de decisin; aparte que pertenecen al conjunto de los nmeros reales; y no reflejan la naturaleza del dominio de la variables, que sean sillas o gramos de alimentos.

El PL es:

Sujeto a:

Esta estructura de PL es conocida como el problema de la mezcla ptima de productos.

2.3 Formulacin de PL
En esta seccin se presenta un conjunto de plantillas o template a estructuras de problemas muy utilizados en los sectores econmicos como pblicos en la vida diaria.

2.3.1

Mezcla ptima de productos

E. Raffo Lecca
El problema de la mezcla ptima de productos tiene como caracterstica, un modelo que tiene como variables decisionales la cantidad a producir de los bienes o productos y se encuentra restringido por los recursos que utiliza, incluyendo la demanda que impone el mercado. Los recursos pueden ser identificados por las limitaciones en H-H en los departamentos, cantidad disponible de insumos, componentes o ingredientes; adems de las limitaciones de la demanda del mercado. Muchas situaciones en el mundo real caen dentro de esta categora de modelos.

La empresa PETFOOD, se dedica a la elaboracin de alimentos para mascotas. Existen dos tipos de alimentos el dogfood y el catfood. El precio de venta para cada caja de alimentos con peso de una onza, es $ 10.5 y $14.5 respectivamente. El costo del envase es $1.5 por unidad.

Alimento Dogfood Catfood Disponibilidad Costo

Ingredientes A 30 25 1000 $4 B 40 50 1400 $3 C 30 25 900 $2

Tabla 2.2: Composicin de ingredientes

Cada uno de alimentos, contiene 3 ingredientes: A, B y C. En la tabla 2.2, se presenta la composicin de ingredientes por cada onza de alimentos. Los costos de una onza de ingredientes son $4, $3 y $2 respectivamente.

La demanda del alimento dogfood es de 2000 unidades y 1500 unidades para catfood. La capacidad de produccin se limita a solo 3000 unidades de produccin total.

Presentar el PL para optimizar la utilidad total, sabiendo que existen limitaciones en la cantidad de onzas de ingredientes disponibles.

E. Raffo Lecca
El inters es conocer cuntas cajas del alimento dogfood y de catfood se deben producir, para maximizar la utilidad. La utilidad viene como resultado de la diferencia entre el ingreso por la venta y los costos por las onzas de ingredientes utilizados y el de los envases.

Las variables de decisin vienen como:

Las restricciones dadas por la demanda, as como la capacidad total de produccin son:

Las restricciones impuestas por la disponibilidad de ingredientes son:

La funcin objetivo es

+ +

El PL es:

Sujeto a:

E. Raffo Lecca

2.3.2

El problema de la dieta

El problema de la dieta fue analizado y resuelto en 1945 por George J. Stigler premio Nobel de Economa en 1982. Este problema se identifica porque se tienen alimentos a satisfacer, cumpliendo un peso determinado y satisfaciendo restricciones de contenidos nutricionales.

Las aplicaciones del problema de la dieta se presentan en una diversidad de situaciones de la vida real; no slo en el balance diettico. A continuacin se presenta una versin, aplicada a la mezcla de aceros con la finalidad de conseguir una orden de produccin en una fundicin.

Minerales Silicio Manganeso Costo

Acero A 5 0.5 $18 B 4 0.6 $20 C 3 0.8 $24 D 6 0.7 $22

Tabla 2.3: Composicin de los minerales

La empresa IRON se dedica a la fundicin de aceros para conseguir un producto industrial. En el momento actual se cuenta con entregar una orden de 2000 libras la que debe cumplir con un contenido mnimo del 0.6% de manganeso; y el contenido de silicio encontrarse entre 4.4% y 5.5%.

La empresa vende a $0.40 la libra de material fundido, y hace uso de cuatro tipos de aceros con el contenido de silicio (por cada 1000 libras de acero) y manganeso (en

E. Raffo Lecca
porcentaje) dado en la tabla 2.3. El costo de los tipos de acero viene dado para miles de libras.

Formular un PL para ayudar a IRON a optimizar la presente orden de produccin, sabiendo que se puede comprar manganeso a un precio de $8 la libra.

El inters es conocer cuntas libras de acero en los diferentes tipos, y libras de manganeso se deben utilizar, para maximizar la utilidad. La utilidad viene como resultado de la diferencia entre el ingreso por la venta y los costos por las libras de acero y manganeso utilizados.

Las variables de decisin vienen como:

La funcin objetivo es maximizar la

La restriccin del peso del producto fundido:

La restriccin impuesta para el contenido de manganeso, viene de 5 libras de manganeso estn presentes en 1000 libras del acero A, 6 libras de manganeso estn presentes en 1000 libras del acero B, etc. Luego:

E. Raffo Lecca

Las restricciones impuestas por el contenido de silicio:

El PL es:

Sujeto a:

2.3.3

Planeacin de cartera de inversiones

Una empresa acaba de obtener $500,000 y est buscando oportunidades de inversin para los fondos. Se ha recomendado invertir en la industria Pesquera, minera o en agroindustrias. Las inversiones y tasas de rendimiento se muestran en la tabla 2.4. Se imponen los siguientes lineamientos de inversin:

Ninguna industria recibir ms de $250,000. La inversin en agroindustrias debern ser al menos 25% de las inversiones mineras. La inversin en Fondo Pesquero, no exceder del 60% de la inversin pesquera.

Inversin Fondo Pesquero Pesca Corp. BISA Mining Corp. Agroindustrias

Tasa de rendimiento (%) 8.0 11.0 9.0 8.0 5

E. Raffo Lecca

Tabla 2.4 Qu recomendaciones de inversiones y cantidades debern hacerse?

Variables Descripcin Inversin en Fondo Pesquero Inversin en Pesca Corp. Inversin en BISA Inversin en Mining Corp. Inversin en Agroindustrias

Funcin objetivo = maximizar el inters total del portafolio La inversin en Fondo pesquero genera: La inversin en Pesca Corp. genera: La inversin en BISA genera: La inversin en Mining Corp. genera: La inversin en Agroindustrias genera:
Max z=

El presupuesto disponible es de $500,000, que se invierte en los proyectos:

La restriccin para la industria pesquera: La restriccin para la industria minera: La restriccin para Agroindustrias:

La inversin en Agroindustrias al menos 25% de las inversiones mineras:

, equivalente a

La inversin en Fondo Pesquero, no exceder del 60% de la inversin en pesca:

, equivalente a

E. Raffo Lecca

El PL:
Max z= Sujeto a:

Inversin

Cantidad

Fondo Pesquero Pesca Corp. BISA Mining Corp. Agroindustrias

0 250,000 200,000 0 50,000

2.3.4

Un problema de comunicacin

Un sistema de comunicacin como el que se muestra en la figura 2.2, mide su capacidad en llamadas-kilmetros. Dos llamadas entre los puntos A y B, utiliza 2 enlaces entre A y el switch o intercambio, del mismo modo 2 enlaces entre el switch y B. Su capacidad es .

Presentar un PL que maximice la capacidad del sistema de comunicacin; asumiendo que el nmero de lneas de enlaces es 8, 14 y 8 para A, B y C respectivamente; y las distancias .

E. Raffo Lecca
dAC A C

Switch dAB dBC

Figura 2.2: Sistema de comunicacin

Las variables de decisin vienen dadas por las llamadas en simultneo que se dan entre A-B, como A-C y B-C:

El sistema de comunicacin se encuentra restringido por el nmero de enlaces que existe entre cada punto y el switch.

La funcin objetivo es maximizar la capacidad del sistema:

Las restricciones vienen dadas por el balance entre las llamadas que hacen uso de cada uno de los enlaces y el total de lneas de enlaces disponibles:

El PL resultante es:

Sujeto a:

E. Raffo Lecca

2.3.5

El problema de mezcla de crudos

Las operaciones en una refinera producen gasolina, petrleo, butano, etc. desde crudos a travs de una serie de operaciones. En la figura 2.3 se presenta una visin muy simple de estas operaciones mediante la desintegracin cataltica.

Una refinera posee tres procesos para elaborar varios tipos de gasolina. Los diferentes crudos se mezclan en un desintegrador cataltico.

Crudo 1

Gasolina 1

Crudo 2

Gasolina 2

Gasolina 3

Desintegrador

Figura 2.3: Operacin en una refinera

El proceso 1, cuesta $4 y tiene como entrada 2 barriles de crudo 1 y 3 barriles de crudo 2. El producto que se obtiene es 2 barriles de gasolina 1 y 2 barril de gasolina 2.

El proceso 2, cuesta $5 y tiene como entrada 2 barriles de crudo 1 y 3 barriles de crudo 2. El producto que se obtiene es 3 barriles de gasolina 2.

El proceso 3, cuesta $6 y tiene como entrada 2 barriles de crudo 1 y 3 barriles de crudo 2. El producto que se obtiene es 3 barriles de gasolina 3.

E. Raffo Lecca
Cada semana se podran comprar 300 barriles de crudo 1 a 3$ por barril y 300 barriles de crudo 2 a $2 por barril. Los 3 tipos de gasolina se pueden vender por barril: $15 la gasolina 1, $10 la gasolina 2 y $20 la gasolina 3. Cada proceso se ejecuta durante una hora.

Formular un PL que optimice la utilidad, suponiendo que la planta trabaja 24 horas por da y 5 das por semana.

Procesos 2 $15 Gasolina 1

Crudo 1 2, 3 a1 , $3

$4/hr 1

2 $5/hr 2, 3 2

$10 3 Gasolina 2

Crudo 2 $6/hr 2, 3 a2 , $2 3 3

$20 Gasolina 3

Desintegrador

Figura 2.4: Descomposicin de los procesos

Las variables de decisin vienen como:

La restriccin del total de horas en proceso, contando con 24(5)=120 horas a la semana:

E. Raffo Lecca
La restriccin del total de barriles de crudos a utilizar:

Relacin de la cantidad de crudos utilizados, desde las horas de proceso:

La funcin objetivo es maximizar la

El PL resultante es:

Sujeto a:

2.3.6

El problema de la composicin de productos

Una variedad de problemas estn relacionados con la composicin de los productos a travs de sus insumos. Por ejemplo para producir envasados de jugo de naranjas, se necesitan como insumos grados de naranjas. De la misma forma a partir de los qumicos se producen los frmacos, los dulces se hacen a base de azcar, nuez y chocolates; y finalmente diversos tipos de leche son la base para producir los quesos. Inclusive los grados de crudos son la base para formar los productos gasolinas y aceites y las cosechas de uvas son la base para producir los vinos. Ver la figura 2.5

E. Raffo Lecca
La caracterstica de los modelos de PL para composicin de productos es identificar cunto de cada insumo se asigna a cada producto; satisfaciendo las condiciones de constitucin de la frmula qumica del producto.

1 1

Insumos

Productos

Figura 2.5: Composicin de productos La empresa FANIA tiene su giro de negocios en torno a producir salsas para gourmet.

Para el presente periodo, tiene que producir salsa DURA y salsa SENSUAL, stas tienen como insumo ajs y tomates. Se dispone en el almacn de 40 libras de ajs y 50 libras de tomates. El costo de estos insumos es $2 y $3 por libra respectivamente para cada uno de los insumos.

En la tabla 2.4 se presenta la frmula qumica para cada una de salsas en mencin; obtenindose un ingreso de $4 y $5 por cada libra para cada una de las salsas producidas respectivamente.

Presentar un PL para optimizar la produccin de salsas a partir de ajs y tomates para el presente periodo.

Insumos

Salsa DURA SENSUAL

E. Raffo Lecca
Aj Por lo menos 25% Tomate A lo sumo 70% Por lo menos 40%

Tabla 2.4: Composicin de las salsas

Las variables de decisin vienen como:

A partir de la tabla 2.5.

Insumos Aj Tomate

Salsa DURA SENSUAL

Tabla 2.5: Variables de decisin La relacin de la cantidad de libras de insumo utilizados para el presente periodo:

La relacin de la cantidad de libras de salsa producidos para el presente periodo:

La funcin objetivo es maximizar la

E. Raffo Lecca

La restriccin del total de libras de insumos a utilizar:

La restriccin de la composicin de las libras de insumos por producto: [ [ [ ] ] ]

El PL resultante es:

Sujeto a:

2.3.7

El problema del inversionista

A pesar que este problema se presenta con diversas variantes, existe caractersticas comunes que los hacen identificable a un problema donde se desea invertir capitales dada una cantidad disponible. Esto se da al principio del proyecto.

Al inicio se propone elegir desde un monto disponible, cunto invertir en cada una de las alternativas; sin excederse de la cantidad total.

El objetivo es encontrar la cantidad mxima que se puede arribar en el ltimo periodo; producto de la ganancia en intereses.

E. Raffo Lecca

Se dispone para invertir de $1000, y se tiene tres acciones a invertir a lo largo de 4 periodos. En la Tabla 2.6 se detallan los intereses a ganar en cada una de las acciones y el periodo al cual estn colocados.

Accin

Periodo

Tasa

de

inters (%) A B C 1 2 3 4 9 13

Tabla 2.6: Acciones a invertir

Se quiere maximizar la cantidad que se llega al final del periodo 4.

Las variables de decisin para A, vienen a continuacin; y para B y C se presentan en la figura 2.6:

xC1 xB1 xB2

xC2 xB3

xA1 0 Inversin 1

xA2 2

xA3 3

xA4 4

Figura 2.6: Variables de decisin

La funcin objetivo es maximizar la total que se consigue al fin del periodo ltimo. Esto es ms ms :

E. Raffo Lecca

La restriccin del total a invertir en las diversas acciones:

La restriccin a invertir en el periodo 2:

La restriccin a invertir en el periodo 3:

La restriccin a invertir en el periodo 4:

El PL resultante es:

Sujeto a:

El problema del inversionista a menudo aparece como el nivel a invertir en cada uno de los proyectos. Este nivel se encuentra entre 0 y 1(100%).

El balance de la cantidad a invertir, se encuentra restringido al ingreso de los flujos. En cada periodo El flujo de ingreso es igual al flujo de salida, incluyendo la inversin de la cantidad remanente a cierta tasa de inters.

2.4 Anlisis grfico en un PL

Un PL con dos variables decisionales es resuelto fcilmente usando el anlisis grfico. Este no es un mtodo para resolver un PL, slo es una manera de visualizar las relaciones existentes entre las restricciones.

2.4.1

Usando el plano cartesiano

E. Raffo Lecca
El PL formulado para la mueblera es:

Sujeto a:

En el anlisis grfico, se trata de resolver el conjunto de desigualdades o inecuaciones que definen el espacio de solucin factible o BFS. Condicionado al concepto que tienen los economistas sobre las isocuantas o curvas de indiferencia.

Primero se numerarn las restricciones de 1 al 4 incluyendo las restricciones de no negatividad:

, Como estas desigualdad se visualizan como el rea que se encuentra bajo (o arriba) de la lnea; entonces la lnea se grafica tomando puntos de intercepcin con los ejes cartesianos.

Para la recta Para la recta Para la recta Para la recta

, , , ,

. . . .

E. Raffo Lecca
x2

40 30 20 10 3 4 2

10

20

30

40

x1

Figura 2.7: Espacio de solucin factible

En la figura 2.7 se observa que el BFS corresponde al rea comn para todas las restricciones.

Sea la curva de indiferencia que produce el valor

, para diferentes

valores de k. De todas las curvas de indiferencia en la regin factible, el punto ptimo se encuentra en aquella cuyo valor k es el mejor (sea mnimo o mximo).

x2

40 30 20 10 3 4

1 z 3 2 5 Optimo PL

10

20

30

40

x1

Figura 2.8: El ptimo PL de la MUEBLERIA En la figura 2.8, la lnea tiene como pendiente,

E. Raffo Lecca

Para el PL de la mueblera la solucin ptima es

. Este

es el punto ms alto en el espacio de solucin factible. El concepto de curva de indiferencia dice que todos los puntos en (en el BFS) son igualmente seleccionados.

El PL para PETFOOD es:

Sujeto a:

x2
4000

1 4 5 3 2

6 10 Optimo PL

3000

2000

1000

7 8
1000 2000

6 x1
3000

Figura 2.9: El ptimo del PL PETFOOD

E. Raffo Lecca
Para encontrar la solucin ptima, el anlisis grfico permitir visualizar entre otras las restricciones activas y las redundantes. Las restricciones 4 y 5 son redundantes, toda vez que se pueden eliminar y no cambia la solucin. Se observa el BFS est definido por las otras restricciones. De este conjunto de restricciones, las restricciones 2 y 3 son las activas (por definir la solucin ptima) y las restricciones 1, 6,7 y 8 son las no activas.

La solucin ptima es

2.4.2

Casos en PL

A continuacin se presentan algunos casos de PL, para mostrar la importancia del anlisis grfico. El objetivo es conocer las distintas geometras con que se presenta un PL.

Sea el PL P2 definido a principio de captulo, se observa que la lnea de la funcin objetivo es paralela a la restriccin activa; en consecuencia toda la lnea 1, constituye la solucin ptima; se dice que existen soluciones alternativas. Ver figura 2.10. PL
Sujeto a
x2

Anlisis grfico

4 3 2 1 2 3 1 2 1

Optimo PL z 1 1

x1

Figura 2.10: Soluciones alternativas

E. Raffo Lecca
En el PL P3, se observa que la regin de solucin factible BFS no se encuentra acotada; en consecuencia el ptimo se encuentra en el infinito; se dice que la solucin ptima est no acotada. Ver figura 2.11. En el PL P4, se observa que la regin de solucin factible BFS no existe; se dice que la solucin es no factible. Ver figura 2.12.

Sujeto a

PL
Sujeto a
x2

Anlisis grfico
Optimo PL

4 2 3 2 1 3 4 1 2 3 4 x1 1

Figura 2.11: Optimo no acotado

E. Raffo Lecca
x2 1 4 3 2 2 1 3 4 1 2 3 4 x1 z

Figura 2.12: Solucin no factible

2.5 Algebra lineal

La programacin lineal est ntimamente ligada a la solucin de sistema de ecuaciones lineales. Esto significa un conocimiento en lgebra lineal, en temas sobre matrices, combinacin lineal, dependencia lineal, independencia lineal, bases y soluciones bsicas.

2.5.1
Sea la matriz

Combinacin lineal

Donde cada columna de la matriz se define como:

( )

Sea un conjunto de vectores

y un conjunto de escalares

, se define la combinacin lineal (ver la figura 2.13):

E. Raffo Lecca
Z=2X+3Y

Figura 2.13: Combinacin lineal Un conjunto de vectores , se dice que es linealmente

dependiente, si alguna combinacin lineal de estos, es con al menos un escalar , diferente de cero.

La combinacin lineal es linealmente dependiente si se cumple:

En la siguiente matriz
( )

En la siguiente matriz
( )

E. Raffo Lecca
Se observa que est constituida por vectores unitarios, luego

La solucin

, se dice que existe independencia lineal. Los vectores unitarios

son linealmente independientes.

2.5.2

Bases e independencia lineal

A continuacin se presentan las propiedades para la combinacin lineal:

1.

es una matriz de orden mxn ,

es un vector columna de n componentes, . Con la columna j de .

2.

Un conjunto de vectores es linealmente dependiente si y solo si uno de ellos es combinacin lineal de los otros.

3.

El conjunto de los vectores unitarios el espacio Euclidiano n.

constituyen una base en

4. 5.

La representacin de cualquier vector en una combinacin lineal es nica. Cualquier base es una independencia lineal en el espacio n.

Si cualquiera de las columnas de una matriz cuadrada , desde la independencia lineal, tiene inversa; entonces las filas de y las columnas de son linealmente

independiente.

Sea un sistema de ecuaciones independientes; con

donde las filas de .

son linealmente

una matriz de orden m x n, con

Teorema Si es una matriz de orden m x n, con y las filas de son linealmente

independientes, entonces existen m columnas de

son linealmente independientes.

E. Raffo Lecca
Sean m columnas de (n-m) valores que son linealmente independientes, lo que significa que sean cero.

Una solucin bsica

( ) , ( )

Con las variables no bsicas de cero).

y las variables bsicas

(diferentes

La submatriz

cuadrada de orden m define una base, de las

( )

Combinaciones existentes. (Para el caso

son 6 bases).

Para

, Entonces como

define una base, es invertible y

es la

solucin a la base se tiene que:

( ) . ( )

De
[ ] (

se tiene, ) [ ] ( ),

( ),

( ),

, Con

( ),

En general:

Los hiperplanos y los conjuntos convexos son conceptos segmento de lnea es la distancia ms corta entre dos puntos y algebraicos. Un en el espacio en

euclidiano n. La lnea que pasa a travs de los dos puntos, es el conjunto de puntos el espacio euclidiano que satisface .

E. Raffo Lecca

Desde el sistema de ecuaciones:

Define un segmento de lnea que conecta los dos puntos: ,

Un hiperplano en el espacio euclidiano n, es el conjunto de todos los puntos { } que satisfacen:

Suponga que

se encuentra entre

La combinacin convexa es una clase de combinacin lineal

E. Raffo Lecca
Un punto extremo de un conjunto convexo X, es un punto expresado como: , con y dos puntos diferentes en X. que no puede ser

2.6 Anlisis de sensibilidad en modo grfico

Investigar el impacto que se tiene al hacer cambios en los parmetros del modelo, con respecto a la solucin ptima.

Cambios en los coeficientes de la FO. Cambio en el valor de disponibilidad del recurso.

Se aprovecha el anlisis grfico para realizar el anlisis de sensibilidad, cuando ocurren cambios en la funcin objetivo y la disponibilidad de los recursos.

2.6.1
Sea el PL:

Cambios en los coeficientes de costos

Sujeto a

Se observa en la figura 2.14, que la pendiente de la lnea 1 es menor o igual que la pendiente de la FO y esta menor igual que la pendiente de la lnea 2.

De la relacin:

E. Raffo Lecca
x2 10 8 6 4 2 2 Pendiente = -c1/c2 1

10

x1

Figura 2.14: Variacin de los costos La relacin entre los coeficientes es como sigue:

El rango de sensibilidad del costo se encuentra entre 1 y 2. Ver tabla 2.7.

se encuentra entre 0.5 y 1; del mismo modo

Costo

Valor 1 1

Incremento Incremento 0.5 0 0 1

Tabla 2.7: Rango de sensibilidad para los costos

2.6.2

Cambios en la disponibilidad de recursos

Al observar la restriccin 1 en la figura 2.15, se encuentra que puede pasar por lo menos en el punto (0,5) y llegar hasta el punto (10,0).

=10

E. Raffo Lecca

Puede bajar el recurso de la restriccin, 1 unidad o subir 4 unidades por ser

x2 10 8 6 4 2 2 1 1 z 1

10

x1

Figura 2.15: Variacin de los recursos

El valor de un recurso, es resultado de su valor marginal:

Por ejemplo para el recurso 1: la restriccin 1

Un incremento de una unidad en el recurso, se encuentra que

En la tabla 2.8, se presenta los valores marginales para cada uno de los recursos.

Recurso

Valor 6 10

Marginal 1 0

Tabla 2.8: Rango de sensibilidad para los costos

E. Raffo Lecca

Finalmente considere el PL: Sujeto a

Realizar el anlisis para los casos:

Para

, revisando las intersecciones:

Para ,

Problemas propuestos
1. Una compaa produce A, B, C y D, y puede vender estos bienes en cantidades ilimitadas a los siguientes precios unitarios: A, $15; B, $30; C, $40, D, $50. Producir una unidad de A requiere 1 h. de mano de obra; una unidad de B, 2 h. de mano de obra ms 2 unidad de A; una unidad de C, 3 h. de mano de obra ms 1 unidad de B; y una unidad de D, 2 h. de mano de obra ms 1 unidad de C. Cualquier unidad A, que se usa para producir B no se puede vender. Cualquier unidad de B que se utiliza para producir C no se puede vender; y de igual manera cualquier unidad de C que se utiliza en D no se puede vender. Se dispone de un total de 120 h. de mano de obra. Plantee un PL para maximizar los ingresos de la compaa.

E. Raffo Lecca
2. La empresa de saneamiento de agua potable, est programando la construccin

de nuevas plantas a 5, 10 y 15 aos, con la finalidad de responder a las necesidades de agua para la ciudad de Lima.

Puede comprar slo tres tipos de acciones, con un valor de accin de $1000,000 por unidad. Estas acciones producen ingresos en los aos 5, 10 y a 15; las que son utilizadas para cubrir los requerimientos mnimos de desembolso en esos aos.

La tabla 2.9 presenta la cantidad de ingresos por cada accin en los aos 5, 10 y 15; adems del requerimiento mnimo de requerido en cada uno de los aos.

Plantee un PL para determinar las inversiones en las acciones, con la finalidad cubrir los requerimientos de efectivos, optimizando la cantidad total invertida.

Ao

Ingreso por accin Accin 1 2 Accin 2 1 1 0.5 Accin 3 2 2 1

Requerimiento mnimo $200 M $400 M $300 M

10 15

0.5 0

Tabla 2.9: Retorno de las acciones por ao

3.

Una mueblera produce sillas y mesas. Cada silla y cada mesa requieren 2 y 3

horas-hombre respectivamente. Se tienen dos operarios que trabajan 8 horas diarias, y 5 das a la semana. Cada silla deja una utilidad de $4 y cada mesa $5. El mercado limita la venta de sillas a 16 unidades. Cada silla requiere 4 pies2 de madera y cada mesa 4 pies2 de madera. Se dispone de 120 pies2 de madera

Usando anlisis grfico, responder:

a) Cunto producir de sillas y mesas y cunto es la utilidad? b) Hasta cunto puede subir la utilidad por cada silla, para que la solucin ptima contine?

E. Raffo Lecca
c) De ser posible comprar el recurso madera, hasta cunto puede comprar y cunto pagara por cada pie2, sin cambiar la mezcla ptima de produccin?

4.

Sea el PL: Sujeto a

Usando anlisis grfico, responder:

a) Cunto es

y cunto la utilidad? , para que la solucin ptima

b) Hasta cunto puede subir la utilidad por cada contine?

c) De ser posible comprar el recurso primero, hasta cunto puede comprar y cunto pagara, sin cambiar la mezcla ptima de produccin?

5.

Los oficiales del Serenazgo distrital, tienen que cumplir diariamente 12 horas de

labor. Existen 4 turnos de 6 horas, los que son en el siguiente orden: 22:00 a 4:00, 4:00 a 10:00, 10:00 a 16:00 y 16:00 a 22.00. Los oficiales pueden cumplir las 12 horas continuas o repartirlas en dos turnos. El salario para los turnos continuos es de S/. 15 la hora, y el de turnos repartidos es de S/. 18 la hora.

Para la siguiente semana las necesidades mnimas de oficiales en los turnos son: 20, 15, 10 y 18 respectivamente.

Presentar un PL que optimice la planilla diaria de los oficiales del Serenazgo en el distrito.

6.

La compaa qumica FLOGISTO, elabora tres productos: A, B y C. Los precios

de venta son de sus productos son: $20, $25 y $35 por libra, respectivamente.

E. Raffo Lecca
Por cada libra de materia prima se elabora una libra del producto A o una libra del producto B. La materia prima tiene un costo de $10 por libra.

Con un proceso adicional una libra del producto A, se convierte en 0.7 libras del producto B y 0.3 libras del producto C. El costo del proceso adicional para A es de $6 la libra; De la misma manera, una libra de B mediante un proceso adicional se convierte en 0.7 libras de C y residuos, a un costo de $4 por libra.

Para la siguiente semana se tiene que cumplir la entrega de sus productos en las cantidades de: 40, 50 y 60 libras respectivamente.

Presentar el PL que optimice las utilidades semanales de la compaa qumica FLOGISTO.

Solucin a propuestos
1. Sea la variable de decisin:

$15 1h x1 2 de A $30 2 h. x2 B 1 de B $40 3 h. x3 C 1 de C 50 2 h. x4 D Venta A

E. Raffo Lecca
La funcin objetivo es maximizar la totalidad de ingresos por venta de los productos. Esto es,

La restriccin del total horas a utilizar en mano de obra:

El PL resultante es:

Sujeto a:

3.

El PL es:

Sujeto a:

a) Sillas = 10 y mesas = 20, z = 140. b) c) , . Se puede pagar hasta .

5.

E. Raffo Lecca

6.

Sea la variable de decisin:

$ 20 x1
FLOGISTO

y1 A 0.3 0.7

$6

B y2 0.7 $4

$ 25 x2

$10

Materia prima

$35 C x3

Relaciones:

E. Raffo Lecca
Ingresos Costos = Materia prima + procesos

El PL resultante es:

Sujeto a: