-

o

I

~

Metodos cuantitativos para los negocios

el analista financiero deseaba maximizar el rendimiento sobre la inversion; en el ejemplo : gerente de mercadotecnia deseaba maximizar la efectividad de la publicidad; y el ejemplo empresa deseaba minimizar los costos totales de transporte. En todos los problemas de pro macion lineal, el objetivo es la maximizacion. 0 minimizacion de alguna cantidad.

Todos los problemas de programacion lineal tam bien tienen una segunda propiedad: tantes, es decir restricciones, que limitan el grado en que se puede perseguir algun objetiv el ejemplo 1, el fabricante esta limitado por restricciones que requieren que la demanda de ducto quede satisfecha y por restricciones respecto a la capacidad de produccion. El de la cartera del analista financiero esta limitado por la cantidad total de fondos de disponibles y las cantidades maximas que se pueden invertir en cada accion 0 bono. La sion de seleccion de medios del gerente de mercadotecnia esta restringida por un nrf·<:l1n' .... de publicidad fijo y por la disponibilidad de los varios medios. En el problema de cion, el programa de embarques de costa mfnimo esta restringido por el suministro de

tos disponibles en cada almacen. Por lo que las restricciones son otra caracteristica OPI'1Pl·Q;1 todo problema de programaci6n lineal .

........................................................................................................................................... / / .

UN PROBLEMA SIMPLE DE MAXIMIZACION

RMC es una pequefia empresa que produce diversos productos qufrnicos. En un proceso de cion en particular se utiJizan tres materias primas para elaborar dos productos: un aditivo para bustible y una base disolvente. El aditivo para combustible se vende a empresas petroleras y se en la produccion de gasolina y otros combustibles relacionados. La base disolvente se vende rias empresas quimicas y se utiliza tanto para productos de limpieza para el hogar como les. Para formar el aditivo para combustible Y la base disolvente se mezclan las tres rnaterias segun aparece en la tabla 7.1. Esta tabla muestra que una tonelada de aditivo para combustible mezcJa de o/s de tonelada de la materia prima 1 y % de tonelada de la materia prima 3. Una de base disolvente es una mezcla de % tonelada de la materia prima 1, % de tonelada de la prima 2 y 3110 de tonelada de la materia prima 3.

La produccion de RMC esta limitada por la disponibilidad de las tres materias primas. periodo de producci6n actual, RMC tiene disponibles las cantidades siguientes de cada una materias primas.

Materia prima Materia prima I Materia prima 2 Materia prima 3

Cantidades disponibles para la producelen

20 toneladas

5 toneladas

21 toneladas

NECESIDADES DE MATERIA PRIMA POR TONELADA PARA El PROBLEMA

Producto

Aditivo para combustible Base disolvente

Materia prima Materia prima 2 Materia prima 3

2/5 0 3/S

112 1/5 3/10

~ utiliza 112 tonelada de materia prima I en (ada tonelada de base

Programaci6n lineal: el metodo graflco

221

Debido a deterioro y la naturaleza del proceso de producci6n, cualquier materia prima que no se utilice para producci6n actual resulta imitil y debe descartarse.

El departamento de control de calidad ha analizado las cifras de producci6n, asignando todos los costos correspondientes, y para ambos productos lleg6 a precios que resultaran en una contribuci6n a la utilidad' de 40 d61ares por cada tonelada de aditivo para combustible producida y de 30 dolares por cada tonelada de base disolvente producida. La adrninistraci6n de RMC, despues de un analisis de la demanda potencial, ha concluido que los precios establecidos aseguraran la venta de todo el aditivo para combustible y de toda la base disolvente que se produzca.

EI problema de RMC es deterrninar cuantas toneladas de cada producto debera producir para maxi mizar la contribuci6n total a la utili dad. Si usted estuviera a cargo de la programaci6n de la producci6n para RMC i,que decisi6n tomarfa? Esto es, i,cuantas toneladas de aditivo para combustible y cuantas toneladas de base disolvente producirfa usted para el periodo actual de producci6n? Escriba sus decisiones abajo. Posteriormente podra comprobar que tan bien 10 hizo.

Numero de toneladas de aditivo para combustible

Numero de toneladas de base disolvente

Contribucion total a la utilidad

........................................................................................................................................... / / .

7.2 LA FUNCION OBjETIVO

Como ya se apunt6 anteriormente, todos los problemas de programaci6n lineal tienen un objetivo de maximizaci6n 0 de minimizaci6n. En el caso del problema RMC, el objetivo es maximizar la contribuci6n total a la utilidad. Podemos escribir este objetivo en forma matematica introduciendo alguna forma simple de notaci6n. Supongamos que

Xl = mimero de toneladas de aditivo para combustible que produce RMC x2 = mimero de toneladas de base disolvente que produce RMC

La contribucion ala utilidad de RMC provendra de dos fuentes: (1) la contribucion a la utilidad proveniente de la produccion de Xl ton de aditivo para combustible, y (2) la contribucion a la utilidad proveniente de la producci6n de x2 ton de base disolvente. Dado que RMC gana 40 dolares por cada tonelada de aditivo para combustible producido, la empresa ganara $40x] si se producen Xl toneladas de aditivo para combustible. Tambien, en vista de que RMC gana 30 dolares por cada tonelada de base disolvente producida, la empresa ganara $30~ si se producen x2 ton de base disolvente. Identificando la contribuci6n total ala utilidad por z. y eliminando el signo de dolares, tenemos

Contribuci6n total ala utili dad ;; z :;:; 40x1 + 30x2

(7.1)

La soluci6n 6ptima al problema de RMC es aquella combinaci6n de producci6n que maximice la contribuci6n total a la utilidad. Esto es, RMC debe deterrninar los valores de las variables XI

I. Desde una perspectiva de contabilidad. la contribuci6n a la utilidad se describe con mayor correcci6n como el margen de contribuci6n por tonelada; no han sido asignados gastos generales ni otros costos compartidos.

222

Las unidades de medici6n del lado izqulerdo de la restricci6n deben coincidlr con las del lado derecho.

Metodos cuandtativos para los negoclos

y ~ que den el valor mas elevado posible de z. En terminologfa de programaci6n lineal, nos ferimos a XI y a x2 como las variables de decision. Dado que el objetivo -la maximizaci6n la contribuci6n total ala utilidad- es unafunci6n de estas variables de decision, decimos 40xI + 30~ es la funcion objetivo. Utilizando "Max" como abreviatura de maximizar, escri mos el objetivo como sigue:

Max. z = Max. 40xI + 30x2

En el problema RMC, cualquier combinaci6n especffica de producci6n de aditivo para bustible y base disolvente se conoce como una solucion al problema. Sin embargo, uni te aquellas soluciones que satisfagan todas las restricciones se conocen como sotuctoea factibles. La combinaci6n especffica de producci6n factible, es decir, la soluci6n factible, resulte en la contribuci6n mas grande a la utilidad, se conoce como la combinaci6n de ci6n optima. 0 de manera equivalente, la solucion optima. En este momento, sin embargo. tenemos idea de cual sera la soluci6n optima. De hecho, ni siquiera hemos desarrollado un cedimiento para identificar las soluciones factibles, ya que dicho procedimiento requiere primero identifiquemos todas las restricciones del problema .

........................................................................................................................................... / / .

7.3 lAS RESTRICCIONES

Con cantidades limitadas de materias primas disponibles tenemos tres condiciones que las cantidades de aditivo para combustible y de base disolvente que RMC puede producir. informacion de producci6n (vea la tabla 7.1) sabemos que cada tonelada de aditivo para tible utilizara % toneladas de la materia prima 1. por 10 que el total de toneladas de materi rna 1 utilizado en la producci6n de XI toneladas de aditivo para combustible sera % XI' cada tonelada de base disolvente utilizara 112 tonelada de la materia prima 1. Como toneladas de base disolvente utilizaran Ih x2 toneladas de la materia prima 1. EI total de das de materia prima 1 para producir XI de aditivo para combustible y ~ toneladas de base vente esta dado por

Toneladas totales necesarias de la materia prima 1 = ~XI + !X2

En vista de que RMC tiene un maximo de 20 toneladas de materia prima 1 disponible, la binaci6n de producci6n que seleccionemos debera satisfacer el requisito

La relaci6n (7.3) se conoce como una desigualdad. Dice que el total de toneladas de prima 1 utilizado en la producci6n de xt toneladas de aditivo para combustible y de x2 de base disolvente debe ser menor que 0 igual a la cantidad de materia prima 1 que RMC disponible.

La tabla 7.1 indica que. aunque el aditivo para combustible no requiera la materia cada tonelada de base disolvente producida requiere Vs toneladas de materia prima 2. Dad hay cinco toneladas de materia prima 2 disponibles.

Ox. + ~X2 S 5

o dicho simplemente

1

5~ s 5

La desigualdad (7.4) es la restricci6n de la materia prima 2 para RMC. Verifique por sf que la restricci6n para la materia prima 3 es

· ades de medida da restnccion ntaban el

de toneladas ria prima

y disponible. ~riables de

se hubieran en terminos de aditivo :ombustible y de

iones hubieran que ser 40,000, y 42,000,

Programaci6n lineal: el metoda graflco

223

(1.5)

Hemos definido ahora las relaciones matematicas de las restricciones asociadas con las tres materias primas. lHemos olvidado alguna otra restricci6n? lPuede RMC producir un mimero negativo de toneladas de aditivo para combustible 0 de base disolvente? Claramente la respuesta es no, por 10 que, para evitar que las variables de decisi6n tomen valores negativos, deberan agregarse dos restricciones

y

X2::::: 0

(1.6)

Estas restricciones aseguran que la soluci6n al problema contendra valores no negativos de las variables de decisi6n y se conocen por 10 tanto como restricciones de no negatividad. Las restricciones de no negatividad son una caracteristica general de todos los problemas de programaci6n lineal y pueden escribirse en forma abreviada

.................................................................. : / / .

7·4

ENUNCIADO MATEMAnco DEL PROBLEMA RMC

El enunciado rnatematico, es decir, la formulacion matematica del problema RMC, ahora esta completo. Hemos trasladado el objetivo y las restricciones del problema, del mundo real a un conjunto de relaciones matematicas, que se conocen como un modelo matematico. El modelo matematico completo del problema RMC es

Max. sujeto a

~Xt + 4x2:s 20 Materia prima 1 ~X2:S 5 Materia prima 2 tXt + fox2:s 21 Materia prima 3 xI' x2::::: 0

Ahora nuestra tarea es encontrar la mezcla de productos (es decir la combinacion de XI y ~) que satisfaga todas las restricciones y, al mismo tiempo, nos de un valor de la funci6n objetivo que sea mayor que 0 igual a, el valor dado por cualquier otra soluci6n factible. Al hacerlo, habremos encontrado la solucion 6ptima al problema.

Este modelo matematico del problema RMC es programa lineal. El problema tiene una funci6n objetivo y restricciones que, como dijimos anteriormente, son caracterfsticas comunes de todos los program as lineales. lPero, cual es la caracteristica especial de este modelo matematico que 10 convierte en un programa lineal? Es el hecho de que la funci6n objetivo y todas las funciones de restriccion (los lados izquierdo de las desigualdades de cada restriccion) son una funci6n lineal de las variables de decisi6n.

Las funciones matematicas en las cuales cada una de las variables aparece como un termino independiente, elevado a la primera potencia, se conocen como funciones lineales. La funci6n objetivo 40xI + 30x2 es lineal, porque cada una de las variables de decisi6n aparece en un termino por separado con exponente 1. Si la funci6n objetivo hubiera aparecido como 40xi + 30VX;:, no se hubiera tratado de una funci6n lineal y no tendrfamos un programa lineal. Por la misma raz6n, el mimero de toneladas de la materia prima 1 requerida, %xI + 1f2 x2' tambien es una funci6n lineal de las variables de decision. Similarmente, las funciones del la-

224

Metodos cuantitativos para los negocios

Ahora debera ser capaz de reconocer los tipos de relaciones matematicas que se pueden encontrar en un programa lineal. Intente resolver el problema I.

do izquierdo de todas las desigualdades de restricci6n (las funciones de restricci6n) son nes lineales, por 10 que la forrnulaci6n maternatica del problema RMC se conoce como un grama lineal.

La programacion lineal no tiene nada que ver con la programacion por computadora. El

de la palabra programacion aquf significa "seleccionar un curso de accion". La prlDgrarna,ClIII. lineal implica escoger un curso de acci6n cuando el modelo maternatico del problema s610 tiene funciones lineales.

I. Las tres 'hipotesis' nece'sarias para que un modelo de programacion lineal sea apropiado son la proporcionalidad, la ley general de la adicion y la ley general de la division. La proporcionalidad significa que la contribucion a la funcian objetivo y el monto de los recursos utilizados son proporcionales al valor de cad a variable de decision. La ley general de la adicion significa que se puede determinar el valor de la funcian objetivo y de los recursos tota/es uti/izados sumando la contribucion de las funciones objetivo y los recursos utilizados para todas las variables de decision. La divisibilidad significa que las variables de decision son continuas. La hipotesis de divisibilidad mas las restricciones de no negatividad significan que las variables de decision pueden asumir cualquier valor mayor que 0 igual a cero.

2. Los analistas cuantitativos formulan y resuelven una diversidad de modelos matematiccs que contienen una funcion objetivo y un conjunto de restricciones. Los modelos de ese tipo se conocen como modelos de programaci6n matematicos. Los modelos de programacion lineal son un caso especial de un modelo de programacian matematice, en los que la funcian objetivo y todas las funciones de restriccion son lineales .

........................................................................................................................................... / / .

7.5 SOLUCI6N GRAFICA

Un problema de programacion lineal con solo dos variables de decision se puede resolv manera grafica. Empezamos el procedimiento grafico de soluci6n desarrollando una grafica despliegue las posibles soluciones (valores Xl Y X2) para el problema RMC. En la grafica 7.1) apareceran los valores de Xl sobre el eje horizontal y los valores de x2 sobre el Cualquier punto de la grafica puede quedar identificado por valores Xl y X2, que representaa posicion del punto a 10 largo de los ejes Xl Y X2, respectivamente. Cada punto (Xi' x2) ,'n1'p.',"",_ a una solucion posible, por 10 que cualquier punto de la grafica se conoce como una La solucion en la que Xl = 0 Y x2 = 0 se conoce como origen.

EI siguiente paso es mostrar cuales de las soluciones corresponden a soluciones del programa lineal. Tanto Xl como X2 deben ser no negativas, por 10 que solo considerar la porcion de la grafica don de Xl ;::::: 0 Y Xl ;::::: O. En la figura 7.2 las flee has i porci6n de la regi6n de la soluci6n donde estos requisitos de no negatividad quedan sati

Anteriorrnente ya determinamos que la desigualdad que representa la restricci6n por teria prima 1 era

Para mostrar todos los puntos de soluci6n que satisfagan esta relacion, empezamos tr"7"T' ..... linea que corresponda a la ecuaci6n

Trazamos esta ecuaci6n, identificando dos puntos y a continuaci6n dibujando una linea a de los mismos. Al hacer Xl = 0 y resolviendo en funci6n de x2, nos da 1/2X2 = 20, es decir X: =

Programaci6n lineal: el rnetodo graflco

225

Pig" 1'0 7.1

Un punto de soluci6n con xl = 10 Y x2 = 40

! (10,40)

- - -...,

GMFICA DE PUNTOS DE SOLUCI6N PARA EL PROBLEMA RMC DE DOS VARIABLES

Un punto de soluci6n con Xl = 20 Y x2 = 15

(20, 15)

'. !

- - - -:- - - -,

Toneladas de aditivo para combustible

-10

por 10 tanto, el punto (Xl = 0, X2 = 40) satisface la ecuaci6n anterior. Para encontrar un segundo punto que satisfaga esta ecuaci6n, hacemos x2 = 0, y resolvemos en funci6n de XI' Al hacerlo, obtenemos %xI = 20, es decir Xl = 50, por 10 que un segundo punto que tambien satisface la ecuaci6n es (XI = 50, X2 ~ 0). Con estos dos puntos ahora podemos trazar la linea, que se conoce como ltnea de restriccion de la materia prima 1, y aparece en la figura 7.3.

Recuerde que la desigualdad que representa a la restricci6n de la materia prima 1 es

i.,Puede usted identificar todas las soluciones que satisfagan esta restricci6n? Primero, note que cualquier punto de la linea %xI + 1/2X2 = 20 debe satisfacer la restricci6n. Pero i.,d6nde estan las soluciones que satisfagan a %x1 + V2x2 < 20? Considere dos puntos de soluci6n (XI = 10, x2 = 10) Y (x2 = 40, x2 = 30). La figura 7.3 muestra que la primera soluci6n queda por debajo de la linea de restricci6n y la segunda queda por encima. i., Cual de estas soluciones satisface la restricci6n sobre la materia prima I? Para el punto (Xl = 10, x2 = 10), tenemos

2 I 2 I

5XI + "2X2 = 5(10) + "2(10) = 9

Dado que nueve toneladas es menor que 20 toneladas de materia prima 1 disponible, la combinaci6n, es decir soluci6n, de productos XI = 10, x2 = 10, satisface la restricci6n. Para Xl = 40 Y x2 = 30 tenemos

2 1 2 I

5XI + "2X2 = 5(40) + "2(30) = 31

t26

Ahora debera ser capaz de trazar una linea de restricci6n y encontrar los puntos de soluci6n que son factibles. Intente resolver el

problema 2.

Metodos cuantitativos para los negocios

RESTRICCIONES DE NO NEGATIVIDAD

Regi6n de soluciones no negativas

30

40

50

o

10

20

Toneladas de aditivo para combustible

31 toneladas es mayor que las 20 toneladas disponibles, por 10 que la soluci6n XI = 40, x2 = - no satisface la restricci6n, y por 10 tanto no es factible.

Si una so1uci6n particular no es factible, todas las demas soluciones del mismo lado de linea de restricci6n tampoco 10 seran. Si una soluci6n particular es factible, todas las demas so _ciones del mismo lado de la linea de restricci6n son factibles, por 10 que solamente es neces evaluar un punto de soluci6n para determinar cual es el lado de la linea de restricci6n que da soluciones factibles. En la figura 7.4 sombreando el area factible mostramos todos los p - tos que satisfacen la restricci6n de la materia prima 1.

A continuaci6n identificamos todos los puntos de soluci6n que satisfacen la restricci6n la materia prima 2:

Empezamos dibujando la linea de restricci6n correspondiente ala ecuaci6n l/5x2 = 5. Ya que ta ecuaci6n es equivalente a ~ = 25, simplemente dibujamos una linea cuyo valor x2 es 25 cada valor de XI' esta lfnea es paralela a, y esta a 25 unidades por encima del eje horizontal. la figura 7.5 hemos dibujado la linea que corresponde a la restricci6n de la materia prima 2. guiendo el procedimiento utilizado para la restricci6n de la materia prima I, nos damos cuen: de que solamente puntos por debajo y por arriba de la lfnea satisfacen la restricci6n de la rna "'ria Qrima 2, pot 10 que, en la figura 7.5, la regi6n sombreada corresponde a todas las combi

ciones de producciones facti'o\es, es dec,-r a so\uc'\ones ~ac\l'o\es 'Qan~ \a re'1,\!\cc\~'\\ ~e \-0. 'ID.'O.\! prima 2.

Programaci6n lineal: el metodo graflco

227

Fig-lira 7.3

LA· LINEA DE RESTRICCI6N DE LA MATERIA PRIMA I

~
5 ?-
;> S-t:
'0 30 "x
'" ~ •
:.a <-t:.
0 <~ (40.30)
'" <0
d
.0
~
~ ~IJ
'"C 20
d
'0 ~¢'~
c
0 A,>.'
E-< ~q./
10 •
(10, 10)
/(50,0)
xl
0 10 20 30 40 50
Toneladas de aditivo para combustible De manera similar, podemos determinar el conjunto de todas las soluciones factibles para la restricci6n de la materia prima 3. La figura 7.6 muestra el resultado. Como practica, pruebe trazar la regi6n factible de la restricci6n de la materia prima 3 y determine si su resultado concuerda con el mostrado en la figura 7.6.

Ahora tenemos tres graficas por separado que muestran las soluciones factibles para cada una de las tres restricciones. En un problema de programaci6n lineal, necesitamos identificar las soluciones que satisfacen simultaneamente todas las restricciones. Para determinar estas soluciones, podemos dibujar las tres restricciones en una sola grafica y observar cual es la regi6n que contiene los puntos que realmente satisfacen simultaneamente todas las restricciones.

Las graficas de las figuras 7.4 ala 7.6 se pueden superponer para obtener una grafica con las tres restricciones. La figura 7.7 muestra esta grafica de restricciones combinadas. La regi6n sombreada de esta figura incluye todos los puntos de soluci6n que simultaneamente satisfacen todas las restricciones. Dado que las soluciones que satisfacen todas las restricciones simultaneamente se conocen como soluciones jactibles, la regi6n sombreada se conoce como la region de soluciones jactibles, 0 simplemente la region factible. Cualquier punto en las fronteras de la regi6n factible, 0 en su interior, es un punto de solucion factible.

Ahora que hemos identificado la regi6n factible, estamos listos para seguir adelante con el . metodo de soluci6n grafica y determinar cual es la soluci6n 6ptima para el problema de RMC.

Recuerde que la soluci6n optima para un problema de programaci6n lineal es la soluci6n facti-

Metodos cuantita.tivos para (os negocios

Fig"ra 7.4

REGI6N FACTIBlEPARA LA RESTRICCI6N DE LA 'MATfllliA PRIMA I

• (40,30)

o

10

40

20

30

50

Toneladasde aditivo para combustible

ble que aporte el mejor valor posible de la funci6n objetivo. Empecemos el paso de optimizaci6n del procedimiento de soluci6n grafica vol viendo a dibujar la regi6n factible en una grafica por separado. La figura 7.8 muestra dicha grafica.

Un procedimiento para la determinaci6n de la soluci6n 6ptima serfa evaluar la funci6n objetivo para cada una de las soluciones factibles; la soluci6n 6ptima serfa entonces aquella que diera el valor mas elevado. La dificultad de este procedimiento es que hay demasiadas soluciones factibles (de hecho, infinitamente muchas); por 10 que la evaluaci6n de todas la soluciones factibles no serfa posible. Por 10 tanto, para identificar la soluci6n 6ptima no es posible utilizar un procedimiento de ensayo y error. En vez de intentar calcular la contribuci6n a la utilidad de cada soluci6n factible, seleccionaremos un valor arbitrario de la contribuci6n ala utilidad e identificaremos todas las soluciones factibles (Xl' X2) que dan el valor.seleccionado. POl' ejemplo, l,que soluciones factibles dan una contribuci6n a la utilidad de 240 d61ares? Estas soluciones se dan

. por los val ores de xl Y x2 de la regi6n factible que cumplan con la siguiente funci6n objetivo

40x1 + 30x2 = 240

Esta expresi6n es simplemente la ecuaci6n de la linea, por 10 que todas las soluciones factibles (Xl y x2), que dan una contribuci6n a la utilidad de 240 d6lares deben estar sobre esta linea. E esta secci6n aprendimos anteriormente c6mo trazar una linea de restricci6n. EI procedimient

Programaci6n lineal: el metodo gratlco

229

PtEGI6N FACTIBlE PARA LA RESTRICCI6N DE LA MATERIA PRIMA 2

40

50

o

10

20

30

Toneladas de aditivo para combustible

para trazar la linea de la funci6n objetivo 0 de utilidad es el mismo. Haciendo XI = 0, vemos que x2 debe ser 8; entonces, el punto de soluci6n (X1 = 0, x2 = 8) esta sobre la lfnea. Similarmente, si hacemos x2 = 0, vemos que el punto de soluci6n (X1 = 6, X2 = 0), tambien esta sobre la linea. Dibujando la linea por estos puntos, identificamos todas las soluciones que tienen una contribuci6n a la utili dad de 240 d6lares. Una grafica de esta linea de utilidad se presenta en la figura 7.9; muestra un numero infinito de combinaciones factibles de producci6n que daran una contribuci6n de 240 d6lares a la utilidad.

EI objetivo es determinar la soluci6n factible que nos de la contribuci6n de utilidad mas elevada, por 10 que seguimos seleccionando contribuciones ala utilidad mas elevadas para encontrar las soluciones que nos den los valores seleccionados. Por ejemplo, (,que soluciones nos dan una contribuci6n ala utilidad de 720 d6lares? (,Que soluciones dan una contribuci6n ala utilidad de 1,200 d6lares? Para resolver estas ecuaciones debemos encontrar valores de x1 Y x2 que estan en las lfneas de utilidad

40x1 + 30x2 = 720 Y

40x. + 30x2 = 1200

Utilizando el procedimiento anterior para el trazado de las lfrieas de utilidad y de restric-. cion, trazamos las lineas de utilidad de 720 y 1,200 d6lares, que se presentan en la figura 7.10. No todos los puntos de soluci6n de la linea de utilidad de 1,200 d61ares entran en la regi6n factible, pero por 10 menos algunos puntos de la lfnea sf; por 10 que podemos obtener una soluci6n factible que nos de una contribuci6n de utilidad de 1,200 d61ares.

230

Metodos cuantitativos para los negocios

REGI6N FACTlBlE PARA LA RESTRICCl6N DE LA MATERIA PRIMA 3

o

50

20

30

40

10

Toneladas de aditivo para combustible

i,Podemos encontrar una soluci6n factible que nos de una contribuci6n de utilidad incl mas elevada? Yea la figura 7.10 y haga algunas observaciones de tipo general sobre las lin de utilidad. Debera ser capaz de identificar las propiedades siguientes: (1) las lfneas de u dad son paralelas entre sf, y (2) las lfneas de utili dad con contribuciones mas elevadas ala lidad estan mas alejadas del origen. Algebraicamente, con Z representando la contribuci6n t ala utilidad, la funci6n objetivo es

Resolviendo en funci6n de x2, en terminos de XI Y z, obtenemos

30x2 = -40xI + z

40 1

X2 = -_'lOX] + JOZ

Programaci6n lineal: el metoda graflco

Figura 7.7

231

REGION DE SOLUCIONES FACTIBLES PARA ElPROBLEMA RMC

X2

70

60

(1)
c
(1)
>
'0
'"
:.a
(1)
'"
'"
.D
(1)
-0
'" 30
'"
-0
'"
V
c
0
f-<
20 Materia prima 2

10

o

20

30

40

50

10

Toneladas de aditivo para combustible

La ecuaci6n 7.7 es laforma pendiente-interseccion de la ecuaci6n lineal, que relaciona Xl Y X2. EI coeficiente de Xl' -40/30, es la pendiente de la linea, y el termino lhoz es la intersecci6n de X2 (esto es, el valor de x2 en el que la grafica de la ecuaci6n 7.7 cruza al eje de las x2). Sustituyendo en la ecuaci6n 7.7 las contribuciones de utilidad z = 240, z = 720 Y z = 1200, obtenemos las ecuaciones pendiente-intersecci6n para las lineas de utilidad que aparecen en la figura 7.10:

Para z = 240,

Para z = 720,

40

X2 = - 30XI + 24

232

Metodos cuantitativos para los negocios

REGI6N DE SOLUCI6N FACTIBLE PARA El PROBLEMA RMC

50

~ 40
c:
..,
>
"0
V)
:.a
..,
V)
"" 30
.0
..,
"0
V)
""
"0
'"
"0
c:
0
E- 20
Regi6n
10 ractible o

Toneladas de aditivo para combustible

Para z = 1200,

Dado que la pendiente ( -40130) es la misma para cada linea de utilidad, las Ifneas de utilidad paralelas. Adernas, la interseccion de x2 se incrementa con contribuciones mas elevadas ala lidad, por 10 que las lfneas de utilidad mas elevadas quedan mas lejos del origen.

Dado que las lfneas de utilidad son paralelas y las lineas de utilidad mas elevadas qu mas lejos del origen, podemos obtener soluciones que den valores cada vez mas elevados ra la funcion objetivo, continuando el movimiento de la linea de utilidad mas lejos del orig pero manteniendo la paralela a las dernas lineas de utilidad. Sin embargo, en algun mome en cualquier movimiento adicional hacia afuera se dejara la linea de utilidad totalmente fu de la region factible. Dado que los puntos fuera de la region factible no son aceptables, el p to en la regi6n factible que quede en la linea de utilidad mas elevada es una soluci6n 6p .

al programa lineal.

Ahora debera ser capaz de identificar el punto de solucion optirno para el problema RMC Uti lice una regIa y mueva la linea de utilidad tan lejos del origen como pueda. "eual es el - timo punta de la regi6n factible? Este punta, que es la soluci6n optima, aparece de man _ grafica en la figura 7.11. Los valores optimos para las variables de decision son xI Y x2 C _ rrespondientes a ese punto.

Programaci6n lineal: el metodo graflco

Fisntr« 7.9

I

40
~
c:
<U
>
(3
Vl
'0 30
<U
Vl
'"
.D
<LJ
"'0
Vl
'"
"'0
'"
V 20
c:
0
f- LINEA DE UTILIDAD DE 240 D6LARES PARA EL PROBLEMA RMC

50

233

10

Linea de utilidad

(40 xI + 30 x2 = 240)

Dependiendo de la exactitud de su grafica, podra 0 no determinar los valores optirnos exactos de Xl y X2 leyendolos directamente de la grafica. Sin embargo, refierase a la figura 7.7 Y observe que el punto de solucion optimo del ejernplo RMC esta en la interseccion de las lfneas de restriccion de las materias primas 1 y 3. Esto es, la solucion.optima estara a la vez en la Ifnea de restriccion de la materia prima 1

(6,0)

o

30

50

10

20

40

Toneladas de aditi vo para combustible

y en la lfnea de restricci6n de la materia prima 3

Por 10 que los valores de las variables de decision XI Y x2 deberan satisfacer las ecuaciones 7.8 Y 7.9 de manera simultanea. Utilizando 7.8, Y resolviendo en funcion de XI nos da

(7.8)

(7.9)

234

A pesar de que la soluci6n 6ptima para el problema RMC esta formada de valores enteros de las variables de decisi6n, esto no sera siempre el caso.

Metodos cuantitativos para los negocios

Figuru 7.10

liNEAS DE UTILIDAD SElECCIONADAS PARA El PROBLEMA RMC

40
.,
c
.,
>
'0
Vl
'0 30
.,
Vl
'"
.D
.,
"0
Vl
'"
"0
co
0) 20
c
a
r- 40

50

o

20

30

10

Toneladas de aditivo para combustible

o bien

x-50 - ~x

I - 4 2

Sustituyendo esta expresi6n de XI en la ecuaci6n 7.9 y resolviendo en funci6n de x2, nos da

3 5 3

5(50 - <iX2) + iQx2 = 21

3 3

30 - <iX2 + iQx2 = 21

30 12

30 - 45X2 + 45X2 = 21

-~x = -9 40 2

X2 = (~)(9) = 20

Sustituyendo x2 = 20 en la ecuaci6n 7.10, y resolviendo en funci6n de XI' nos da

XI = 50 - ~(20)

= 50 - 25 = 25

debera ser

imiento de

.. n graflca para . car la soluci6n

'on de la solucion

Programaci6n lineal: el metoda grafico

235

Figur« 7.11

SOLUCI6N 6PTlMA DEl PROBLEMA RMC

Punto de solucion optima

~(X;,X;)

10

o

10

20

30

40

50

Toneladas de aditivo para combustible

Por 10 que la locaiizaci6n exacta del punto de soluci6n 6ptima es xI = 25 y x2 = 20. Este punto nos da las cantidades 6ptimas de producci6n para RMC en 25 toneladas de aditivo para combustible y 20 toneladas de base disolvente, con una contribuci6n a la utilidad de 40(25) + 30(20) = $1600.

Para un problema de programaci6n lineal con dos variables de decisi6n, puede determinar los vaiores exactos de las variables en la soluci6n 6ptima utilizando primero el procedirniento grafico para identificar el punto de soluci6n 6ptimo y acto seguido resolviendo las dos ecuaciones simultaneas asociadas con dicho punto.

Una nota sobre el trazado de line as

Un aspecto importante del rnetodo grafico es la capacidad de trazar lfneas mostrando las restricciones y la funci6n objetivo del programa lineal. El procedimiento mas sencillo para trazar la ecuaci6n de una linea es encontrando dos puntos cualesquiera que satisfagan la ecuaci6n y a continuaci6n trazando la Ifnea a traves de dichos puntos. En el caso de la linea de la restricci6n de la materia prima 1 del problema RMC,

136

Ahora debera ser capaz de trazar una linea de restricci6n cuando el origen aparece sobre la misma.lntente resolver el problema S.

Como pracuca en el uso del procedimiento de soluci6n graflca, intente resolver e\ problema 22(b) - (d).

Metodos cuantitativos para los negocios

Es\.e \lfoced\'ffi\'ento \den\.\.hco \os cos puntos tXI = 0, x2 = 40) Y (XI = SO, x2 = 0). Entonce trazamos la linea de restricci6n de la materia prima 1 dibujando una linea a traves de estos do

puntos.

Cuando s610 aparece una variable en la ecuaci6n de restricci6n, como en la correspondiente

a la materia prima 2 del problema RMC e·/5x2 :5 S), es facil encontrar los puntos de la lfnea, Primero, resuelva en funci6n de la variable que aparece en la ecuaci6n (para la restricci6n de I materia prima 2, se trata de x2 = 2S); a continuaci6n escoja cualesquiera dos valores para la otra variable. Por ejemplo, podrfa escoger los dos puntos (XI = 0, x2= 2S) Y (XI = 10, x2= 2S).

Todas las lfneas de rcst!lcc16n '$ de t\l.~<:'\.Q,~~~ Q,~)~\.\~,> ~1\ \os programas Tineales de d variaotes se pueden irazar si se pueden identificar los puntos de la linea. Sin embargo, det minar dichos puntos no siempre es tan facil como result6 en el problema RMC. Por ejemp considere la restricci6n:

Utilizando la forma de igualdad Y haciendo XI = 0, encontramos que el pun to (XI = 0, x2 =-1 aparece en la linea de restricci6n. Haciendo x2 = 0, encontramos el segundo punto (XI = SO, x~= 0) sobre la llnea de restriccioa. Si solamente hemos dibujado la porci6n no negativa (XI ~ 0, ~ 0) de la grafica, no podremos trazar el primer punto (XI = 0, x2 = -100), porque x2 = -100 aparecera en la grafica. Siempre que tengamos dos puntos de la linea, pero uno 0 ambos puedan ser trazados en la porci6n no negativa de la grafica, el procedimiento mas sencillo agrandar la misma para incluir los ejes negativos XI Y x2. En este ejemplo, podemos trazar punto (XI = 0, x2 = -100) extendiendo la grafica para incluir el eje negativo x2. Una vez local, zados ambos puntos que satisfacen la ecuaci6n de la restricci6n, podremos dibujar la lfnea. figura 7.12 muestra la linea de restricci6n y las soluciones factibles para la restricci6n 2xI - Ix2:5 100.

Veamos ahora una restricci6n de la forma

Para determinar todas las soluciones que satisfagan la restricci6n como una igualdad, prim hacemos XI = 0 Y resolvemos en funci6n de x2. Este resultado muestra que el ongen (XI = 0, x:= 0) esta en \a Hnea de restricci6n. Al hacer x2 = 0 Y al resolver por XI' nos da el mismo punto. P - demos, sin embargo, obtener un segundo punto de la linea, al darle?> x2 un vaior cualquiera nmo de cero y entonces resolver en funci6n de XI' Por ejemplo, haciendo que x2 = 100 resolviendo en funci6n de XI' encontramos que el punto (XI = 100, x2 = 100) esta sobre la lfn Con los dos puntos (XI = 0, x2 = 0) y (XI = 100, x2 = 100) se puede trazar la linea de restricci Ixl- IX2 = 0 y pueden determinarse las soluciones factibles para IXI -Ix2 ~ 0, segun se ob va en la figura 7.13.

Resumen del procedimiento de solucion grafica para problemas de maximizacion

EI procedimiento de soluci6n grafica es un metodo de resolver problemas de programaci6n neal de dos variables, como el problema de RMC. El procedimiento de soluci6n grafica para problema de maximizaci6n implica los siguientes pasos:

1. Prepare una grafica de las soluciones factibles para cada una de las restricciones.

2. Determine la region factibie identificando las soluciones que satisfagan todas las tricciones de manera sirnultanea.

3. Dibuje una Ifnea de funci6n objetivo que muestre todos Jos velores de las variable r %1. 'tue dan un \(al~~ e.'i,,~tt'-\.\',-~~'t, \'h \'i~l1\t)bn o'ri)ellvo.

Programaci6n lineal: el metodo graflco

Fiuuru 7.12

-100

237

SOLUCIONES FACTI BLES PARA LA RESTRICCl6N 2x 1 - IX2 $; 100

300

200

100

a

4. Mueva las lfneas de funci6n objetivo paralelas hacia valores de funci6n objetivo mayores hasta que movimientos adicionales saquen la linea completamente fuera de la regi6n factible.

5. Cualquier soluci6n factible sobre la lfnea de funcion objetivo con el valor mas elevado es una soluci6n optima.

Variables de holgura

Adernas de la soluci6n optima y de su contribucion a la utilidad asociada, la administracion de RMC deseara tener informacion sobre las necesidades de produccion de las tres materias primas. Podemos obtener esta informacion reemplazando en las restricciones del programa lineal las variables de solucion optimas (XI = 25, x2 = 20).

Restriccion Materia prima 1 Materia prima 2 Materia prima 3

Toneladas requeridas para Xl = 25, x2 = 20 ton

2/5(25) + 1/2(20) = 20

0(25) + 1/5(20) = 4 1/5(25) + 1/10(20) = 21

Toneladas disponibles

20

5

21

Toneladas utilizadas

o

1

o

238

iPuede usted identificar la holgura asociada con una restricci6nl Intente resolver el problema 22(e).

Metodos cuantitativos para los negocios

Figur« 7.13

SOlUClONES FACTIBlES PARA LA RESTRICCI6N IXI - IX2 ~ 0

300

200

100

(0.0)

t

..... --l ---'- ...I- _ __J XI

200 300

100

Por 10 que la soluci6n completa Ie indica a la administraci6n que la producci6n de 25 neladas de aditivo para combustible y de 20 toneladas de base disolvente requerira toda materia prima disponible I y 3, pero solamente cuatro de las cinco toneladas de la male prima 2. La tonelada de la materia prima 2 sin utilizar se conoce como holgura. En termi logta de programaci6n lineal, cualquier capacidad sin utilizar y ociosa para una restricc igual 0 menor se llama hoLgura asociada con La restriccion, por 10 que la restricci6n de \a teria prima 2 tiene una holgura de una tonelada.

A menudo se agregan variables, conocidas como variables de holgura, a la formula de un problema de programaci6n lineal para representar la holgura, es decir, la capaci ociosa. La capacidad sin utilizar no hace ninguna contribuci6n a la utilidad, por 10 que variables de holgura tienen coeficientes iguales a cero en la funci6n objetivo. De rna . mas general, las variables de holgura representan la diferencia entre el lado derecho y el do izquierdo de una restricci6n $. Una vez agregadas las variables de holgura al en unci matematico correspondiente al problema de RMC, el modelo maternatico se convierte e

Max. 40xI + 30X2 + OSI + OS2 +- OS3 sujeto a

2 1

SXI + 2X2 + lSI

1 jX2

3 3

jXI + iOX2

= 20

+ Is3 = 21

Siempre que todas las restricciones de un problema lineal se expresen en forma de igual se dice que estan escritas en forma estandar.

o eJ rnetodo

Programacion lineal: el metodo graflco

239

Haciendo referencia a la forma estandar del problema de RMC, vemos que en la solucion optima (Xl = 25, ~ = 20), los valores de las variables de holgura son

Restriccion Materia prima I Materia prima 2 Materia prima J

Valor de la variable

de holgura

SI = 0

S2 = I

S3 = 0

i,Podrfamos haber utilizado el analisis grafico para obtener parte de la informacion anterior? La respuesta es afirmativa. Al determinar la solucion optima de la figura 7.7, vemos que las restriccion de la materia prima 1 y de la materia prima 3 restringen, es decir, limitan la region factible hasta ese momento, por 10 que la solucion optima requiere usar la totalidad de estos dos recursos. En otras palabras, la grafica muestra que en la solucion optima las materias primas 1 y J tendrcin bolgllEa igllal a cao, pero D~bjao jJ que en la solucion optima la linea de la restriccion de la materia prima 2 no limita la region factible, podemos esperar algun sobrante de este recurso.

Finalmente, algunos programas lineales tienen una 0 mas restricciones que no afectan a la region factible. Esto es, la regi6n factible se conserva igual independientemente de que se incluya 0 no la restriccion en el problema. Dado que este tipo de restricci6n no afecta la region factible, y por 10 tanto, no puede afectar a la soluci6n optima, se conoce como una restricci6n redundante. Las restricciones redundantes se pueden eliminar del problema sin que tengan ningun efecto sobre la solucion optima. Sin embargo, en la mayor parte de los problemas de programacion lineal, las restricciones redundantes no se descartan porque no son reconocibles de inmediato como tales. El problema de RMC no tiene restricciones redundantes porque cada una de las restricciones tenia efecto sobre la regi6n factible. El problema 13, al final del capitulo, implica un program a lineal con una restriccion redundante.

t. Cff ~ii rej7reref7(.1'((ak t'f7 !cM??; M,MJ;f Jt c!'J' f'P!'J,wJ ))NJ), )p; fPJ»i)JJJJJJ ,9J)) J.lwsj_9n o~e· rivo para las miabJes de hoJgura son cera, 10 que implica que las variables de holgura, que representan recursos sin utilizar, no afectan el valor de la funcion objetivo. Sin embargo, en algunas aplicaciones, algunos 0 todos los recursos no utilizados pueden venderse para contribuir a la utili-

dad. En estos casos las variables de holgura correspondientes se convierten en variables de decision que representan el total de recursos a vender. Para cada una de estas variables, un coeficiente distinto de cero en la funcion objetivo reflejaria la utilidad asociada con la venta de una unidad del recurso correspondiente.

2. las restricciones redundantes no afectan la region factible; como consecuencia, pueden eliminarse de un modelo de programacion lineal sin afectar la solucion optima. Sin embargo, si posteriermente se debe resolver el modelo de programacion lineal, los cambios en algunos de los datos pudie· ran convertir una restriccion previamente redundante en un recurso limitante, por 10 que recomendamos conservar tedas las restricciones del modele de programacion lineal, aun cuando una 0 mas de elias pudieran resultar redundantes .

.............................................. / / .

7.6 PUNTOS EXTREMO\Y SOLUCION OPTIMA

Suponga que la contribuciol\ a la utilidad de una tonelada de base disolvente se incrementa de 30 a 60 dolares, en tanto que 1a contribuci6n ala utilidad de una tonelada de aditivo para comI

240

Metodos cuantitativos para los negocios

bustible y todas las demas restricciones se mantienen sin modificaci6n. El modele de programaci6n lineal completo de este nuevo problema es identico al modele matematico de la secci6n 7.4, excepto por la funci6n objetivo revisada:

(,C6mo afecta este cambio de la funci6n objetivo a la soluci6n 6ptima del problema de RMC? La figura 7.14 muestra la soluci6n grafica del problema de RMC, utilizando la funci6n objetivo revisada. Note que en vista de que las restricciones no han sido modificadas, no ha cambiado la regi6n factible; sin embargo, se han alterado las Ifneas de utilidad para reflejar la nueva funci6n objetivo.

AI mover la linea de utilidad de manera paralela, alejandola del origen, encontramos la soluci6n 6ptima, como se observa en la figura 7.14. Los val ores de las variables de decisi6n en este punto son Xl = 18.75 Y x2 = 25. El aumento en la utilidad de la base disolvente ha creado un cambio en la soluci6n optima. De hecho, como quizas ya 10 ha sospechado, estamos reduciendo la producci6n del aditivo para combustible, de menor utilidad, e incrementado la producci6n de la base disolvente, de utilidad mayor.

De los problemas de prograrnaci6n lineal que hemos resuelto hasta ahora, (,que ha notado usted respecto a la localizaci6n de la soluci6n 6ptima? Estudie de cerca las soluciones grafica

Fig",.a 7.14

SOLUCI6N 6PTIMA PARA El PROBLEMA RMC CON UNA FUNCI6N OBJETIVO 40x1 + 60x2

L-..-----L.----.J..._---~L.,__.l.,_ _ _L .L___;Xl

o 10 20

30

40

50

Toneladas de aditivo para combustible

extremos de la factible y detersoluci6n 6ptlte resolver el 14.

Programaci6n lineal: el metodo graflco

de las figuras 7.11 y 7.14. Una observaci6n importante que se debe hacer es que las soluciones 6ptimas ocurren en alguno de los vertices 0 "esquinas" de la regi6n factible. En terminologfa de programaci6n lineal, estos vertices se conocen como puntos extremos de la regi6n factible, por 10 que RMC tiene cinco vertices, es decir, cinco puntos extremos (figura 7.15). Ahora podemos enunciar nuestra observaci6n sobre la localizaci6n de las soluciones optimas-:

La soluci6n 6ptima a un problema de programaci6n lineal se puede encontrar en un punto extremo de la regi6n factible del problema.

Esta propiedad significa que, si usted esta buscando la soluci6n optima de un problema de programaci6n lineal, no es necesario evaluar todos los puntos de soluci6n factibles. De hecho, unicametue tiene que considerar las soluciones factibles que ocurren en los puntos extremos de la regi6n factible, por 10 que, para el problema de RMC, en vez de caJcular y comparar la utilidad para todas las soluciones factibles, podemos determinar la soluci6n 6ptima, evaluando las

Figllra 7.15

LOS CINCO PUNTOS EXTREMOS DE LA REGI6N FACTIBLE PARA EL PROBLEMA DE RMC

10

20

30

40

50

Toneladas de aditivo para combustible

I En la seccler- 7.8 mostramos que dos casos especiales (no factibilidad y falta de limitaci6n) en la programaci6n lineal no tienen soluci6n 6ptima. La observaci6n enunciada no es aplicable a esos casos.

241

242

Metodos cuantitativos para los negocios

cinco soluciones de los puntos extremos y seleccionando aquella que nos de la utilidad mas elevada. De hecho, el procedimiento de soluci6n grafica no es mas que una forma conveniente de identificar un punto extremo 6ptimo para problemas de dos variables .

........................................................................................................................................... / / .

7.7 UN PROBLEMA SIMPLE DE MINIMlZACION

Innis Investments administra fondos de empresas y clientes pudientes. La estrategia de inversi6n se adecua a las necesidades de cada cliente. Para un cliente nuevo, a Innis se Ie ha autorizado invertir hasta 1.2 mill ones de d61ares en dos fondos de inversi6n: un fondo de acciones un fondo del mercado de dinero. Cada unidad del fondo de acciones cuesta 50 d6lares, con una tasa de rendimiento anual de 10%; cada unidad del fondo del mercado de dinero cuesta 100 dolares, con una tasa de rendimiento anual de 4 por ciento.

El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre la inversi6n de por 10 menos 60,000 d6lares. De acuerdo con el sistema de medici6n de riesgo de Innis, cada unidad adquirida en el fondo de acciones tiene un Indice de riesgo de 8, y cada unidad adquirida en el fondo del mercado de dinero tiene un Indice de riesgo de 3. El Indice de riesgo mas elevado asociado con el fondo de acciones indica, simplemente, que se trata de la inversi6n mas

c-t'';''' riesgosa. El cliente de Innis tambien ha especificado que se inviertan por 10 menos 300,000 do- _ , \,;. ". ,..t· t)"J ,I ej f"Ij ares en el fondo del mercado de dinero. l,CUantas unidades de cada uno de los fondos debera adVIO {'( V" ,Jc;; ,I 'I ~\ quirir Innis para el cliente, si el objetivo es minimizar el Indice de riesgo total para esta cartera.

Para encontrar la mejor asignaci6n de fondos entre acciones y mercado de dinero, formularemos el problema de Innis Investments como un programa lineal. Siguiendo un procedirniento similar al utilizado para el problema de RMC, empezamos definiendo las variables de decision del problema. Supongamos que

j

XI = mirnero de unidades adquiridas en el fondo de acciones

x2 = mirnero de unidades adquiridas en el fondo del mercado de dinero.

Puesto que el Indice de riesgo es 8 por cada unidad adquirida en el fondo de acciones, y 3 por cada unidad adquirida en el fondo de(mercado de dinero, la funci6n objetivo que minimice e Indice de riesgo total para la cartera sera

MIn. 8il + 3x2

A continuaci6n, considere las restricciones asociadas con el problema. Primero, reconocemos que Innis s610 puede invertir hasta 1,200,000 d61ares. Dado que cada unidad del fondo de acciones cuesta 50 d61ares y cada unidad del fondo de mercado de dinero cuesta 100 d6lares, la restricci6n necesaria de fondos disponibles es

50xI + 100x2 :s 1,200,000

Ademas, la inversi6n debe resultar en un ingreso anual de por 10 menos 60,000 d6lares. Con una tasa de rendimiento anual de 10% para el fondo de acciones, cad a unidad adquirida del fendo de acciones ganara 0.10($50) = $5; similarmente, la tasa de rendimiento anual de 4% para el fondo del mercado de dinero da como resultado ganancias por unidad de 0.04($100) = $4. Por 10 que la restricci6n requerida para garantizar un ingreso anual de por 10 menos 60,000 dolares es

5x} + 4x2 ;:::= 60,000

-~ede utilizar un edimiento de cion grafica para

erminar la solucion _ ima de un

blema de

. imizacion! Intente --esolver el

blema 29.

Prograrnacion lineal: el rnetodo graflco

243

Finalmente, en vista de que cada unidad adquirida en el fondo del mercado de dinero cuesta 100 dolares, el requisito de que por 10 menos se inviertan 300,000 d61ares en el fondo del mercado de dinero, significa que por 10 menos se deberan adquirir 3,000 unidades en el fondo del mercado de dinero; por 10 que debemos agregar la restricci6n

Despues de agregar las restricciones de no negatividad (xI> x2 ~ 0), encontramos el modelo de programaci6n lineal del problema Innis Investment:

MIn. 8xI sujeto a

SOxl + 100x2 ~ 1,200,000 Fondos disponibles

60,000 Ingreso anual

X2 ~ 3,000 Unidades minimas en el mercado de dinero

Dado que el modelo de programaci6n lineal s610 tiene dos variables de decision, podemos utilizar el procedimiento de soluci6n grafica para encontrar el plan de inversi6n optirno. EI metodo grafico para este problema, igual que en el de RMC, requiere que nosotros primero tracemos las lineas de restricci6n para encontrar la regi6n factible. Al trazar cada linea de restricci6n por separado, verificando a continuaci6n los puntos a ambos lados de las lfneas, podemos identificar las soluciones factibles correspondientes a cada restriccion. Al combinar dichas soluciones en la misma grafica, obtendremos la regi6n factible que aparece en la figura 7.16.

Para determinar la soluci6n 6ptima (aquella que minirnizara el Indice de riesgo total para la carrera) ahora dibujamos fa f{!lea de /lfl1eion olljeli¥o coaesposouou: j) .Im YilJ9J p.articular del Indice de riesgo total, Por ejernplo, podrfamos iniciar dibujando la lfnea 8xI + 3x2 = 120,000, como se muestra en la figura 7.17. Clararnente, algunos puntos de la regi6n factible nos danan un Indice total de riesgo de 120,000. Para encontrar los valores de XI Y x2 que nos dan un ituiice menor de riesgo total de la cartera, movemos la linea de funci6n objetivo hacia abajo y a la izquierda hasta que, de moverla mas, quedarfa por fuera de la regi6n factible. Note que la !fnea de la funci6n objetivo 8xI + 3~ = 62,000 cruza la regi6n factible en el punto extremo XI = 4000 y x2 = 10,000. Este punto extremo nos da el Indice de riesgo minima de la cartera, con un valor de la funci6n objetivo de 62,000. Las figuras 7.16 y 7.17 muestran que las restricciones de fondos disponibles y de ingresos anuales son recursos limitantes.

Resumen del procedimiento de solucion grafica para problemas de minimizacion

El procedimiento de soluci6n grafica para un problema de minirnizacion implica los siguientes pasos.

1. Prepare una grafica de la regi6n de soluci6n factible para cada una de las restricciones.

2. Determine la regi6n de soluci6n factible identificando aquellas soluciones que satisfacen todas las restricciones de manera simultanea,

3. Dibuje una lfnea de la funci6n objetivo quemuestre todos los valores de las variables XI y x2 que dan un valor especificado en la funci6n objetivo .

244

Metodos cuantitativos para los negocios

Fignra 7.16

25.()OO

2

'"

c:

~

0.; -::l

_g

'" :.;

~

E -.:;

'0 o -::l c:

2 -.:; '0

-g 10.000

~

c: ~

20.000

15.000

REGI6N FACTIBLE PARA EL PROBLEMA DE INNIS INVESTMENTS

5.000

X2 = 3.000

L- --L --L._ ... __ ......L.... __ _:__..J.._ __ ----=::.e-J...._ XI

o

5.000

10,000

25.000

15,000

20,000

Unidades del fondo de acciones

4. Mueva lfneas de la funci6n objetivo paralelamente hacia valores de la funci6n obj vo mas pequefias, hasta que un movimiento adicional saque completamente la linea la regi6n factible.

5. Cualquier soluci6n factible de la lfnea de la funci6n objetivo con el valor mas pequef es una soluci6n 6ptima.

Variables de excedente

Un analisis completo de la soluci6n 6ptima para el problema Innis Investments muestra que Indice de riesgo total para la cartera 6ptima, 8x! + 3x2 = 8(4,000) + 3(10,000) = 62,000 se c sigue utilizando todos los fondos disponibles. Esto es, 50x! + 100x2 = 50(4,000) + 100(10,00: = 1,200,000. El ingreso anual requerido se obtiene exactamente, como 5(4,000) + 4 (10,000 = 60,000. Note, sin embargo, que la adquisici6n de 10,000 unidades en el fondo del mercado dinero excede en 7,000 unidades el requisito mfnimo de 3,000. En terminologfa de program; ci6n lineal, cualquier cantidad en exceso como esta correspondiente a una restricci6n ~, se _

fiere como un excedente. .

Recuerde que con una restricci6n $ se puede agregar una variable de holgura del lade quierdo de la restricci6n para convertirla en una igualdad. En una restricci6n ~ se puede re .

resolver el pro- 33.

Programaci6n lineal: el metodo graflco

245

Figura 7.17

SOLUCION GMFICA PARA EL PROBLEMA DE INNIS INVESTMENTS

25,000

0 ~. ~.
'- <J, \<J,
0) 20.000 \tI~ (IQ
<:: 0
'"0 \\ \ \\
0) \ ~. cP
'"0 \::::
0 \ .......
'"0 \ ...
'"" \ ~. v>
~ \.".
0) ,...) ,.)
E 15.000 - \ \\ \"
0) \~ .....
'"0 \\~
0 -Q
'"0 \16 \~
<::
.2 \ \
-.:; \ \
'"0 10,000
VI
0) \
'"0
'""
'"0 \
'c
:::J \ '--- ---' -=---L ~ _'_ _'_ xI

o

5,000

20,000

25.000

10,000

15,000

Unidades del fonda de accioncs

una variable excedente del lade izquierdo, para convertir la restricci6n a una igualdad. Igual que a las variables de holgura, en la funci6n objetivo a las variables de excedente se les da un coeficiente de cero, ya que no tienen ningiin efecto sobre su valor. Despues de incluir una variable de holgura para la restricci6n :5, y dos variables de excedente para las restricciones ~, el modele de programaci6n lineal del problema de Innis Investments se convierte en

Min. 8x) + 3x2 + Os, + OS2 + OS3 sujeto a

= 1,200,000

60,000 ,3,000

Todas la restricciones ahora son igualdades. Por 10 que la formulaci6n precedente es la representaci6n en forma estandar de Innis Investments. En la soluci6n 6ptima, x) = 4000 Y x2 = 10,000, los valores de las variables de holgura y excedentes son

246

Intente resolver el problema 32 para practkar la soluci6n de un programa lineal con las tres formas de restricciones.

Metodos cuantitativos para los negocios

Restriccion Fondol disponibles Ingreso anual

Unidades minimal en el mercado de dinero

Valor de la variable de holgura 0

excedente

5) = 0

52 = 0

53 = 7000

Refierase a las figuras 7.16 y 7.17. Note que las variables de holgura y de excedcnte con v - lor igual a 0 estan asociadas con re tricciones que repre entan recur 0 limitante en la solucioc optima; e to e , la re tricciones obre fondos disponible e ingreso anuales. EI excedente d 7,000 unidades e ta asociado con una re triccion de un recurso no limitante sobre la inversi 'minima permi ible en el fondo del mercado de dinero.

Note que en el problema de RMC todas la restricciones eran del tipo -s. y que en el de I - ni Investments on una cornbinacion de ~ y 2::. En general, 10 pr blemas de programaci6n lineal pueden tener algunas restricciones ~, 2::, =. Para una re tricci6n de igualdad, las solucione:

Iactibles deberan caer directamente sobre la Ifnea de dicha restriccion.

Un ejemplo de un programa lineal con las tres formas de restricciones es

Mfn. 2x) + 2X2

sujeto a

Ix) + 3x2 ~ 12 3x}-lx2 2:: 13 Ix)- IX2 3

xi' x2 2:: 0

La representacion en forma e tan dar de e te problema es Mfn. 2x} + 2X2 + Os. + 052 sujeto a

Ix) + 3x2 + Is) Ix) + IX2

Ix) - IX2

12

- 152 = 13 = 3

La forma estandar requiere una variable de holgura y de excedente para la restricci6n -s ;::: respectivamente. Sin embargo, no se requiere una variable de holgura ni una de excedentc p: ra la tercera restriccion, porque ya aparece en forma de igualdad.

AI resolver graficarnente un problema lineal no es nece ario volver a escribirlo en su forma ~ tandar. Sin embargo, usted debe ser capaz de calcular 10 valores de las variable de holgura : excedente y en tender su significado. En el capftulo 8 demostramo que los valores de la variabl de holgura y de excedente se incluyen en la soluci6n de computadora de los programas lineale '

Un punto final: la forma estandar del problema de prograrnacion lineal es equivalente a Iormulacion original del problema. Esto es, la solucion optima de cualquier problema de p - gramacion lineal e la misma que la solucion optima de la forma estandar del problema. La f -rna estandar no ha cambiado el problema basico, implemente ha modificado la forma en q escribimos las re tricciones del problema.