Programacin lineal y mtodo simplex aplicado para economa

Guillermo Pardo Arteaga A00889951

Bibiana Alejandra Miranda Lpez A01122834

Roberto Mendoza Hernndez A01213035

Doctor Jos Fernndez Garca Matemticas para economa I

NDICE INTRODUCCIN. ................................................................................................ 3 PLANTEAMIENTO DE LOS PROBLEMAS ................................................................. 5 RESOLUCIN DE LOS PROBLEMAS ...................................................................... 8 1.1 Un problema agrcola ....................................................................... 8 1.2 Formulacin Matemtica ................................................................. 11 2.1 Un problema en un negocio familiar ............................................... 13 2.2 Formulacin matemtica ................................................................. 19 CONCLUSIONES .............................................................................................. 19 FUENTES CONSULTADAS .................................................................................. 20

Introduccin. El motivo del presente trabajo es hacer una revisin bibliogrfica acerca de una aplicacin del lgebra lineal dentro del campo de la economa, as como plantear distintos ejemplos que puedan permitirnos la comprensin del tema. Para iniciar con este trabajo haremos un breve recuento terico de nuestro tema. En 1939 surge un problema de recursos limitados. Se necesitaba distribuir los recursos disponibles entre los diferentes regmenes, sin embargo, se tenia otro problema: cmo distribuir estos recursos sin que se generara un costo extra, Leonid Kantorovich matemtico y economista ruso, ganador del premio nobel en 1975 crea el modelo de programacin lineal (1939), utilizado para resolver los problemas de distribucin de recursos en la Segunda Guerra Mundial, ya que esta no solo se llevaba acabo en el campo de batalla, se necesitaba disear estrategias, disponer de recursos para cuando fuera necesario, etc. La Programacin Lineal ayud a encontrar la forma de reducir costos, y as colocar el ahorro en otra divisin o bien conseguir ms recursos. La Programacin Lineal nace como estrategia militar, as que por un tiempo fue secreto, nadie tenia acceso al sistema, solo la milicia lo conoca. Fue George Dantzig, matemtico americano, graduado de la Universidad de Maryland y Doctor por la Universidad de Berkeley, quien publica el mtodo simplex para la resolucin de sistemas de inecuaciones. El mtodo simplex es una tcnica para resolver problemas de optimizacin, generalmente se utiliza cuando se tienen sistemas de

inecuaciones. Estos sistemas son desigualdades algebraicas en las cuales se encuentran varias incgnitas, los sistemas de inecuaciones puede ser de 2 tipos, en sentido estricto (< o >) o en sentido amplio ( ).

El mtodo simplex consiste en convertir los sistemas de inecuaciones en ecuaciones, esto por medio de variables de holgura, son variables que convierten las inecuaciones en igualdades pero estas deben satisfacer una serie de reglas, por lo general la variable de holgura se igualan a los recursos, trabajan como restriccin. Se construye la matriz, donde se podrn observar los coeficientes de restriccin, as como los coeficientes de la funcin objetivo, se localizan las variables no bsicas, son aqullas con coeficiente distinto de cero en la funcin objetivo, se elige aqulla que tenga el coeficiente ms negativo, y ste indicar la columna correspondiente a la variable que entra. Se dividen los elementos de la columna bi por sus correspondientes aij en la columna de la variable que entra, siempre que estos ltimos sean mayores que cero. Si hubiese algn elemento menor o igual que cero, no se hara dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no podramos seguir. Lo que necesitamos es incrementar la variable que entra en la base, hasta que hagamos nula una de las variables que estn ahora en la base. Entonces saldr aqulla variable bsica, Xi, tal que el cociente bi / aij sea menor. Se hace 1 el coeficiente aij de la variable seleccionada. Se divide la fila i por aij; en el resto de las filas haremos la eliminacin de Gauss. El mtodo simplex sirvi como base para la investigacin de operacin, ya que ayuda a optimizar procesos, pero que es la investigacin de operaciones? La investigacin de operaciones es la aplicacin, por grupos interdisciplinarios, relacionados del con mtodo el cientfico de a las

problemas

control

organizaciones o sistemas (hombre-maquina) a fin de que se produzcan soluciones que mejor sirvan a los objetivos de todas la organizacin. (Prawda, 2004) La Investigacin de Operaciones tiene como objetivo principal proveer informacin para la toma de decisiones, tomando en cuenta sistemas reales y

complejos, de esa forma busca optimizar, tomando en cuenta los recursos disponibles y as poder encontrar la solucin a los problemas.

Planteamiento de los Problemas

El objetivo de la presente seccin es introducir la formulacin de nuestros modelos matemticos a partir del planteamiento de los problemas. Esta seccin debe tomarse como una ilustracin introductoria a la Investigacin de Operaciones, y particularmente a la Programacin Lineal, dejando las prximas dos secciones a la explicacin y resolucin de la misma. No es importante a estas alturas si el lector no entiende cmo se deriv cierta expresin matemtica. En esta seccin presentaremos dos tipos de problemas: a) Un problema agrcola que puede ser aplicado en un entorno macroeconmico. b) Un problema en un negocio familiar que representa una situacin microeconmica. A continuacin se plantean ambos problemas. a) Un problema agrcola: Supngase que en el poblado de Tixtla, Guerrero la Nacional Financiera pretende hacer inversiones cuantiosas en el cultivo de aguacate, lima, mango y zapote prieto. Se persiguen dos objetivos, uno el de aumentar el empleo rural y otro el de aumentar las exportaciones que vendrn a equilibrar la balanza de pagos de la nacin. Se sabe que la produccin promedio de cada rbol est dada por la siguiente tabla: Tabla 1.1 Tipo rbol de Produccin anual (en unidades) Aguacate 350 (en kg) 150 Una vez por ao promedio Observacin

Lima

230

200

Una vez por ao

Mango

150

50

Una vez por ao

Zapote

400

150

Una vez por ao

El precio promedio en el mercado mundial fue de $10.00 por kg de aguacate, $4.00 por kg de lima, $15.00 por kg de mango y $7.00 por kg de zapote prieto en 1974. Existe una extensin de 250 000 m 2 de tierra de propiedad federal propicia para el cultivo de esos productos. Supngase que tcnicos de la Secretara de Agricultura han determinado que las siguientes extensiones mnimas son necesarias para el cultivo de esos productos. Tabla 1.2 Tipo rbol de Extensin mnima cultivo rbol Aguacate 4 m2 Lima Mango Zapote 5 m2 3 m2 6 m2 de por

Afortunadamente no existe problema de agua, pues hay varios manantiales dentro de la propiedad, que aseguran la existencia de ese preciado lquido por los prximos 20 aos. El costo por sembrar un rbol de aguacate es de $2.00, $0.50 por rbol de lima, $1.00 por rbol de mango y $1.50 por rbol de zapote prieto; estos costos ya incluyen la compra del rbol ms su cuidado y mantenimiento. Cada rbol de aguacate requiere de cuidados equivalentes a 36 horas-hombre/ao; 72 horas-hombre/ao por rbol de lima; 50 horas-hombre/ao por rbol de mango y 10 horas-hombre/ao por rbol de zapote prieto.

La Nacional Financiera pretende hacer una inversin de 20 millones de pesos, pensando exportar toda su produccin. El nmero de personas que desea emplear el Gobierno Federal con este proyecto debe ser a lo mucho de 200 personas. Bajo estas circunstancias, cuntos rboles de aguacate, lima, mango y zapote prieto debern sembrarse con objeto de maximizar el valor de la futura exportacin anual? Cul ser la ganancia de tomar esta decisin respecto a la inversin inicial?

b) Un problema en un negocio familiar: Don Francisco quiere mejorar el negocio familiar de explotacin de la patata integral. Su negocio es la venta de productos derivados de la patata, de los cuales hay cuatro tipos: patatas troceadas para ensaladilla, pur de patatas, patatas fritas a la inglesa y patatas congeladas para frer. A su negocio, don Francisco y doa Remedios, su mujer, dedican como mximo entre los dos 100 horas semanales. Para fabricar un kilo de cada producto el tiempo a dedicar es el siguiente: patatas troceadas 3 horas, pur de patatas 5 horas, patatas fritas a la inglesa 10 horas, patatas congeladas 15 horas. Como su almacn es pequeo no pueden tener almacenados ms de 15 kilos de producto terminado y ms de 120 kilos en sacos de patata. No todos los productos tienen igual rendimiento. Por cada kilo de producto terminado necesita una cantidad mayor de producto bruto. Esta relacin es la siguiente: Para hacer un kilo de patatas para ensalada necesita 7 kilos de patatas. Para hacer un kilo de pur de patatas necesita 5 kilos de patatas. Para hacer un kilo de patatas a la inglesa necesita 3 kilos de patatas. Para hacer un kilo de patatas congeladas necesita 2 kilos de patatas. La ganancia tambin es diferente: 4 patatas/kg patatas ensalada. 5 patatas/kg pur de patatas. 9 patatas/kg patatas inglesa. 11 patatas/kg patatas congeladas. 7

Cunto debe fabricar de cada una de sus especialidades para que su beneficio sea el mximo? Resolucin de los Problemas

El propsito de esta seccin es resolver paso a paso los dos problemas anteriormente planteados con el mtodo simplex; el cual mencionamos en la primera seccin. 1.1 Un problema agrcola Paso 1. Sean Xa: Xl: Xm: Xz: el nmero de rboles de aguacate a ser sembrados, el nmero de rboles de lima a ser sembrados, el nmero de rboles de mangos a ser sembrados, el nmero de rboles de zapote prieto a ser sembrados,

La notacin usada para denotar todas las variables del problema. El valor promedio de la exportacin (VPE) anual se puede representar por: ( )( ) ( )( ) ( )( ) ( )( )

Cuyas dimensiones estn dadas por: ( )

Una vez que tenemos definidas nuestras ecuaciones, identificamos cual es la que vamos a optimizar. Para nuestro primer problema la ecuacin a optimizar es:

E identificamos las ecuaciones a las que estar sujeta nuestra optimizacin. En este problema la optimizacin est sujeta a tres restricciones, estas son:

Paso 2.

Sea:

la forma general de la ecuacin a optimizar. Entonces:

es nuestra ecuacin a optimizar en la forma general. Paso 3.

Paso 4. Xa LO -1500 L1 L2 L3 2 4 36 Xl -800 0.5 5 72 Xm -750 1 3 50 Xz -1050 1.5 6 100 U 0 1 0 0 V 0 0 1 0 Y 0 0 0 1 Bi 0 20,000,000 250,000 584,000

Paso 5. Xa LO -1500 L1 L2 L3 2 4 36 Xl -800 0.5 5 72 Xm -750 1 3 50 Xz -1050 1.5 6 100 U 0 1 0 0 V 0 0 1 0 Y 0 0 0 1 Bi 0 20,000,000 250,000 584,000

Paso 6. { Paso 7. Xa LO -1500 L1 L2 L3 2 4 36 Xl -800 0.5 5 72 Xm -750 1 3 50 Xz -1050 1.5 6 100 U 0 1 0 0 V 0 0 1 0 Y 0 0 0 1 Bi 0 20,000,000 250,000 584,000 }

 La interseccin en la tabla de la columna que entra y la que sale determina el elemento pivote. Aplicamos operaciones matriciales elementales en el pivote con objeto de convertir a la columna correspondiente en el vector unitario, es decir ceros en toda la columna, y un uno en la celda del rengln correspondiente, es decir el pivote. Xa LO 0 L1 0 L2 0 L3 1 2 1.38888889 2.777777778 0 0 0.02777778 16,222.22 -3 -3.5 Xl 2200 Xm Xz U V 0 Y 41.6666667 Bi 24,333,333.33

1333.33333 3116.666667 0 -

1.77777778 4.055555556 1 -

-0.05555556

19,967,555.56

2.55555556 5.111111111 0

-0.11111111

185,111.11

Despus de realizar el Paso 7 revisamos el rengln que corresponde a nuestra ecuacin a optimizar, comnmente llamado LO en la tabla, buscando la variable ms negativa y repitindose los pasos 5, 6 y 7. En el momento en el que no encontremos ms variables negativas en el rengln de nuestra ecuacin a optimizar, podemos decir que encontramos la solucin ptima. Paso 8. Este es un paso adicional que hemos decidido introducir para analizar e interpretar los resultados arrojados por la tabla. Xa LO 0 L1 0 L2 0 L3 1 2 1.38888889 2.777777778 0 0 0.02777778 16,222.22 -3 -3.5 Xl 2200 Xm Xz U V 0 Y 41.6666667 Bi 24,333,333.33

1333.33333 3116.666667 0 -

1.77777778 4.055555556 1 -

-0.05555556

19,967,555.56

2.55555556 5.111111111 0

-0.11111111

185,111.11

10

Podemos representar las variables ptimas con sus valores en una tabla como la siguiente: Xa U V Funcin Objetivo 24,333,333.33 16,222.22 19,967,555.56 185,111.11

De aqu podemos interpretar que para optimizar la funcin objetivo que se nos dio cumpliendo con los objetivos y sujeto a las restricciones presupuestarias; el nmero de rboles de aguacate que se deben sembrar es de 16,222.22, el sobrante del presupuesto, representado por la variable U, es de 19, 967,555.56 pesos; y el sobrante de terreno, representado con la variable V, es de 185,111.11 m2. El valor de las ganancias totales por la exportacin fue de 24, 333,333.33 pesos.

1.2 Sean

Formulacin Matemtica

el nmero de rboles de aguacate a ser sembrados, el nmero de rboles de lima reina a ser sembrados, el nmero de rboles de mangos a ser sembrados, el nmero de rboles de zapote a ser sembrados.

La notacin usada para detonar todas las variables del problema. El valor promedio de la exportacin (VPE) anual se puede representar por: ( )( ) ( )( ) ( )( ) ( )( )

)(

)(

11

)( (

) )( )

La restriccin correspondiente a la extensin de tierra laborable est dada por:

Dimensionalmente, se puede verificar que en efecto las unidades en ambos lados de la desigualdad son Respecto a la inversin inicial se tiene que

siendo pesos las unidades que prevalecen en ambos lados de esta ltima desigualdad.

Respecto a la condicin de empleo mnimo que el Gobierno Federal se ha fijado, sta puede representarse por:

siendo las dimensiones de esta desigualdad, las siguientes

) ( ( )

( ) (

y ya simplificando, queda (horas-hombre)/ao en ambos lados de la desigualdad. Finalmente, como l nmero de rboles, de cualquier especie, no puede ser negativo (en vez de sembrar, se destruye), se tiene que

12

Resumiendo, se tiene que el siguiente modelo matemtico formula el problema en cuestin

Maximizar

Sujeto a

2.1

Un problema en un negocio familiar Paso 1. Sean X1: X2: X3: X4: el nmero de patatas ensalada a ser fabricadas, el nmero de pur patatas a ser fabricados, el nmero de patatas inglesa a ser fabricadas, el nmero de patatas congeladas a ser fabricadas,

La notacin usada para denotar todas las variables del problema. El valor promedio del beneficio (VPB) semanal se puede representar por:

Cuyas dimensiones estn dadas por: ( ) ( ) ( ) ( )

Y las dimensiones de las ecuaciones a las que estamos sujetos:

13

( ( ( ( ( ) ) )

( ( (

( ) ( )

) )

( ( (

( ) (

) ) )

Una vez que tenemos definidas nuestras ecuaciones, identificamos cual es la que vamos a optimizar. Para nuestro primer problema la ecuacin a optimizar es:

E identificamos las ecuaciones a las que estar sujeta nuestra optimizacin. En este problema la optimizacin est sujeta a tres restricciones, estas son:

14

Paso 2. Sea:

la forma general de la ecuacin a optimizar. Entonces:

es nuestra ecuacin a optimizar en la forma general. Paso 3.

Paso 4. X1 LO -4 L1 L2 L3 1 7 3 X2 -5 1 5 5 X3 -9 1 3 10 X4 11 1 2 15 X5 0 1 0 0 X6 0 0 1 0 X7 0 0 0 1 Bi 0 15 120 100

Paso 5.

X1 LO -4 L1 L2 L3 1 7 3

X2 -5 1 5 5

X3 -9 1 3 10

X4 -11 1 2 15

X5 0 1 0 0

X6 0 0 1 0

X7 0 0 0 1

Bi 0 15 120 100

Paso 6. { }

Paso 7. 15

X1 LO -4 L1 L2 L3 1 7 3

X2 -5 1 5 5

X3 -9 1 3 10

X4 -11 1 2 15

X5 0 1 0 0

X6 0 0 1 0

X7 0 0 0 1

Bi 0 15 120 100

La interseccin en la tabla de la columna que entra y la que sale determina el elemento pivote. Aplicamos operaciones matriciales elementales en el pivote con objeto de convertir a la columna correspondiente en el vector unitario, es decir ceros en toda la columna, y un uno en la celda del rengln correspondiente, es decir el pivote. X1 LO -1.8 L1 L2 L3 0.8 0.6 0.2 X2 X3 0 1 0 0 0 0 1 0 0.733333333 73.33333333 -0.06666667 -0.13333333 0.2 8.333333333 106.6666667 6.666666667 X4 X5 X6 X7 Bi

1.333333333 1.66666667 0 0.666666667 0.33333333 0 0.333333333 1.66666667 0 0.333333333 0.66666667 1

Despus de realizar el Paso 7 nos encontramos que en nuestro LO todava existen nmeros negativos. Por lo que repetimos el paso 5, 6 y 7. X1 LO -1.8 L1 L2 L3 0.8 0.6 0.2 X2 X3 0 1 0 0 0 0 1 0 0.733333333 73.33333333 -0.06666667 -0.13333333 0.2 8.333333333 106.6666667 6.666666667 X4 X5 X6 X7 Bi

1.333333333 1.66666667 0 0.666666667 0.33333333 0 0.333333333 1.66666667 0 0.333333333 0.66666667 1

{ X1 LO -1.8 X2 X3 X4

} X5 X6 X7 Bi

1.333333333 1.66666667 0

0.733333333 73.33333333

16

L1 L2 L3

0.8 0.6 0.2

0.666666667 0.33333333 0 0.333333333 1.66666667 0 0.333333333 0.66666667 1

1 0 0

0 1 0

-0.06666667 -0.13333333 0.2

8.333333333 106.6666667 6.666666667

X1 LO 0 L1 L2 0 L3 0 1

X2

X3 -

X4

X5

X6 X7

Bi

0.166666667 0.91666667 0 0.833333333 0.41666667 0 -

2.25 1.25

0 0

3.5 -0.08333333

92.08333333 10.41666667

1.166666667 1.08333333 0 0.166666667 0.58333333 1

-8.25 -0.25

1 0

0.416666667 37.91666667 0.083333333 4.583333333

Podemos observar que en el rengln de nuestra ecuacin LO an se encuentra un nmero negativo, por lo que tenemos que repetir el proceso. X1 LO 0 L1 L2 0 L3 0 1 X2 X3 0.166666667 0.91666667 0 0.833333333 0.41666667 0 -8.25 -0.25 1 0 0.416666667 37.91666667 0.083333333 4.583333333 2.25 1.25 0 0 3.5 -0.08333333 92.08333333 10.41666667 X4 X5 X6 X7 Bi

1.166666667 1.08333333 0 0.166666667 0.58333333 1

{ X1 LO 0 L1 L2 0 L3 0 1 X2 X3 0.166666667 0.91666667 0 0.833333333 0.41666667 0 X4

} X5 X6 X7 Bi

2.25 1.25

0 0

3.5 -0.08333333

92.08333333 10.41666667

1.166666667 1.08333333 0 0.166666667 0.58333333 1

-8.25 -0.25

1 0

0.416666667 37.91666667 0.083333333 4.583333333

X1

X2

X3 X4

X5

X6 X7

Bi

17

LO 0 L1 1 L2 0 L3 0

0.428571429 0

1.571428571 1.857142857 0 -

0.714285714 99.28571429

0.714285714 0 0.857142857 0 0.285714286 1

0.714285714 1.428571429 0 1.857142857 8.714285714 1 1.714285714 -0.43 0

-0.14285714

7.142857143

0.571428571 46.42857143 0.142857143 7.857142857

En esta ocasin ya no tenemos ningn nmero negativo en LO, por lo que podemos decir que hemos encontrado la solucin ptima.

Paso 8. Ahora es momento de interpretar los datos de nuestra tabla. X1 LO 0 L1 1 L2 0 L3 0 0.714285714 0 0.857142857 0 0.285714286 1 X2 X3 X4 X5 X6 X7 Bi

0.428571429 0

1.571428571 1.857142857 0 0.714285714 1.428571429 0 1.857142857 8.714285714 1 1.714285714 -0.43 0

0.714285714 99.28571429

-0.14285714

7.142857143

0.571428571 46.42857143 0.142857143 7.857142857

Podemos representar las variables ptimas con sus valores en una tabla como la siguiente: X1 X3 X6 Funcin Objetivo 99.28571429 7.142857143 7.857142857 46.42857143

Luego, don Francisco y doa remedios debern fabricar cada semana 7.14276 kg de patatas para ensalada y 7.857143 kg de patatas a la inglesa. La variable X6 nos indica que dado esta produccin, quedar un sobrante de 46.4286 kilogramos en sacos de patata en su almacn. Su beneficio semanal ascender a 99.286 pesos.

18

2.2

Formulacin matemtica

Conclusiones Despus de la realizacin de este trabajo hemos aprendido una aplicacin ms del lgebra lineal. Nos resulta interesante que la Programacin Lineal tenga mtodos tan sencillos para resolverse como lo es el mtodo simplex y no por ello deje de sur un mtodo tan eficiente en la toma de decisiones, especialmente en la Investigacin de Operaciones. Podemos enumerar, tres elementos que surgieron a travs de la elaboracin de este trabajo. El primero de ellos, es que conocimos un poco de historia acerca de la Investigacin de Operaciones y de cmo, en una situacin tan compleja, debido a la intervencin de tantos factores, como lo fue la Segunda Guerra Mundial; las matemticas hayan jugado un papel tan importante para decidir cules eran las acciones que se deban de realizar. En segundo lugar, nos llam mucho la atencin la manera en la que la programacin lineal, que fue el rea de la Investigacin de Operaciones que usamos para este trabajo, puede aplicarse en el campo de la economa, para alcanzar ciertos objetivos optimizando los recursos, ya sea maximizando los beneficios o minimizando los costos. Y por ltimo, durante el proceso de investigacin bibliogrfica para la realizacin de nuestro trabajo nos encontramos con otros temas tambin muy llamativos que intentaban volver ms exactas y realistas las decisiones tomadas, tal es el caso de la Programacin Entera. En conclusin, el trabajo no slo nos sirvi para conocer una aplicacin adicional del lgebra lineal en el campo econmico; de igual manera nos sirvi para entender como es que surgen este tipo de herramientas y nos dej abierta la alternativa a conocer nuevos temas y mtodos del universo de las matemticas.

19

Fuentes consultadas Garca Cabaes, J., Fdez. Martnez, L. y Tejera del Pozo, P.: Tcnicas de investigacin operativa. Tomo II. Ed. Paraninfo. Madrid 1990. Supervisado por: Jose Mara beda Delgado.

Dr. Juan Prawda. (2004). Mtodos y Modelos de Investigacin de operaciones. Mxico: Editorial Limusa S.A de C.V.

Linear programming. (2012). In Encyclopdia Britannica. Retrieved from http://www.britannica.com/EBchecked/topic/342203/linear-programming

Simplex method.

(2012). In

Encyclopdia Britannica.

Retrieved from

http://www.britannica.com/EBchecked/topic/545391/simplex-method

George

Dantzig.

(2012).

In

Encyclopdia

Britannica.

Retrieved

from

http://www.britannica.com/EBchecked/topic/1090271/George-Dantzig

Operations research. (2012). In Encyclopdia Britannica. Retrieved from http://www.britannica.com/EBchecked/topic/682073/operations-research

20