Documente Academic
Documente Profesional
Documente Cultură
2
1. Forma matricial de programación
lineal (1)
VB = {VB1, VB2, …, VBm} es el conjunto de
variables básicas en la tabla símplex óptima.
VNB = {VNB1, VNB2, …, VNBn} es el conjunto de
variables no básicas en la tabla símplex óptima.
XVB es el vector columna [XVB1 XVB2 ∙∙∙ XVBm]T de
orden m x 1 que contiene las variables básicas.
XVNB es el vector columna [XVNB1 XVNB2 ∙∙∙ XVNBn-m]T
de orden (n-m) x 1 que contiene las variables no
básicas.
3
1. Forma matricial de programación
lineal (2)
cVB es el vector fila [cVB1 cVB2 ∙∙∙ cVBm] de orden 1
x m.
cVNB es el vector fila de orden 1 x (n-m) cuyos
elementos son los coeficientes de las variables
no básicas (en el orden de VNB).
aj es el vector columna de orden 1 x m
correspondiente a la variable xj.
La matriz B de orden m x m es aquella cuya
columna j-ésima es la columna para VBj.
4
1. Forma matricial de programación
lineal (3)
5
1. Forma matricial de programación
lineal (4)
El problema de PL en forma matricial se puede expresar
como:
z = cVBXVB + cVNBXVNB
Sujeta a
BXVB + NXVNB = b
Con XVB, XVNB ≥ 0
6
2. Análisis de sensibilidad
7
Intervalos de sensibilidad para los
coeficientes de la función objetivo
8
Caso: High Note Sound Company
9
Solución óptima usando el método gráfico
Maximizar Z = 50X1 + 120X2
(maximizar utilidades)
Sujeto a
2X1 + 4X2 ≤ 80
(disponibilidad de tiempo de
electricista en horas)
3X1 + 1X2 ≤ 60
(disponibilidad de tiempo de
técnico de audio en horas)
Con X1, X2 ≥ 0
Solución óptima
X1 = 0 reproductores de CD
X2 = 20 receptores estéreo 10
Solución óptima usando el método símplex
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 2400
X1 = 0 reproductores de CD Variables
X3 = 0 horas de tiempo no utilizado de electricista No básicas11
Coeficientes no básicos de la función
objetivo (1)
Pregunta: ¿cuánto tendrían que cambiar los coeficientes de la función
objetivo antes de que las variables no básicas entraran a la mezcla de
solución y reemplazaran a una de las variables básicas?
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 2400
13
Coeficientes no básicos de la función
objetivo (3)
En este ejemplo:
• Los valores de X1 son C1 = 50 y Z1 = 60.
• La solución actual es óptima en tanto la utilidad por cada
reproductor de CD sea menor que I/.60.00 o no se incremente en
más de I/.10.00.
Cuando se maximiza una función objetivo, Cj puede ser incrementado
hasta el valor de Zj.
El valor de Cj para variables no básicas puede disminuir a infinito
negativo sin afectar la solución.
• Este cambio de los valores de Cj se llama intervalo de sensibilidad
para variables no básicas.
-∞ ≤ Cj’ ≤ 60
14
Coeficientes no básicos de la función
objetivo (4)
Intervalos de sensibilidad
Sea Xk la variable no básica.
15
MAX 50 X1 + 120 X2
SUBJECT TO
2)
3)
2 X1 + 4 X2 <=
3 X1 + X2 <= 60
80 Coeficientes no
END
OBJECTIVE FUNCTION VALUE
1) 2400.000
básicos de la
VARIABLE VALUE REDUCED COST
X1 0.000000 10.000000 función objetivo -
X2 20.000000 0.000000
ROW
2)
SLACK OR SURPLUS
0.000000
DUAL PRICES
30.000000 LINDO
3) 40.000000 0.000000
THE TABLEAU
ROW (BASIS) X1 X2 SLK 2 SLK 3
1 ART 10.000 0.000 30.000 0.000 2400.000
2 X2 0.500 1.000 0.250 0.000 20.000
3 SLK 3 2.500 0.000 -0.250 1.000 40.000
17
Coeficientes básicos de la función
objetivo (2)
Cj 50 120+ 0 0
Variables X1 X2 X3 X4 Valor
Básicas
120+ X2 1/2 1 1/4 0 20
0 X3 5/2 0 -1/4 1 40
Zj 60+/2 120+ 30+/4 0
Zj - Cj 10+/2 0 30+/4 0 2400+20
19
Coeficientes básicos de la función
objetivo (4)
Intervalo de sensibilidad
Sean aij los valores de la tabla símplex donde i es la fila de la
variable básica Xk y j es la columna de una variable no básica.
máximo {Ck – (Zj – Cj) / aij} ≤ Ck’ ≤ mínimo {Ck – (Zj – Cj) / aij}
aij > 0 aij < 0
THE TABLEAU
ROW (BASIS) X1 X2 SLK 2 SLK 3
1 ART 10.000 0.000 30.000 0.000 2400.000
2 X2 0.500 1.000 0.250 0.000 20.000
3 SLK 3 2.500 0.000 -0.250 1.000 40.000
22
Solución óptima usando el método gráfico
Maximizar Z = 50X1 + 120X2
(maximizar utilidades)
Sujeto a
2X1 + 4X2 ≤ 80
(disponibilidad de tiempo de
electricista en horas)
3X1 + 1X2 ≤ 60
(disponibilidad de tiempo de
técnico de audio en horas)
Con X1, X2 ≥ 0
Solución óptima
X1 = 0 reproductores de CD
X2 = 20 receptores estéreo 23
Solución óptima usando el método
símplex (1)
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 2400
X1 = 0 reproductores de CD Variables
X3 = 0 horas de tiempo no utilizado de electricista No básicas24
Solución óptima usando el método
símplex (2)
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 2400
25
Cambios en los recursos o valores del
lado derecho (1)
Interpretación de resultados
La tabla símplex final indica que la solución óptima es: X1 = 0,
X2 = 20, X3 = 0, y X4 = 40 y que la utilidad = I/.2,400.00.
• X3 representa la disponibilidad sobrante del recurso
electricista y X4 el tiempo no utilizado en el departamento de
técnico de audio.
La empresa está considerando emplear un electricista más de
medio tiempo.
• Asuma que esto costará I/.22.00 por hora de salario y
beneficios.
¿Deberá contratarlo la empresa?
La respuesta es si;
• El precio sombra del recurso de tiempo de electricista es
I/.30.00.
La firma obtendrá I/.8.00 (= 30.00 – 22.00) netos por cada hora
26
que el trabajador ayude en el proceso de producción.
Cambios en los recursos o valores del
lado derecho (2)
Interpretación de resultados (continuación)
¿Deberá la empresa contratar un técnico de audio a razón de
I/.14.00 por hora?
La respuesta es no;
• El precio sombra es I/.0.00, lo que implica que no habrá ningún
incremento de la función objetivo por tener disponible más de este
segundo recurso.
¿Por qué?
Porque no todo el recurso es utilizado actualmente, aún están
disponibles 40 horas.
Difícilmente valdría la pena comprar más de este recurso.
27
Lado derecho de restricciones activas (1)
El rango sobre el cual los precios sombras permanecen
válidos se llama rango del lado derecho.
La determinación del rango se parece al proceso símplex
que se utilizó para encontrar la relación mínima de una
nueva variable
Mirando X3 y la columna de cantidad:
Relación positiva más pequeña = 20/(1/4) = 80
Relación negativa más pequeña = 40/(-1/4) = -160
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 240028
Lado derecho de restricciones activas (2)
La relación positiva más pequeña (80 en este ejemplo) dice
cuántas horas del recurso de tiempo de electricista pueden
ser reducidas sin modificar la mezcla de la solución actual.
El recurso RHS puede ser reducido hasta en 80 horas,
• Básicamente desde las 80 horas actuales hasta en 0 horas,
sin hacer que una variable básica salga de la solución.
La relación negativa más pequeña (-160 en este ejemplo)
indica el número de horas que pueden ser agregadas al
recurso antes de que la mezcla de solución cambie.
Ahora, el tiempo del electricista puede ser incrementado en
160 horas, hasta 240 (= 80 actuales + 160 que se pueden
agregar) horas.
Rango del tiempo del electricista dentro del cual el precio
sombra de I/.30.00 es válido.
• Este rango es de 0 a 240 horas.
29
Lado derecho de restricciones activas ≤
Intervalo de sensibilidad
Sea bk el lado de la restricción activa, y aij los valores de la tabla
símplex donde i es la fila de una variable básica Xi y j es la columna
de la variable no básica.
THE TABLEAU
ROW (BASIS) X1 X2 SLK 2 SLK 3
1 ART 10.000 0.000 30.000 0.000 2400.000
2 X2 0.500 1.000 0.250 0.000 20.000
3 SLK 3 2.500 0.000 -0.250 1.000 40.000
Cj 50 120 0 0
Variables X1 X2 X3 X4 Valor
básicas
120 X2 1/2 1 1/4 0 20
0 X4 5/2 0 -1/4 1 40
Zj 60 120 30 0
Zj – Cj 10 0 30 0 2400
33
Lado derecho de restricciones inactivas (2)
Aplicando la prueba de relación, el número de horas de
técnico de audio puede ser reducido en sólo 40 (la relación
positiva más pequeña = 40/1) antes de que ocurra un déficit.
Desde que no todas las horas disponibles están siendo
utilizadas, ellas pueden ser aumentadas indefinidamente sin
alterar la solución del problema.
• No hay tasas de sustitución negativas en la columna X4, de modo que
no existen relaciones negativas.
Por consiguiente, el rango válido de este precio sombra será
de 20 (= 60-40) horas hasta un límite superior no acotado.
34
Lado derecho de restricciones inactivas ≤
Intervalo de sensibilidad
Sea bk el lado de la restricción inactiva, y aij los valores de la
tabla símplex donde i es la fila de una variable básica Xi y j es
la columna de la variable no básica.
35
Lado derecho de restricciones inactivas ≥
Intervalo de sensibilidad
Sea bk el lado de la restricción inactiva, y aij los valores de la
tabla símplex donde i es la fila de una variable básica Xi y j es
la columna de la variable no básica.
36
MAX 50 X1 + 120 X2
SUBJECT TO
2) 2 X1 + 4 X2 <= 80
3) 3 X1 + X2 <= 60
END
OBJECTIVE FUNCTION VALUE
Lado derecho de
1)
VARIABLE
2400.000
VALUE REDUCED COST restricciones
X1 0.000000 10.000000
X2
ROW
20.000000
SLACK OR SURPLUS
0.000000
DUAL PRICES inactivas - LINDO
2) 0.000000 30.000000
3) 40.000000 0.000000
THE TABLEAU
ROW (BASIS) X1 X2 SLK 2 SLK 3
1 ART 10.000 0.000 30.000 0.000 2400.000
2 X2 0.500 1.000 0.250 0.000 20.000
3 SLK 3 2.500 0.000 -0.250 1.000 40.000
38
Forma canónica del problema primal
39
Forma canónica del problema dual
40
Reglas de transformación (1)
41
Reglas de transformación (2)
Modelo primal
Maximizar Z = + 3 X1 + 4 X2 – 2 X3
Sujeta a:
+ 4 X1 – 12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 + 6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
Con X1 0, X2 0, X3 libre
42
Reglas de transformación (3)
Regla 1
El número de variables del problema dual es igual al
número de restricciones del problema primal. El número
de restricciones del problema dual es igual al número de
variables del problema primal.
+ 4 X1 – 12 X2 + 3 X3 +12 Y1
– 2 X1 + 3 X2 + 1 X3 + 6 Y2
– 5 X1 + 1 X2 – 6 X3 – 40 Y3
+ 3 X1 + 4 X2 – 2 X3 = + 10 Y4
43
Reglas de transformación (4)
Regla 2
Los coeficientes de la función objetivo en el problema
dual serán el vector de recursos del problema primal.
+ 4 X1 – 12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 + 6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
W = + 12 Y1 + 6 Y2 – 40 Y3 + 10 Y4
44
Reglas de transformación (5)
Regla 3
Si el problema original es un modelo de maximización, el
dual será uno de minimización. Si el problema original es
un modelo de minimización, el dual será uno de
maximización.
Maximizar Z = + 3 X1 + 4 X2 – 2 X3
Minimizar W = + 12 Y1 + 6 Y2 – 40 Y3 + 10 Y4
45
Reglas de transformación (6)
Regla 4
Los coeficientes de la primera restricción del
problema dual son los coeficientes de la primera
variable en las restricciones del problema primal, y en
forma análoga para las otras restricciones.
+ 4 X1 –12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 + 6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
+ 4 Y1 – 2 Y2 – 5 Y3 + 3 Y4
46
Reglas de transformación (7)
Regla 4 (continuación)
+ 4 X1 –12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 + 6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
–12 Y1 + 3 Y2 + 1 Y3 + 4 Y4
47
Reglas de transformación (8)
Regla 4 ( continuación)
+ 4 X1 –12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 + 6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
+ 3 Y1 + 1 Y2 – 6 Y3 – 2 Y4
48
Reglas de transformación (9)
Regla 5
Los lados derechos de las restricciones duales son los
coeficientes de la función objetivo del problema primal.
Maximizar Z = + 3 X1 + 4 X2 – 2 X3
+ 4 Y1 – 2 Y2 – 5 Y3 + 3 Y4 + 3
–12 Y1 + 3 Y2 + 1 Y3 + 4 Y4 + 4
+ 3 Y1 + 1 Y2 – 6 Y3 – 2 Y4 – 2
49
Reglas de transformación (10)
Regla 6
La j-ésima restricción del problema dual es una igualdad,
si y solo si la j-ésima variable del problema primal es
libre.
Con X1 0, X2 0, X3 libre
+ 4 Y1 – 2 Y2 – 5 Y3 + 3 Y4 + 3
– 12 Y1 + 3 Y2 + 1 Y3 + 4 Y4 +4
+ 3 Y1 + 1 Y2 – 6 Y3 – 2 Y4 = – 2
50
Reglas de transformación (11)
Regla 7
Si el problema primal es un modelo de maximización,
entonces después de aplicar la regla 6, asigne a las
restantes restricciones duales, el mismo signo que la
variable correspondiente del problema primal. Si el
problema primal es un modelo de minimización,
entonces después de aplicar la regla 6, asigne a las
restantes restricciones duales, el signo contrario que la
variable correspondiente del problema primal.
Con X1 0, X2 0, X3 libre
+ 4 Y1 – 2 Y2 – 5 Y3 + 3 Y4 + 3
– 12 Y1 + 3 Y2 + 1 Y3 + 4 Y4 + 4
+ 3 Y1 + 1 Y2 – 6 Y3 – 2 Y4 = – 2 51
Reglas de transformación (12)
Regla 8
La i-ésima variable del problema dual será libre, si y
solo si la i-ésima restricción del problema primal es una
igualdad.
+ 4 X1 –12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 +6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
Con Y4 libre
52
Reglas de transformación (13)
Regla 9
Si el problema original es un modelo de maximización,
entonces, después de aplicar la regla 8, asigne a las
demás variables duales el signo contrario que la
restricción correspondiente en el problema primal.
+ 4 X1 –12 X2 + 3 X3 + 12
– 2 X1 + 3 X2 + 1 X3 +6
– 5 X1 + 1 X2 – 6 X3 – 40
+ 3 X1 + 4 X2 – 2 X3 = + 10
Regla 9 (continuación)
Si el problema original es un modelo de minimización,
entonces, después de aplicar la regla 8, asigne a las
demás variables duales el mismo signo que la restricción
correspondiente en el problema primal.
54
Reglas de transformación (15)
Modelo dual
Minimizar W = + 12 Y1 + 6 Y2 – 40 Y3 + 10 Y4
Sujeta a:
+ 4 Y1 – 2 Y2 – 5 Y3 + 3 Y4 + 3
– 12 Y1 + 3 Y2 + 1 Y3 + 4 Y4 + 4
+ 3 Y1 + 1 Y2 – 6 Y3 – 2 Y4 = – 2
Con Y1, Y2 0, Y3 0, Y4 libre
55
4. Interpretación económica de la
dualidad (1)
Las variables duales indican la cantidad extra que se
estaría en disponibilidad de pagar por una unidad
adicional de un recurso específico.
56
4. Interpretación económica de la
dualidad (2)
57
5. Teorema de dualidad (1)
58
5. Teorema de dualidad (2)
Sea X = [X1,X2,...,Xn]T una solución factible para
el primal y sea Y = [Y1,Y2,...,Ym] una solución
factible del dual.
59
5. Teorema de dualidad (3)
Dado un par de problemas duales, se cumple una
de las siguientes condiciones:
– Si uno tiene solución óptima, su dual también tiene
solución óptima.
– Si uno es no acotado, su dual no tiene solución
posible.
– Si uno no tiene solución posible, su dual es no
acotado o no tiene solución posible.
60
6. Precio sombra
61
7. Holgura complementaria (1)
Sea X = [X1,X2 ,...,Xn]T la solución factible y óptima
para el primal y sea Y = [Y1,Y2,...,Ym] la solución
factible y óptima del dual.
63
7. Holgura complementaria (3)
Cj 50 40 0 0 0
V. B. X1 X2 h1 h2 h3 Valor
Zj – Cj 0 0 14/5 0 26/5 1980
40 X2 0 1 8/25 0 –3/25 12
0 h2 0 0 –8/25 1 3/25 8
50 X1 1 0 –5/25 0 5/25 30
64
7. Holgura complementaria (4)
Problema dual
Minimizar Z = + 150 Y1 + 20 Y2 + 300 Y3
Sujeta a:
+ 3 Y1 + 0 Y2 + 8 Y3 50
+ 5 Y1 + 1 Y2 + 5 Y3 40
Con Y1, Y2, Y3 0
65
7. Holgura complementaria (5)
66
7. Holgura complementaria (6)
67
8. Método símplex para resolver
problemas duales
68
Algoritmo símplex para el dual en el caso
de un problema de maximización (1)
I. Formular las restricciones y la función objetivo del problema de
PL.
II. Incluir:
• Variables de holgura en cada restricción ≤, y
• Variables superfluas en cada restricción ≥
entonces agregue estas variables a la función objetivo del
problema.
III.Desarrollar una tabla símplex inicial con de holgura y superfluas
en la base y las demás variables iguales a 0. Calcular los valores
Zj y Zj - Cj para esta tabla símplex.
69
Algoritmo símplex para el dual en el caso
de un problema de maximización (2)
IV.Seguir estos cinco pasos hasta que la solución óptima sea
alcanzada:
a) Elegir la fila con el valor del lado derecho más negativo
para que la variable respectiva salga del conjunto de
variables básicas (variable que sale).
b) Determinar la columna de la variable que entrará al
conjunto de variables básicas, seleccionando aquella con el
mayor ratio negativo = Zj - Cj / Elemento de fila pivote
(variable que entra).
c) Calcular los nuevos valores para la fila pivote.
d) Calcular los nuevos valores para las otras filas.
e) Calcular los valores Cj y Zj - Cj para esta tabla.
• Si hay lados derechos menores que cero, retornar al paso 1.
• Sino se llegó a la solución óptima (lados derechos no negativos).
70
Caso: Muddy River Chemical Corporation (1)
71
Caso: Muddy River Chemical Corporation (2)
Variables de decisión
X1 = número de libras de fosfato
X2 = número de libras de potasio
Minimizar Z = 5X1 + 6X2 (mínimo costo total)
Sujeta a
X1 + X2 = 1000 (Peso de la mezcla)
X1 ≤ 300 (Requerimiento máximo de fosfato)
X2 ≥ 150 (Requerimiento mínimo de potasio)
Con X1 , X2 ≥ 0 (condiciones de no negatividad)
72
Caso: Muddy River Chemical Corporation (3)
75
Caso: Muddy River Chemical Corporation (6)
-5 -6 0 0 0 0
Variables
básicas X1 X2 X3 X4 X5 X6 Valor
0 X3 0 0 1 1 0 0 0
-5 X1 1 1 0 -1 0 0 1000
0 X5 0 -1 0 1 1 0 -700
Número pivote
0 X6 0 -1 0 0 0 1 -150
Zj -5 0 0 -5 0 0
Zj - Cj 0 +1 0 +5 0 0 -5000
76
Caso: Muddy River Chemical Corporation (7)
-5 -6 0 0 0 0
Variables
básicas X1 X2 X3 X4 X5 X6 Valor
0 X3 0 0 1 1 0 0 0
-5 X1 1 0 0 0 +1 0 300
-6 X2 0 1 0 -1 -1 0 700
0 X6 0 0 0 1 1 1 550
Zj -5 -6 0 +6 +1 0
Zj - Cj 0 0 0 +6 +1 0 -5700
77
Caso: Muddy River Chemical Corporation (8)
Solución óptima
Se debe mezclar 300 libras de fosfato y
700 libras de potasio a un costo de
I/.5,700.00.
78
Algoritmo símplex para el dual en el
caso de un problema de minimización
79