UNIVERSIDAD NACIONAL SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

INVESTIGACIÓN DE OPERACIONES I (IS – 262)

MODELO DE PROGRAMACIÓN LINEAL

TIPOS DE SOLUCIÓN MEDIANTE MÉTODO GRÁFICO

DOCENTE : ROMERO PLASENCIA, Jackson

INTENGRANTES : AYALA BELLIDO, Julio Martí

AYALA BELLIDO, Deyber Smith

, Juan Carlos

FECHA : 19/10/2017

AYACUCHO – PERÚ

2017
 ÍNDICE
MODELO DE PROGRAMACIÓN LINEAL – MÉTODO GRÁFICO ................................... 3
MODELO DE PROGRAMACIÓN LINEAL ............................................................................ 3
MÉTODO GRÁFICO .................................................................................................................. 3
TIPOS DE SOLUCIÓN MEDIANTE EL MÉTODO GRÁFICO ............................................ 4
1. SOLUCIÓN ÓPTIMA ÚNICA ....................................................................................... 4
EJEMPLO ............................................................................................................................ 5
2. SOLUCIÓN ÓPTIMA MÚLTIPLE ..........................................................................7
EJEMPLO ..................................................................................................................7
3. SOLUCIÓN NO ACOTADA ...................................................................................9
EJEMPLO ................................................................................................................ 10
4. SOLUCIÓN INFACTIBLE .................................................................................... 12
EJEMPLO ................................................................................................................ 13
5. INEXISTENCIA DE SOLUCIÓN .......................................................................... 14
EJEMPLO ................................................................................................................ 14
6. REDUNDANTES O SOBRANTES ...................................................................... 15
EJEMPLO ................................................................................................................ 16
7. SOLUCIÓN DEGENERADA ................................................................................ 17
EJEMPLO ................................................................................................................ 17
BIBLIOGRAFÍA ........................................................................................................................ 19
 MODELO DE PROGRAMACIÓN LINEAL – MÉTODO GRÁFICO
MODELO DE PROGRAMACIÓN LINEAL
La técnica más importante de investigación de operaciones es la programación
lineal. Se diseña para modelos con funciones objetivo y restricciones
estrictamente lineales. La construcción del modelo implica traducir la definición
del problema a relaciones matemáticas.

La programación lineal se aplica a modelos de optimización en los que las

funciones objetivo y restricción son estrictamente lineales. La técnica se aplica
en una amplia variedad de casos, en los campos de agricultura, industria,
transporte, economía, salud, ciencias sociales y de la conducta, y militar.
También produce algoritmos eficientes de cómputo para problemas con miles de
restricciones y variables. En realidad, debido a su tremenda eficiencia de cálculo,
la programación lineal forma la columna vertebral de los algoritmos de solución
para otros modelos de investigación de operaciones, como las programaciones
entera, estocástica y no lineal.

El modelo de programación lineal, como en cualquier modelo de investigación

de operaciones, tiene tres componentes básicos.

1. Las variables de decisión que se trata de determinar.

2. El objetivo (la meta) que se trata de optimizar.

3. Las restricciones que se deben satisfacer.

MÉTODO GRÁFICO
La solución en forma gráfica se obtiene representando en un plano cartesiano
las restricciones tecnológicas y la función objetivo. No es el método
generalmente usado pero nos permite visualizar rápidamente la solución en
problemas sencillos de dos y tres variables. Si el problema tiene dos variables
obtiene una gráfica en el plano de dos dimensiones y si se trata de un problema
de 3 variables se dibuja entonces una superficie en el espacio.

El procedimiento de solución gráfica comprende dos pasos:

1. Determinación del espacio de soluciones que define todas las soluciones

factibles del modelo.
2. Determinación de la solución óptima, entre todos los puntos factibles del
espacio de soluciones.

Si el problema es de maximización la solución corresponde al punto en el cual el

valor de la función objetivo es mayor. Si el problema es de minimización la
solución está dado por aquel punto en donde la función objetivo tiene un menor
valor.

Teorema: Si un problema de P.L. tiene solución óptima, esta se encuentra en

uno de los puntos extremo o en una de las líneas que una dos puntos extremo
adyacentes de la región de factibilidad.

TIPOS DE SOLUCIÓN MEDIANTE EL MÉTODO GRÁFICO

1. SOLUCIÓN ÓPTIMA ÚNICA

Este tipo de soluciones es más común una vez que el modelo ha sido formulado
y orientado correctamente a problemas reales en P.L se llama optima por ser la
mejor de las soluciones factibles finita porque tanto las variables como el objetivo
toman valores finitos y única porque hay una combinación de valores para las
variables que, cumpliendo con las restricciones tecnológicas y las condiciones
técnicas optimizan el valor de la función objetivo.
EJEMPLO

Un negocio se dedica a la fabricación de sillas y mesas, fabricar cada una

consume una determinada cantidad de tiempo (en horas) de los departamentos
"corte" y "ensamble". Los departamentos tienen disponible una limitada cantidad
de horas de trabajos: 360 horas para corte y 270 horas para ensamble. Cada
uno de los productos ofrecen a la empresa la siguiente contribución: s/ 150 para
mesas y s/ 240 para sillas. El consumo de tiempo por cada unidad de producto
en el departamento corte es 3 mesas y 6 silla y en el departamento de ensamble
es de 3 Mesa y 3 sillas.

Tiempo disponible en cada

Proceso Mesas Sillas
departamento horas
Corte 3x 6y 120
Ensamble 3x 3y 90
Ganancia por
150x 240y
producto

Identificando la Función Objetivo

Z=150x+240y

Restricciones:

3x+6y<=360

3x+3y<=270

Igualando las restricciones:

3x+6y=360

3x+3y=270

Los puntos son:

Primera restricción es P(x,y)=(120,60)

Segunda restricción es P(x,y)=(90,90)

Zona Factible:

Valores de las variables

MAXIMIZAR: 150 X+240Y

Valor de la función
Punto Cordenada x Cordenada y
objetivo: 150 X1 + 240 X2
A 0 60 14400
B 60 30 16200
C 90 0 13500
D 0 0 0
Resultado:

X=60 mesas Y=30 sillas Z=16200

2. SOLUCIÓN ÓPTIMA MÚLTIPLE

Esto ocurre cuando la recta de la función objetivo es paralela a alguna de las
restricciones; entonces todos los puntos que están sobre la recta son soluciones
óptimas del modelo. Como una recta tiene un número infinito de puntos, hemos
encontrado un número infinito de soluciones óptimas equivalentes. De otra
manera se dice que el modelo tiene soluciones óptimas alternativas.

EJEMPLO

Un ejemplo de este caso es el siguiente:

La carpintería "PEPITO LTDA" ha recibido una gran cantidad de partes

prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes
prefabricadas son de dos modelos, modelo A y B, y estas no requieren más que
ser ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas
de ensamble y 8 de pintura para elaborar la mayor cantidad de mesas posibles
teniendo en cuenta que cada mesa modelo A requiere de 2 horas de ensamble
y 1 de pintura respectivamente, y que cada mesa modelo B requiere de 1 hora
de ensamble y 2 de pintura respectivamente. Si el margen de utilidad es de
$20000 por cada mesa modelo A y $10000 por cada mesa modelo B. Determine
el modelo adecuado de producción para esta semana.

X = Cantidad de mesas modelo A a fabricar esta semana

Y = Cantidad de mesas modelo B a fabricar esta semana

Restricciones

2X + Y <= 10 "Horas de ensamble"

X + 2Y <= 8 "Horas de pintura"

X, Y => 0 "De no negatividad"

Función objetivo

Z máx = 20000X + 10000Y

La gráfica resultante sería:

Como nos podemos dar cuenta mediante la geometría en dos vértices la línea
imaginaria perpendicular a la función objetivo no atraviesa el conjunto solución,
por ende en dos puntos se presentan soluciones óptimas, que son los puntos B
y C.

Observemos la solución óptima múltiple

Z(0) = 20000(0) + 10000(0) = 0

Z(A) = 20000(0) + 10000(4) = $40000

Z(B) = 20000(4) + 10000(2) = $100000

Z(C) = 20000(5) + 10000(0) = $100000

Existen entonces dos soluciones óptimas

Solución óptima 1
X=4 Y=2

Solución óptima 2

X=5 Y=0

La pregunta siguiente es ¿cuál decisión tomar?, pues depende de factores tales

como una análisis de sensibilidad donde se tenga en cuenta el consumo distinto
de determinados recursos (horas ensamble vs. horas pintura) y factores extras
al modelo como lo puede llegar a ser en este caso una necesidad de espacio de
almacenamiento, dado que existe una alternativa en la que se elaboran más
mesas que en la otra, de todas formas es interesante el paso posterior a esbozar
los resultados pues requerirá de la capacidad de quien toma las decisiones

3. SOLUCIÓN NO ACOTADA

Acotada (ilimitada o Indeterminada): se presenta cuando una o más variables y

la función objetivo toman un valor ilimitado, cumpliendo con las restricciones
estructurales. Cuando se obtiene solución ilimitada es debido a una de las
siguientes causas:
a. Omisión de una o más restricciones
b. Fallas en la formulación
c. Errores en el valor de los parámetros
Lo que indica que ningún problema real de programación lineal tiene este tipo de
solución y cuando se presenta es porque se ha cometido alguno de los errores
descritos.

En ciertos casos el espacio de soluciones es no acotado, y es posible que el

problema tenga o no tenga solución. Dependerá de la función objetivo (FO) del
problema, tanto de la pendiente de la FO como de la dirección de optimización,
según se trate de maximizar o minimizar el objetivo que se persigue.

Cuando la función objetivo no tiene valores extremos, la región factible es no

acotada o indeterminada.

En este tipo de modelos de programación lineal, los valores de las variables se

pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo
que significa que el espacio de soluciones es no acotado al menos en una
dirección. Como resultado, el valor de la función objetivo (FO) puede crecer en
forma indefinida. En este caso decimos que el espacio de soluciones y el valor
óptimo de la función objetivo son no acotados.

EJEMPLO
Encuentre la solución óptima del siguiente modelo de Programación lineal:

Max z = 6x + 3y

S.a.

3x + 2y ≥ 60

4x + 4y ≥ 100

x, y ≥ 0

Si se grafica la recta de la FO para z = 100 y luego se le desplaza para valores

crecientes no habrá nada que la limite, ya que la región factible es no acotada.

Aquí la FO puede crecer de manera ilimitada. Generalmente los problemas

reales no son así; en este ejemplo es posible que falte alguna restricción. Si se
tratara de la utilidad generada por la venta de determinados productos, la utilidad
aumenta a medida que se produce y se vende más, pero esto no es infinito; la
demanda del mercado es finita, y si se produce por encima de esta, no se podrá
vender. Faltaría entonces una restricción que especificara la demanda máxima.

Pero no siempre es así; hay casos en los que la región factible es no acotada
pero el problema si tiene solución finita, como se verá en el siguiente ejemplo.

Encuentre la solución óptima del siguiente modelo de Programación Lineal:

Max z = -3x + 2y

s.a.

-8x + 4y ≤ 8

-x+y≤3

x, y ≥ 0
Aunque el conjunto de soluciones posibles es ilimitado, hay una solución única,
pues la FO toma su máximo valor en el punto (1, 4), donde z = 5.

4. SOLUCIÓN INFACTIBLE
El caso de la solución infactible es más típico de lo pensado, y corresponde a los
casos en los cuales no existen soluciones que cumplen con todas las
restricciones. Es muy común ver este fenómeno producto de inviables
proporciones de oferta y demanda.

(Sin solución): esto ocurre cuando no pueden encontrarse soluciones que,

además de cumplir con las restricciones estructurales, cumplan con la condición
de no negatividad de las variables (cuando en el tablero óptimo queda una
variable artificial en la base). Geométricamente, esto implica que la región de los
puntos que cumplen todas las restricciones se halla fuera del primer cuadrante.
Cuando se obtiene solución infactible se ha cometido alguno de los errores
descritos en soluciones no acotadas.
EJEMPLO

La compañía de galletas "CAROLA" desea planificar la producción de galletas

que tendrá que entregar a su cliente en dos semanas, el contrato indica que la
compañía "CAROLA" se compromete a entregar por lo menos 300 cajas de
galletas cualquiera sea su tipo (presentación D, presentación N o una
combinación de ambas presentaciones), cada caja de galletas presentación D
tiene un tiempo de elaboración de 2 horas, y un tiempo de horneado de 3 horas,
mientras cada caja de presentación N tiene un tiempo de elaboración de 3 horas
y un tiempo de horneado de 1 hora. La compañía cuenta estas dos semanas con
550 horas para elaboración y con 480 horas de horneado.

Teniendo en cuenta que el margen de utilidad de cada caja de galletas

presentación D y N es de $8500 y $8100 respectivamente, determine mediante
un modelo de programación lineal el plan de producción que maximice las
utilidades.

Variables

X = Cantidad de cajas de galletas presentación D a producir en 2 semanas

Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas

Restricciones

2X + 3Y <= 550

3X + Y <= 480

X + Y => 300

Función Objetivo

Zmax = 8500X + 8100Y

La gráfica resultante es la siguiente:

Evidentemente no existe forma alguna de satisfacer todas las restricciones, por
ende se concluye que no existe solución factible.

5. INEXISTENCIA DE SOLUCIÓN

La última situación que puede presentarse, durante la solución de un problema,

es que este no tenga ninguna solución. Se presenta el caso cuando no pueden
hallarse puntos que cumplan las restricciones tecnológicas. Cuando se tiene esta
solución, puede ser debido a alguna de las siguientes causas:
a. Fallas en la formulación.
b. Errores en los parámetros.
c. Hay restricciones en conflicto.

EJEMPLO
Consideremos el siguiente modelo:

Maximizar Z = 3X – 2Y
S.a.:
2X + 2Y ≤ 4 (1)
X+Y≥4 (2)
-3X + 3Y ≤ 3 (3)
X, Y ≥ 0 (4)
Llevando a la forma estándar:
2X + 2Y + S1 = 4
X1 + Y + S2 = 4
-3X +3Y + S3 = 3
X, Y, S1, S2, S3 ≥ 0
Cuando las variables de Holgura son iguales a cero se encuentra la solución
trivial del MPL. S1 = S2 = S3 = 0 (Variables No Básicas).
Graficando:

Se observa que la región de factibilidad es un espacio vacío, pues ningún punto

cumple simultáneamente con las restricciones estructurales. A veces se
denomina tanto a la solución infactible como a la inexistente con el nombre
genérico de solución inconsistente.

6. REDUNDANTES O SOBRANTES
Se presenta en un problema cuando, al graficarlo, es posible hacerlo sólo con
una parte de las ecuaciones, es decir, el resto de ecuaciones sobran
Existen en los modelos de programación lineal un tipo de restricciones que no
juegan rol alguno en la determinación del conjunto solución (de igual manera en
la solución óptima), lo que lleva a deducir que estas son redundantes.
EJEMPLO
La compañía "CONGELADORES MAJO" pretende fabricar dos tipos de
congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de
calidad. Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de
pintura y 4 horas de control de calidad; los congeladores tipo B requieren 3 horas
de ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen
contributivo por cada congelador tipo A y B es de $102000 y $98000
respectivamente.

La compañía dispone como máximo semanalmente 300 horas de ensamblaje,

840 kg de pintura y 450 horas de control de calidad. Con base en la información
suministrada determine las unidades a producir semanalmente de cada
referencia para maximizar las utilidades.

Las variables:

X = Cantidad de congeladores tipo A a producir semanalmente

Y = Cantidad de congeladores tipo B a producir semanalmente

Las restricciones:

2X + 3Y <= 300

3X + 5Y <= 840

4X + 5Y <= 450

Función Objetivo:

Zmax = 102000X + 98000Y

La gráfica resultante es la siguiente,

La solución óptima corresponde a:

X = 150

Y=0

y la función objetivo quedaría.

Zmax = $15300000

Claramente podemos observar como la restricción 1 y la restricción 2 no

determina el conjunto solución, por ende se denominan restricciones
redundantes o sobrantes.

7. SOLUCIÓN DEGENERADA

Se da cuando alguna de las variables básicas tiene un valor nulo (cero).

EJEMPLO

Determinar la solución óptima de:

MAX Z = 4X1 + 10X2

S.a.:
5X1 + 6X2 ≤ 30 (1)

5X1 + 8X2 ≤ 40 (2)

X1, X2 ≥ 0

Graficando:

Para (1) Cuando X1 = 0, X2 = 5 y cuando X2 = 0, X1 = 6

Para (2) Cuando X1 = 0, X2 = 5 y cuando X2 = 0, X1 = 8

Luego hallamos la región de soluciones factibles usando como referencia el

punto (3,2).

Luego Hallando X1 y X2:

5X1 + 6X2 = 30 (*)

5X1 + 8X2 = 40 (**)

Resolviendo el sistema de ecuaciones (**), (*):

X1 = 0, X2 = 5

La variable básica X1 tiene valor nulo.

BIBLIOGRAFÍA
1. HAMDY A. TAHA (2004). Investigación de Operaciones, 7ma Edición.
PEARSON EDUCATION, México.
2. FREDERICK S. HILLIER & GERALD J. LIEBERMAN (2010). Introducción
a la Investigación de Operaciones, 9na Edición. Mc Graw Hill, México.
3. IZAR LANDETA, Juan. Fundamentos de Investigación de operaciones
para la administración. 1ra ed. San Luis Potosí: Universidad Autónoma
SLP, 1996.
4. Método Gráfico de Solución [En Línea]. Consultado: [16, Octubre, 2017].
Disponible en:
http://webdelprofesor.ula.ve/economia/drivas/materias/InvOpera/359-
4993pjr.pdf
5. Solución Gráfica de un PL Solución [En Línea]. Consultado: [16, Octubre,
2017]. Disponible en:
http://www.mty.itesm.mx/dmti/materias/tc3001/lecturas/tc3001-02-pl-
grafico.pdf
6. Programación Lineal [En Línea]. Consultado: [16, Octubre, 2017].
Disponible en: http://www.fio.unicen.edu.ar/usuario/cgely/q13-
0/Apuntes/unidad5.pdf