Sei sulla pagina 1di 62

1.4. Ejemplos de formulacin de modelos de PL.

Ejemplo 1-3. PL en horarios para cubrir turnos de trabajo (HORAPRO).

Figura 1-3. Policas para vigilancia de un sector de la ciudad en ejemplo


HORAPRO.
Cada polica debe laborar 8 horas consecutivas. El periodo 1 sigue al 6.
Formule un modelo de PL para determinar el nmero ptimo de policas.
Ayuda para el anlisis: En este problema se conoce, que para fines de control,
se divide el da completo en periodos de 4 horas de duracin, logrando
continuidad de la vigilancia de policas los que deben trabajar durante dos
periodos consecutivos. Tambin se sabe el requerimiento en nmero de policas
para cada uno de los seis periodos; entonces la siguiente forma tabular puede ser
buena ayuda para la comprensin del problema considerando a X j como grupo de
policas asignados para iniciar los periodos j ( j = 1,2,...,6 ).

Figura 1-4. Inicio y permanencia de grupos X j de policas en los periodos j


del da en ejemplo HORAPRO.
Modelo de programacin lineal.
1a parte.- Definicin de variables:

2a parte.- Funcin econmica.- Aqu debe pensarse en el menor nmero de


policas necesarios para cumplir, por lo menos, los requeridos en cada uno de los
seis periodos j:
3a parte.- Restricciones: La misma tabla da la combinacin de los grupos de
policas Xj para cubrir, como se observa, los requerimientos de cada periodo j.

4a parte.- Condiciones de signo, NO NEGATIVO:


Ejemplo 1-4. PL en la dieta de jugos (BEDIET).
Un proveedor de bebidas dietticas debe preparar con las existentes de su bodega,
un pedido de 500 litros de ponche diettico el cual debe contener por lo menos
20% de jugo de naranja, 10% de jugo de toronja y 5% de jugo de betabel. La
siguiente tabla informa de 5 bebidas existentes con su contenido de jugos y el
costo de las mismas. Qu cantidad de cada bebida deber de emplear el
proveedor para cumplir el pedido a un costo mnimo? Formule un modelo de
programacin lineal que represente este problema.

Figura 1-5. Informacin de bebidas almacenadas en ejemplo BEDIET.


Modelo de programacin lineal.
1a parte.- Definicin de variables:
2a parte.- Funcin econmica u objetivo:
3a parte: Sujeta a restricciones.-

Restriccin de proporcin de contenido de jugo:


Para este tipo de restriccin es necesario convertir la informacin de
contenido en por ciento (%) de jugo de la tabla a fraccin decimal de un
slo litro del mismo, ya que la definicin de significado de las variables en
la primera parte del modelo se hizo como litros de bebida j. Por lo tanto, la
fraccin 0.40 400 mililitros de jugo de naranja multiplicado por
XA litros, es la contribucin de la bebida A (0.40X A) para cumplir el 20%
(0.20 por litro de ponche) de jugo de naranja en la bebida pedida. Tambin
0.05XB es la contribucin de la bebida B y 1XC, es la contribucin de C
(pura naranja) al ponche pedido. Las restricciones de toronja y betabel se
formulan de la misma manera.

4a parte.- Condicin de signo para las variables:


Ejemplo 1-5. PL en la inversin de capital (INVECAP).
Un banco desea establecer una poltica de prstamo para el siguiente trimestre y
por tal motivo asign un presupuesto de 12 millones de dlares para prestarle a
sus clientes. En la tabla siguiente se anotan los tipos de prstamo con el inters
correspondiente y las probabilidades de no-recuperacin del capital prestado. Lo
que no se puede recuperar no tiene intereses. Por competencia con otros bancos,
se requiere asignar prstamos de al menos el 40% del total, a los tipos de
prstamo 4 y 5. Con la habitacin debe prestarse al menos un 50% de la suma de
los prstamos 1, 2, y 3. La poltica de banco es que la relacin total de los
irrecuperables sea un mximo de 0.04. Formule un modelo de programacin
lineal para este problema de inversin.

Figura 1-6. Informacin de tipo de prstamos bancarios en ejemplo


INVECAP.
Modelo de programacin lineal
1a parte.- Definicin de variables:
2a parte.- Funcin objetivo:
En este problema, a la funcin Z a maximizar se le debe formular con la
suma de las contribuciones de rendimiento de los cinco tipos de prstamo,
pero descontando la fraccin de irrecuperables los cuales se estiman en la
columna derecha de la tabla:

3a parte.- Sujeto a restricciones.

4a parte.- Condiciones de signo.

El conjunto de expresiones en negrita forma el modelo matemtico de


programacin lineal que se pide formular.
Ejemplo 1-6. PL en la seleccin de mquinas para un proceso
(MAQUIPRO).
Una compaa tiene 3 tipos de mquinas procesadoras con diferentes
caractersticas en cuanto a velocidad, precisin y costo de produccin. En la
siguiente tabla se resumen las mismas:

Figura 1-7. Informacin de caractersticas de mquinas tipo j en ejemplo


MAQUIPRO.
Cada da de 8 horas deben producirse 500 piezas. Formule un modelo de
programacin lineal para este problema:
Modelo matemtico de programacin lineal.
1a parte.- Definicin de variables.Para este problema el estudiante puede razonar a partir de la informacin
dada, que se conocen las caractersticas de las mquinas de procesar
piezas, pero no cuntas utilizar de cada uno de los tres tipos, puesto que a
las diferencias tcnicas entre ellas, se agrega el costo de operarlas. De este
modo se define:
Sea Xj = nmero de mquinas de tipo j ( j = 1, 2, 3 ) necesarias para
producir 500 piezas en un da de 8 horas a condicin de hacerlo con el
menor costo.
2a parte.- Funcin econmica.La medida para decidir en este problema, es la conveniencia de cumplir la
cuota de produccin de 500 piezas en la forma ms econmica posible;
para ello es necesario que se involucren los costos asociados con cada tipo
j de mquina calculando antes de la formulacin de la funcin Z, el costo

Cj correspondiente; por lo tanto: Z mnima = suma de contribuciones de


costo de los tres tipos de mquina.

Observe que los coeficientes Cj se obtienen sumando, al costo nominal de


una hora de proceso, el costo correspondiente a la estimacin de piezas
rechazadas, que para el caso de la mquina j =1 es de 10% 0.10 en
fraccin decimal multiplicado por 30 piezas producidas en una hora,
resulta en 3 piezas con defecto en una hora de proceso. Cada rechazo
cuesta un dlar, entonces se suma este costo: 3(1 dlar) = $3, al nominal
de $5 y as se tiene C1 = $8. Los costos C2 y C3 se calculan con el mismo
criterio.
3a parte.- Sujeta a restricciones.La cuota de produccin de 500 piezas en una jornada de 8 horas conviene
convertirla a su equivalente para una sola hora, pues se puede observar que
la informacin restante est en esos trminos. La produccin pedida
constituye una importante condicin del problema y debe plantearse como
restriccin u obligacin, la cual se construye a partir de las velocidades
especificadas por mquina tipo j; pero las tasas anotadas son nominales,
puesto que se estima un porcentaje de piezas aceptadas para los diferentes
tipos j de mquina, en tal caso es necesario ajustar las velocidades o tasas
de produccin de acuerdo a su eficiencia para plantear el requerimiento en
trminos reales:
A j = Produccin real por mquina tipo j, debido a la eficiencia en piezas
buenas.

Otra restriccin a considerar se refiere al nmero total de mquinas de tipo


j que se tienen para este proceso de produccin, debindose plantear con
desigualdad <=, significando que el nmero de mquinas utilizadas, debe
ser menos o cuando mucho, lo anotado en el lado derecho:

Como no hay significado fsico para valores negativos de las variables,


entonces se limitan como sigue
4a parte.- Condiciones de signo a variables
Las expresiones escritas en negrita forman el modelo de programacin
lineal que se pide.
Ejemplo 1-7. PL para distribuir carga en transporte (BARCOCARGA).
Un barco tiene tres bodegas: en la proa, en el centro, y en la popa con los
siguientes lmites de:

Figura 1-8. Capacidades en el barco del ejemplo BARCOCARGA.


Los siguientes cargamentos se ofrecen, pudiendo aceptar los dueos del barco, el
total o una porcin cualquiera de cada uno de los siguientes:

Figura 1-9. Artculos a transportar en ejemplo BARCOCARGA.


Para preservar el equilibrio del barco, el peso de cada bodega debe ser
proporcional a la capacidad en toneladas. Formule un modelo de PL para
determinar como distribuir la carga en las bodegas para una utilidad mxima.
Modelo de programacin lineal
Distribuir la carga en toneladas, de tres artculos j diferentes, en cualquiera de las
tres bodegas i, significa la flexibilidad de ocupar los espacios convenientes para
mxima ganancia cumpliendo las restricciones de capacidad especificadas. Dado
que un artculo j puede asignarse a cualquiera de las tres bodegas i, entonces se
pueden definir las variables Xij para representar las toneladas de producto j en las
tres bodegas como X1j, X2j, X3j o bien, las toneladas cargadas en las bodegas i de
los tres productos como XiA, XiB, XiC. Entonces con la misma letra X con doble
ndice se pueden definir las variables de decisin.

Figura 1-10. Fracciones de la carga distribuidas en ejemplo


BARCOCARGA.
1a parte: Definicin de variables.
2a parte: Funcin econmica u objetiva.

3a parte: Sujeta a restricciones.Las limitaciones de capacidad deben expresarse

con desigualdad <= , lo cual significa que se debe cargar menos o cuando
mucho la capacidad especificada ya sea en toneladas o bien el espacio en
metros cbicos. En cada viaje, la suma de la carga ofrecida a transportar,
supera la capacidad total del barco, entonces se puede llevar slo una parte
de ella, as las restricciones son <=.

Para conservar el equilibrio debe considerarse que la suma de XiA + XiB +


XiC, de toneladas cargadas a cualquier bodega i, es menor a la capacidad de
i , por lo tanto es una fraccin de ella. Se interpreta como proporcin
utilizada de la capacidad, que debe igualarse para las tres bodegas y
tratarse como una variable adicional, a las ya definidas: sea Xpc la
proporcin de capacidad que es <= 1 como sigue:

4a parte.- Condiciones de no negatividad:


Ejemplo 1-8. PL en la produccin de fertilizantes con diferentes ingredientes
(FERTILIZ).
Se producen dos clases de fertilizante distinguidos por contenido qumico,
disponibilidad del mismo y costo de ingredientes como se muestra aqu:

Figura 1-11. Informe: contenido, costo, precio de fertilizantes, ejemplo


FERTILIZ.
Formule un modelo de PL. para obtener la combinacin de fertilizantes a
producir que maximice la utilidad.
La tabla de datos de este problema es un buen ejemplo de ordenacin y sntesis
de la informacin dada; con esa ventaja se facilita el anlisis al formular el
modelo.
Modelo de programacin lineal.
1a parte.- Definicin de variables.
2a parte.- Funcin econmica u objetivo.
3a parte.- Sujeto a restricciones de contenido qumico:

4a parte.- Condiciones de signo para las variables.


Ejemplo 1-9. PL para mnimo desperdicio en proceso de corte
(CORTEPAPEL).
Una papelera recibe un pedido de 500, 300 y 100 rollos de papel de cierta
calidad en ancho de 30, 45 y 56 pulgadas, respectivamente. En almacn se tienen
rollos de papel de la calidad solicitada pero con un ancho de 108 pulgadas. Si la
papelera desea satisfacer el pedido del cliente deber someter a corte

longitudinal los rollos en existencia pero se tendr obligadamente un desperdicio


de papel.
Formule un modelo de programacin lineal que minimice el desperdicio.
Antes de iniciar la formulacin del modelo de PL de este problema, se pueden
revisar las varias alternativas convenientes para realizar el corte, desde un ancho
de 108 pulgadas que tienen los rollos existentes en almacn hasta los anchos del
pedido. Para ello se presenta la siguiente tabla que facilita el anlisis de cuntos
rollos en 30, 45 y 56 pulgadas se pueden obtener en cada proceso de corte,
cuidando que las diferentes combinaciones sean posibles y con un desperdicio
menor a 30 pulgadas.

Figura 1-12. Tipos de corte conveniente para ajustar anchos solicitados en


ejemplo CORTEPAPEL.
Modelo matemtico de programacin lineal.
1a parte.- Definicin de variables:
2a parte.- Funcin econmica u objetivo.Se utiliza el clculo del desperdicio en pulgadas anotado en la columna
derecha de la tabla, para construir los trminos correspondientes al
desperdicio de cada tipo de corte los cuales sumados, valoran la funcin Z
a minimizar.

3a parte.- Sujeto a restricciones.La misma tabla ordena el dato de nmero de rollos con determinado
ancho, obtenido en cada corte de tipo j, este nmero multiplicado por el
nmero de cortes j, es el trmino contribuyente para surtir los rollos de
papel pedidos. As en cada restriccin de ancho pedido, se tienen tantos
trminos como tipos de corte que aportan tal ancho de rollo.

4a parte.- Condiciones de signo para:

.5.1. Formas equivalentes del modelo de programacin


lineal.
Adems de la necesaria generalizacin del modelo de programacin lineal, esta tcnica
requiere el uso de dos formas especiales equivalentes; las que se denominan forma
cannica, la cual es muy til en teora de dualidad cuando se trata de hacer una
interpretacin econmica para el problema en estudio; la otra forma se denomina estndar,
la cual es indispensable si se desea resolver el problema. A continuacin se dan
caractersticas de ambas:
Formas equivalentes del modelo de programacin lineal

EQUIVALENCIA ALGEBRAICA PARA EL MODELO DE PROGRAMACIN


LINEAL
1. La funcin objetivo cambia al multiplicar:

2. Una restriccin cambia al multiplicar por:

3. Una restriccin en igualdad equivale a dos restricciones en desigualdad con los


mismos trminos; la primera de tipo <= y la segunda de >=, si el objetivo es
mximo; con mnimo, se invierte el orden.
4. Una restriccin (<=) se hace (=), sumando la holgura Hi >=0 en el lado izquierdo.
5. Una restriccin (>=) se hace (=), restando una supervit Si >=0 en el lado
izquierdo.
6. Una variable Xj <= 0, se maneja con otra variable:

7. Una variable no restringida en signo, o libre para tomar valor (+), (-), o cero, se
sustituye con la diferencia de dos variables no negativas como sigue:

Ejemplo 1-10. Forma Cannica y Estndar con objetivo mnimo (FOREQUI1).


Obtener las formas cannica y estndar para el siguiente modelo de PL que incluye
condiciones muy especiales para las variables como es X1 libre, lo que significa que puede
tomar valores positivos, negativos y cero, obligando los acuerdos para su tratamiento
algebraico que permita el uso de PL. La variable X3 se ejemplifica de manera especial,
como no positiva; todo lo anterior para mejor ilustracin del tema:

Ejemplo 1-11. Forma Cannica y Estndar con objetivo mximo (FOREQUI2).


Se presenta para ayuda del estudiante que requiera ilustracin adicional en la conversin
del modelo de PL a las formas cannica y estndar:

Anterior

1.5.2. Mtodo grfico para resolver modelos de


programacin lineal con solo dos variables.
En esta seccin interesa hacer anlogos geomtricos, esto es, grficas de
funciones lineales que contiene el modelo matemtico de programacin lineal
obtenido en la formulacin del problema que se analiza. Dicho modelo puede
contener expresiones tanto en forma de ecuaciones ( = ) como en desigualdades
( <= >= ), cada una de ellas corresponde a un grfico en la analoga geomtrica.

Primero considere la infinidad de puntos que constituyen en conjunto el plano y


los cuatro cuadrantes convencionalmente aceptados, para dividirlo en zonas
caracterizadas por la combinacin de signo que se puede dar, a los valores
medidos con nmeros reales. Para lograr los cuadrantes en el plano se utilizan los
ejes cartesianos con escala de medicin de valores de las variables del problema;
por ejemplo, se puede asignar el eje horizontal de abscisas para la medicin de
valores de la variable X1; tambin se puede asignar el eje vertical de ordenadas,
para la medicin de valores de la variable X 2. La localizacin de cualquier punto
en este espacio plano requiere de una distancia horizontal (X 1) y de una distancia
vertical (X2) denotado como par ordenado o vector (X1, X2). Un punto sobre el
eje X1 corresponde a X2=0 y un punto sobre el eje X2 corresponde a X1=0, que
son las ecuaciones respectivas de los ejes horizontal y vertical. Dichos ejes se
cruzan en el punto (X1, X2) = (0, 0), el cual se conoce como origen.
Si la ecuacin tiene slo dos variables, el grfico de la misma sobre el plano es
una lnea recta, es decir, se requiere un espacio de dos dimensiones, la horizontal
y la vertical, para graficar tal ecuacin; pero la representacin geomtrica de una
ecuacin en tres variables, requiere un espacio de tres dimensiones. En tal caso, a
los ejes X1 y X2, se les agrega un tercer eje X3 como tercera dimensin, que pasa
por el origen hacia el observador. Los grficos de la Figura 1-13 y Figura 114 muestran lo anterior para una ecuacin cualquiera:

Figura 1-13. Grfico de una ecuacin en dos dimensiones.

Figura 1-14. Grfico de una ecuacin en tres dimensiones.


El mtodo grfico proporciona la oportunidad de visualizar algunos de los
conceptos importantes de la programacin lineal. Pero tiene una gran limitacin
referente, a que slo es posible aplicarlo en problemas muy pequeos; para este
curso se limita el mtodo grfico aplicado a problemas con slo dos variables. El
mtodo grfico para resolver problemas que se han modelado con programacin
lineal consiste en asignar un eje cartesiano para cada una de las dos variables
involucradas; de esta manera se asigna, por ejemplo, el eje horizontal como
escala para los distintos valores que pueda tener la variable X 1; tambin se puede
asignar el eje vertical con su respectiva escala para ubicar los distintos valores
que puede tomar la variable X2. Un sistema con dos ejes cartesianos, horizontal y
vertical, permite representar en un espacio plano las lneas rectas que
geomtricamente hablando representan cada expresin matemtica lineal con
slo dos variables. Las restricciones y condiciones de signo del problema,
representan al sistema que debe graficarse en un plano y despus se valora en el
mismo la funcin econmica Z, con la cual se busca un punto del sistema que
maximice o bien minimice su valor.
Para mejor comprensin del mtodo grfico de solucin de problemas modelados
con programacin lineal, se presenta el siguiente ejemplo que se detalla lo
suficiente para el voluntarioso estudiante de esta tcnica poderosa en su
aplicacin. Posteriormente se presentan otros ejemplos con el propsito de
profundizar en la enseanza e intentar mayor avance en el aprendizaje.
Ejemplo 1-12. Problema de combinar produccin para mxima utilidad
(QUIMCAR) [AND93].

QUIMCAR es una empresa que elabora varios productos qumicos. En un


proceso de produccin en particular se utilizan tres recursos como materia prima
de dos productos: una cera automotriz y una pasta pulidora, que se usan en la
pintura de la carrocera a vehculos automotores y se distribuye para su venta al
menudeo a varias empresas distribuidoras. Para producir la cera y la pasta se
utilizan tres recursos, segn se muestra en la siguiente tabla, en la cual se observa
que una tonelada de cera es una mezcla de 2/5 de tonelada del recurso 1 y 3/5 de
tonelada del 3. Por otro lado, una tonelada de pasta es la mezcla de 1/2, 1/5 y
3/10 de tonelada de los recursos 1,2 y 3, respectivamente.
La produccin de la cera automotriz y la pasta pulidora est restringida a la
disponibilidad de los tres recursos. Para el periodo de produccin anual, se tienen
disponibles las cantidades siguientes de cada una de las materias primas.

Figura 1-15. Recursos disponibles para la produccin en ejemplo


QUIMCAR.

Figura 1-16. Material requerido para cera y pasta pulidora en ejemplo


QUIMCAR.
El departamento de contabilidad ha analizado las cifras de produccin, asignando
los costos correspondientes para ambos productos, lleg a precios que resultan en
una contribucin a la utilidad de 400 dlares por cada tonelada de cera
automotriz y de 300 dlares por cada tonelada de pasta pulidora, producidas. La
administracin, despus de analizar la demanda potencial, ha concluido que los
precios establecidos aseguran la venta de toda la cera y pasta que se produzca.
El problema es determinar: 1.-Un conjunto de expresiones matemticas
o modelo, representando el objetivo y restricciones del problema descrito.
2.- Resolver en forma grfica y determinar cuntas toneladas de cera y pasta
debe producir la empresa para maximizar la contribucin total a la utilidad.

Definicin de las variables y funcin objetivo


Como ya se apunt anteriormente, los problemas de programacin lineal tienen
un objetivo ya sea de mximo o bien de mnimo. En este problema, el objetivo es
de maximizar la contribucin a la utilidad y se plantea en forma matemtica
introduciendo alguna forma simple de notacin, como sigue:
1a. Parte.-Definicin de variables.Es importante precisar la unidad de medida:

2a. parte.- Funcin objetivo.La contribucin a la utilidad se origina de: (1) la que proviene de la
produccin de X1 toneladas de cera automotriz, y (2) la que proviene de la
produccin de X2 toneladas de pasta pulidora. Dado que se gana 400
dlares por cada tonelada de cera producida, la empresa gana $400 X1 si se
producen X1 toneladas de cera. Tambin, en vista de que se gana 300
dlares por cada tonelada de pasta producida, la empresa gana $300 X2 si
se producen X2 toneladas de pasta. Identificando con Z la contribucin
total a la utilidad y eliminando el signo de dlares se tiene:

El problema es encontrar la combinacin de produccin que maximice la


contribucin total a la utilidad. Esto es, se deben determinar los valores
para X1 y X2 que den el valor ms elevado posible de Z. En terminologa
de programacin lineal, se nombran a X1 y a X2 como las variables de
decisin. Dado que el objetivo de maximizar la utilidad es una funcin de
stas, entonces se dice que Z =400 X1 + 300 X2 es la funcin objetivo, que
tambin se puede escribir abreviando los coeficientes a unidades
que significan cientos de dlares por tonelada producida, como sigue:

Cualquier combinacin de produccin de cera y pasta se conoce como una


solucin al problema. Sin embargo, nicamente aquellas soluciones que
satisfagan todas las restricciones se conocen comosoluciones factibles o
posibles. La combinacin especfica de produccin factible, que resulte en
la contribucin mayor a la utilidad, se conoce como la combinacin de

produccin ptima, o simplemente, la solucin ptima. Pero primero se


requiere conocer todas las restricciones del problema y posteriormente se
muestra un mtodo para definir grficamente, en el plano de dibujo, el
espacio en que se ubican el conjunto de puntos de solucin factible.
3a. Parte.- Restricciones de materia prima.
La cantidad de materia prima disponible, condiciona o sujeta el valor de la
funcin objetivo para cumplirse con los tres recursos limitados,
calculando las posibles soluciones en las cantidades de cera y pasta que se
pueden producir. Segn la informacin de produccin (vea la tabla), se
sabe que cada tonelada de cera automotriz utiliza 2/5 toneladas del recurso
1, por lo que el total de toneladas del mismo utilizado en la produccin de
X1 toneladas de cera es 2/5X1; adems, cada tonelada de pasta usa 1/2
tonelada del recurso 1, como resultado, X 2 toneladas de pasta usan 1/2
X2 toneladas de recurso 1, entonces el consumo total de toneladas de
recurso 1 para producir X1 de cera y X2 de pasta est dado por

Debido a que se tiene un mximo de 20 toneladas de materia prima 1


disponible, la combinacin de produccin a decidir debe satisfacer la
restriccin

La relacin anterior es una desigualdad que anota las contribuciones al


consumo de recurso 1, utilizadas en la produccin de X 1 toneladas de cera
y de X2 toneladas de pasta, que debe ser menos que o igual a 20 toneladas
disponibles.
La tabla indica que el recurso 2 no es requerido por la cera, pero si por la
pasta pues cada tonelada producida de sta requiere 1/5 tonelada de las 5
disponibles, se expresa as:

Si desea, ahora verifique por s mismo que la restriccin para la materia


prima 3 es

Hasta aqu se han definido, las restricciones de materia prima; slo falta
establecer que las toneladas de cera y pasta no puede ser un nmero
negativo.
4a parte.- Condiciones de valor no negativo para las variables:
Esto asegura valores no negativos de las variables de decisin como
solucin al problema presente, se conocen como restricciones de no
negatividad y son una caracterstica general de los problemas de
programacin lineal.
Modelo matemtico del problema de Quimcar.
La formulacin matemtica o modelo simblico, representa en forma abstracta, el
objetivo y las restricciones del problema, trasladados del mundo real a un
conjunto de relaciones matemticas. El modelo completo del problema es:

Ahora slo falta encontrar la combinacin de productos cera y pasta expresados


como toneladas de X1 y X2 que satisface todas las restricciones y tambin resulte
en un valor mximo de la funcin objetivo, comparado con el valor de cualquier
otra solucin factible, lo que significa la solucin ptima del problema.
Este modelo matemtico del problema es programacin lineal, tiene una
funcin objetivo y restricciones, todas con la caracterstica especial de que son
una funcin lineal de las variables de decisin.
Las funciones matemticas en las cuales slo una de las variables aparece
elevada a la primera potencia como un trmino independiente, se conocen
como funciones lineales. La funcin objetivo 4X1 + 3X2es lineal, porque cada
una de las variables de decisin aparece en un trmino por separado con
exponente 1. Si la funcin objetivo se presentara como 4X 21 + 3X32, no se tratara
de una funcin lineal. Por la misma razn, el nmero de toneladas de la materia
prima 1 requerida, 2/5X1+1/2X2 , tambin es una funcin lineal de las variables

de decisin. Similarmente, el lado izquierdo de todas las desigualdades de


restriccin son funciones lineales, as la formulacin matemtica del problema
anterior se identifica como un programa lineal.
Solucin grfica
Un problema de programacin lineal con slo dos variables de decisin se puede
resolver de manera grfica sobre el espacio plano. Se inicia este procedimiento de
solucin desarrollando una grfica que despliegue las posibles soluciones
(valores X1 y X2) para el problema QUIMCAR. En la Figura 1-17 aparecen los
valores de X1 sobre un eje horizontal y los valores de X2 sobre uno vertical. De
esta manera se divide el plano o papel de trabajo, en cuatro espacios limitados
por los ejes, formando as los cuadrantes 1, 2, 3 y 4. Cualquier punto de la grfica
puede quedar identificado por un par de valores X1 y X2, que representa la
posicin del punto con respecto de los ejes X 1 y X2. Cada par (X1, X2)
corresponde a un punto solucin de esta manera se tendra una infinidad de ellos
en el plano considerado. Pero para la solucin particular en la que X 1 = 0 y X2 =
0, se ubica un punto vrtice identificado como origen para ambos ejes.

Figura 1-17. Algunos puntos solucin para el problema QUIMCAR.


El siguiente paso es mostrar, qu puntos corresponden a soluciones factibles del
programa lineal. Tanto X1 como X2 deben ser de valor no negativo, por lo que
slo es necesario considerar la porcin de la grfica en donde X 1 >= 0 y X2 >= 0,
lo que se conoce como primer cuadrante. En la Figura 1-18 las flechas indican el

primer cuadrante, o sea, la regin donde estos requisitos de no negatividad


quedan satisfechos para la solucin buscada.

Figura 1-18. Grfica del primer cuadrante. Cumple las restricciones de no


negatividad ( >= 0 ).
Anteriormente se determin la desigualdad que representa la restriccin para la
materia prima 1 es:

Para mostrar todos los puntos solucin que la satisfacen, se traza la lnea que
geomtricamente representa a la ecuacin lineal: 2/5X 1 + 1/2X2, = 20 la cual debe
ser recta, se calculan dos puntos pertenecientes a la misma y a continuacin se
traza una lnea recta a travs de los mismos. Para ello, arbitrariamente se buscan
los puntos sobre los ejes en que, por supuesto, se tiene el valor de cero para una
de las variables, as al hacer X 1 = 0, se ubica sobre el eje X2 y resolviendo la
ecuacin en funcin de la variable X 2, queda X2 = 20, o tambin X2 = 40; por
lo tanto el punto (X1=0, X2=40) satisface la ecuacin anterior, pues es la
interseccin de las rectas, eje X2 y la que representa el recurso 1;
alternativamente, para encontrar un segundo punto que satisfaga esta ecuacin se
hace X2 = 0 y se resuelve en funcin de X1. Al hacerlo se observa que 2/5X1 = 20,
es decir, X1 =50, por lo que un segundo punto que tambin satisface la ecuacin
es (X1=50, X2=0). Con estos dos puntos, se puede trazar la recta que se conoce
como lnea de restriccin de la materia prima 1, mostrada en la Figura 1-19

Figura 1-19. La lnea recta de restriccin de la materia prima 1, ejemplo


QUIMCAR.
La desigualdad que representa a la restriccin de la materia prima 1 es:

Puede usted identificar las soluciones que satisfacen esta restriccin?. Observe
primero, que cualquiera de la infinidad de puntos que forman la lnea recta de
restriccin 2/5X1 + 1/2X2, = 20 debe satisfacer a la misma; pero dnde estn los
puntos solucin que satisfacen la desigualdad: 2/5X 1 + 1/2X2 < 20?. Ahora
considere dos puntos de solucin (X1 =10, X2 =10) y (X1 =40, X2 =30). La Figura
1-19muestra que la primera solucin se ubica por debajo de la lnea de restriccin
y la segunda queda por encima, entonces cul de estas soluciones satisface la
restriccin del recurso 1? Para el punto (X 1 =10, X2 =10), se tiene:

Dado que 9 es menor que 20 toneladas de materia prima 1 disponible, la


combinacin o solucin, de productos X1=10 toneladas de cera automotriz,
X2=10 toneladas de pasta pulidora satisface la restriccin del recurso 1, en este
caso se califica a (10,10) como una solucin factible. Por otro lado, para X1 =40
y X2 =30 se tiene:

31 es mayor que las 20 toneladas disponibles de recurso 1, por lo que la solucin


X1 = 40 toneladas de cera, X2 = 30 toneladas de pasta, no satisface la restriccin,
y por lo tanto la solucin (40,30) no es factible.
Si una solucin particular no es factible, todas las dems soluciones del mismo
lado de la lnea recta de restriccin tampoco lo sern. Si una solucin particular
es factible, todas las dems soluciones del mismo lado de la lnea de restriccin
sern factibles, por lo que solamente es necesario evaluar un punto de solucin
para determinar cul es el lado de la lnea de restriccin que representa las
soluciones factibles. En la Figura 1-20 , el rea factible con todos los puntos que
satisfacen la restriccin de la materia prima 1 se muestra sombreada.

Figura 1-20. Regin factible para la restriccin de la materia prima 1,


ejemplo QUIMCAR.
Se siente capaz de trazar una lnea de restriccin y localizar los puntos de
solucin que son factibles?. Si as lo desea intente resolver la restriccin 2.
Para el caso que necesite ms instruccin, a continuacin se muestra la
identificacin de los puntos de solucin que satisfacen la restriccin de la materia
prima 2:

Se empieza dibujando la lnea de restriccin correspondiente a la ecuacin 1/5


X2 = 5, que es equivalente a X2 = 25, simplemente se dibuja una lnea cuyo valor
X2 es 25, est lnea es paralela a X 1 y est a 25 unidades por encima del eje
horizontal. En la Figura 1-21 se dibuja la lnea recta que corresponde a la
restriccin de la materia prima 2, la regin sombreada corresponde a todas las
combinaciones de produccin que son soluciones factibles para la restriccin de
la materia prima 2.

Figura 1-21. Regin factible de la restriccin de materia prima 2, ejemplo


QUIMCAR.
De manera similar, se puede diferenciar el conjunto de todas las soluciones
factibles para la restriccin de la materia prima 3. La Figura 1-22 muestra la zona
de puntos factibles. Como ejercicio prctico, pruebe trazar la regin factible de la
restriccin de la materia prima 3 y verifquelo con este grfico.

Figura 1-22. Regin factible para la restriccin de la materia prima 3,


ejemplo QUIMCAR.
Ahora se tienen tres grficas por separado que muestran las soluciones factibles
para cada una de las restricciones. En un problema de programacin lineal, se
necesita identificar las soluciones que satisfacensimultneamente todas las
restricciones. Las grficas de las Figura 1-20, Figura 1-21 y Figura 1-22 se
pueden superponer para obtener una interseccin grfica de las tres restricciones.
La Figura 1-23muestra esta grfica de restricciones combinadas. La regin
sombreada de esta figura incluye todos los puntos solucin que simultneamente,
satisfacen todas las restricciones. Las soluciones que satisfacen simultneamente
todas las restricciones del sistema se conocen como factibles, la parte sombreada
se conoce como la regin de soluciones factibles, o simplemente regin factible.
Cualquier punto en las fronteras de la regin factible, o bien en su interior, es un
punto de solucin factible. Ahora que se ha identificado la regin factible, se
puede seguir adelante con el mtodo de solucin grfica y determinar cul es la
solucin ptima para el problema de QUIMCAR. Recuerde que la solucin
ptima para un problema de programacin lineal es la solucin factible que
aporte el mejor valor de la funcin objetivo.

Figura 1-23. Regin de soluciones factibles del problema ejemplo


QUIMCAR.
Se inicia el paso de optimizacin del procedimiento de solucin grfica
volviendo a dibujar la regin factible en una grfica por separado. La Figura 124 muestra dicha grfica.
El procedimiento para determinar la solucin ptima evaluando la funcin
objetivo para cada una de las soluciones factibles, no es posible pues hay
demasiadas, (de hecho, una infinidad). Por lo tanto, para identificar la solucin
ptima no se debe utilizar un procedimiento de ensayo y error. En vez de intentar
calcular la contribucin a la utilidad de cada solucin factible, se selecciona un
valor arbitrario de la contribucin a la utilidad y se identifican todas las
soluciones factibles (X1, X2) que dan el valor seleccionado.

Figura 1-24. Regin factible del problema ejemplo QUIMCAR.


Por ejemplo, qu soluciones factibles dan una contribucin a la utilidad de 2400
dlares? Estas soluciones se dan por los valores de X 1 y X2 de la regin factible
que cumplan con la siguiente funcin objetivo que se puede simplificar para
obviar clculos, as:

sta expresin es simplemente la ecuacin de una lnea recta, por lo que todas las
soluciones factibles (X1, X2), con una contribucin a la utilidad de 24 dlares
deben estar en esta lnea. Ya se aprendi como trazar una lnea de restriccin; el
procedimiento para trazar la lnea de la funcin objetivo o de utilidad es el
mismo. Haciendo X1=0, se tiene que X2 debe ser 8; entonces, el punto de
solucin (X1=0, X2=8) est en la recta. Similarmente, haciendo X 2 = 0, se tiene
que el punto de solucin (X1=6, X2 = 0), tambin est en la recta. Dibujando la
lnea recta por estos puntos, se identifican todas las soluciones que tienen una
contribucin a la utilidad de 24; una grfica de esta lnea de utilidad se presenta
en la Figura 1-25 que muestra un nmero infinito de combinaciones factibles de
produccin que darn una contribucin de 24 a la utilidad.

Utilizando el procedimiento anterior para el trazado de rectas de utilidad y de


restriccin, se trazan la lnea de utilidad de 72 y 120 que se presentan en la

misma Figura 1-25. Por supuesto, slo los puntos de las rectas de valor 24, 72 y
120 que estn dentro de la regin factible, deben considerarse como soluciones
factibles para tal contribucin de utilidad.

Figura 1-25. Diferentes lneas de utilidad para el problema ejemplo


QUIMCAR
Dado que las rectas de utilidad son paralelas y de valor creciente conforme se
alejan del origen, se pueden obtener valores mayores para la funcin objetivo,
continuando el movimiento hacia fuera del conjunto factible pero mantenindose
adentro del mismo, hasta alcanzar el (los) ltimo(s) punto(s) vrtice antes de
salir. Dado que los puntos fuera de la regin factible no son aceptables, el (los)
punto(s) vrtice en la regin factible que coincide(n) con la recta de utilidad
mayor es una solucin ptima al programa lineal.
El estudiante debe identificar ahora, el punto de solucin ptimo para el
problema ejemplo QUIMCAR. Utilice una regla y escuadra, mueva
paralelamente la recta de utilidad tan lejos del origen como pueda, pero
conservando el contacto en la zona factible. Cul es el ltimo punto de la regin
factible? Este punto debe ser vrtice y corresponde a la solucin ptima, vea el
grfico de la Figura 1-26. Los valores ptimos para las variables de decisin son
( X1, X2) = ( 25, 20 ).

Figura 1-26. Solucin ptima para el problema ejemplo QUIMCAR.


Dependiendo del tamao y claridad de su grfica, se determinan los valores
ptimos exactos de X1 y X2 leyendo directamente de la grfica. Pero observe en
la Figura 1-23, la solucin ptima del ejemplo est en la interseccin de las
rectas de restriccin 1 y 3 que se pueden resolver para precisar los valores
coordenados.

Por lo que los valores de las variables de decisin X 1 y X2 debern satisfacer las
ecuaciones de manera simultnea. Resolviendo en funcin de X 1 en (1)

Sustituyendo esta expresin (4) de X1 en la ecuacin (3) y resolviendo en funcin


de X2 se obtiene

Sustituyendo X2 =20 en la ecuacin (4) y resolviendo en funcin de X 1, resulta

A pesar de que la solucin ptima para el problema est formada de valores


enteros de las variables de decisin, esto no ser siempre el caso. La localizacin
exacta del punto de solucin ptima es X1 =25 y X2 =20. Este punto identifica las
cantidades ptimas de produccin para QUIMCAR en 25 toneladas de cera
automotriz y 20 toneladas de pasta pulidora, con una contribucin a la utilidad
de:

As, en un problema de programacin lineal con dos variables de decisin, se


puede determinar el valor exacto de las variables de la solucin ptima,
utilizando primero el mtodo grfico para identificar el punto que optimiza y
despus resolviendo simultneamente las dos ecuaciones que generan el mismo.
Trazo de lneas rectas
Un aspecto importante del mtodo grfico es la posibilidad de trazar lneas rectas
representando las restricciones y la funcin objetivo del programa lineal. El
procedimiento ms sencillo para trazar la recta de una ecuacin, es encontrando
dos puntos cualesquiera que la satisfagan y a continuacin trazando la recta a
travs de dichos puntos. En el caso de la lnea recta de restriccin de la materia
prima 1 del problema QUIMCAR

se identifican los dos puntos (X1 = 0, X2 = 40) y (X1 = 50, X2 = 0). Despus se
traza la lnea recta de restriccin de la materia prima 1 a travs de estos dos
puntos.
Cuando en la ecuacin de restriccin slo aparece una variable, como es el caso
de la materia prima 2 del problema (1/5 X 2 <= 5), se resuelve en funcin de la
nica variable que aparece en la ecuacin (para esta restriccin, X 2 =25); es claro
que en tal ecuacin X1 = 0 pues no est presente, as (X1 =0, X2 =25) representa
el punto en el eje X2 por donde debe pasar una recta paralela al eje X 1.
Todas las rectas de restriccin y de funciones objetivo en los programas lineales
de dos variables, se pueden trazar si se pueden identificar los puntos de la lnea.
Sin embargo, determinar dichos puntos no siempre es tan fcil como result en el
problema QUIMCAR. Por ejemplo, considere la restriccin:

Usando la forma de igualdad y haciendo X1 = 0, se tiene que el punto (X1 = 0,


X2 = -100) pertenece a la recta de restriccin. Si X 2=0, se tiene el segundo punto
(X1 = 50, X2 = 0) sobre la misma recta de restriccin. Si se ha dibujado slo la
porcin no negativa (X1 >= 0, X2 >= 0) correspondiente al primer cuadrante de la
grfica, entonces no se puede fijar el primer punto (X 1 = 0, X2 = -100), porque no
hay escala para valores negativos en la grfica tal como es X 2 = -100. Siempre
que se tengan dos puntos de la recta, con uno o ambos valores negativos, el
procedimiento grfico obligado es incluir la escala negativa a los dos ejes
coordenados horizontal y vertical, incluyendo los cuadrantes necesarios. En este
ejemplo, se puede localizar el punto (X 1 = 0, X2 = -100) extendiendo hacia abajo
el eje vertical para incluir los valores negativos de X 2. Una vez localizados los
dos puntos que satisfacen la ecuacin y el conjunto de soluciones factibles para la
nueva restriccin de ejemplo 2X2 - 1X2 <= 100, entonces se procede a su trazo,
segn se ve en la siguiente figura: .

Figura 1-27. Soluciones factibles de la restriccin 2X1-1X2 <= 100


Considere ahora la restriccin: 1X1 - 1X2 >= 0 mostrada en la Figura 1-28. El
lado derecho con valor cero en esta desigualdad, identifica una lnea recta que
contiene o pasa por el punto vrtice conocido como origen. Para determinar las
soluciones que satisfacen la restriccin como igualdad, primero se hace X 1 = 0 y
se resuelve en funcin de X2. El resultado muestra que el origen (X 1= 0, X2 = 0)
est en la recta de restriccin. Al hacer X 2 = 0 y al resolver para X1, resulta en el
mismo punto. Pero se puede obtener otro punto de la recta, al dar a X 2 un valor
cualquiera distinto de cero y entonces resolver en funcin de X 1. Por ejemplo,
haciendo que X2 = 100 y resolviendo en funcin de X1, se encuentra que el punto
(X1 = 100, X2 = 100) tambin pertenece a la recta. En ambos puntos (X 1=0, X2=
0) y (X1 = 100, X2 = 100) se puede trazar la lnea de restriccin 1X 1-1X2 = 0 y
pueden determinarse las soluciones factibles para 1X 1 - 1X2 >= 0.

Figura 1-28. Soluciones factibles de la restriccin 1X1 - 1X2 >= 0


Resumen del mtodo de solucin grfica en dos variables.
1. Dibuje en un sistema de dos ejes cartesianos (por ejemplo X 1 para la
coordenada horizontal y X2 para la coordenada vertical) las lneas rectas
correspondientes a cada una de las expresiones lineales del modelo de
programacin lineal, identificando las mismas, calcule y anote las
coordenadas (valores de X1 y X2) para cada punto vrtice.
2. Observe la direccin de las desigualdades para definir, individualmente, el
conjunto de puntos de solucin factible de cada una de las restricciones y
posteriormente, combinando todas ellas, por interseccin o traslape,
definir y sealar el conjunto de puntos de solucin factible para todo el
sistema de restricciones del problema.
3. Con un valor arbitrario para la funcin Z, calcule las coordenadas de un
punto perteneciente a cada uno de los dos ejes cartesianos, dando
alternativamente el valor de cero a X1 y X2 de la funcin objetivo Z, ahora
se traza una recta que pase por dichos puntos en los ejes, la cual muestra
todos los valores posibles de X1 y X2 de la misma.
4. Mueva la recta de la funcin objetivo Z paralelamente hacia valores
mayores de la funcin, si el problema es de mximo, o bien, hacia valores
menores, si el problema es de mnimo, hasta que coincida con un punto
vrtice, antes de salir de la regin factible. La recta de la funcin objetivo

se cuantifica con los valores ( X1, X2 ) al coincidir con el vrtice; su valor


crecer o bien decrecer conforme a su traslado paralelo, segn sean los
signos de sus trminos.
5. Cualquier punto vrtice que sea solucin factible para el sistema de
restricciones que coincida con la recta de la funcin objetivo que resulte
con el valor mayor para un mximo o bien con el menor para un mnimo,
segn el caso, es una solucin ptima.
Variables de Holgura
Adems de la solucin ptima y de su contribucin a la utilidad asociada, la
administracin de QUIMCAR desea tener informacin de uso de las tres materias
primas. Se puede obtener esta informacin reemplazando los valores ptimos de
las variables (X1=25, X2=20) en las restricciones del programa lineal.

Figura 1-29. Material consumido: solucin ptima cera y pasta, ejemplo


QUIMCAR.
La solucin completa le indica a la administracin que la produccin de 25
toneladas de cera automotriz y de 20 toneladas de pasta pulidora requiere toda la
materia prima disponible 1 y 3, pero solamente cuatro de las cinco toneladas de la
materia prima 2. La tonelada de la materia prima 2 no utilizada se conoce
como holgura. En terminologa de programacin lineal, cualquier capacidad
sin utilizar y ociosa para una restriccin igual o menor (<=) se llama holgura
asociada con la restriccin, por lo que la restriccin del recurso 2 tiene una
holgura de una tonelada.
A menudo se agregan variables, conocidas como variables de holgura Hi, o bien
Xi, (segn la notacin preferida) a la formulacin de un problema de
programacin lineal para representar la capacidad ociosa. La capacidad sin
utilizar no hace ninguna contribucin a la utilidad, por lo que las variables de
holgura que se incluyan en la funcin objetivo deben tener coeficientes iguales a
cero. En general, las variables de holgura representan la diferencia entre los lados
derecho e izquierdo de una restriccin de tipo <=.

Una vez agregadas las variables de holgura a la representacin matemtica


correspondiente al problema QUIMCAR el modelo matemtico se convierte en:

Cuando todas las restricciones de un problema lineal se expresan en forma de


igualdades, se dice que el modelo matemtico est en forma estndar. En el
problema QUIMCAR se observa que en la solucin ptima (X 1=25, X2 =20), el
valor de las variables de holgura es:

Figura 1-30. Holguras de materia prima en ejemplo QUIMCAR.

Figura 1-31. Concepto fsico de la holgura H2 en ejemplo QUIMCAR.


Tambin se puede utilizar el anlisis grfico para obtener la informacin de las
holguras. Observe que al determinar la solucin ptima de la Figura 1-26, el
punto vrtice que es interseccin de la materia prima 1 y de la 3, restringen o
limitan la regin factible hasta ese punto vrtice, por lo que la solucin ptima
requiere usar la totalidad de estos dos recursos. En otras palabras, la grfica
en Figura 1-23muestra que en la solucin ptima, la lnea recta de restriccin de
la materia prima 2 no limita la regin factible en ese punto vrtice, por lo que se
puede esperar algn sobrante (holgura) de este recurso.
Cuando en un grfico se tienen rectas de restriccin que slo tocan un vrtice del
conjunto factible o bien ningn punto del mismo, se identifican
como restricciones redundantes (sobrantes). En problemas con ms de dos
variables de decisin, se tienen mtodos analticos para detectar la redundancia.

En tal caso, la regin factible se conserva igual, independientemente de que se


incluya o no una restriccin redundante del problema, por lo tanto se pueden
eliminar sin que tengan ningn efecto sobre la solucin ptima. Sin embargo, en
la mayor parte de los problemas de programacin lineal, las restricciones
redundantes no se descartan porque no son reconocibles de inmediato como tales.
El problema QUIMCAR no tiene restricciones redundantes pues todas las
restricciones forman la frontera de la regin factible.
Observaciones y comentarios
1. En la forma estndar de un programa lineal, los coeficientes para las
variables de holgura son cero en la funcin objetivo, por lo tanto, las
variables de holgura que representan recursos sin utilizar, no afectan el
valor de la funcin y se pueden omitir. Pero en algunas aplicaciones,
algunos o todos los recursos no utilizados pueden venderse para recuperar
valores y contribuir a la utilidad. En estos casos las variables de holgura
correspondientes se convierten en variables de decisin que representan el
total de recursos a vender. Para cada una de estas variables, un coeficiente
distinto de cero en la funcin objetivo reflejar la utilidad asociada con la
venta de una unidad del recurso correspondiente.
2. Las restricciones redundantes no afectan la regin factible; como
consecuencia, pueden eliminarse de un modelo de programacin lineal sin
afectar la solucin ptima. Sin embargo, si posteriormente se debe resolver
el modelo de programacin lineal con algunos cambios en los datos, una
restriccin previamente redundante se podra convertir en un recurso
limitante, por lo que se sugiere conservar todas las restricciones del
modelo de programacin lineal, aun cuando se espere que una o ms de
ellas sean redundantes.
Puntos extremos y solucin ptima
Suponga que la contribucin a la utilidad de una tonelada de pasta pulidora se
incrementa de 300 a 600 dlares, en tanto que la contribucin a la utilidad de una
tonelada de cera automotriz y todas las dems restricciones se mantienen sin
modificacin. La funcin objetivo se convierte en:

Cmo afecta este cambio de la funcin objetivo a la solucin ptima del


problema de QUIMCAR?. La Figura 1-32 muestra la solucin grfica del
problema, utilizando la funcin objetivo modificada. Observe que las

restricciones no tienen cambio, entonces la regin factible es la misma; pero se


han alterado las lneas rectas de utilidad para reflejar la nueva funcin objetivo.
Como se observa en la Figura 1-32, al mover la lnea recta de utilidad de manera
paralela, alejndola del origen, se encuentra la solucin ptima. Los valores de
las variables de decisin en este punto son X 1=18.75 y X2 = 25. El aumento en la
utilidad de la pasta pulidora ha creado un cambio en la solucin ptima. De
hecho, como quizs ya lo previ, se reduce la produccin de la cera y aumenta la
de pasta pulidora, porque ahora tiene una utilidad mayor.
Respecto de las soluciones grficas de la Figura 1-26 y Figura 1-32 se debe hacer
una observacin importante: la solucin ptima ocurre en alguno de los
vrtices o intersecciones de la regin factible.En terminologa de programacin
lineal, estos vrtices se conocen como puntos extremos de la regin factible, por
lo que para este problema se tienen cinco vrtices, es decir, cinco puntos
extremos (Figura 1-32). Ahora se puede dar la observacin siguiente sobre la
localizacin de las soluciones ptimas.

Figura 1-32. Cambia ptimo: objetivo mximo Z = 400X1 + 600 X2, ejemplo
QUIMCAR
Si existe la solucin ptima de un problema de programacin lineal, se puede
encontrar en un punto extremo de la regin factible del problema.
Esta propiedad significa que, si busca la solucin ptima de un problema de
programacin lineal, debe limitarse a evaluar y comparar los puntos de solucin
correspondientes a los vrtices de la regin factible.

OTROS EJEMPLOS DE MTODO GRFICO: Se presentan algunos


problemas resueltos con grfica para ampliar la oportunidad de adquirir este
conocimiento:
Ejemplo 1-13. Mtodo grfico, PL en mximo con restricciones <=
(MAXCAN1) [HIL67].
El grfico en la Figura 1-33 muestra el conjunto de soluciones factibles,
coordenadas y notas importantes de vrtices, con valores de Z para los mismos;
adems, se presentan coordenadas en tabla de todo el sistema, el que se ampla
debido a las holguras que se suman a cada una de las restricciones.

Figura 1-33. Solucin grfica del ejemplo MAXCAN1.


Anote que se evalan slo los vrtices factibles y que las rectas correspondientes
a las restricciones (1) y (2) son paralelas al eje X 2 y al eje X1, respectivamente,
por lo que no hacen interseccin con ellos, es decir, no forman vrtice. En el
punto vrtice C se localiza el valor mximo buscado para la funcin Z. En
la Figura 1-34 se muestra el conjunto de puntos que son factibles para cada una
de las tres restricciones y el primer cuadrante; la interseccin de todos ellos
resulta en la regin factible de la Figura 1-33.

Figura 1-34. Regiones factibles en cada restriccin del ejemplo MAXCAN1.


Para valorar los puntos vrtices del conjunto factible se sustituyen los valores
correspondientes ( X1, X2 ) en la ecuacin Z:

Figura 1-35. Concepto fsico de holgura en restriccin 3 del ejemplo


MAXCAN1.

Espacio ampliado al sumar holguras.- En la siguiente tabla se muestran los


vrtices dados en el grfico del Ejemplo 1-13, MAXCAN1. Estos se generan
como solucin bsica, pues se conjuntan 5 variables (2 de decisin mas 3
holguras) del modelo en forma estndar. Se anota (X 1, X2) conocidas en la
solucin grfica y sustituyendo stas en la misma forma, se valoran H 1, H2, H3,
obteniendo la solucin bsica respectiva.

Figura 1-36. Espacio ampliado a 5 dimensiones, en ejemplo MAXCAN1.


Solucin bsica: Se tiene con, al menos, (m + n ) - m = n variables iguales a
cero.
En donde: m = # de restricciones; n = # de variables originales o de decisin.
Para el ejemplo: m = 3; n = 2; entonces: ( m + n ) - m = ( 3 + 2 ) - 3 = 2 variables
nulas.
En la tabla, cada rengln es una solucin bsica, pues 2 de las 5 variables son
cero.
Un vrtice o punto extremo nico es el cruce de slo 2 lneas, como es en este
ejemplo.
Una solucin bsica factible en vrtice nico, se denomina no
degenerada. Observe que las variables nulas pertenecen a las rectas que tocan

el vrtice. Nmero mximo de soluciones bsicas nicas.- Estima el tiempo para


la computadora.

En este ejemplo se ven 8 vrtices y 2 que no existen por paralelismo entre rectas.
Conjunto convexo.- Un conjunto es convexo si dados dos puntos A, B,
cualesquiera del mismo, el segmento de recta que los une, se incluye totalmente
en dicho conjunto. La expresin matemtica, de todos los puntos P obtenidos por
combinacin convexa entre dos puntos A y B del mismo es:

Figura 1-37. Ejemplos de conjunto convexo.

Figura 1-38. Ejemplos de conjunto no convexo.


Ejemplo 1-14. Mtodo grfico, PL en mnimo con restricciones >=
(MINCAN1).

Figura 1-39. Grfica del ejemplo MINCAN1, resulta un conjunto factible


abierto.

Figura 1-40. Regiones factibles del ejemplo MINCAN1.

Observe el valor de la funcin objetivo, es mnimo en el vrtice C(2,4) con Zc =


14.

El conjunto de soluciones factibles de la Figura 1-39 de este problema, es no


acotado, se obtiene sobreponiendo las regiones factibles de las tres restricciones
del modelo y la regin factible del primer cuadrante, mostradas en la Figura 1-40
Un vrtice formado con mas de dos lneas rectas, se califica como solucin no
nica, como son los vrtices O y C que se pueden formar con tres combinaciones
de interseccin segn se muestra en el grfico de la Figura 1-39 para tales puntos.
En particular, el vrtice C se denomina como solucin degenerada pues es
factible y no nico. El origen O, se califica como no factible, al igual que la
infinidad de puntos restantes (sean vrtices o no), que no pertenecen al conjunto
factible, sombreado entre las rectas (1), (2) y eje X 1.
Un punto vrtice de solucin degenerada en la analoga geomtrica
bidimensional se tiene con una recta restriccin redundante en ese punto, pero
tal recta no forma el conjunto factible.
La forma estndar requiere que todas las restricciones sean de igualdad, pero
cuando el modelo en estudio tiene restricciones de tipo >=, se usa una holgura
negativa Si llamada variable de supervit, la cual debe restarse a cada una de
esas restricciones como sigue:

Figura 1-41. Concepto fsico de superavit en restriccin 1, ejemplo


MINCAN1.
De esta manera, el espacio de dos dimensiones de la Figura 1-39 y Figura 140, se ampla a un espacio de 5 dimensiones que no se puede dibujar, pero si
tratar analticamente.

La tabla de la Figura 1-42 muestra las coordenadas o valor para cada una de las
variables en el problema Ejemplo 1-14, MINCAN1, ampliado a 5 dimensiones (2
variables de decisin ms 3 variables supervit), al pasar a forma estndar; se
conservan los valores (X1, X2) obtenidos en la solucin grfica de la Figura 139 y se sustituyen en la forma estndar para calcular el valor de S 1, S2, S3,
variables restadas en el lado izquierdo de las restricciones. En la tabla, cada
rengln se identifica con cada vrtice de la Figura 1-39, pero debido a la
ampliacin del espacio, se convierten en solucin bsica pues tienen, por lo
menos: n = (m + n) - m = (3 + 2) - 3 = 2 variables de valor cero. Pero los puntos
extremos O y C, tienen mas de 2 variables nulas, en este caso con 3 variables
cero, se identifican comosoluciones bsicas no nicas y en particular C es una
solucin bsica degenerada.
Supngase ahora que la funcin objetivo Z se cambia para mximo, en tal caso el
traslado hacia fuera del cuadrante, de la lnea recta correspondiente a la funcin
Z, con el propsito de incrementar el valor de las variables X 1 y X2, resulta en
un incremento indefinido para el valor de dicha funcin y por lo tanto sin
lmite.
Sustituyendo (X1, X2) de los dos vrtices de la regin factible se obtiene el
ptimo como mnimo ZC = 14:

Figura 1-42. Sistema ampliado a 5 dimensiones en ejemplo MINCAN1.


Ejemplo 1-15. Mtodo grfico, PL en mximo y mnimo, restricciones <= y
>= (MAXMIN1).
Este nuevo ejemplo inicia una serie de variantes a partir del Ejemplo 1-14, se
estima que el estudiante fija mas conocimiento cuando tiene oportunidad de
comparar los efectos de los cambios en el mismo problema, se pretende
responder a: qu pasara s.....?

Como se puede ver en la Figura 1-44, el efecto inmediato del cambio es que
ahora se tiene un conjunto factible acotado, que permite calcular para la funcin
Z el mximo y tambin el mnimo. Se anota informacin relevante, ya
explicada en anteriores ejemplos y se sugiere al lector estudioso comprobar lo
aprendido hasta ahora, con el ejercicio de graficar, cada una de las restricciones y
luego definir el conjunto de soluciones factibles para todo el sistema de este
problema. Verifique la Figura 1-43.

Figura 1-43. Factibilidad de restricciones en ejemplo MAXMIN1.

Observe que los puntos vrtices (extremos) son la interseccin de por lo menos
dos lneas rectas, en tal caso se dice que son nicos; pero los puntos O y C se
forman con tres lneas rectas, calificndolos como vrtices no nicos, pues se
puede generar la misma interseccin de las tres maneras en que se anota en
la Figura 1-44. Para este ejemplo, el punto extremo C, adems de no nico, es
factible y por lo tanto solucin degenerada. El vrtice origen O, queda en la
categora de no factible, como es cualesquier punto no incluido en la zona
sombreada. A propsito de ella revise, si as lo desea, la definicin de conjunto
convexo y verifique que las regiones factibles correspondientes a los problemas
grficos de ejemplo, cumplen para tal calificacin.

Figura 1-44. Solucin grfica del ejemplo MAXMIN1, resulta una regin
factible acotada al invertir la restriccin (1) a <=.
# Mximo de soluciones bsicas nicas: m =3 restricciones; n = 2 variables
originales

Ejemplo 1-16. Mtodo grfico con PL en mximo y mnimo, una restriccin


en = (FACTIRECTA).
As el conjunto factible resulta en un slo segmento de recta BC. Se sugiere
como ejercicio, graficar individualmente las restricciones y verificar su conjunto
factible con la Figura 1-45.

Figura 1-45. Grfica del modelo ejemplo FACTIRECTA, variante del


MAXMIN1, con el segmento de recta BC como conjunto de soluciones
factibles.
Restriccin redundante: Para este problema, puede ser tanto la nmero uno,
como la nmero dos, segn la que se utilice primero para definir el vrtice "C".

En caso de que requiera mayor exposicin, a continuacin se presenta en


la Figura 1-46 el conjunto factible correspondiente a cada restriccin del Ejemplo
1-16; anote en particular, el grfico de la (3) que es de igualdad, provoca que el
conjunto factible sea un slo segmento de recta BC.

Figura 1-46. Regin factible para cada restriccin del ejemplo


FACTIRECTA.
Ejemplo 1-17. Mtodo grfico, PL en mximo y mnimo, la variable X 2 no
positiva. (MINMAXCU).

Figura 1-47. Solucin grfica del modelo ejemplo MINMAXCU, muestra un


conjunto factible que se ubica en el cuarto cuadrante debido a que la
variable X2 se condiciona a valor no positivo.
Esta nueva variante elegida como Ejemplo 1-17 tiene algo especial, como es
condicionar a signo no positivo a la variable X 2, con el resultado grfico que
quiz, ya esperaba usted.
La aceptacin de la posibilidad de valor negativo para X 2, obliga al clculo que
incluye las dos alternativas: con signo menos y con cero, para X 2; as se consigue
situar el dibujo con los vrtices necesarios para el trazo, definicin del conjunto
factible y la evaluacin de la funcin objetivo en el cuarto cuadrante del sistema
bidimensional.
Como puede observar en la Figura 1-47, el conjunto de soluciones factibles del
ejemplo 1.17 se define en el cuarto cuadrante con el tringulo cuyos vrtices son
O B C.

En la Figura 1-48 se presenta la regin factible que le corresponde a cada una de


las restricciones del ejemplo MINMAXCU para verificar sus resultados grficos:

Figura 1-48. Regin factible de restricciones del ejemplo MINMAXCU.


Programa CAVA .- El lector que as lo desee puede consultar en el programa
CaVa (prximo a liberarse) las soluciones (ya sea analtica o bien grfica), de
algunos de los problemas ejemplo del libro. Puede encontrar, como ejemplos de
formulacin de modelos de PL, los nmeros: 1.4 Bediet, 1.7 de distribucin de
carga en barco, 1.9 de desperdicio en proceso de corte. Como ejemplos de
mtodo grfico los nmeros 1.31 al 1.43.

PROBLEMA 7

Un barco tiene tres bodegas: Proa, popa y centro; los lmites de capacidad para esas tres bodegas son:

BODEGAS

PESO ( Ton )

VOLUMEN ( FT3 )

Proa

2000

100.000

Popa

1500

300.000

Centro

3000

135.000

Se ofrecen las siguientes cargas y los responsables del barco pueden aceptar todo o parte de cada carga:

CARGAS

CANTIDAD (Ton)

VOLUMEN (Ton/ FT3 )

UTILIDAD( $ / Ton )

6000

60

4000

50

2000

25

Buscando conservar el equilibrio en el barco, el peso de cada bodega debe ser proporcional a su capacidad en
toneladas. Cmo se debe repartir la carga buscando maximizar las ganancias totales?
Plantear el anterior problema como un modelo de Programacin Lineal.
Definicin de variables

BODEGA
CARGA
A
B

PROA

POPA

CENTRO

CANTIDAD

VOLUMEN

(1)

(2)

(3)

(Ton)

(Ton/ FT3)

XA1
XB1

XA2
XB2

XA3
XB3

6000

60

4000

50

XC1

XC2

XC3

2000

Peso
Volumen

2000
100.000

1500
300.000

3000
135.000

Ton
FT3

25

Z: Utilidad total.
Modelo (Primal):
MAX Z = 6 ( XA1+ XA2+ XA3) + 8 ( XB1+ XB2+ XB3) + 5 ( XC1+ XC2+ XC3)
Con las siguientes restricciones:

Resumiendo:
MAX Z = 6 ( XA1+ XA2+ XA3) + 8 ( XB1+ XB2+ XB3) + 5 ( XC1+ XC2+ XC3)
Con las siguientes restricciones:

http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/html/Capitulo
%20II/problemas7.htm

Una empresa se dedica a la produccin de pinturas para interiores y exteriores para su distribucin; se emplean
dos materias primas MP1 y MP2 para la produccin de las pinturas. La disponibilidad mxima de MP1 es de 8
toneladas diarias y la de MP2 es de 5 toneladas por da. Los requerimientos diarios de materia prima por tonelada
es la siguiente:

Toneladas de materia prima por tonelada de


Disponibilidad
mxima

Pintura para Interiores


MP1
MP2
Utilidad por
Tonelada

3
4
100.000

Pintura para
Exteriores
7
1
300.000

diaria ( toneladas)
20
9

El estudio de mercado ha establecido que la demanda diaria de pintura para interiores no puede ser mayor que la
pintura para exteriores en ms de una tonelada. Adems, el estudio seala que la demanda mxima de pintura
para interiores est limitada a dos toneladas por da. Cunta pintura para interiores y exteriores debe producir la
empresa todos los das para maximizar el ingreso bruto ?
Variables reales:
X1: Nmero de toneladas diarias producidas de pintura para interiores.
X2: Cantidad de toneladas diarias producidas de pintura para exteriores.
Z : Funcin de utilidad correspondiente a la ganancia por la venta de pintura para interiores y exteriores.
Modelo (Primal):
MAX Z = 100000 X1+ 300000 X2
Sujeta a:

PROBLEMA 9

Un hacendado dispone de los siguientes recursos para emplearlos en la prxima cosecha: $70000000 de capital
disponible, 1000 horas tractor y 50 hectreas de tierra cultivable. Estas tierras son propias para sembrar maz,
caa de azcar y ajonjol; se supone que tiene a su disposicin hombres suficientes y sin restriccin y sus costos
de produccin son los siguientes: tractor e implementos $ 5000 la hora, mano de obra $ 4000 la hora, cada
hectrea no sembrada $ 4500. Adems se supondr un costo como penalizacin, de un peso por cada peso no
invertido. Los siguientes datos son por hectrea:

Cosecha

Mano de Obra (Hor)

Tractor (Hor)

Otros costos

Maiz

10

20

$3500

Caa de Azucar

25

20

$4000

Ajonjoli

30

15

$10000

Valor de la
cosecha (Has)

$300000
$380000
$410000

Plantear el anterior problema como un modelo de Programacin Lineal.


Variables de decisin:
X1: Cantidad de hectreas de maz a producir.
X2: Nmero de hectreas de caa de azcar a cosechar.
X3: Cantidad de hectreas de ajonjol a producir.
Z : Funcin de utilidad correspondiente a los cultivos que la hacienda produce.
Modelo (Primal):
MAX Z = [ 3000000 ( 5000 * 20 + 4000 * 10 + 3500 )] X1 + [ 3800000 (( 5000 * 25 ++ 4000 * 25 +
4000 )] X2+
( 4100000 ( 5000 * 15 + 4000 * 30 + 10000 )]X 3
Con sus restricciones:

PROBLEMA 10

Un fabricante de electrodomsticos produce cuatro modelos de lavadoras L1, L2, L3 y L4. Estos
aparatos constan fundamentalmente de un tambor metlico recubierto con una carcasa, el cual
gira por efecto de un motor elctrico controlado por un microprocesador electrnico.
Los modelos L1 y L3 son lavadoras con menor capacidad de carga (4 kgr), necesitando 5 mt2 de
material metlico, mientras que los modelos L2 y L4 que cargan 10 kgr, requieren 8,5 mt2 de
material metlico. La cantidad de material metlico disponible es de 10000 mt2.
Los modelos L1 y L2 llevan un motor denominado M1 y un microprocesador P1; los modelos L3 y
L4 tienen un motor M2 y un microprocesador P2. El motor M1 es menos potente que el M2 y el

microprocesador P1 tiene menos programas que el microprocesador P2; el material necesario


para fabricar los motores puede obtenerse prcticamente sin limitacin.
Los motores se ensamblan en una nave de montaje con una capacidad de trabajo de 3000
horas, siendo requeridas una hora para montar un motor M1 y 1,5 horas para ensamblar un
motor M2. En cuanto a los microprocesadores se pueden fabricar en la propia empresa en una
seccin de la planta de montaje o se pueden encargar a un fabricante de material electrnico. En
el primer caso, compiten con la fabricacin de los motores M1 y M2 necesitando 0,3 horas la
fabricacin de P1 a un costo de $ 100000 y 0,75 horas la fabricacin de P2 con un costo de $
180000. En el segundo caso, el vendedor puede suministrar cualquier cantidad de P1 y P2 a un
precio de $ 180000 y $ 360000 respectivamente.
Finalmente, las lavadoras se montan en otra nave de acabado con capacidad de 5000 horas,
siendo preciso un tiempo de 1,5 horas para el modelo L1, 2,3 horas para el modelo L2, 3 horas
para el modelo L3 y 4,2 horas para el modelo L4. Para satisfacer a todos los segmentos, el
fabricante decide que la produccin mnima de cada modelo sea de 300 unidades. Como dato
adicional se conoce, segn informe del departamento de mercadeo,que la demanda de modelos
de mayor capacidad es siempre superior a la demanda de los modelos de menor capacidad, por
lo que la produccin combinada de los modelos L2 y L4 debe ser superior a la produccin
combinada de los modelos L1 y L3.
La utilidad proporcionada es de $160000 para el modelo L1, $170000 para el modelo L2,
$180000 para el modelo L3 y $200000 para el modelo L4. Plantear un modelo de Programacin
Lineal para la planificacin de la produccin de las lavadoras teniendo como objetivo la
maximizacin de los beneficios.
Definicin de variables:
X1 : Nmero de lavadoras L1 a fabricar.
X2 : Cantidad de lavadoras L1 a producir.
X3 : Nmero de lavadoras L3 a fabricar.
X4 : Cantidad de lavadoras L4 a producir.
X5 : Nmero de microprocesadores P1 a fabricar en la empresa.
X6 : Cantidad de microprocesadores P1 a comprar.
X7 : Nmero de microprocesadores P2 a producir en la empresa.
X8 : Cantidad de microprocesadores P2 a comprar.
X9 : Nmero de motores M1 a fabricar.
X10 : Cantidad de motores M2 a producir.
Z : Funcin de utilidad correspondiente a la ganancia por la venta de lavadoras
modelos L1, L2, L3 y L4.
Modelo (Primal):
MAX Z = 160000 X1 + 170000 X2 + 180000 X3 + 200000 X4 100000 X5 180000 X6
180000 X7 360000 X8