El mtodo grfico se emplea para resolver problemas que presentan slo 2 variables de decisin.

El procedimiento
consiste en trazar las ecuaciones de las restricciones en un eje de coordenadas X
1
y X
2
para tratar de identificar el
rea de soluciones factibles (soluciones que cumplen con todas las restricciones).
La solucin ptima del problema se encuentra en uno de los vrtices de esta rea de soluciones creada, por lo que
se buscar en estos datos el valor mnimo o mximo del problema.
EJEMPLO
Una compaa que fabrica contadores para registrar el consumo del Agua y de la Luz, tiene inters en saber cuntos
contadores de cada tipo pueden vender mensualmente para maximizar sus ingresos. Se dispone de 800 horas de
trabajo directo y 320 para instalacin. Fabricar un contador para el agua gasta en promedio requiere de 40 horas de
trabajo directo y 10 horas de Instalacin, adems aporta un ingreso de $ 300 dlares a la compaia. Fabricar u
contador para la luz requiere de 8 horas de trabajo directo y de 5 horas de Instalacin, y deja a la compaa un
ingreso de $100 dlares. El mximo de Contadores para la Luz es de 60 al mes.
OBJETIVO : Maximizar el ingreso total.
VARIABLE DE DECISION:
Cantidad de Contadores para el agua (X
1
).
Cantidad de Contadores para la luz (X
2
)
.
RESTRICCIONES :
Tiempo disponible de trabajo directo
Tiempo disponible de Instalacin
Nmero mximo de Contadores para la Luz.
PLANTEAMIENTO:
Maximizar
Sujeto a:

Italaguna, I. (2011). !"#$%&'()!$"&*+,-.(/&012/!32 5&)6%&'(7$ 7& http://www.itlalaguna.edu.mx/
La solucin ptima siempre se encuentra en uno de los vrtices del conjunto de soluciones factibles. Se analizan
estos valores en la funcin objetivo. El vrtice que representa el mejor valor de la funcin objetivo ser la solucin
ptima.
Solucin ptima:
X1 = 12 Contadores para el Agua
X2 = 40 Contadores para la Luz
Z = $ 7600 dlares al mes
Fuente: http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/Exe_nuevo/leccin_5_solucin_grfica_de_modelos_matemticos.html
Leccin 6. Programacin Entera Pura
Definicin y Ejemplo
Un modelo de Programacin Entera es aquel que contiene restricciones y una funcin objetivo idnticas a las
formuladas en la Programacin Lineal, la nica diferencia es que sus variables de solucin y decisin deben tomar
valor entero en la solucin final.

En algunos casos de la vida real se requieren soluciones ptimas, pero de valores enteros, imaginemonos una
empresa que fabrica articulos de madera, mesas, sillas, camas y se requieren soluciones puntuales para obtener la
fabricacin de nmero de piezas a producir para obtener una mayor utilidad, no podemos definir la produccin de 5,3
sillas o 6,7 mesas, sino necesitariamos definir si elaboramos 5 o 6 sillas exactamente y 6 o 7 mesas, los valores
decimales de la solucin inicial de la Programacin Lineal no define los valores exactos y enteros a producir, esa
metodologa lo abarcaremos desde los modelos determinsticos, sin que el resultado de la Funcin Objetivo, se aleje
demasiado del valor inicial.

Ejemplo:

Para la fabricacin de mesas de noche y sillas para comedor de rsticos El Abuelo se llevan a cabo 3 procesos
fundamentales, la de Corte de la madera, el ensamblado y la pintura. Para la fabricacin de las mesas de noche
se requieren 2.7 horas de Corte de madera, 3.3 horas para Ensamblado y 1,7 horas para Pintura, el precio de
venta para cada mesa de noche es de $70 dlares. Para la fabricacin de las sillas de comedor se requieren
4,1 horas para Corte de la madera, 3.2 hora para Ensamblado y 2.4 horas para Pintura, el precio de venta para
cada silla es de $69 dlares. Las horas disponibles al mes para las operaciones son: Corte 1150 horas, el
Ensamblado 1330 horas y la Pintura 1430 horas.

Expresando el modelo matematicamente, quedaria:

Funcin Objetivo: Maximizar Z = 70X1 + 69X2

Sujeto a:

2.7X1 + 4.1X2 ! 1150
3.3X1 + 3.2X2 ! 1330
1.7X1 + 2.4X2 ! 1430

X1, X2 " 0

Donde, X1 = Mesas de Noche y X2 = Sillas de comedor
Aplicando cualquier metodo de Programacin Lineal o Software, la solucin inicial, genera los siguientes resultados:

X1 = 36,26 y X2 = 4,17; lo cual nos indica producir 36,26 Mesas de Noche y 4,17 Sillas para Comedor.

Con un valor de la Funcin Objetivo de $2825,89.

Sin embargo, aplicando las condiciones iniciales del Problema, bajo las condiciones de resultados enteros,
aplicando la tcnica ms usada, denominada Ramas y Cotas, que en lecciones posteriores se explicara, tenemos:

X1 = 40 y X2 = 0; lo cual nos indica producir 40 Mesas de Noche y 0 Sillas para Comedor.

Con un valor de la Funcin Objetivo de $2800.
http://datateca.unad.edu.co/contenidos/102016/CONTENIDOS/Exe_nuevo/leccin_6_programacin_entera_pura.html
Leccin 7. Programacin Entera Mixta
Definicin y Ejemplo:
En este tipo de problemas, encontramos condiciones de ciertas variables de decisin, que deben cumplir valores
enteros y las dems con la suposicin de divisibilidad.
Un problema en el que solo se requieren en que algunas variables tengan valores enteros mientras que en otras
pueden asumir cualquier nmero no negativo (es decir, cualquier valor continuo) se llama programacin lineal entera
mixta (PLEM).
EJEMPLO:
Supongamos un sistema que cumple las siguientes condiciones y donde X1, X2, deben ser enteras y X3 no entera,
resolver el problema por Programacin Lineal Entera Mixta (PLEM).
Funcin Objetivo: Maximizar Z = 10X1 + 9X2 + 9X3
Sujeto a:
10X1 + 9X2 + 9X3 ! 1700
21X1 + 12X2 + 18X3 ! 1650
17X1 + 24X2 + 31X3 ! 1100
X1, X2, X3 " 0
Resolviendo por cualquier metodo de Programacin Lineal, obtenemos valores para una solucin
inicial de: X1 = 66,7 X2 = 0 y X3 = 16,7.
Con un valor de la Funcin Objetivo de Z = $ 816,7
Sin embargo, aplicando las condiciones iniciales del Problema, bajo las condiciones de resultados enteros,
aplicando la tcnica ms usada, denominada Ramas y Cotas, que en lecciones posteriores se explicara, tenemos:

X1 = 66 X2 = 0 y X3 = 17,4
Con un valor de la Funcin Objetivo de $817.
Leccin 8. Programacin Entera Binaria
Definicin y Ejemplo
Existen numerosas aplicaciones de programacin entera en la que el problema incluye cierto nmero de decisiones
s o no interrelacionadas. En situaciones de este tipo, las nicas dos elecciones posibles son s c no. Por ejemplo,
Debe emprenderse un determinado proyecto?, Debe hacerse cierta inversin de capital? Debe ubicarse la planta
de produccin en un determinado lugar? Debido a que estos problemas involucran slo dos posibilidades, este tipo
de decisiones se pueden representar mediante variables de decisin restringida a slo dos valores. 0 y 1.
Las variables de este tipo se llaman binaria (o variables 0-1). En consecuencia, algunas veces se hace referencia a
los problemas de programacin entera que contienen slo variables binarias como problemas de programacin
entera binaria (PEB o PB) o problemas 0-1 de programacin entera.
ALGUNAS APLICACIONES DE PROGRAMACIN ENTERA BINARIA
Anlisis de la inversin
Debe preferirse cierto proveedor?
Debe agregarse una nueva lnea de produccin?
Eleccin del sitio
Debe elegirse cierto lugar para la ubicacin de cierta instalacin nueva?
Diseo de una red de produccin y distribucin
Debe cierta planta permanecer abierta?
Debe abrirse una nueva sucursal de distribucin?
Asignaciones
Debe ubicarse a cierto operario en determinado puesto de trabajo?
Debe asignarse cierto tipo de avin a una ruta en particular?
Programacin de actividades interrelacionadas
Cundo se debe iniciar la produccin de las nuevas rdenes?
Cundo deben comercializarse los nuevos productos?
Debe cierta actividad comenzar en un momento dado?
EJEMPLO:

Problema Inclusin Costos Fijos: Usted ha sido designado por el gerente de su empresa para decidir cmo
distribuir su trfico telefnico en el prximo mes, seleccionando entre 3 proveedores posibles y asignando la
cantidad de trfico (minutos) que desee en cada caso, es decir, puede repartir el trfico en 1, 2 o 3 proveedores a su
antojo y su decisin slo depender de los costos de cada alternativa.
El proveedor 1 cobra un cargo fijo mensual de US$50 y el costo por minuto a red fija es de US$0,02 y a celular de US
$0,12. El proveedor 2 tiene un cargo fijo mensual de US$60, con un costo por minuto de US$0,015 y US$0,15 a red
fija y celular respectivamente. Finalmente el proveedor 3 tiene un cargo fijo mensual de US$40 con un costo por
minuto a red fija de US$0,03 y a celular de US$0,14. Si usted llama por uno de estos proveedores (aunque hable slo
un minuto) deber pagar el cargo fijo. Asuma que la cantidad de minutos que la empresa consume mensualmente es
de 30.000 para red fija y 18.000 para celular. Formule y resuelva un modelo de Programacin Entera que permita
decidir cmo distribuir el trfico telefnico mensual de la forma ms econmica para la empresa.
Dada la Solucin por cualquier mtodo de Programacin Lineal, tenemos: X1= 30.000, X2, X3 = 0, Y1= 18.000, Y2, Y3 =
0, Z1=1, Z2, Z3 = 0.
Con una Funcin objetivo de Minimizar = $276.050
Lo cual significa que Se debe hacer llamadas solamente con el proveedor 1.
CONSULTAR PDF programacin lineal modelo matematico
Modelos Matemticos para La Toma de Decisiones.
Estructura y Naturaleza.
Un modelo matemtico comprende 3 conjuntos bsicos de elementos.
Variables y parmetros de decisin. Son incgnitas que deben determinarse resolviendo el modelo. Los parmetros son
los valores conocidos que relacionan las variables, restricciones y funcin objetivo.
Restricciones. Van relacionadas con los recursos disponibles.
Funcin Objetivo. Puede ser de 2 tipos: maximizar o minimizar como una funcin matemtica de las variables de
decisin.
Concepto de Investigacin de Operaciones.
La investigacin de operaciones es la aplicacin por grupos interdisciplinarios, del mtodo cientfico a problemas
relacionados con el control de las organizaciones o sistemas, a fin de que se produzcan las soluciones que sirvan mejor
a los objetivos de una organizacin.
La investigacin de operaciones la investigacin de operaciones es la aplicacin cientfica a travs de modelos
matemticos, primero para presentar o representar el problema despus para poder resolverlo.
Perspectiva Histrica de La Investigacin de Operaciones.
Las races de la investigacin de operaciones se remite a cuando se comenz a tratar de aplicar el mtodo cientfico en
la administracin de Empresas. Aun as el comienzo de esta disciplina se la atribuye a los servicios militares prestados al
comenzar la segunda guerra mundial. En 1947 George Dantz desarrolla el mtodo Simplex y para 1950 desarrolla la teora
de lineas o colas un proceso utilizado en programacin de espera y para 1955 a 1960 la primera comunicacin digital en
ese mismo ao se termina las teoras de decisiones.
Naturaleza de La Investigacin de Operaciones.
La investigacin de operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones
dentro de una organizacin.
La investigacin de operaciones intenta encontrar una mejor solucin, (llamada solucin ptima) para el problema bajo
consideracin.
Modelos Lineales.
Relacionan 2 o ms variables en forma directamente proporcional.
Todos los modelos lineales, tiene como representacin una recta y su proporcionalidad es directa.
Modelos Inversamente Proporcionales.
Relaciona 2 o ms variables con la caracterstica de que cuando una crece la otra decrece.
Modelo Exponencial.
Son modelos de crecimiento muy rpido donde una de las variables relacionadas es el exponente de una constante de
una constante llamada base.
Modelos Recursivos.
Son modelos en que una variable esta en funcin del estado anterior de ella misma y todos estados en funcin de un
valor inicial.
Modelos Matemticos.
Es cualquier conjunto de ecuaciones o estructuras matemticas, completo y consistente, que es elaborado para
corresponder a alguna otra entidad. Puede ser una fsica, biolgica, social, psicolgica o conceptual, incluso otro
modelo matemtico, la construccin de un modelo matemtico cumple con un mnimo de objetivos.
Obtener respuestas sobre lo que suceder en el mundo fsico.
Influir en la experimentacin u observaciones posteriores.
Promover el progreso y la comprensin conceptuales.
Auxiliar a la automatizacin de la situacin.
reas de Solucin.
Solucin Factible.
Es aquella solucin factible que cumple con todas las restricciones.
Solucin No Factible.
Es aquella solucin que no cumple con un a o ms de las restricciones.
Solucin ptima.
Es la Solucin que adems de ser factible optimiza la Funcin Objetivo.
La compaa xyz produce 2 tipos de juguetes los osos Boby y Tedy cada uno de estos productos debe ser procesado en
2 maquinas diferentes. Una maquina tiene 12 horas de capacidad disponible y la otra 8 horas cada Boby producido
necesita 2 horas de tiempo en cada maquina y cada Tedy necesita 3 horas en la 1 y 1 hora en la 2.
La ganancia es de 6$ por cada Boby y 7$ por cada Tedy vendido. La firma puede vender tantas unidades de producto
como es factible fabricar.
Variables.
B = Cantidad de Bobys a Fabricar diariamente.
T = Cantidad de Tedys a Fabricar diariamente.
Funcin Objetivo: Zmax = 6B + 7T [unidad $]
Restricciones.
Maquina1 N(B)+N(T)!12 Hrs Maquina2 N(B)+N(T)!8 Hrs
Solucin ptima:
3 Bobys y 2 Tedys a fabricar diariamente para obtener una utilidad mxima de 32 dlares
Variables de Holgura:
Maquina1 12 horas ocupadas 0 variables de Holgura la maquina 1 esta funcionando al 100%.
Maquina2 8 horas ocupadas 0 variables de Holgura la maquina 2 esta funcionando al 100%.
Una fabrica produce 2 tipos de comedores: el comedor Virginia y Massachussets; desea determinar el numero de
unidades de cada tipo de comedor a producir diariamente, de tal manera que las utilidades sern mximas;
La fabrica ha experimentado una alta demanda en ambos comedores en consecuencia el gerente (usted) cree que podr
vender todos los comedores que produzca. Los comedores requieren tiempo en construccin y pintura. Elabore un
modelo matemtico que determine la cantidad de comedores a producir de acuerdo a los parmetros de la siguiente tabla
Comedores hrs Virginia hrs Massachussets Capacidad diaria
Construccin 6 12 120hrs
Pintura 8 4 64hrs
Utilidad 200$ 240$
Variables.
V = Cantidad comedores Virginia a Fabricar diariamente.
M = Cantidad de Comedores Massachussets a Fabricar diariamente.
Funcin Objetivo: Zmax = 200V + 240M [unidad $]
Restricciones:
Construccin 6V + 12M ! 120 Hrs Pintura 8V + 4M ! 64 Hrs
Solucin ptima: 4 comedores Virginia y 8 Massachussets con una utilidad de 2,720
Variables de Holgura:
Construccin. 120 horas ocupadas 0 Variables de holgura el departamento de Construccin esta trabajando al 100%.
Pintura. 64 horas ocupadas 0 Variables de holgura el departamento de pintura esta trabajando al 100%.
Un fabricante de automviles tiene 2 productos autos compactos y sub-compactos la produccin de cada tipo de autos
requiere de cierta cantidad de materia prima y de mano de obra de acuerdo a la siguiente tabla
Autos Compactos Autos Sub-compactos
Materia Prima 200 lbs 150 lbs 180,000 lbs
Mano de Obra 18 hrs 20 hrs 9,000 hrs
Utilidad 400 Dlls 200 Dlls
Como vicepresidente de programacin formule un modelo matemtico que determine la cantidad de cada tipo de auto a
fabricar para maximizar la ganancia total. Suponga la siguiente utilidad. Compactos 400 dlls sub-compactos 200 dlls
Variables:
AC =cantidad de Autos Compactos a Fabricar.
ASC =cantidad de Autos Sub- Compactos a Fabricar.
Funcin Objetivo:
Zmax 400AC + 200ASC = [costo $]
Restricciones
MP= 200AC + 150ASC ! 80,000 Lbs M de O = 18AC + 20ASC ! 9,000 Hrs
Solucin ptima: 400 autos compactos cero autos subcompactos con una utilidad de 160,000 $
Variables de Holgura.
80,000 unidades de materia prima utilizadas 0 variables de holgura.
7200 horas utilizadas 180 horas de variables de holgura utilizadas para descanso comida y limpieza del lugar.
Una Empresa fabrica 2 productos, los cuales deben procesarse en los departamentos 1 y 2
Producto A Producto B Capacidad de Trabajo por
semana
Departamento 1 3 hrs por unidad 2 hrs por unidad 120 hrs
Departamento 2 4 hrs por unidad 6 hrs por unidad 260 hrs
Margen de utilidad 5$ por unidad 6$ por unidad
Variables:
A = cantidad de productos A a fabricar por semana.
B = cantidad de productos B a fabricar por semana.
Funcin Objetivo: Zmax = 5A + 6B = [utilidad $].
Restricciones
Departamento 1= 3A + 2B ! 120 h Departamento 2 = 4A + 6B ! 260
Solucin ptima.
20 productos A y 30 productos B con una utilidad de 280$.
Variables de Holgura.
120 horas ocupadas en el Departamento 1, 0 variables de holgura el departamento 1 esta al 100%.
260 horas ocupadas en el Departamento 2, 0 variables de holgura el departamento 2 esta al 100%.
Ropa
Prenda Camisas Blusas Horas por Semana
corte 20 Hrs 60 Hrs 1,000 Hrs
Costura 70 Hrs 60 Hrs 1,400 Hrs
Empacado 12 Hrs 4 Hrs 200 Hrs
Utilidad por
unidad
2.5$ 3.2$
Prenda Camisas Blusas Horas por Semana
corte 20 Hrs 60 Hrs 1,000 Hrs
Costura 70 Hrs 60 Hrs 1,400 Hrs
Empacado 12 Hrs 4 Hrs 200 Hrs
Utilidad por
unidad
2.5$ 3.2$
Variables:
B = Cantidad de blusas a fabricar.
C = Cantidad de camisas a fabricar.
Zmax = 2.5A + 3.2B = [Utilidad $]
Restricciones:
Corte 20C + 60 B ! 60,000 minutos
Costura 70C + 60 B ! 84,000 minutos
Empacado 12C + 4B! 12,000 minutos
Solucin ptima:
8 camisas y 14 blusas con una utilidad de 64.8$
Variables de Holgura:
El departamento de costura tiene 1000 horas ocupadas 0 variables de holgura su uso es del 100%.
El departamento de corte tiene 1400 horas ocupadas 0 variables de holgura su uso es del100%.
El departamento de empacado tiene 152 horas ocupadas 48 variables de Holgura para mantenimiento del a maquinaria y
descanso del personal.
Alimentacin
A B
Vitaminas 1 3 90
Fculas 5 1 100
Protenas 2 3 120
1.5 2.1
Variables:
A = Cantidad de Porcin A tipo de Alimento.
B = Cantidad de Porcin B por tipo de Alimento.
Zmin = 1.5A + 2.1B [Ahorro $ ]
Vitaminas A + 3B " 90
Fculas 5A + 3B " 100
Protenas 3 + 2B " 120
Solucin Optima: 25.71 porciones de A y 21.43 porciones de B con un ahorro de 83.57
Variables de Holgura:
Vitaminas 90 unidades utilizadas 0 Variables de Holgura las vitaminas se utilizaron al 100%.
Fculas 100 unidades utilizadas 50 Variables de Holgura de fculas que se utilizara en otro momento con una nueva
distribucin de Alimentos.
Protenas 120 unidades de protenas 0 Variables de Holgura las protenas se usaron al 100%.
FCA UACH 28/02/2005
Modelos Matemticos 1 8/11
fuente:http://html.rincondelvago.com/modelos-matematicos-para-la-toma-de-decisiones.html
1.5.2. Mtodo grco para resolver modelos de programacin lineal con solo dos
variables.
En esta seccin interesa hacer anlogos geomtricos, esto es, grcas 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 grco en la analoga geomtrica.
Primero considere la innidad 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 X
1
; 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 (X
2
) denotado como par ordenado o vector (X
1
, X
2
). Un punto
sobre el eje X
1
corresponde a X
2
=0 y un punto sobre el eje X
2
corresponde a X
1
=0, que son las ecuaciones respectivas de los ejes
horizontal y vertical. Dichos ejes se cruzan en el punto (X
1
, X
2
) = (0, 0), el cual se conoce como origen.
Si la ecuacin tiene slo dos variables, el grco 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 gracar tal ecuacin; pero la representacin geomtrica de una ecuacin en tres
variables, requiere un espacio de tres dimensiones. En tal caso, a los ejes X
1
y X
2
, se les agrega un tercer eje X
3
como tercera
dimensin, que pasa por el origen hacia el observador. Los grcos de la Figura 1-13 y Figura 1-14 muestran lo anterior para una
ecuacin cualquiera:
Figura 1-13. Grco de una ecuacin en dos dimensiones.
Figura 1-14. Grco de una ecuacin en tres dimensiones.
El mtodo grco 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
grco aplicado a problemas con slo dos variables. El mtodo grco 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 X
2
. 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 gracarse 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 grco de solucin de problemas modelados con programacin lineal, se presenta el siguiente
ejemplo que se detalla lo suciente 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 grca y determinar cuntas toneladas de cera y pasta debe producir la empresa para
maximizar la contribucin total a la utilidad.
Denicin 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.-Denicin 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 X
1
toneladas de cera automotriz, y (2) la que
proviene de la produccin de X
2
toneladas de pasta pulidora. Dado que se gana 400 dlares por cada tonelada de cera producida, la
empresa gana $400 X
1
si se producen X
1
toneladas de cera. Tambin, en vista de que se gana 300 dlares por cada tonelada de
pasta producida, la empresa gana $300 X
2
si se producen X
2
toneladas de pasta. Identicando 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 X
1
y X
2
que den el valor ms elevado posible de Z. En terminologa de programacin lineal, se
nombran a X
1
y a X
2
como las variables de decisin. Dado que el objetivo de maximizar la utilidad es una funcin de stas,
entonces se dice que Z = 400 X
1
+ 300 X
2
es la funcin objetivo, que tambin se puede escribir abreviando los coecientes a
unidades que signican 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 como soluciones factibles o posibles. La combinacin especca 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 denir grcamente, 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 X
1
toneladas de cera es 2/5X
1
; adems, cada tonelada de pasta usa 1/2 tonelada
del recurso 1, como resultado, X
2
toneladas de pasta usan 1/2 X
2
toneladas de recurso 1, entonces el consumo total de toneladas de
recurso 1 para producir X
1
de cera y X
2
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 X
2
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 verique por s mismo que la restriccin para la materia prima 3 es
Hasta aqu se han denido, 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 X
1
y X
2
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 signica 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 4X
1
+ 3X
2
es 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
2
1
+ 3X
3
2
, no se tratara
de una funcin lineal. Por la misma razn, el nmero de toneladas de la materia prima 1 requerida, 2/5X
1
+1/2X
2
, 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 identica como un programa lineal.
Solucin grca
Un problema de programacin lineal con slo dos variables de decisin se puede resolver de manera grca sobre el espacio plano.
Se inicia este procedimiento de solucin desarrollando una grca que despliegue las posibles soluciones (valores X
1
y X
2
) para el
problema QUIMCAR. En la Figura 1-17 aparecen los valores de X
1
sobre un eje horizontal y los valores de X
2
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 grca puede quedar identicado por un par de valores X
1
y X
2
, que representa la posicin del punto con
respecto de los ejes X
1
y X
2
. Cada par (X
1
, X
2
) corresponde a un punto solucin de esta manera se tendra una innidad de ellos en
el plano considerado. Pero para la solucin particular en la que X
1
= 0 y X
2
= 0, se ubica un punto vrtice identicado 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 X
1
como X
2
deben ser de
valor no negativo, por lo que slo es necesario considerar la porcin de la grca en donde X
1
>= 0 y X
2
>= 0, lo que se conoce
como primer cuadrante. En la Figura 1-18 las echas indican el primer cuadrante, o sea, la regin donde estos requisitos de no
negatividad quedan satisfechos para la solucin buscada.
Figura 1-18. Grca 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

+ 1/2X
2
, = 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 X
2
y resolviendo la ecuacin en funcin de la variable X
2
, queda
! X
2
= 20, o tambin X
2
= 40; por lo tanto el punto (X
1
=0, X
2
=40) satisface la ecuacin anterior, pues es la interseccin de las
rectas, eje X
2
y la que representa el recurso 1; alternativamente, para encontrar un segundo punto que satisfaga esta ecuacin se hace
X
2
= 0 y se resuelve en funcin de X
1
. Al hacerlo se observa que 2/5X
1
= 20, es decir, X
1
=50, por lo que un segundo punto que
tambin satisface la ecuacin es (X
1
=50, X
2
=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 identicar las soluciones que satisfacen esta restriccin?. Observe primero, que cualquiera de la innidad de puntos
que forman la lnea recta de restriccin 2/5X
1
+ 1/2X
2
, = 20 debe satisfacer a la misma; pero dnde estn los puntos solucin que
satisfacen la desigualdad: 2/5X
1
+ 1/2X
2
< 20?. Ahora considere dos puntos de solucin (X
1
=10, X
2
=10) y (X
1
=40, X
2
=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, X
2
=10), se tiene:
Dado que 9 es menor que 20 toneladas de materia prima 1 disponible, la combinacin o solucin, de productos X
1
=10 toneladas de
cera automotriz, X
2
=10 toneladas de pasta pulidora satisface la restriccin del recurso 1, en este caso se calica a (10,10) como una
solucin factible. Por otro lado, para X
1
=40 y X
2
=30 se tiene:
31 es mayor que las 20 toneladas disponibles de recurso 1, por lo que la solucin X
1
= 40 toneladas de cera, X
2
= 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 identicacin 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 X
2
= 5, que es equivalente a X
2
= 25, simplemente se
dibuja una lnea cuyo valor X
2
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 grco.
Figura 1-22. Regin factible para la restriccin de la materia prima 3, ejemplo QUIMCAR.
Ahora se tienen tres grcas por separado que muestran las soluciones factibles para cada una de las restricciones. En un problema
de programacin lineal, se necesita identicar las soluciones que satisfacen simultneamente todas las restricciones. Las grcas
de las Figura 1-20, Figura 1-21 y Figura 1-22 se pueden superponer para obtener una interseccin grca de las tres restricciones.
La Figura 1-23muestra esta grca de restricciones combinadas. La regin sombreada de esta gura 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 identicado la regin factible, se puede seguir adelante con el mtodo de solucin grca 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 grca volviendo a dibujar la regin factible en una grca por
separado. La Figura 1-24 muestra dicha grca.
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 innidad). Por lo tanto, para identicar 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 identican todas las soluciones factibles (X
1
, X
2
) 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 X
2
de la regin factible que cumplan con la siguiente funcin objetivo que se puede simplicar para obviar clculos, as:
sta expresin es simplemente la ecuacin de una lnea recta, por lo que todas las soluciones factibles (X
1
, X
2
), 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 X
1
=0, se tiene que X
2
debe ser 8;
entonces, el punto de solucin (X
1
=0, X
2
=8) est en la recta. Similarmente, haciendo X
2
= 0, se tiene que el punto de solucin
(X
1
=6, X
2
= 0), tambin est en la recta. Dibujando la lnea recta por estos puntos, se identican todas las soluciones que tienen una
contribucin a la utilidad de 24; una grca de esta lnea de utilidad se presenta en la Figura 1-25 que muestra un nmero innito 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 identicar 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 grco de la
Figura 1-26. Los valores ptimos para las variables de decisin son ( X
1
, X
2
) = ( 25, 20 ).
Figura 1-26. Solucin ptima para el problema ejemplo QUIMCAR.
Dependiendo del tamao y claridad de su grca, se determinan los valores ptimos exactos de X
1
y X
2
leyendo directamente de la
grca. 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 X
2
debern satisfacer las ecuaciones de manera simultnea. Resolviendo en
funcin de X
1
en (1)
Sustituyendo esta expresin (4) de X
1
en la ecuacin (3) y resolviendo en funcin de X
2
se obtiene
Sustituyendo X
2
=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 X
1
=25 y X
2
=20. Este punto identica 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 grco para identicar el punto que optimiza y despus resolviendo simultneamente
las dos ecuaciones que generan el mismo.
Trazo de lneas rectas
Un aspecto importante del mtodo grco 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 identican los dos puntos (X
1
= 0, X
2
= 40) y (X
1
= 50, X
2
= 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
X
1
= 0 pues no est presente, as (X
1
=0, X
2
=25) representa el punto en el eje X
2
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
identicar 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 X
1
= 0, se tiene que el punto (X
1
= 0, X
2
= -100) pertenece a la recta de restriccin. Si
X
2
=0, se tiene el segundo punto (X
1
= 50, X
2
= 0) sobre la misma recta de restriccin. Si se ha dibujado slo la porcin no negativa
(X
1
>= 0, X
2
>= 0) correspondiente al primer cuadrante de la grca, entonces no se puede jar el primer punto (X
1
= 0, X
2
=
-100), porque no hay escala para valores negativos en la grca tal como es X
2
= -100. Siempre que se tengan dos puntos de la
recta, con uno o ambos valores negativos, el procedimiento grco 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, X
2
= -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 2X
2
- 1X
2
<= 100, entonces se procede a su
trazo, segn se ve en la siguiente gura: .
Figura 1-27. Soluciones factibles de la restriccin 2X
1
-1X
2
<= 100
Considere ahora la restriccin: 1X
1
- 1X
2
>= 0 mostrada en la Figura 1-28. El lado derecho con valor cero en esta desigualdad,
identica 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 X
2
. El resultado muestra que el origen
(X
1
= 0, X
2
= 0) est en la recta de restriccin. Al hacer X
2
= 0 y al resolver para X
1
, 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 X
2
= 100 y resolviendo en funcin de X
1
, se encuentra que el punto (X
1
= 100, X
2
= 100) tambin pertenece a la
recta. En ambos puntos (X
1
=0, X
2
= 0) y (X
1
= 100, X
2
= 100) se puede trazar la lnea de restriccin 1X
1
-1X
2
= 0 y pueden
determinarse las soluciones factibles para 1X
1
- 1X
2
>= 0.
Figura 1-28. Soluciones factibles de la restriccin 1X
1
- 1X
2
>= 0
Resumen del mtodo de solucin grca en dos variables.
1. Dibuje en un sistema de dos ejes cartesianos (por ejemplo X
1
para la coordenada horizontal y X
2
para la coordenada vertical)
las lneas rectas correspondientes a cada una de las expresiones lineales del modelo de programacin lineal, identicando las
mismas, calcule y anote las coordenadas (valores de X
1
y X
2
) para cada punto vrtice.
2. Observe la direccin de las desigualdades para denir, individualmente, el conjunto de puntos de solucin factible de cada una
de las restricciones y posteriormente, combinando todas ellas, por interseccin o traslape, denir 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 X
1
y X
2
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 X
1
y X
2
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 cuantica con los valores ( X
1
, X
2
) 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 (X
1
=25,
X
2
=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 H
i
, o bien X
i
, (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 coecientes 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, X
2
=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 H
2
en ejemplo QUIMCAR.
Tambin se puede utilizar el anlisis grco 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 grca en
Figura 1-23 muestra 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 grco se tienen rectas de restriccin que slo tocan un vrtice del conjunto factible o bien ningn punto del mismo,
se identican 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 coecientes 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 coeciente distinto de cero en la funcin objetivo reejar 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 modicacin. 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 grca del problema, utilizando la funcin objetivo modicada. Observe que las restricciones no tienen cambio, entonces la
regin factible es la misma; pero se han alterado las lneas rectas de utilidad para reejar 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 X
2
= 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 grcas 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 = 400X
1
+ 600 X
2
, 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 signica 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 grca para ampliar la
oportunidad de adquirir este conocimiento:
Ejemplo 1-13. Mtodo grco, PL en mximo con restricciones <= (MAXCAN1) [HIL67].
El grco 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 grca 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 X
1
, 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 ( X
1
, X
2
) 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 grco 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
, X
2
) conocidas en la solucin grca y sustituyendo stas en la misma forma, se valoran H
1
, H
2
, H
3
,
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 grco, PL en mnimo con restricciones >= (MINCAN1).
Figura 1-39. Grca 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 Z
c
= 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 calica 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 grco 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 calica como no factible, al igual
que la innidad 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 1-40, 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
(X
1
, X
2
) obtenidos en la solucin grca de la Figura 1-39 y se sustituyen en la forma estndar para calcular el valor de S
1
, S
2
, S
3
,
variables restadas en el lado izquierdo de las restricciones. En la tabla, cada rengln se identica 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
identican como soluciones 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 X
2
, resulta en un incremento
indenido para el valor de dicha funcin y por lo tanto sin lmite.
Sustituyendo (X
1
, X
2
) de los dos vrtices de la regin factible se obtiene el ptimo como mnimo Z
C
= 14:
Figura 1-42. Sistema ampliado a 5 dimensiones en ejemplo MINCAN1.
Ejemplo 1-15. Mtodo grco, 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 ja 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 gracar, cada una de las restricciones y luego
denir el conjunto de soluciones factibles para todo el sistema de este problema. Verique 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, calicndolos 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 denicin de conjunto convexo y verique que las
regiones factibles correspondientes a los problemas grcos de ejemplo, cumplen para tal calicacin.
Figura 1-44. Solucin grca 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 grco 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, gracar individualmente las
restricciones y vericar su conjunto factible con la Figura 1-45.
Figura 1-45. Grca 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 denir 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 grco 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 grco, PL en mximo y mnimo, la variable X
2
no positiva. (MINMAXCU).
Figura 1-47. Solucin grca del modelo ejemplo MINMAXCU, muestra un conjunto factible que se ubica en el cuarto
cuadrante debido a que la variable X
2
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 grco 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, denicin 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 dene 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
vericar sus resultados grcos:
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 grca), 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 grco los nmeros 1.31 al 1.43.
fuente: http://148.204.211.134/polilibros/portal/Polilibros/P_Terminados/Investigacion_de_Operaciones_Careaga/Common/IO-modulo1-
solucionpl-grafico.htm
SOLUCION DE PROBLEMAS DE PROGRAMACION LINEAL POR EL METODO GRAFICO.

El mtodo grfico se emplea para resolver problemas que presentan slo 2 variables de decisin. El procedimiento
consiste en trazar las ecuaciones de las restricciones en un eje de coordenadas X
1
, X
2
para tratar de identificar el
rea de soluciones factibles (soluciones que cumplen con todas las restricciones).
La solucin ptima del problema se encuentra en uno de los vrtices de esta rea de soluciones creada, por lo que
se buscar en estos datos el valor mnimo o mximo del problema.

EJEMPLO 1:

Una compaa de auditores se especializa en preparar liquidaciones y auditoras de empresas pequeas. Tienen
inters en saber cuantas auditoras y liquidaciones pueden realizar mensualmente para maximizar sus ingresos. Se
dispone de 800 horas de trabajo directo y 320 horas para revisin. Una auditora en promedio requiere de 40 horas
de trabajo directo y 10 horas de revisin, adems aporta un ingreso de 300 dls. Una liquidacin de impuesto requiere
de 8 horas de trabajo directo y de 5 horas de revisin, produce un ingreso de 100 dls. El mximo de liquidaciones
mensuales disponibles es de 60.
OBJETIVO : Maximizar el ingreso total.

VARIABLE DE DECISION: Cantidad de auditoras (X
1
).
Cantidad de liquidaciones (X
2).

RESTRICCIONES : Tiempo disponible de trabajo directo
Tiempo disponible de revisin
Nmero mximo de liquidaciones.


Maximizar
Sujeto a:


La solucin ptima siempre se encuentra en uno de los vrtices del conjunto de soluciones factibles. Se analizan
estos valores en la funcin objetivo. El vrtice que representa el mejor valor de la funcin objetivo ser la solucin
ptima.



EJEMPLO 2.

Un departamento de publicidad tiene que planear para el prximo mes una estrategia de publicidad para el
lanzamiento de una lnea de T.V. a color tiene a consideracin 2 medios de difusin: La televisin y el peridico.
Los estudios de mercado han mostrado que:

1. La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de las familias de ingresos medios por
comercial.

2. La publicidad en el peridico llega al 3 % de las familias de ingresos altos y al 6 % de las familias de ingresos
medios por anuncio.

La publicidad en peridico tiene un costo de 500 dls. por anuncio y la publicidad por T.V. tiene un costo de 2000 dls.
por comercial. La meta es obtener al menos una presentacin como mnimo al 36 % de las familias de ingresos altos
y al 60 % de las familias de ingresos medios minimizando los costos de publicidad.

OBJETIVO : Minimizar los costos de publicidad.

VARIABLE DE DECISION: Anuncios para las familias de ingreso alto (X
1
).
Anuncios para las familias de ingreso medio (X
2).

RESTRICCIONES : Porcentaje de presentacin.

Minimizar
Sujeto a:

SOLUCION OPTIMA:


EJEMPLO 3.

Un expendio de carnes acostumbra preparar carne para hamburguesa con una combinacin de carne molida de res y
carne molida de cerdo. La carne de res contiene 80 % de carne y 20 % de grasa y le cuesta a la tienda 80 centavos
por libra. La carne de cerdo contiene 68 % de carne y 32 % de grasa y cuesta 60 centavos por libra. Qu cantidad de
cada tipo de carne debe emplear la tienda por cada libra de carne para hamburguesa si desea minimizar el costo y
mantener el contenido de grasa no mayor de 25 %?

Minimizar
Sujeto a:
SOLUCION OPTIMA:


fuente: http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1/UIb.HTML