Tema 3:UNIVERSIDAD NACIONAL JOSE

FAUSTINO
Programación SANCHEZ
lineal: Método CARRION
Grafico
FACULTAD DE CIENCIAS EMPRESARIALES

ESCUELA ACADÉMICA PROFESIONAL DE

ADMINISTRACIÓN

CURSO: INVESTIGACIÓN DE
OPERACIONES

TEMA:
Programación lineal: Método Grafico

CICLO: IX

PROF. MG. CARLOS JORGE SOLIS

HUERTAS

HUACHO 2020-I
 OBJETIVOS:

1. Resolver los programas lineales formulados, mediante el

método gráfico.
2. Graficar las restricciones y la función objetivo en el plano
cartesiano para visualizar la región solución del problema.
3. Conocer las propiedades de la solución de un PL normal y
los casos especiales que se presenten.

3.1 SOLUCIÓN DE LOS PROGRAMAS LINEALES.

Una vez formulado los problemas de programación lineal (modelos de PL) se
debe proceder a resolverlos, y para ello existen varios métodos entre ellos los más
conocidos son:

a. Método grafico o geométrico.

b. Método analítico o algebraico, caso del método simplex.

a. Método Grafico

Es un método sencillo que tiene la virtud de ser fácilmente comprensible y además

permite visualizar algunas propiedades de un programa lineal. El método grafico es
limitado en dos o tres variables, es decir en el plano cartesiano o bidimensional o
tridimensional respectivamente. En la practica el método grafico no es aplicable ya
que los programas lineales normalmente tienen decenas, centenas o miles de
variable que lo obliga a utilizar los métodos analíticos apoyados con métodos
computacionales, ya que si queremos resolver casos con “n” variables, se utilizaría
el concepto de espacios vectoriales lo que complica su uso en la práctica
empresarial lo que no implica que se pueda desarrollar para análisis e investigación
científica.

b. Método analítico

Llamado también algebraico nos permite resolver programas lineales con “n”
variables. Un caso especial de este método es el denominado simplex que tiene un
algoritmo de calculo basado en la teoría matricial de las matemáticas. Aun asi este
método también es engorroso y laborioso por lo que se han desarrollado métodos
computacionales a través de varios software como el super lindo, tora, QSB entre
otros.
 3.2 MÉTODO GRÁFICO DE UN PROGRAMA LINEAL CON DOS
VARIABLES
Con un ejemplo daremos las pautas o proceso de cómo resolver un PL con dos
variables.

Ejemplo 01

Recordemos el ejemplo 1 del capítulo 2 de industria vencedor el método lineal

formulado fue el

Siguiente.

Max (Z)= 300X1 + 500 X2 ganancia

Sujeto a: 2x1 + x2 ≤ 230 mezclado

X1 + 2x2 ≤ 250 purificado

X2 ≤ 120 límite de S2

X1, x2 ≥ 0 no negatividad

Luego, expresando la función objetivo en cientos de soles tenemos:

Max (Z)= 3X1 + 5 X2

Sujeto a: 2x1 + x2 ≤ 230 (1)

X1 + 2x2 ≤ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

Se pide resolver el modelo es decir, encontrar valores para variables X1 y X2 que

satisfagan las cinco

restricciones y que produzcan el mayor margen de ganancia para la función objetivo.

3.2.1 Graficacion de las restricciones

El método para resolver un programa lineal con dos variable se comprende mejor
concentrándose primero en las restricciones y posteriormente en la función objetivo.
 Para determinar que valores de x1 y x2, satisfacen todas las restricciones considere
una restricción a la vez. Cada restricción permite cierto valores de x1 y x2 que satisfacen la
restricción, estos valores se denominan valores factible y aquellos que no satisfacen la
restricción se llaman valores infactible.

En el ejemplo la restricción (4) ( x1 ≥ 0) permite solo valores no negativos para x1 ; la

restricción (5) (X2 ≥ 0) permite solo valores no negativos para x2. Juntas las dos restricciones
permiten valores factibles para las variables que están a la derecha del eje x2 y encima del eje
x1, como se ilustra.

El proceso para cada restricción que se tenga es:

1. Reemplazar el signo de desigualdad de una restricción por un signo de igualdad.

2. Dibujar la línea recta de la restricción (1), pero con signo de igualdad.
3. Identificar el lado de la línea recta que satisfaga la desigualdad.
4. Sombrear la porción de la gráfica que satisfaga todas las restricciones formuladas
hasta ese momento.

3.2.2 Grafica de la función objetivo.

Para obtener una solución óptima del PL, en nuestro caso del ejemplo dado, debe
encontrarse un punto factible que proporcione el mayor valor de la función objetivo 3x1+5x2.

En resumen el procedimiento es el siguiente:

1. Trazar la línea de la función objetivo

2. Localizar su mejor lado
3. Mover la línea de la función objetivo de manera paralela así mismo en la dirección de
mejora.

3.3 PROPIEDADES DE UNA SOLUCIÓN DE UN PROGRAMA LINEAL

3.3.1 Región convexa de soluciones

Una vez hallado la región factible y el punto (puntos) óptimos sobre la región factible
utilizaremos algunas propiedades como las siguientes:

El conjunto de todas las soluciones factibles al problema de programación lineal es un

conjunto convexo.

La función objetivo alcanza su máximo o mínimo en un punto extremo del conjunto convexo,
generado por el conjunto de soluciones factibles al problema de programación lineal.

De estas dos propiedades se tiene que:

1. Existe un punto extremo del poliedro convexo en el cual la función objetivo tiene su
máximo (mínimo)
2. Cada solución factible básica corresponde a un punto extremo del poliedro convexo.

Por lo que debemos evaluar los extremos del poliedro convexo y buscar aquel punto que
proporcione el mayor (menor) valor para la función objetivo y así se obtiene la solución
buscada.
Otra forma es evaluando la inclinación de la función objetivo, es decir la pendiente de la
misma en el origen de coordenadas, haciendo z=0, luego observar a qué lado se desplaza al
aumentar el valor de Z. luego desplazar la recta paralelamente hasta que sea tangente a la
región de soluciones factible y de modo que al desplazar nuevamente no se tenga ningún
punto en común, en ese momento, el punto de tangencia es la solución que maximiza la
función objetivo. Debe tenerse en cuenta que si Z aumenta o disminuye no siempre el
desplazamiento es hacia arriba o hacia abajo y viceversa.

3.3.2 soluciones factibles e infactibles.

 Las soluciones factible son aquella que tienen una solución óptima como el que hemos
desarrollado en el ejemplo 1 del punto 3.2.
 Las soluciones infactibles de un programa lineal, son aquellos en el que no hay valores
de las variables que satisfagan todas las restricciones simultáneamente.

Ejemplo 2

Teniendo el caso del modelo de industrias vencedor, y adicionándole una restricción mas
para x1 ≥ 150, enunciamos el modelo:

Max (Z)= 3X1 + 5 X2

Sujeto a: 2x1 + x2 ≤ 230 (1)

X1 + 2x2 ≤ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

x1 ≥ 150 (6)

3.3.3 casos especiales de solución

 programas lineales no acotados o ilimitados
 programas lineales con restricciones redundantes.
 Programas lineales con soluciones optimas alternativas.

Programa lineal no acotado o ilimitado: Es un programa lineal factible en el que la

función objetivo puede mejorarse indefinidamente. Es decir existen valores factible de
las variables que pueden hacer el valor de la función objetivo tan grande como se
desee en el caso de maximización (o tan pequeño como en el caso de minimización).
La causa general de un programa lineal ilimitado es un error en la formulación.

Ejemplo 3

Teniendo como base el enunciado y modelo del ejemplo 1 de industrias vencedor,

supongamos que los signos de la desigualdad de las restricciones (1) y (2) se revierten
accidentalmente durante la formulación, entonces el problema lineal resultante será:
 Max (Z)= 3X1 + 5 X2

Sujeto a: 2x1 + x2 ≥ 230 (1)

X1 + 2x2 ≥ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

Ejemplo 4.

Supongamos el modelo modificado del ejemplo 1 obtenemos.

Min (Z)= 3X1 -2 X2

Sujeto a: 2x1 + x2 ≥ 230 (1)

X1 + 2x2 ≥ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

Programa lineal con restricciones redundantes:

Es un programa en el que una restricción no es necesaria, en el sentido de que la región
factible es la misma tanto si se incluye esta restricción como si no se hace.

Ejemplo 5.

Max (Z)= 3X1 + 5 X2

Sujeto a: 2x1 + x2 ≤ 230 (1)

X1 + 2x2 ≤ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

X1 + x2 ≤ 300 (6)

Programa lineal con soluciones optimas alternativas:

Son aquellas en las cuales existen más d Xe una solución óptima. Cada solución óptima se
llama solución óptima alternativa. Tener soluciones óptimas alternativas significa solamente
que existen diferentes valores factibles para las variables que producen el mismo mejor valor
de la función objetivo. Todas las soluciones óptimas son iguales en cuanto a que, son las
mejores.

Ejemplo 6

Siguiendo con el problema del ejemplo 1 modificado.

Max (Z)= 2X1 + 4 X2

Sujeto a: 2x1 + x2 ≤ 230 (1)

X1 + 2x2 ≤ 250 (2)

X2 ≤ 120 (3)

X1 ≥ 0 (4)

X2 ≥ 0 (5)

3.4 PROBLEMAS PARA RESOLVER EN CLASE.

Problema 3.4.1

La empresa indeco Peruana fabrica dos productos I y II ; y tiene la ventaja de vender todo
lo que puede producir actualmente. Cada producto requiere un tiempo de
manufacturación en tres departamentos que posee esta compañía, igualmente dispone de
una cantidad fija de horas hombre por semana en cada departamento, tal como se
muestra en el cuadro siguiente:

Tiempo de manufacturación (horas)

Productos Departamento A Departamento Departamento C

B
I 2 1 4
II 3 2 2
Horas hombre 160 120 280
Disponible
semanal
Se tiene conocimiento que el área de ventas informa que la ganancia del producto “I”
es de s/. 1.00 y del producto II es de S/. 1.50. el problema consiste en determinar qué cantidad
de cada producto debe manufacturarse con el objeto de hacer el mejor empleo de los medios
limitados de producción.

Problema 3.4.2

En el ejemplo 3 del capítulo 2 de dos alimentos pan y queso para una dieta alimenticia nos
permite obtener el siguiente modelo:

Min(z) = 6x1+21x2

Sujeto a: 2000x1 + 4000x2 ≥6000 (1)

50x1 + 200x2 ≥ 200 ‘(2) Y X1, x2 ≥ 0

Problema 3.4.3
Al formular un problema de minimización se tiene el modelo siguiente:

Min (z) = 2x1 +3x2

Sujeto a : x1+ x2 ≤ 4 (1)

6x1+2x2 = 8 (2)

X1+2x2 ≥ 2 (3)

X1 ≤ 2 (4)

X2 ≤ 3 (5) Y X1, x2 ≥ 0

Problema 3.4.4

Dado el siguiente modelo, resolver por el método grafico

Max (z) = x1+x2

Sujeto a: -2x1+ x2 ≤ 1 (1)

X1 ≤ 5 (2)

X1 + x2 ≤ 8 (3) Y X1, x2 ≥ 0