Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FAUSTINO
Programación SANCHEZ
lineal: Método CARRION
Grafico
FACULTAD DE CIENCIAS EMPRESARIALES
CURSO: INVESTIGACIÓN DE
OPERACIONES
TEMA:
Programación lineal: Método Grafico
CICLO: IX
HUACHO 2020-I
OBJETIVOS:
a. Método Grafico
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
Siguiente.
X2 ≤ 120 límite de S2
X1, x2 ≥ 0 no negatividad
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
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.
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.
Una vez hallado la región factible y el punto (puntos) óptimos sobre la región factible
utilizaremos algunas propiedades como las siguientes:
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.
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.
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:
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
x1 ≥ 150 (6)
Ejemplo 3
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
Ejemplo 4.
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
Ejemplo 5.
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
X1 + x2 ≤ 300 (6)
Ejemplo 6
X2 ≤ 120 (3)
X1 ≥ 0 (4)
X2 ≥ 0 (5)
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:
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
Problema 3.4.3
Al formular un problema de minimización se tiene el modelo siguiente:
6x1+2x2 = 8 (2)
X1+2x2 ≥ 2 (3)
X1 ≤ 2 (4)
X2 ≤ 3 (5) Y X1, x2 ≥ 0
Problema 3.4.4
X1 ≤ 5 (2)
X1 + x2 ≤ 8 (3) Y X1, x2 ≥ 0