Unidad 2 - Programación Lineal

Parte 2

Dr. Daniel Hernández Cruz

Ingeniería de Sistemas - 2022

1
Fuente: Ingeniería de Sistemas, Modelos deterministicos, José Francisco Grajales Marin, UNACH,2006.
 Método Gráfico de solución
Se puede resumir el método gráfico, considerando las siguientes etapas de
búsqueda de una solución:
a) Planteamiento del modelo de programación lineal
b) Dibujar una a una de las restricciones del modelo, identificando las variables
de decisión con cada uno de los ejes y considerar el tipo de desigualdad o
igualdad estricta que pudiera estar presente en el modelo. Entre las
posibilidades de un espacio de solución (fig.3.1)
c) Identificar un posible espacio de solución generado por las restricciones.
Este espacio de solución representa a una gran cantidad de soluciones que
deben considerarse. Este espacio de solución, de existir, debe ser
congruente con todas las restricciones del modelo.
d) De identificarse un espacio de solución, se procede al trazo de la función
objetivo del modelo. Para esto, basta con asignar un valor cualquiera a la
variable z y determinar la pendiente de la función. El problema se reduce
ahora a encontrar un punto con las más altas utilidades o costos mínimos.
2
 Método
Una solución óptima de programación lineal ocurre siempre en un
punto extremo del espacio generado. Además, se dice que un
espacio de solución corresponde siempre a un conjunto convexo
(conjunto de puntos en el cual es posible conectar dos puntos
cualesquiera por medio de un segmento de recta que permanezca
dentro del mismo conjunto), fig. 3.2.

Por otra parte, en un conjunto convexo se pueden distinguir también

otros puntos interesantes (fig. 3.3)

e) En esta etapa se explora el espacio generado, utilizando la función

objetivo para explorar sólo aquellos puntos extremos del espacio
generado; una solución única se dará en aquel punto extremo que
maximice o minimice las utilidades o los costos.

f) Validar el modelo de programación lineal.

3
 Solución gráfica al modelo de
Programación Lineal
Una fabrica se va a implantar en un local de 1200 m2 y se debe
decidir que área dedicar a la producción y cuánta almacenamiento. Cada m2
dedicado a la producción aumenta las ganancias mensuales en $120 y cada
m2 dedicado al almacenamiento las aumenta en $92. El área de
almacenamiento debe tener 750 m2 más que el área de producción y para
que ésta funcione en forma adecuada debe tener no menos de 20% de: el
área de almacenamiento menos 350 m2.

¿Qué área debe dedicar a producción y cuánta al almacenamiento,

si se desea maximizar el beneficio mensual?

4
 Solución gráfica
PROCESO
• Variables de decisión – Área de producción, Área de almacenamiento
• Planteamiento del modelo Max z = 120x1 + 92x2
x1 + x2 ≤ 120
x2 -750 = x1
x1 ≥ 0.2(x2 ≤ -350)
x1, x2 ≥ 0
• Reordenamiento del modelo
Max z = 120x1 + 92x2
x1 + x2 ≤ 120 (1)
x2 + x2 = 750 (2)
-x1 + 0.2x2 ≤ 70 (3)
• Representación gráfica x1, x2 ≥ 0
5
 Gráfica
[El trazo de las restricciones, la función objetivo y la identificación de
un espacio de solución (fig. 3.4)]
1500

(1)
(2)
(3)

1000
Espacio de Solucion
solucion Optima

x2

500

Funcion
objetivo

0
-1000 -500 0 500 1000 1500
X1
Para decidir acerca de una solución gráfica óptima, se incorpora la
función objetivo a la grafica; se identifica que puntos externos del
espacio de solución es necesario explorar según la pendiente de la
función objetivo; en fácil observar que una solución óptima se 6
identifica con el punto superior del espacio de solución.
 Sol. Gráfica
Este punto corresponde a los valores x1=225 y x2=975 que
habría que sustituir en la función objetivo para determinar el valor que
adquiere la función. Textualmente se puede expresar el resultado de la
manera siguiente:

Para optimizar las utilidades se sugiere a la administración

dedicar 225 m2 a la producción y 975 m2 al almacenamiento, lo cual
generará una utilidad óptima de $116,700.

Por ultimo, sería necesario validar este resultado con el modelo

de programación lineal; basta con sustituir este resultado en las
restricciones para estar seguro de que se cumple con todas ellas.

7
 Soluciones Básicas
De la interpretación geométrica del problema de programación lineal,
se infiere que la mayor dificultad proviene de definir dónde se encuentran las
soluciones básicas factibles (puntos extremos del espacio de solución. La
dificultad proviene de tener relaciones de desigualdad, en lugar de relaciones
de igualdad, ya que, como se sabe, en este caso las soluciones básicas son
intersecciones de las restricciones.
Este problema se puede resolver agregando las variables de
holgura, que se pueden establecer de la siguiente manera. Supóngase que se
tiene la desigualdad x1 ≤ a.
Es posible agregar una nueva variable xh, no negativa, es decir, xh ≥ 0 por l
oque se puede escribir
x1 + xh = a x1 xh
Como se podría interpretar gráficamente esta expresión?
0 a
8
 Básicas
En los casos en que se tengan restricciones de desigualdad
mayor o igual que (≥), se restará una variable de holgura y se sumara una
variable llamada variable artificial. Esta última tiene dos propiedades:

• se agrega como auxiliar en la búsqueda de soluciones.

• no tienen ninguna relación con el problema real de programación

lineal, es un simple artificio para lograr llegar a soluciones factibles en el
problema.

Para el caso de restricciones que son igualdades estrictas,

bastará con agregar una variable artificial a la restricción; ya que,
numéricamente, una igualdad estricta equivale a dos restricciones: una
desigualdad mayor o igual que (≥) y una desigualdad menos o igual que (≤).
De esta manera el modelo de programación lineal crecerá en un
numero de variables; tendrá variables de decisión de holgura y/o artificiales.
9
 Básicas
En general se establece un sistema con m ecuaciones con n
incógnitas (n≥m). La solución obtenida para las m variables haciendo
cero las (n-m) variables restantes, es una solución básica. Se tiene m
variables básicas y (n-m) variables no básicas, por lo cual la base es de
orden m.
Si las m variables básicas de una solución:
• Son todas mayores o iguales a cero, se dice entonces que la solución
es básica factible.
• Son todas y cada una de las variables de la solución básica factible
son estrictamente mayores que cero, se tiene una solución no
degenerada.
• Si alguna o varias de las variables correspondientes a una solución
básica factible es cero, se habla de una solución degenerada.

10
 Básicas
Si el sistema que se tiene es de m x n, se puede establecer que el
número de soluciones básicas (N) está dado por el número de
combinaciones de n variables tomadas de m en m, es decir…
n!
N
m!(n  m)!
Ejemplo:
Considere el ejemplo de la Solución Gráfica (fig. 3.4), incluyendo el mismo
modelo.

Max z = 120x1 + 92x2

x1 + x2 ≤ 120 (1)
x1 = Área de producción
x2 + x2 = 750 (2) X2 = Área de almacenamiento
-x1 + 0.2x2 ≤ 70 (3)
x1, x2 ≥ 0

11
 Básicas
Este modelo de programación lineal se puede plantear en su forma
canónica; para esto, bastará con agregar una variable de holgura a cada una
de las restricciones con desigualdad menor o igual que (≤) del modelo
(restricciones 1 y 3) y una variable artificial en la restricción de igualdad
(restricción 2).

Max z = 120x1 + 92x2

x1 + x2 + x3 = 120 (1)
x2 + x2 +x4 = 750 (2)
-x1 + 0.2x2 +x5 = 70 (3)
x1, x2 ≥ 0

De esta manera se tienen 3 restricciones y 5 variables (m=5, n=3)

por lo que el número de soluciones básicas (N) será?

5!
N  10soluciones
3!(5  3)!
12
 Soluciones básicas
Forma tabular, en cada solución básica se ha asignado el valor cero a dos
de las variables (m-n) y se han determinado los valores de las demás:

Soluciones básicas

1 2 3 4 5 6 7 8 9 10

X1 0 1200 225 850 0 750 -1058.3 0 -350 0

X2 0 0 975 100 1200 0 141.6 -750 0 -70

X3 1200 0 0 250 0 450 0 1950 850 1270

X4 750 -450 0 0 1950 0 -166.6 0 400 680

X5 70 -170 100 0 1270 -80 0 -680 0 0

SBF SBF

13
 Sol. Básica
• En general, se identifican 2 soluciones básicas factibles; en cada una
de ellas se debe cumplir que todos los valores de las variables sean
positivos o cero.

• La condicionante de las variables artificiales en los modelos de

programación lineal es que el valor de las variables artificiales del modelo
en caso de existir, valgan cero,

En teste caso particular se tienen 2 variables de holgura (x3, x5),

una variable artificial (x4) y se identifica a dos soluciones básicas
factibles; en la solución gráfica corresponden a puntos extremos del espacio
de solución.

14
 Básicas
Identificadas las soluciones básicas factibles, el siguiente
paso es calcular el valor que adquiere la función objetivo del modelo
(z) para cada una de las soluciones básicas factibles:
z3 = $116,700 y z4 = $111,200

La selección radica en el mejor valor de z o que optimiza a la

función objetivo z, en este caso la solución 3; el resultado del modelo,
en forma textual se puede expresar:

Se recomienda a la empresa, asigna 225 m2 a la producción

y 975m2 al almacenamiento para optimizar los ingresos por la
utilización de suelo en $116,700 al mes.

15
 Básicas

Las soluciones básicas y los conceptos del conjunto convexo

se pueden resumir en las siguientes características:

• Las soluciones factibles forman un conjunto convexo cuyos

puntos extremo son soluciones básicas factibles.

• Si las restricciones definen una solución factible, existe cuando

menos una solución básica factible; en caso de haber más de una,
el numero de las mismas debe ser finito.

• Si la función objeto tiene un máximo finito, entonces al menos una

de las soluciones optimas es una solución factible.

16
 Básicas
Dentro estas características se enfatiza la existencia de una
solución al problema de P.L. Como se mencionó anteriormente, se
destacan las siguientes características ante un problema de P.L. (fig. 3.1)
1. La solución existe y es única
2. Existe un número infinito de soluciones que están acotadas
3. Existe un número infinito de soluciones que no están acotadas
4. No existe solución

A manera de conclusión se puede destacar que para determinar

el valor óptimo de la función objetivo z es necesario examinar
solamente soluciones básicas factibles, las cuales a su vez constituyen
un conjunto de puntos extremos de un conjunto convexo.

17