TIPOS DE CASOS ESPECIALES EN LA RESOLUCION DE PROBLEMAS DE

PROGRAMACIÓN LINEAL

PRESENTADO POR: Juan David Castro

Jhonatan David Prada
Andrea Paola Riaño

PROFESOR:

UNIVERSIDAD DEL ATALANTICO

FACULTA DE INGIENERIA
FACULTAD DE INGIENERIA QUIMICA
PUERTO COLOMBIA-ATALNTICO
2016

1
 CONTENIDO

PAG
1. Introducción 3
2. Objetivo General 4
3. Objetivos Específicos 4
4. Contenido 5
5. 1. solución óptima múltiple 5
6. 2. Solución óptima no acotada 7
7. 3. Solución infactible 9
8. 4. Solución de restricciones redundantes o sobrantes 11
9. Bibliografía 13

2
 INTRODUCION

El problema de la resolución de un sistema lineal de inecuaciones se remonta, al

menos, a Joseph Fourier, después de quien nace el método de eliminación de
Fourier-Motzkin. La programación lineal se plantea como un modelo matemático
desarrollado durante la Segunda Guerra Mundial para planificar los gastos y los
retornos, a fin de reducir los costos al ejército y aumentar las pérdidas del
enemigo. Se mantuvo en secreto hasta 1947. En la posguerra, muchas industrias
lo usaron en su planificación diaria.

Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo

simplex, en 1947, John von Neumann, que desarrolló la teoría de la dualidad en el
mismo año, y Leonid Kantoróvich, un matemático de origen ruso, que utiliza
técnicas similares en la economía antes de Dantzig y ganó el premio Nobel en
economía en 1975. En 1979, otro matemático ruso, Leonid Khachiyan, diseñó el
llamado Algoritmo del elipsoide, a través del cual demostró que el problema de la
programación lineal es resoluble de manera eficiente, es decir, en tiempo
polinomial.2 Más tarde, en 1984, Narendra Karmarkar introduce un nuevo método
del punto interior para resolver problemas de programación lineal, lo que
constituiría un enorme avance en los principios teóricos y prácticos en el área.
La programación lineal es el campo de la optimización matemática dedicado a
maximizar o minimizar (optimizar) una función lineal, denominada función objetivo,
de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones expresadas mediante un sistema de inecuaciones también lineales.
En la resolución de un modelo de Programación Lineal se pueden enfrentar ciertos
casos especiales que merecen particular atención. Estos casos son infinitas
soluciones óptimas, problema no acotado sin solución óptima, problema infactible
y solución óptima degenerada.

3
 Objetivo General

 Identificar y conocer los diferentes casos que se presentan en la soluciones

de problemas de programación lineal.

Objetivos Específicos

 Conocer la aplicación de cada uno de los casos especiales

 Entender las diferencias de cado de estos casos especiales de
programación lineal.
 Conocer las ventajas de cada uno de estos casos.

4
1. Solución Óptima Múltiple

Consiste en la cantidad de soluciones óptimas, gran cantidad de ellos presenta

más de una solución óptima, es decir una solución en la cual la función objetivo es
exactamente igual en una combinación cuantitativa de variables diferente.
Ejemplo 1:
La ebanistería "SALAZAR LTDA" ha recibido una gran cantidad de partes
prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes
prefabricadas son de dos modelos, modelo A y B, y estas no requieren más que
ser ensambladas y pintadas. Esta semana se ha determinado dedicar 10 horas de
ensamble y 8 de pintura para elaborar la mayor cantidad de mesas posibles
teniendo en cuenta que cada mesa modelo A requiere de 2 horas de ensamble y 1
de pintura respectivamente, y que cada mesa modelo B requiere de 1 hora de
ensamble y 2 de pintura respectivamente. Si el margen de utilidad es de $20000
por cada mesa modelo A y $10000 por cada mesa modelo B. Determine el modelo
adecuado de producción para esta semana.
 
X = # de mesas tipo A
Y = # de mesas tipo B

 Función objetivo: Z max=20000 x +10000 y

Restricciones:
2 x+ y ≤ 10      Horas de ensamble
  x +2 y ≤ 8        Horas de pintura
x , y ≥ 0              De no negatividad
 
 
 

5
Grafica 1. Solución Óptima Múltiple en el ejemplo 1.
 
Para la solución óptima múltiple:
z max (0) = 20000(0) + 10000(0) = 0
z max (A) = 20000(0) + 10000(4) = $40000
z max (B) = 20000(4) + 10000(2) = $100000
z max (C) = 20000(5) + 10000(0) = $100000
 
Existen entonces dos soluciones óptimas
Solución óptima 1: X = 4, Y = 2
 
Solución óptima 2: X = 5. Y = 0

La pregunta siguiente es ¿cuál decisión tomar?, pues depende de factores tales como
una análisis de sensibilidad donde se tenga en cuenta el consumo distinto de
determinados recursos (horas ensamble vs. horas pintura) y factores extras al modelo
como lo puede llegar a ser en este caso una necesidad de espacio de almacenamiento,
dado que existe una alternativa en la que se elaboran más mesas que en la otra.

6
2. Solución Óptima no Acotada.

Ocurre en problemas con infinitas soluciones óptimas. 

Ejemplo 2:
La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE" se
encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
encuentran en promoción se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo existen 2 políticas que la empresa debe tener en
cuenta. Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede
ser menor que las de tipo B, y la segunda es que se deben de vender por lo
menos 1500 bebidas de cualquier tipo. Dado que se encuentran en promoción el
precio de venta de ambas bebidas equivale a $1800 pesos.
 
Determine la cantidad de unidades que deben venderse.
 
Variables
 X = Cantidad de bebidas tipo A a vender
Y = Cantidad de bebidas tipo B a vender

 Función Objetivo: Z max=1800 x +1800 y

Restricciones
x≥ y
x + y ≥ 1500
 

7
Grafica 2. Solución óptima no acotada en el ejemplo 2.
En el ejemplo anterior, las variables pueden aumentar mejorando indefinidamente
la función objetivo, en estos casos se dice que la solución óptima no es acotada,
por lo cual las posibles soluciones son infinitas.

8
3. Solución infactible.

Corresponde a los casos en los cuales no existen soluciones que cumplen con
todas las restricciones. Es muy común ver este fenómeno producto de inviables
proporciones de oferta y demanda.
Ejemplo 3: La compañía de galletas "CAROLA" desea planificar la producción de
galletas que tendrá que entregar a su cliente en dos semanas, el contrato indica
que la compañía "CAROLA" se compromete a entregar por lo menos 300 cajas de
galletas cualquiera sea su tipo (presentación D, presentación N o una combinación
de ambas presentaciones), cada caja de galletas presentación D tiene un tiempo
de elaboración de 2 horas, y un tiempo de horneado de 3 horas, mientras cada
caja de presentación N tiene un tiempo de elaboración de 3 horas y un tiempo de
horneado de 1 hora. La compañía cuenta estas dos semanas con 550 horas para
elaboración y con 480 horas de horneado.
 
Teniendo en cuenta que el margen de utilidad de cada caja de galletas
presentación D y N es de $8500 y $8100 respectivamente, determine mediante un
modelo de programación lineal el plan de producción que maximice las utilidades.
 
Variables:
X = Cantidad de cajas de galletas presentación D a producir en 2 semanas
Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas
 
Función Objetivo:
 
Z max=8500 x +8100 y

Restricciones:
2 x+3 y ≤550
3 x+ y ≤ 480
x + y ≥ 300
 
 

9
La gráfica resultante es la siguiente:

Grafica 3. Solución infactible en el ejemplo 3.

Evidentemente no existe forma alguna de satisfacer todas las restricciones, por

ende se concluye que no existe solución factible.

10
4. Restricciones redundantes o sobrantes.

Existen en los modelos de programación lineal un tipo de restricciones que no

juegan rol alguno en la determinación del conjunto solución (de igual manera en la
solución óptima), lo que lleva a deducir que estas son redundantes.
Ejemplo 4:
La compañía "CONGELADORES MAJO" pretende fabricar dos tipos de
congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de
calidad. Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de pintura
y 4 horas de control de calidad; los congeladores tipo B requieren 3 horas de
ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen contributivo
por cada congelador tipo A y B es de $102000 y $98000 respectivamente.
 
La compañía dispone como máximo semanalmente 300 horas de ensamblaje, 840
kg de pintura y 450 horas de control de calidad. Con base en la información
suministrada determine las unidades a producir semanalmente de cada referencia
para maximizar las utilidades.
 
Variables:
 X = Cantidad de congeladores tipo A a producir semanalmente
Y = Cantidad de congeladores tipo B a producir semanalmente

Función Objetivo:
Z max=102000 x +98000 y

Restricciones:
 2 x+3 y ≤ 300
3 x+ 5 y ≤ 840
4 x+5 y ≤ 450
 

11
Grafica 4. Restricciones redundantes en el ejemplo 4.

La solución óptima corresponde a:

 
X = 150, Y = 0
 
Y la función objetivo quedaría:
z max = $15300000

Como la restricción 1 y la restricción 2 no determinan el conjunto solución, por

ende se denominan restricciones redundantes o sobrantes.

12
 Bibliografía

Variantes en el método gráfico, Ingeniería Industrial, disponible en:

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-gr%C3%A1fico/

http://www.gestiondeoperaciones.net/programacion_lineal/casos-especiales-en-la-
programacion-lineal-detectados-con-el-metodo-simplex/

13