Quinta Unidad

Programación Lineal

1
 Objetivos de aprendizaje

Al terminar de estudiar este capítulo, el alumno será

capaz de:
1. Entender las suposiciones básicas y las propiedades de
la programación lineal (PL).
2. Resolver gráficamente cualquier problema de PL que tan
solo tenga dos variables, con los métodos del punto
esquina y de la recta de isoutilidad.
3. Comprender temas especiales de PL como solución no
factible, solución no acotada, redundancia y soluciones
óptimas múltiples.
4. Entender el papel del análisis de sensibilidad.
5. Utilizar hojas de cálculo de Excel para resolver
problemas de PL.
7-2
 Contenido del capítulo

7.1 Introducción
7.2 Requerimientos de un problema de programación lineal
7.3 Formulación de problemas de PL
7.4 Solución gráfica de un problema de PL
7.5 Solución del problema de PL de Flair Furniture usando
QM para Windows y Excel
7.6 Solución de problemas de minimización
7.7 Cuatro casos especiales de PL
7.8 Análisis de sensibilidad

7-3
 Introducción

Muchas decisiones administrativas implican tratar

de hacer un uso más eficaz de recursos limitados.
La programación lineal (PL) es una técnica de
modelado matemático ampliamente utilizada, que
está diseñada para ayudar a los gerentes en la
planeación y la toma de decisiones respecto de la
asignación de recursos.
 Pertenece a la categoría más general de programación
matemática.
 En este sentido, programación se refiere a la modelación
y resolución de un problema matemáticamente.

7-4
 Requerimientos de un problema de
programación lineal
 Todos los problemas de PL tienen 4 propiedades en
común:
1. Todos los problemas buscan maximizar o minimizar
alguna cantidad (la función objetivo).
2. Hay limitaciones o restricciones que acotan el grado en
que se puede alcanzar el objetivo.
3. Debe haber disponibles cursos de acción alternativos .
4. El objetivo y las restricciones en los problemas se
tienen que expresar ​en términos de ecuaciones
lineales o desigualdades.

7-5
 Suposiciones básicas de PL
Se supone que existen condiciones de certeza, es decir,
se conocen con certidumbre el número en el objetivo y en
las restricciones, y no cambia durante el periodo de
estudio.
 Se supone que existe proporcionalidad en el objetivo y
en las restricciones.
 Se supone aditividad ya que el total de todas las
actividades es igual a la suma de las actividades
individuales.
 Se hace la suposición de divisibilidad, donde las
soluciones no necesitan ser números enteros
 Todas las respuestas o las variables son no negativas.

7-6
Propiedades y supuestos de la PL

PROPIEDADES DE PROGRAMAS LINEALES

1. Una función objetivo

2. Una o más restricciones
3. Cursos de acción alternativos
4. La función objetivo y las restricciones son
lineales: proporcionalidad y divisibilidad
5. Certeza
6. Divisibilidad
7. Variables no negativas

7-7
 Formulación de problemas de PL

La formulación de un programa lineal implica el desarrollo

de un modelo matemático que represente el problema
administrativo.
Los pasos en la formulación de un programa lineal son
los siguientes:
1. Entender cabalmente el problema administrativo que
se enfrenta.
2. Identificar el objetivo y las restricciones.
3. Definir las variables de decisión.
4. Utilizar las variables de decisión para escribir
expresiones matemáticas, tanto de la función
objetivo como de las restricciones.

7-8
 Formulación de problemas de PL
 Una de las aplicaciones más comunes de la PL es el
problema de la mezcla de productos.
Dos o más productos se fabrican con recursos limitados,
como personal, maquinaria y materia prima.
La utilidad que la empresa busca maximizar se basa en
la contribución a la utilidad por unidad de cada producto.
La compañía quiere determinar cuántas unidades de
cada producto se deberían fabricar para maximizar la
utilidad general, dados sus recursos limitados.

7-9
 Compañía Flair Furniture

 La compañía Flair Furniture fabrica mesas y sillas de bajo

precio.
 El proceso de fabricación de cada una es similar, ya que
ambas requieren cierto número de horas de trabajo de
carpintería, así como cierto número de horas de trabajo
en el departamento de pintura y barnizado.
 Cada mesa requiere de 4 horas de carpintería y 2 horas
en el taller de pintura y barnizado.
 Cada silla requiere de 3 horas de carpintería, y 1 hora en
la pintura y barnizado.
 Están disponibles 240 horas de tiempo de carpintería, así
como 100 horas de tiempo de pintura y barnizado
 Cada mesa vendida genera una utilidad de $70; cada silla
fabricada se vende con una utilidad de $50.
7-10
 Datos de la compañía Flair
Furniture
La compañía quiere determinar la mejor combinación
posible de mesas y sillas a fabricar, con la finalidad de
alcanzar la utilidad máxima.
HORAS REQUERIDAS
PARA
PRODUCIR 1 UNIDAD
(T) (C) HORAS DISPONIBLES
DEPARTAMENTO MESAS SILLAS ESTA SEMANA
Carpintería 4 3 240

Pintura y barnizado 2 1 0

Utilidad por unidad $70 $50

7-11
 Compañía Flair Furniture

 El objetivo es:
Maximizar la utilidad
 Las restricciones son:
1. Las horas de tiempo de carpintería utilizadas no
pueden exceder las 240 horas por semana.
2. Las horas de tiempo de pintura y barnizado
utilizadas no pueden exceder las 100 horas por
semana.
 Las variables de decisión que representan las decisiones
reales que tomarán se definen como:
T = número de mesas producidas por semana.
C = número de sillas producidas por semana.

7-12
 Compañía Flair Furniture

 Se crea la función objetivo de PL en términos de T y C:

 Maximizar la utilidad = $70T + $50C
 Se desarrollan relaciones matemáticas para las dos
restricciones:
 Para carpintería, el tiempo total usado es:
(4 horas por mesa)(Número de mesas fabricadas)
+ (3 horas por silla)(Número de sillas fabricadas).
 Se sabe que:
Tiempo de carpintería usado ≤ Tiempo de carpintería
disponible.
4T + 3C ≤ 240 (horas de tiempo de carpintería)

7-13
 Compañía Flair Furniture

 De manera similar,
Tiempo de pintura y barnizado utilizado
≤ Tiempo disponible de pintura y barnizado.
2 T + 1C ≤ 100 (horas de tiempo de pintura y barnizado)

Esto significa que cada mesa producida

requiere de dos horas de pintura y
barnizado.

 Ambas restricciones limitan la capacidad de producción

y afectan la utilidad total.

7-14
 Compañía Flair Furniture

Los valores de T y C deben ser números no negativos.

T ≥ 0 (número de mesas producidas es mayor que o
igual a 0)
C ≥ 0 (número de sillas producidas es mayor que o
igual a 0)

El problema completo expresado en forma matemática:

Maximizar utilidad = $70T + $50C
sujeto a las restricciones:
4T + 3C ≤ 240 (restricción de carpintería)
2T + 1C ≤ 100 (restricción de pintura y barnizado)
T, C ≥ 0 (restricción de no negatividad)

7-15
 Solución gráfica
a un problema de PL
 La forma más fácil de resolver algunos problemas
pequeños de PL es gráficamente.
 El método gráfico tan solo funciona cuando hay
únicamente dos variables de decisión.
 Cuando hay más de dos variables, se necesita un
enfoque más complejo, ya que no es posible trazar
la solución en una gráfica de dos dimensiones.
 El método gráfico proporciona información valiosa
acerca de cómo funcionan otros enfoques.

7-16
 Representación gráfica
de las restricciones

Cuadrante que contiene todos los valores positivos

C

100 –
– Este eje representa la restricción T ≥ 0
80 –
Número de sillas

–
60 –
–
40 – Este eje representa
– La restricción C ≥ 0
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas

7-17
 Representación gráfica
de las restricciones
El primer paso para resolver el problema es
identificar un conjunto o la región de soluciones
factibles.
Para ello, trazamos cada ecuación de restricción
en una gráfica.
Empezamos por trazar la gráfica de la parte de
la igualdad de las ecuaciones de restricción:
4T + 3C = 240
Despejamos las intersecciones de los ejes y se
traza la recta.

7-18
 Representación gráfica
de las restricciones
Cuando Flair no fabrica mesas, la restricción de
carpintería es:
4(0) + 3C = 240
3C = 240
C = 80
De manera similar para las no sillas:
4T + 3(0) = 240
4T = 240
T = 60
Esta recta se muestra en la gráfica siguiente:

7-19
 Representación gráfica
de las restricciones

Gráfico de la ecuación de restricción de carpintería

C

100 –
–
Número de sillas

80 – (T = 0, C = 80)
–
60 –
–
40 –
–
(T = 60, C = 0)
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-20
 Representación gráfica
de las restricciones

Región que satisface la restricción de carpintería

C
 Cualquier punto sobre o
100 – debajo de la gráfica de
– restricción no viola la
restricción.
Número de sillas

80 –
 Cualquier punto por encima
–
de la gráfica transgrede la
60 –
restricción.
–
(30, 40) (70, 40)
40 –
–
20 –
– (30, 20)
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-21
 Representación gráfica
de las restricciones
El punto (30, 40) se encuentra en la gráfica y
satisface exactamente la restricción
4(30) + 3(40) = 240.
El punto (30, 20) se encuentra por debajo de la
gráfica y satisface la restricción
4(30) + 3(20) = 180.
El punto (70, 40) está por encima de la gráfica y
no satisface la restricción
4(70) + 3(40) = 400.

7-22
Representación gráfica
de las restricciones
Región que satisface la restricción de
pintura y barnizado
C

100 – (T = 0, C = 100)
–
Número de sillas

80 –
–
60 –
–
40 –
–
(T = 50, C = 0)
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-23
 Representación gráfica
de las restricciones
Para producir mesas y sillas, se deben utilizar ambos
departamentos.
Tenemos que encontrar una solución que satisfaga
ambas restricciones al mismo tiempo.
Una nueva gráfica muestra ambas gráficas de restricción.
La región factible (o área de soluciones factibles) es
donde se satisfacen todas las restricciones.
Cualquier punto dentro de esta región es una solución
factible.
Cualquier punto fuera de la región es una solución no
factible.

7-24
 Representación gráfica
de las restricciones
Región de solución factible para el problema de la
compañía Flair Furniture
C

100 –
–
Número de sillas

80 – Restricción de pintura y barnizado

–
60 –
–
40 –
–
Restricción de carpintería
20 – Región
– factible
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-25
 Representación gráfica
de las restricciones
Para el punto (30, 20)

Restricción 4T + 3C ≤ 240 horas disponibles 

de carpintería (4)(30) + (3)(20) = 180 horas utilizadas

Restricción 2T + 1C ≤ 100 horas disponibles

de pintura (2)(30) + (1)(20) = 80 horas utilizadas 

 Para el punto (70, 40)

Restricción 4T + 3C ≤ 240 horas disponibles

de carpintería (4)(70) + (3)(40) = 400 horas utilizadas 
Restricción 2T + 1C ≤ 100 horas disponibles 
de pintura (2)(70) + (1)(40) = 180 horas utilizadas

7-26
 Representación gráfica
de las restricciones
Para el punto (50, 5)

Restricción 4T + 3C ≤ 240 horas disponibles 

de carpintería (4)(50) + (3)(5) = 215 horas utilizadas
Restricción 2T + 1C ≤ 100 horas disponibles
de pintura (2)(50) + (1)(5) = 105 horas utilizadas


7-27
 Método de solución
de la recta de isoutilidad
Una vez que la región factible se ha graficado, tenemos
que encontrar la solución óptima entre las soluciones
posibles.
La forma más rápida manera de hacer esto consiste en
usar el método de la recta de isoutilidad.
A partir de un valor de utilidad pequeño, pero posible, se
traza la gráfica de la función objetivo.
Se mueve la recta de la función objetivo en la dirección
de aumento de la utilidad, mientras se conserva la
pendiente.
El último punto que toca en la región factible es la
solución óptima.

7-28
 Método de solución
de la recta de isoutilidad
Para Flair Furniture, se elije una ganancia de $2,100.
La función objetivo es entonces
$2,100 = 70T + 50C
Encontrando el valor de las intersecciones de los ejes,
podemos trazar la gráfica.
Esto evidentemente no es la mejor solución posible.
Se pueden crear gráficas adicionales usando mayores
utilidades.
Cuanto más nos alejamos del origen, mayor será la
utilidad.
La máxima utilidad ($4,100 dólares) se generarán cuando
la recta de isoutilidad pase por el punto (30, 40).

7-29
Método de solución
de la recta de isoutilidad

Recta de utilidad de $2,100 graficada para

C
la compañía Flair Furniture

100 –
–
Número de sillas

80 –
–
60 –
– $2,100 = $70T + $50C
(0, 42)
40 –
–
(30, 0)
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-30
Método de solución
de la recta de isoutilidad
Cuatro líneas de isoutilidad graficadas
para la compañía Flair Furniture
C

100 –
–
$3,500 = $70T + $50C
Número de sillas

80 –
– $2,800 = $70T + $50C
60 –
– $2,100 = $70T + $50C
40 –
– $4,200 = $70T + $50C
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-31
 Método de solución
de la recta de isoutilidad

Solución óptima al problema de Flair Furniture

C

100 –
–
Número de sillas

80 –
Recta de utilidad máxima
–
60 – Punto de solución óptima
– (T = 30, C = 40)
40 –
– $4,100 = $70T + $50C
20 –
–
|– | | | | | | | | | | |
0 20 40 60 80 100 T
Número de mesas
7-32
 Método de solución
del punto esquina
Un segundo enfoque para la solución de problemas
de PL utiliza el método del punto
de esquina.
Este implica considerar la utilidad en cada punto
esquina de la región factible.
La teoría matemática detrás de los problemas de PL
establece que una solución óptima se encuentra en
un punto esquina o punto extremo, de la región
factible
Para Flair Furniture, la región factible es un polígono
de cuatro lados con cuatro puntos esquina
designados 1, 2, 3 y 4 en la gráfica.
7-33
 Método de solución
del punto esquina
Cuatro puntos esquina de la región factible
C

100 –
2 –
Número de sillas

80 –
–
60 –
–
3
40 –
–
20 –
–
1 |– | | | | | | | | | | |
0 20 40
4 60 80 100 T
Número de mesas
7-34
 Método de solución
del punto esquina
 Para encontrar las coordenadas para el punto 3 con
precisión tenemos que determinar la intersección de las dos
rectas de restricción.
 Utilizando el método de ecuaciones simultáneas, se
multiplica la ecuación por -2 la ecuación de pintura y se
suma a la ecuación de la carpintería
4T + 3C = 240 (recta de carpintería)
– 4T – 2C = –200 (recta de pintura)
C = 40
 Al sustituir 40 por C en cualquiera de las ecuaciones originales se
puede determinar el valor de T.

4T + (3)(40) = 240 (recta de carpintería)

4T + 120 = 240
T = 30
7-35
 Método de solución
del punto esquina

Punto 1 : (T = 0, C = 0) Utilidad = $70(0) + $50(0) = $0

Punto 2 : (T = 0, C = 80) Utilidad = $70(0) + $50(80) = $4,000
Punto 4 : (T = 50, C = 0) Utilidad = $70(50) + $50(0) = $3,500
Punto 3 : (T = 30, C = 40) Utilidad = $70(30) + $50(40) = $4,100

Ya que el punto 3 da como resultado la mayor utilidad,

esta es la solución óptima.

7-36
 Holgura y excedente
Holgura es la cantidad de un recurso que no se utiliza.
Para una restricción menor que o igual a:
 Holgura = cantidad de recursos disponibles  cantidad de
recursos utilizados.
El excedente se emplea con las restricciones mayor que
o igual a para indicar la cantidad en que se ha superado
lado derecho de una restricción.
 Excedente = cantidad real  cantidad mínima.

7-37
 Resúmenes de métodos
de solución gráfica
MÉTODO DE LA ISOUTILIDAD
1. Graficar todas las restricciones y encontrar la región factible.
2. Seleccionar una recta de utilidad (o de costo) específica(o) y trazar la gráfica
para encontrar la pendiente.
3. Mover la recta de la función objetivo en la dirección de aumento de la utilidad
(o de la disminución del costo), conservando la pendiente. El último punto
que se toca en la región factible es la solución óptima.
4. Determinar los valores de las variables de decisión en este último punto y
calcular la utilidad (o el costo).
MÉTODO DEL PUNTO DE ESQUINA
1. Graficar todas las restricciones y encontrar la región factible.
2. Encontrar los puntos esquina de la región factible.
3. Calcular la utilidad (o el costo) en cada uno de los puntos esquina factibles.
4. Seleccionar el punto esquina con el mejor valor de la función objetivo
determinado en el paso 3. Esta es la solución óptima.

7-38
 Solución del problema de PL de Flair
Furniture con QM para Windows y Excel

Casi todas las organizaciones tienen acceso a

programas de software capaces de resolver
problemas significativos de PL.
Aunque cada programa es un poco diferente, el
método que sigue cada uno para manejar
problemas de PL es básicamente el mismo.
una vez que haya experimentado con el
tratamiento de los algoritmos computarizados de
PL, se puede ajustar fácilmente a cambios
menores.

7-39
 Uso de QM para Windows

 Primero seleccione el módulo de programación lineal.

 Especifique el número de restricciones (suponiendo no negatividad).
 Especifique el número de variables de decisión.
 Especifique si el objetivo se debe maximizar o minimizar.
 Para el problema de la compañía Flair Furniture, existen dos restricciones y dos
variables de decisión y el objetivo es maximizar la utilidad.

7-40
 Uso de QM para Windows

Pantalla de entrada de datos para la

programación lineal de QM para Windows

Introduzca los coeficientes.

Escriba sobre X1 y X2 los
nuevos nombres de las variables
Las ecuaciones se modificarán
automáticamente cuando se
introducen los coeficientes en la tabla.
Escriba los nuevos nombres
de las restricciones.

7-41
Uso de QM para Windows

Introducción de datos de QM para Windows

para el problema de Flair Furniture

Una vez que se hayan introducido

los datos, haga clic en Solve.

7-42
 Uso de QM para Windows

Resultados de QM para Windows

para el problema de Flair Furniture

Los valores de las variables

se muestran aquí El valor de la función objetivo
se presentan aquí.

7-43
Uso de QM para Windows
Resultados gráficos de QM para Windows
para el problema de Flair Furniture

7-44
 Uso de la instrucción Solver
de Excel para problemas de PL

 El complemento llamado Solver se puede utilizar para

resolver:
 Problemas de PL.
 Problemas de programación entera.
 Problemas de programación no entera.

 Solver se limita a 200 variables y 100 restricciones.

7-45
 Uso de la instrucción Solver
para el problema de Flair Furniture

 Recuerde que el modelo para Flair Furniture es:

Maximizar la utilidad = $70T + $50C

Sujeta a 4T + 3C ≤ 240
2T + 1C ≤ 100

 Para utilizar Solver, es necesario introducir fórmulas

con base en el modelo inicial.

7-46
 Uso de la instrucción Solver
para el problema de Flair Furniture

1. Introduzca los nombres de las variables, los coeficientes

de la función objetivo y las restricciones, y los valores de
la derecha del lado de cada una de las restricciones.
2. Designe celdas específicas para los valores de las
variables de decisión.
3. Escriba una fórmula para calcular el valor de la función
objetivo
4. Escriba una fórmula para calcular los lados izquierdos
de cada una de las restricciones.

7-47
 Uso de la instrucción Solver
para el problema de Flair Furniture
Introducción de datos en Excel para el ejemplo de
Flair Furniture

7-48
Uso de la instrucción Solver
para el problema de Flair Furniture

Fórmulas para el ejemplo de Flair Furniture

7-49
Uso de la instrucción Solver
para el problema de Flair Furniture

Hoja de cálculo de Excel para el ejemplo

de Flair Furniture

7-50
 Uso de la instrucción Solver
para el problema de Flair Furniture
 Una vez que el modelo se ha introducido, se pueden utilizar
los pasos siguientes para resolver el problema.
En Excel 2010, seleccione Data – Solver.
Si Solver no aparece en el lugar indicado, consulte el
Apéndice F para tener instrucciones acerca de cómo
activar este complemento.
1. En el cuadro de Set Objective, introduzca la dirección
de celda de la utilidad total.
2. En el cuadro By Changing Cells, escriba las direcciones
de las celdas para los valores de las variables
3. Haga clic en Max para un problema de maximización y
en Min para uno de minimización.

7-51
 Uso de la instrucción Solver
para el problema de Flair Furniture
4. Marque la casilla Make Unconstrained Variables
Non-Negative.
5. Haga clic en el botón Select Solving Method y
seleccione Simplex LP en el menú que aparece.
6. Haga clic en Add para agregar las restricciones.
7. En el cuadro de diálogo que aparece, introduzca
las referencias de celdas para los valores del
lado izquierdo, el tipo de ecuación y los valores
del lado derecho.
8. Haga clic en Solve.

7-52
Uso de la instrucción Solver
para el problema de Flair Furniture

Inicio de Solver

7-53
 Uso de la instrucción Solver de
Excel para problemas de PL

Introduzca la dirección de
Cuadro de la celda para el valor de la
función objetivo.

diálogo de
parámetros Especifique la ubicación de
los valores para las variables.
Solver pondrá aquí los
de Solver valores óptimos.

Haga clic y seleccione Simplex

PL del menú que aparece.
Marque esta casilla para
hacer las variables no
negativas.
Haga clic en Add y agregue
las restricciones a Solver. Las
restricciones aparecerán
aquí.

Haga clic en Solve después

de que se hayan agregado
las restricciones.

7-54
Uso de la instrucción Solver
para el problema de Flair Furniture

Cuadro de diálogo de Solver

de agregar restricción

7-55
 Uso de la instrucción Solver
para el problema de Flair Furniture
Cuadro de diálogo de resultados de Solver

7-56
Uso de la instrucción Solver
para el problema de Flair Furniture

Solución encontrada por Solver

7-57
 Solución de problemas
de minimización
Muchos de los problemas de PL incluyen minimizar un
objetivo como el costo, en vez de maximizar una
función de utilidad.
Los problemas de minimización se pueden resolver
gráficamente, primero estableciendo la región de
solución factible y, después, utilizando ya sea el
método del punto esquina o bien un método de recta
de isocosto (que es similar al método de isoutilidad en
problemas de maximización), para encontrar los
valores de las variables de decisión (por ejemplo, X1 y
X2) que producen el costo mínimo

7-58
 Rancho Holiday Meal Turkey
El rancho Holiday Meal Turkey está considerando
comprar dos marcas diferentes de alimento para pavo, y
mezclarlos para ofrecer una buena dieta de bajo costo
para sus aves

Sean X1 = número de libras de la marca 1 de alimento comprada

X2 = número de libras de la marca 2 de alimento comprada

Minimizar costo (en centavos) = 2X1 + 3X2

sujeto a:
5X1 + 10X2 ≥ 90 onzas (restricción del ingrediente A)
4X1 + 3X2 ≥ 48 onzas (restricción del ingrediente B)
0.5X1 ≥ 1.5 onzas (restricción del ingrediente C)
X1 ≥ 0 (restricción de no negatividad)
X2 ≥ 0 (restricción de no negatividad)
7-59
 Rancho Holiday Meal Turkey

Datos del rancho Holiday Meal Turkey

COMPOSICIÓN DE CADA LIBRA
DE ALIMENTO (OZ.)
REQUERIMIENTO
ALIMENTO ALIMENTO MENSUAL MÍNIMO
INGREDIENTE MARCA 1 MARCA 2 POR PAVO (OZ.)
A 5 10 90
B 4 3 48
C 0.5 0 1.5
Costo por libra 2 centavos 3 centavos

7-60
 Rancho Holiday Meal Turkey
Use the método del punto de esquina.
En primer lugar se construye la región de la solución
factible.
La solución óptima se encuentran en una de las
esquinas como estaría en un problema de
maximización.

7-61
 Región factible para el problema del
rancho Holiday Meal Turkey

X2
–

20 –
Libras de la marca 2

Restricción del ingrediente C

15 – Región factible

a
10 –
Restricción del ingrediente B

5– Restricción del ingrediente A

b
Figura 7.10
| | | | c | |
0–
5 10 15 20 25 X1
Libras de la marca 1
7-62
 Rancho Holiday Meal Turkey
Se resuelven los valores de los tres puntos en las
esquinas.
El punto a es la intersección de las restricciones de los
ingredientes C y B.
4X1 + 3X2 = 48
X1 = 3
Sustituyendo 3 en la primera ecuación, se encuentra X2 =
12.
Determinando el punto b con álgebra básica se
encuentra X1 = 8.4 y X2 = 4.8.
Determinando el punto c se encuentra X1 = 18 y X2 = 0.

7-63
 Rancho Holiday Meal Turkey
Sustituyendo estos valores en la función objetivo, se
encuentra

Costo = 2X1 + 3X2

Costo en el punto a = 2(3) + 3(12) = 42
Costo en el punto b = 2(8.4) + 3(4.8) = 31.2
Costo en el punto c = 2(18) + 3(0) = 36

La solución del costo mínimo es comprar 8.4 libras de alimento

de la marca 1 y 4.8 libras de alimento de la marca 2 para los
pavos. Así, se tendría un costo de 31.2 centavos por pavo.

7-64
 Rancho Holiday Meal Turkey
Solución gráfica del problema del rancho Holiday Meal
Turkey usando la recta de isocosto
X2
–
Región factible

20 –
Libras de marca 2

54
15 – ¢ =2
Di X
1 +
rec 3X
ció 2 R
n ect
10 – de ad
3 1. lc ei
2¢ os soc
=2 tod ost
X ec o
1 + rec
5– 3X i en
2 te
(X1 = 8.4, X2 = 4.8)
| | | | | |
0–
5 10 15 20 25 X1
Libras de marca 1 7-65
 Rancho Holiday Meal Turkey
Solución gráfica del problema del rancho Holiday
Meal Turkey usando la recta de isocosto

7-66
 Rancho Holiday Meal Turkey
Solución de Excel 2010 para el problema del rancho
Holiday Meal Turkey
Se establece que la celda
Se especifica Min para objetivo es D5.
minimización.

Las celdas para cambiar son B4:C4.

Haga clic en Add
para agregar las
restricciones .
Se comprueban las variables
no negativas.

Se selecciona
Simplex LP.

7-67
 Rancho Holiday Meal Turkey
Solución de Excel 2010 para el problema del rancho
Holiday Meal Turkey

7-68
 Cuatro casos especiales de PL

Algunas veces surgen cuatro casos especiales y

dificultades cuando se utiliza el método gráfico
para resolver problemas de PL.
 Solución no factible
 Región no acotada
 Redundancia
 Soluciones óptimas múltiples

7-69
 Cuatro casos especiales de PL

Solución no factible
 Sucede cuando no hay solución a un problema de
PL que satisfaga todas las restricciones dadas.
 No hay una región de solución factible.
 Es un hecho frecuente en la vida real.
 Por lo general, se relajan una o más restricciones
hasta que se encuentra una solución.

7-70
Cuatro casos especiales de PL

Un problema sin una solución factible

X2

8–
–
6–
–
Región que
4–
satisface la
–
tercera restricción
2–
–
0– | | | | | | | | | |
2 4 6 8 X1
Región que satisface las primeras dos restricciones

7-71
 Cuatro casos especiales de PL

Región no acotada
 A veces, un problema de programación lineal no
tiene solución finita.
 En un problema de maximización, una o más
variables de solución, y la utilidad, se pueden hacer
infinitamente grandes sin contravenir ninguna
restricción.
 En una solución gráfica, la región factible se extiende
infinitamente hacia la derecha, es ilimitada o existe
una solución sin acotar.
 Esto implica que el problema se ha formulado
incorrectamente.

7-72
Cuatro casos especiales de PL

Una región factible no acotada por la derecha

X2

X1 ≥ 5
15 –

X2 ≤ 10
10 –

Región factible
5–
X1 + 2X2 ≥ 15
| | | | |
0– 5 10 15 X1

7-73
 Cuatro casos especiales de PL

Redundancia
 Una restricción redundante es aquella que no
afecta la región de solución factible.
 Una o más restricciones pueden estar
enlazadas.
 En un hecho frecuente en la vida real.
 No causa problemas particulares, pero la
eliminación de las restricciones redundantes
simplifica el modelo.

7-74
Cuatro casos especiales de PL

Problema con una restricción redundante

X2

30 –

25 –
2X1 + X2 ≤ 30

20 –
Restricción
redundante
15 –
X1 ≤ 25

10 – X1 + X2 ≤ 20

Región
5–
factible
| | | | | |
0–
5 10 15 20 25 30 X1
7-75
 Cuatro casos especiales de PL

Soluciones óptimas múltiples

 En ocasiones, hay dos o más soluciones óptimas
múltiples.
 Gráficamente, este es el caso cuando la recta de
isocosto o de isoutilidad de la función objetivo corre
perfectamente paralela a una de las restricciones del
problema.
 En realidad, esto permite una gran flexibilidad a la
administración para decidir qué combinación
seleccionar, ya que la utilidad es la misma en cada
solución alternativa.

7-76
Cuatro casos especiales de PL

Ejemplo de soluciones óptimas múltiples

X2

8–

7–
A La solución óptima consiste en todas
6–
las combinaciones de X1 y X2 a lo largo
5– del segmento AB

4–

3– Recta de isoutilidad para $8

2–
B Recta de isoutilidad para
1 – Región $12 superpuesta en el
factible segmento de recta AB
0– | | | | | | | |
1 2 3 4 5 6 7 8 X1

7-77
 Análisis de sensibilidad

Las soluciones óptimas a los problemas de PL se han

encontrado en lo que se llaman suposiciones
deterministas.
Esto significa que suponemos toda la certeza en los
datos y las relaciones de un problema.
No obstante, en el mundo real las condiciones son
dinámicas y cambiantes
Se analiza que tan sensible es una solución determinista
a los cambios en las suposiciones del modelo.
Esto se llama análisis de sensibilidad, análisis de
posoptimalidad, programación paramétrica o análisis de
optimalidad.

7-78
 Análisis de sensibilidad

El análisis de sensibilidad también implica a menudo una

serie de preguntas del tipo ¿qué pasaría si? sobre las
restricciones, los coeficientes de las variables y la función
objetivo.
Una manera de hacer esto es el método de ensayo y
error, donde los valores cambian y se ha resuelto el
modelo completo.
La forma preferida es utilizar un análisis post-óptimo
analítico.
Después de que se ha resuelto un problema, se
determina una serie de cambios en los parámetros del
problema, que no afectarán la solución óptima o
cambiarán las variables de la solución.
7-79
 Compañía High Note Sound
La empresa High Note Sound fabrica equipos de sonido
con reproductor de discos compactos (CD) y
radiorreceptores estereofónicos de alta calidad.
Cada uno de estos productos requiere una cierta
cantidad de mano de obra especializada que está
limitada.
La empresa formula el siguiente problema de PL.
Maximizar la utilidad = $50X1 + $120X2
sujeta a 2X1 + 4X2
≤ 80 (horas de tiempo
disponible de electricistas)
3X1 + 1X2 ≤ 60 (horas de
tiempo
disponible de técnicos
de sonido)
X1, X2 ≥0 7-80
 Compañía High Note Sound

Solución gráfica de la compañía High Note Sound

X2
(receptores)

60 –

– Solución óptima en el punto a

X1 = 0 CD reproductores de CD
40 – X2 = 20 radiorreceptores
Utilidades = $2,400
a = (0, 20) –
b = (16, 12)
20 –
Recta de isoutilidad: $2,400 = 50X1 + 120X2
10 –
Figura 7.16 | | | | | |
0–
10 20 30 40 50 60 X1
c = (20, 0) (reproductores de CD)

7-81
 Cambios en el coeficiente
de la función objetivo
En problemas de la vida real, las tasas de contribución
en las funciones objetivo fluctúan de manera periódica.
Gráficamente, esto significa que aunque la región de
solución factible siga siendo exactamente la misma,
cambiará la pendiente de la recta de isoutilidad o de
isocosto.
Se puede aumentar o disminuir el coeficiente de la
función objetivo de cualquier variable, y el punto
esquina actual puede seguir siendo óptimo.
Es necesario saber cuánto de coeficiente de la función
objetivo puede cambiar para que la solución óptima
esté en un punto esquina diferente.

7-82
 Cambios en el coeficiente
de la función objetivo
Cambios en los coeficientes de contribución de los
radiorreceptores
X2

40 –
Recta de utilidad para 50X1 + 80X2
(pasa por el punto b)
30 –
Recta antigua de utilidad para 50X1 + 120X2
(pasa por el punto a)
20 – b
a Recta de utilidad para 50X1 + 150X2
(pasa por el punto a)
10 –

c
| | | | | |
0– 10 20 30 40 50 60 X1

7-83
 QM para Windows y cambios en los
coeficientes de la función objetivo
Introducción de datos y análisis de sensibilidad de la
compañía High Note Sound con QM para Windows

Programa 7.5A

7-84
 Excel Solver y Changes in
Objective Function Coefficients
Hoja de cálculo Excel 2010 para la compañía High Note
Sound
Las celdas de cambio de variable en el cuadro de diálogo de Solver son B4:C4.

La celda objetivo en el cuadro de dialogo de Solver es D5.

Las restricciones agregadas en Solver están en D8:D9 <=F8:F9.

7-85
 Solver de Excel y cambios en los
coeficientes de la función objetivo

Solución en Excel 2010 y ventana de resultados de

Solver para la compañía High Note Sound
La solución encontrada por Solver está
aquí.

Para ver el reporte del análisis de sensibilidad, elija

Sensivity en la ventana Solver Results y luego haga
clic en OK.

7-86
 Solver de Excel y cambios en los
coeficientes de la función objetivo
Reporte de sensibilidad en Excel 2010 para la compañía
High Note Sound

7-87
 Cambio en los coeficientes
tecnológicos
 Los cambios en los coeficientes tecnológicos a
menudo reflejan los cambios en el estado de la
tecnología.
 Si la cantidad de recursos necesarios para producir un
producto cambia, los coeficientes de las ecuaciones
de restricción va a cambiar.
 Esto no cambia la función objetivo, pero puede
producir un cambio significativo en la forma de la
región factible.
 Esto puede causar un cambio en la solución óptima.

7-88
 Cambio en los coeficientes
tecnológicos
Cambio en los coeficientes tecnológicos de la compañía
High Note Sound

a) Problema original b) Cambio en el c) Cambio en el

X2 X2 coeficiente circulado X2 coeficiente circulado
Radiorreceptores estereofónicos

60 – 60 – 60 –
3X1 + 1X2 ≤ 60 2 X1 + 1X2 ≤ 60 3X1 + 1X2 ≤ 60
40 – 40 – 40 –
Todavía
Solución solución Solución
a óptima a óptima óptima
20 – 20 – d 20 –
b 2X1 + 4X2 ≤ 80 2X1 + 4X2 ≤ 80 16 f g 2X1 + 5 X2 ≤ 80
|c | | | e | | | |c | |
0– 20 40 X1 0– 20 30 40 X1 0– 20 40 X1
Reproductores de CD

7-89
 Cambios en los recursos o los
valores del lado derecho (RHS)
 Los valores de la derecha del lado de las
restricciones con frecuencia representan los
recursos disponibles para la empresa.
 Si los recursos adicionales estuvieran
disponibles, se podría obtener una mayor
utilidad total.
 El análisis de sensibilidad acerca de los recursos
ayudará a responder preguntas acerca de
cuánto se debe pagar por los recursos
adicionales y cuánto más de un recurso sería
útil.
7-90
 Cambios en los recursos o los
valores del lado derecho (RHS)
 Si el lado derecho de una restricción se cambia, la
región factible cambiará (a menos que la restricción
sea redundante).
 Con frecuencia, cambiará la solución óptima.
 La cantidad de cambio en el valor de la función
objetivo que es resultado de una unidad de cambio en
uno de los recursos disponibles se llama el precio dual
o valor dual.
 El precio dual para una restricción es la mejora en el
valor de la función objetivo que es resultado de un
incremento de una unidad en el lado derecho de la
restricción

7-91
 Cambios en los recursos o los
valores del lado derecho (RHS)
 Sin embargo, el posible aumento en el lado derecho
de un recurso es limitado.
 Si el número de horas aumenta más allá del límite
superior, entonces la función objetivo ya no aumentará
el precio dual.
 Simplemente sería el exceso de (holgura) horas de un
recurso o la función objetivo puede cambiar en una
cantidad diferente del precio dual.
 El precio dual tan solo es importante dentro de los
límites.

7-92
 Cambios en el recurso de tiempo de
electricista de la compañía High Note Sound

X2 a)

60 –

40 – Restricción que representa 60 horas del recurso

tiempo de técnico de sonido
a
25 –
b Restricción modificada que representa
20 –
100 horas del recurso tiempo de electricista

| c | | |
0– 20 40 50 60 X1

7-93
 Cambios en el recurso de tiempo de
electricista de la compañía High Note Sound

X2 b)

60 –

40 – Restricción que representa 60 horas

del recurso tiempo de técnico de sonido

Restricción modificada que representa

20 – a
15 – 60 horas del recurso tiempo de electricista
b
c | | | |
0– 20 30 40 60 X1

7-94
 Cambios en el recurso de tiempo de
electricista de la compañía High Note Sound

X2 c)

60 –
Restricción modificada que representa
240 horas del recurso tiempo de electricista

40 –

Restricción
que representa
20 – 60 horas del
recurso
tiempo de técnico
de sonido
| | | | | |
0– 20 40 60 80 100 120
X1

7-95
 QM para Windows y cambios
en los valores del lado derecho
Análisis de sensibilidad de la compañía High Note Sound
utilizando QM para Windows

7-96
 Solver de Excel y cambios en los
valores del lado derecho
Análisis de sensibilidad en Excel 2010 para la compañía
High Note Sound
Los valores de la solución para las variables indican
que se deberían fabricar 0 reproductores de CD y 20
radiorreceptores

Si fabricamos un reproductor de CD, nuestra utilidad se reducirá en $10

Si se utiliza 1 hora más de técnico

electricista, nuestra ganancia
Se van a utilizar 80 horas y 20 horas del tiempo de
aumentará en $30. Esto es cierto
electricista y del tiempo del técnico de audio,
hasta 160 horas más. La utilidad
respectivamente.
caerá en $30 por cada hora de
tiempo de electricista menor de 80
horas

7-97