http://www.google.com.bo/url?

sa=t&rct=j&q=&esrc=s&source=web&cd=5&cad=rja&uact=8&ved=0CDgQFj
AEahUKEwjh8vDIg4nHAhWIWD4KHQQNDgg&url=http%3A%2F
%2Fwww.ptolomeo.unam.mx%3A8080%2Fjspui%2Fbitstream
%2F132.248.52.100%2F63%2F5%2FA5.pdf&ei=7FS9VeHMOIixQGEmrhA&usg=AFQjCNHuschHMpUYC2yLOWSaQLQhSUPfA&bvm=bv.99261572,d.cWw
http://www.google.com.bo/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=3&cad=rja&uact=8&ved=0CCwQFj
ACahUKEwjh8vDIg4nHAhWIWD4KHQQNDgg&url=http%3A%2F
%2Fdavinci.ing.unlp.edu.ar%2Fproduccion%2Fcatingp%2FCapitulo
%25207%2520INTRODUCCION%2520A%2520LA%2520PROGRAMACION
%2520LINEAL.pdf&ei=7FS9VeHMOIixQGEmrhA&usg=AFQjCNHmPvZrsvFyYqPtZEJDBpiVv9DDSw&bvm=bv.99261572,
d.cWw

4.

DEFINICIN Y TERMINOLOGA.

Un problema de Programacin Lineal consiste en optimizar

(maximizar o minimizar) la funcin:
z = F ( x1, x2, ... ,xn ) = c1x1 + c2x2 + ... + cnxn
sujeto a:
a11x1 + a12x2 + . . . + a1nxn = b
a21x1 + a22x2 + . . . + a2nxn = b2
.

am1x1 + am2x2 + . . . + amnxn = bm

x1 , x 2 , . . . , x n 0

A la funcin z = F ( x1, x2, ... ,xn ) = c1x1 + c2x2 + ... + cnxn se le

denomina funcin objetivo o funcin criterio.

Los coeficientes c1, c2, ... , cn son nmeros reales y se llaman

coeficientes de beneficio o coeficientes de costo. Son datos de
entrada del problema.
x1, x2, ... , xn son las variables de decisin (o niveles de
actividad) que deben determinarse.
Las desigualdades ai1x1 + ai2x2 + . . . + ainxn bi , con i = 1, ... ,
m se llaman restricciones.
Los coeficientes aij , con i = 1, ... , m y j = 1, ... , n son tambin
nmeros

reales

conocidos

se

les

denomina

coeficientes

tecnolgicos.
El vector del lado derecho, es decir los trminos bi , con i = 1, ... ,
m,

se llama vector de disponibilidades o requerimientos y son

tambin datos conocidos del problema.

Las restricciones

xj 0

con

j = 1, ... , n

se llaman

restricciones de no negatividad.
Al conjunto de valores de (x 1, x2, ... ,xn) que satisfacen
simultneamente

todas

las

restricciones

se

le

denomina

regin

factible. Cualquier punto dentro de la regin factible representa un

posible programa de accin.
La solucin ptima es el punto de la regin factible que hace
mxima o mnima la funcin objetivo.
http://recursostic.educacion.es/descartes/web/materiales_didacticos/prog_lineal
_lbc/definicion_pl.htm
Captulo 1. PROGRAMACION LINEAL (PL).

Siguient
e

1.3. Modelo de programacin lineal general.

El modelo de PL es una representacin simblica (abstraccin) de la realidad que se

estudia, se forma con expresiones lgicas matemticas conteniendo trminos que significan
contribuciones: a la utilidad (con mximo), al costo (con mnimo), al consumo de recurso
(disponible con desigualdad <=), al recurso requerido (con desigualdad >=), recurso
especificado (con igual = ). Contiene las siguientes cuatro partes:
1a parte

Definicin con el significado cuantitativo de las variables de decisin

(controlables).

2a parte

Funcin econmica u objetivo a optimizar (mximo o bien mnimo):

3a parte

Sujeta a restricciones:

4a parte

Condicin de no negativo a variables:

PROPIEDADES DEL MODELO DE PROGRAMACIN LINEAL

Para que un modelo de PL sea vlido, debe cumplir las propiedades siguientes:

I.

Proporcionalidad.-Significa que la contribucin al valor de la funcin objetivo y el

consumo o requerimiento de los recursos utilizados, son proporcionales al valor de
cada variable de decisin. As el trmino 4X1 es proporcional, porque contribuye al
valor de la funcin Z con 4, 8, 12, etc. para los valores 1, 2, 3, etc., respectivamente,
de X1. Se puede observar el aumento constante y proporcional de 4 conforme crece
el valor de X1. En contraste, el trmino no lineal 4X12, contribuye con 4, 16, 36, etc.,
para los mismos valores 1, 2, 3, etc., respectivamente, de la variable X1; Aqu se
observa que el aumento en la contribucin no es constante y por lo tanto no hay
proporcionalidad.

II.

Aditividad.- Significa que se puede valorar la funcin objetivo Z, as como tambin

los recursos utilizados, sumando las contribuciones de cada uno de los trminos que
intervienen en la funcin Z y en las restricciones.

III.

Divisibilidad.- Significa que las variables de decisin son continuas y por lo tanto
son aceptados valores no enteros para ellas. La hiptesis de divisibilidad ms la
restriccin de no negatividad, significa que las variables de decisin pueden tener
cualquier valor que sea positivo o por lo menos igual a cero.

IV.

Certidumbre.- Significa que los parmetros o constantes son estimados con

certeza, o sea, no interviene una funcin de probabilidad para obtenerlos

El modelo de programacin lineal es un caso especial de la programacin matemtica, pues

debe cumplir que, tanto la funcin objetivo como todas las funciones de restriccin, sean
lineales.
APLICACIONES TPICAS DE LA PROGRAMACIN LINEAL
Aparentemente, las estructuras de organizacin complejas propias de la sociedad moderna
han reconocido interesantes problemas de optimizacin tales como la manera ms eficiente
de manejar la economa de un pas o tambin la mezcla de ingredientes de un fertilizante
para satisfacer las especificaciones agrcolas a costo mnimo. Ambos problemas utilizan el
modelo de programacin lineal (PL), para optimizar una funcin lineal condicionada a
restricciones lineales, que es sencillo en su estructura matemtica, pero poderoso por su
gran adaptacin a una amplia variedad de problemas.
La programacin lineal es una tcnica matemtica de resolucin de problemas, su
desarrollo representa una ayuda a los administradores para tomar decisiones en la
asignacin de recursos. A continuacin aparecen algunas aplicaciones tpicas de la PL:
1. Un fabricante desea desarrollar un programa de asignacin en produccin y una
poltica de inventario que satisfagan la demanda de ventas de periodos futuros. As

se podra cumplir la demanda con mnimo costo total de produccin y de

inventario.
2. Un analista financiero debe seleccionar una cartera de inversiones a partir de una
diversidad de alternativas en acciones y bonos. Se debe establecer la cartera que
maximice el rendimiento sobre la inversin asignada.
3. Un administrador de mercadotecnia desea determinar la mejor manera de asignar
un presupuesto de publicidad como radio, televisin, peridicos y revistas. Al
gerente le gustara determinar la combinacin de medios que maximice la
efectividad de la publicidad.
4. Una empresa tiene almacenes en varias. ubicaciones en todo el pas. Para un
conjunto de demandas de sus productos por parte de sus clientes, la empresa
deseara determinar cunto debe asignar en embarques a cada uno de los almacenes
y a cada cliente, de manera que los costos totales de transporte resulten mnimos.
Estas aplicaciones representan unas cuantas situaciones en las que se ha utilizado con xito
la programacin lineal, pero ilustran su potencial en la solucin de problemas. Un estudio
detallado revela las caractersticas comunes de ellas. En el ejemplo 1, el fabricante desea
minimizar costos; en el 2, el analista financiero desea maximizar el rendimiento sobre la
inversin; en el 3, el gerente de mercadotecnia desea maximizar la efectividad de la
publicidad, y en el ejemplo 4, la empresa desea minimizar los costos totales de transporte.
En todos los problemas de programacin lineal, el objetivo es el mximo o bien el
mnimo de alguna cantidad en la accin de asignar recursos.
Los problemas de programacin lineal se caracterizan, adems, por las condiciones
impuestas o restricciones de recursos, que limitan el grado en que se puede cumplir algn
objetivo. En el ejemplo 1, el fabricante est limitado por restricciones que requieren que la
demanda de producto quede satisfecha y por restricciones respecto a la capacidad de
produccin. El problema de la cartera del analista financiero est limitado por la cantidad
total de fondos de inversin disponibles y las cantidades mximas que se pueden invertir en
cada accin o bono. La decisin en la seleccin de medios del gerente de mercadotecnia,
est restringida por un presupuesto de publicidad fijo y por la disponibilidad de los varios
medios. En el problema de transportacin, el programa de embarques de costo mnimo est
restringido al suministro de productos disponibles en cada almacn. La diversidad de
condiciones mencionadas, es parte de lo que puede esperar aquel que decida enfrentar un
problema, pues las restricciones son otra caracterstica general en todo problema de
programacin lineal.
http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/Investigacion_d

e_Operaciones_Careaga/Common/IO-modulo1modelopl.htm

Mtodos de Solucin de la Pro

Mtodos de Solucin de la Programacin Lineal

Mtodos de Solucin de la programacin lineal.
Luego de la etapa de diseo del modelo de optimizacin
lineal es necesario solucionar el mismo. Para ello se
utilizan diferentes mtodos de solucin.

Concep
to:

Solucin y respuesta d
planteado en la
Lineal.

Contenido
[ocultar]

1 Principales Mtodos utilizados

2 Mtodo Grfico

3 Desventaja Fundamental del Mtodo Grfico

4 Mtodo Simplex

5 Fuente

Principales Mtodos utilizados

Para llegar a la solucin de un problema de Programacin Lineal se utilizan diferentes
mtodos de solucin. Los ms difundidos son: el mtodo grfico y el Mtodo Simplex. La
solucin de un problema de Programacin Lineal utilizando un procedimiento grfico es
posible si se tienen no ms de dos variables. El Mtodo Simplex fue el primer mtodo
surgido para solucionar problemas de Programacin Lineal, por lo que se le considera el
mtodo de solucin clsico por excelencia. Teniendo en cuenta la filosofa de este mtodo
han surgido otros mtodos cuyas ventajas fundamentales se concentran en las posibilidades
de los mismos para ser programados por computadoras.

Mtodo Grfico
El procedimiento grfico comienza elaborando una grfica que muestre las soluciones
posibles (valores X1 y X2). La grfica tendr valores los valores X1 en el eje horizontal y
los valores X2 en el eje vertical. El procedimiento para hallar la solucin grfica consiste en
lo siguiente:

Para cada inecuacin del sistema de restricciones (medio espacio

cerrado) se toma la recta correspondiente y se determinan los
interceptos con la grfica. Si la recta pasa por el origen del eje de
coordenadas, el trmino independiente es cero, entonces se traza la
recta tomando el origen y otro punto determinado dando un valor
arbitrario a una de las variables.

Para determinar los puntos que satisfacen cada inecuacin se sustituye

un punto cualquiera del espacio (se recomienda el origen cuyas
coordenadas son (0,0)), y de esta forma se determina si los puntos que
satisfacen la misma estn hacia el lado que est el origen o hacia el lado
contrario, sealando con una flecha ese lado. Cuando la recta pasa por
el origen entonces se toma otro punto cualquiera pero que sean sencillos
los valores de sus coordenadas, por ejemplo, ( 0,1) , (1,0 ), (1,1), etc.

Luego se determina la regin solucin que es la regin del plano que

satisface todas las restricciones al mismo tiempo y que debe estar en el
primer cuadrante. La figura formada es un poliedro convexo que tiene un
conjunto de puntos extremos.

Se busca el punto ptimo entre el conjunto de puntos extremos. Para eso

se sustituye cada par de puntos (X1, X2) de los puntos extremos en la
funcin objetivo y se calcula el valor de Z. Si se est maximizando el
valor de la misma, el punto ptimo ser aquel que proporcione el valor
mayor para Z y si el criterio de optimizacin es de minimizar, entonces el
punto ptimo ser aquel que proporcione el valor mnimo de Z.

Desventaja Fundamental del Mtodo Grfico

Este mtodo grfico tiene la desventaja que slo permite la solucin de problemas que
tengan dos variables de aqu que la mayora de los problemas de programacin lineal se
resuelvan utilizando como base el mtodo simplex.

Mtodo Simplex
Constituye un procedimiento iterativo algebraico que resuelve cualquier problema en un
nmero finito de pasos. Fue elaborado por George Dantzing en 1947.La concepcin de este
mtodo ha facilitados que otros especialistas del tema desarrollen otros mtodos de
solucin con la misma filosofa, pero ms adecuados para la programacin por
computadoras. Para explicar el mtodo simplex es necesario definir un conjunto de
conceptos bsicos necesarios para la comprensin del mismo.
http://www.ecured.cu/index.php/M%C3%A9todos_de_Soluci
%C3%B3n_de_la_Programaci%C3%B3n_Lineal

1.5.2. Mtodo grfico para resolver modelos de

programacin lineal con solo dos variables.
En esta seccin interesa hacer anlogos geomtricos, esto es, grficas de funciones lineales
que contiene el modelo matemtico de programacin lineal obtenido en la formulacin del
problema que se analiza. Dicho modelo puede contener expresiones tanto en forma de
ecuaciones ( = ) como en desigualdades ( <= >= ), cada una de ellas corresponde a un
grfico en la analoga geomtrica.

Primero considere la infinidad de puntos que constituyen en conjunto el plano y los cuatro
cuadrantes convencionalmente aceptados, para dividirlo en zonas caracterizadas por la
combinacin de signo que se puede dar, a los valores medidos con nmeros reales. Para
lograr los cuadrantes en el plano se utilizan los ejes cartesianos con escala de medicin de
valores de las variables del problema; por ejemplo, se puede asignar el eje horizontal de
abscisas para la medicin de valores de la variable X1; tambin se puede asignar el eje
vertical de ordenadas, para la medicin de valores de la variable X2. La localizacin de
cualquier punto en este espacio plano requiere de una distancia horizontal (X1) y de una
distancia vertical (X2) denotado como par ordenado o vector (X1, X2). Un punto sobre el eje
X1 corresponde a X2=0 y un punto sobre el eje X2 corresponde a X1=0, que son las
ecuaciones respectivas de los ejes horizontal y vertical. Dichos ejes se cruzan en el punto
(X1, X2) = (0, 0), el cual se conoce como origen.
Si la ecuacin tiene slo dos variables, el grfico de la misma sobre el plano es una lnea
recta, es decir, se requiere un espacio de dos dimensiones, la horizontal y la vertical, para
graficar tal ecuacin; pero la representacin geomtrica de una ecuacin en tres variables,
requiere un espacio de tres dimensiones. En tal caso, a los ejes X1 y X2, se les agrega un
tercer eje X3 como tercera dimensin, que pasa por el origen hacia el observador. Los
grficos de la Figura 1-13 y Figura 1-14 muestran lo anterior para una ecuacin cualquiera:

Figura 1-13. Grfico de una ecuacin en dos dimensiones.

Figura 1-14. Grfico de una ecuacin en tres dimensiones.

El mtodo grfico proporciona la oportunidad de visualizar algunos de los conceptos
importantes de la programacin lineal. Pero tiene una gran limitacin referente, a que slo
es posible aplicarlo en problemas muy pequeos; para este curso se limita el mtodo grfico
aplicado a problemas con slo dos variables. El mtodo grfico para resolver problemas
que se han modelado con programacin lineal consiste en asignar un eje cartesiano para
cada una de las dos variables involucradas; de esta manera se asigna, por ejemplo, el eje
horizontal como escala para los distintos valores que pueda tener la variable X1; tambin se
puede asignar el eje vertical con su respectiva escala para ubicar los distintos valores que
puede tomar la variable X2. Un sistema con dos ejes cartesianos, horizontal y vertical,
permite representar en un espacio plano las lneas rectas que geomtricamente hablando
representan cada expresin matemtica lineal con slo dos variables. Las restricciones y
condiciones de signo del problema, representan al sistema que debe graficarse en un plano
y despus se valora en el mismo la funcin econmica Z, con la cual se busca un punto del
sistema que maximice o bien minimice su valor.
Para mejor comprensin del mtodo grfico de solucin de problemas modelados con
programacin lineal, se presenta el siguiente ejemplo que se detalla lo suficiente para el
voluntarioso estudiante de esta tcnica poderosa en su aplicacin. Posteriormente se
presentan otros ejemplos con el propsito de profundizar en la enseanza e intentar mayor
avance en el aprendizaje.
Ejemplo 1-12. Problema de combinar produccin para mxima utilidad (QUIMCAR)
[AND93].

QUIMCAR es una empresa que elabora varios productos qumicos. En un proceso de

produccin en particular se utilizan tres recursos como materia prima de dos productos: una
cera automotriz y una pasta pulidora, que se usan en la pintura de la carrocera a vehculos
automotores y se distribuye para su venta al menudeo a varias empresas distribuidoras. Para
producir la cera y la pasta se utilizan tres recursos, segn se muestra en la siguiente tabla,
en la cual se observa que una tonelada de cera es una mezcla de 2/5 de tonelada del recurso
1 y 3/5 de tonelada del 3. Por otro lado, una tonelada de pasta es la mezcla de 1/2, 1/5 y
3/10 de tonelada de los recursos 1,2 y 3, respectivamente.
La produccin de la cera automotriz y la pasta pulidora est restringida a la disponibilidad
de los tres recursos. Para el periodo de produccin anual, se tienen disponibles las
cantidades siguientes de cada una de las materias primas.

Figura 1-15. Recursos disponibles para la produccin en ejemplo QUIMCAR.

Figura 1-16. Material requerido para cera y pasta pulidora en ejemplo QUIMCAR.
El departamento de contabilidad ha analizado las cifras de produccin, asignando los costos
correspondientes para ambos productos, lleg a precios que resultan en una contribucin a
la utilidad de 400 dlares por cada tonelada de cera automotriz y de 300 dlares por cada
tonelada de pasta pulidora, producidas. La administracin, despus de analizar la demanda
potencial, ha concluido que los precios establecidos aseguran la venta de toda la cera y
pasta que se produzca.
El problema es determinar: 1.-Un conjunto de expresiones matemticas o modelo,
representando el objetivo y restricciones del problema descrito. 2.- Resolver en forma
grfica y determinar cuntas toneladas de cera y pasta debe producir la empresa para
maximizar la contribucin total a la utilidad.
Definicin de las variables y funcin objetivo

Como ya se apunt anteriormente, los problemas de programacin lineal tienen un objetivo

ya sea de mximo o bien de mnimo. En este problema, el objetivo es de maximizar la
contribucin a la utilidad y se plantea en forma matemtica introduciendo alguna forma
simple de notacin, como sigue:
1a. Parte.-Definicin de variables.-

Es importante precisar la unidad de medida:

2a. parte.- Funcin objetivo.-

La contribucin a la utilidad se origina de: (1) la que proviene de la produccin de

X1 toneladas de cera automotriz, y (2) la que proviene de la produccin de X2
toneladas de pasta pulidora. Dado que se gana 400 dlares por cada tonelada de cera
producida, la empresa gana $400 X1 si se producen X1 toneladas de cera. Tambin,
en vista de que se gana 300 dlares por cada tonelada de pasta producida, la
empresa gana $300 X2 si se producen X2 toneladas de pasta. Identificando con Z la
contribucin total a la utilidad y eliminando el signo de dlares se tiene:

El problema es encontrar la combinacin de produccin que maximice la

contribucin total a la utilidad. Esto es, se deben determinar los valores para X1 y X2
que den el valor ms elevado posible de Z. En terminologa de programacin lineal,
se nombran a X1 y a X2 como las variables de decisin. Dado que el objetivo de
maximizar la utilidad es una funcin de stas, entonces se dice que Z = 400 X1 +
300 X2 es la funcin objetivo, que tambin se puede escribir abreviando los
coeficientes a unidades que significan cientos de dlares por tonelada producida,
como sigue:

Cualquier combinacin de produccin de cera y pasta se conoce como una solucin

al problema. Sin embargo, nicamente aquellas soluciones que satisfagan todas las
restricciones se conocen como soluciones factibles o posibles. La combinacin
especfica de produccin factible, que resulte en la contribucin mayor a la utilidad,
se conoce como la combinacin de produccin ptima, o simplemente, la solucin
ptima. Pero primero se requiere conocer todas las restricciones del problema y
posteriormente se muestra un mtodo para definir grficamente, en el plano de
dibujo, el espacio en que se ubican el conjunto de puntos de solucin factible.

3a. Parte.- Restricciones de materia prima.

La cantidad de materia prima disponible, condiciona o sujeta el valor de la funcin

objetivo para cumplirse con los tres recursos limitados, calculando las posibles
soluciones en las cantidades de cera y pasta que se pueden producir. Segn la
informacin de produccin (vea la tabla), se sabe que cada tonelada de cera
automotriz utiliza 2/5 toneladas del recurso 1, por lo que el total de toneladas del
mismo utilizado en la produccin de X1 toneladas de cera es 2/5X1; adems, cada
tonelada de pasta usa 1/2 tonelada del recurso 1, como resultado, X2 toneladas de
pasta usan 1/2 X2 toneladas de recurso 1, entonces el consumo total de toneladas de
recurso 1 para producir X1 de cera y X2 de pasta est dado por

Debido a que se tiene un mximo de 20 toneladas de materia prima 1 disponible, la

combinacin de produccin a decidir debe satisfacer la restriccin

La relacin anterior es una desigualdad que anota las contribuciones al consumo de

recurso 1, utilizadas en la produccin de X1 toneladas de cera y de X2 toneladas de
pasta, que debe ser menos que o igual a 20 toneladas disponibles.
La tabla indica que el recurso 2 no es requerido por la cera, pero si por la pasta pues
cada tonelada producida de sta requiere 1/5 tonelada de las 5 disponibles, se
expresa as:

Si desea, ahora verifique por s mismo que la restriccin para la materia prima 3 es

Hasta aqu se han definido, las restricciones de materia prima; slo falta establecer
que las toneladas de cera y pasta no puede ser un nmero negativo.
4a parte.- Condiciones de valor no negativo para las variables:

Esto asegura valores no negativos de las variables de decisin como solucin al

problema presente, se conocen como restricciones de no negatividad y son una
caracterstica general de los problemas de programacin lineal.
Modelo matemtico del problema de Quimcar.
La formulacin matemtica o modelo simblico, representa en forma abstracta, el objetivo
y las restricciones del problema, trasladados del mundo real a un conjunto de relaciones
matemticas. El modelo completo del problema es:

Ahora slo falta encontrar la combinacin de productos cera y pasta expresados como
toneladas de X1 y X2 que satisface todas las restricciones y tambin resulte en un valor
mximo de la funcin objetivo, comparado con el valor de cualquier otra solucin factible,
lo que significa la solucin ptima del problema.
Este modelo matemtico del problema es programacin lineal, tiene una funcin objetivo
y restricciones, todas con la caracterstica especial de que son una funcin lineal de las
variables de decisin.
Las funciones matemticas en las cuales slo una de las variables aparece elevada a la
primera potencia como un trmino independiente, se conocen como funciones lineales. La
funcin objetivo 4X1 + 3X2 es lineal, porque cada una de las variables de decisin aparece
en un trmino por separado con exponente 1. Si la funcin objetivo se presentara como
4X21 + 3X32, no se tratara de una funcin lineal. Por la misma razn, el nmero de
toneladas de la materia prima 1 requerida, 2/5X1+1/2X2 , tambin es una funcin lineal de
las variables de decisin. Similarmente, el lado izquierdo de todas las desigualdades de
restriccin son funciones lineales, as la formulacin matemtica del problema anterior se
identifica como un programa lineal.
Solucin grfica
Un problema de programacin lineal con slo dos variables de decisin se puede resolver
de manera grfica sobre el espacio plano. Se inicia este procedimiento de solucin
desarrollando una grfica que despliegue las posibles soluciones (valores X1 y X2) para el

problema QUIMCAR. En la Figura 1-17 aparecen los valores de X1 sobre un eje horizontal
y los valores de X2 sobre uno vertical. De esta manera se divide el plano o papel de trabajo,
en cuatro espacios limitados por los ejes, formando as los cuadrantes 1, 2, 3 y 4. Cualquier
punto de la grfica puede quedar identificado por un par de valores X1 y X2, que representa
la posicin del punto con respecto de los ejes X1 y X2. Cada par (X1, X2) corresponde a un
punto solucin de esta manera se tendra una infinidad de ellos en el plano considerado.
Pero para la solucin particular en la que X1 = 0 y X2 = 0, se ubica un punto vrtice
identificado como origen para ambos ejes.

Figura 1-17. Algunos puntos solucin para el problema QUIMCAR.

El siguiente paso es mostrar, qu puntos corresponden a soluciones factibles del programa
lineal. Tanto X1 como X2 deben ser de valor no negativo, por lo que slo es necesario
considerar la porcin de la grfica en donde X1 >= 0 y X2 >= 0, lo que se conoce como
primer cuadrante. En la Figura 1-18 las flechas indican el primer cuadrante, o sea, la regin
donde estos requisitos de no negatividad quedan satisfechos para la solucin buscada.

Figura 1-18. Grfica del primer cuadrante. Cumple las restricciones de no negatividad
( >= 0 ).
Anteriormente se determin la desigualdad que representa la restriccin para la materia
prima 1 es:

Para mostrar todos los puntos solucin que la satisfacen, se traza la lnea que
geomtricamente representa a la ecuacin lineal: 2/5X1 + 1/2X2, = 20 la cual debe ser recta,
se calculan dos puntos pertenecientes a la misma y a continuacin se traza una lnea recta a
travs de los mismos. Para ello, arbitrariamente se buscan los puntos sobre los ejes en que,
por supuesto, se tiene el valor de cero para una de las variables, as al hacer X1 = 0, se ubica
sobre el eje X2 y resolviendo la ecuacin en funcin de la variable X2, queda X2 = 20, o
tambin X2 = 40; por lo tanto el punto (X1=0, X2=40) satisface la ecuacin anterior, pues es
la interseccin de las rectas, eje X2 y la que representa el recurso 1; alternativamente, para
encontrar un segundo punto que satisfaga esta ecuacin se hace X2 = 0 y se resuelve en
funcin de X1. Al hacerlo se observa que 2/5X1 = 20, es decir, X1 =50, por lo que un
segundo punto que tambin satisface la ecuacin es (X1=50, X2=0). Con estos dos puntos,
se puede trazar la recta que se conoce como lnea de restriccin de la materia prima 1,
mostrada en la Figura 1-19

Figura 1-19. La lnea recta de restriccin de la materia prima 1, ejemplo QUIMCAR.

La desigualdad que representa a la restriccin de la materia prima 1 es:

Puede usted identificar las soluciones que satisfacen esta restriccin?. Observe primero,
que cualquiera de la infinidad de puntos que forman la lnea recta de restriccin 2/5X1 +
1/2X2, = 20 debe satisfacer a la misma; pero dnde estn los puntos solucin que
satisfacen la desigualdad: 2/5X1 + 1/2X2 < 20?. Ahora considere dos puntos de solucin (X1
=10, X2 =10) y (X1 =40, X2 =30). La Figura 1-19muestra que la primera solucin se ubica
por debajo de la lnea de restriccin y la segunda queda por encima, entonces cul de estas
soluciones satisface la restriccin del recurso 1? Para el punto (X1 =10, X2 =10), se tiene:

Dado que 9 es menor que 20 toneladas de materia prima 1 disponible, la combinacin o

solucin, de productos X1=10 toneladas de cera automotriz, X2=10 toneladas de pasta
pulidora satisface la restriccin del recurso 1, en este caso se califica a (10,10) como una
solucin factible. Por otro lado, para X1 =40 y X2 =30 se tiene:

31 es mayor que las 20 toneladas disponibles de recurso 1, por lo que la solucin X1 = 40

toneladas de cera, X2 = 30 toneladas de pasta, no satisface la restriccin, y por lo tanto la
solucin (40,30) no es factible.
Si una solucin particular no es factible, todas las dems soluciones del mismo lado de la
lnea recta de restriccin tampoco lo sern. Si una solucin particular es factible, todas las
dems soluciones del mismo lado de la lnea de restriccin sern factibles, por lo que
solamente es necesario evaluar un punto de solucin para determinar cul es el lado de la
lnea de restriccin que representa las soluciones factibles. En la Figura 1-20 , el rea
factible con todos los puntos que satisfacen la restriccin de la materia prima 1 se muestra
sombreada.

Figura 1-20. Regin factible para la restriccin de la materia prima 1, ejemplo

QUIMCAR.
Se siente capaz de trazar una lnea de restriccin y localizar los puntos de solucin que son
factibles?. Si as lo desea intente resolver la restriccin 2.
Para el caso que necesite ms instruccin, a continuacin se muestra la identificacin de los
puntos de solucin que satisfacen la restriccin de la materia prima 2:

Se empieza dibujando la lnea de restriccin correspondiente a la ecuacin 1/5 X2 = 5, que

es equivalente a X2 = 25, simplemente se dibuja una lnea cuyo valor X2 es 25, est lnea es

paralela a X1 y est a 25 unidades por encima del eje horizontal. En la Figura 1-21 se dibuja
la lnea recta que corresponde a la restriccin de la materia prima 2, la regin sombreada
corresponde a todas las combinaciones de produccin que son soluciones factibles para la
restriccin de la materia prima 2.

Figura 1-21. Regin factible de la restriccin de materia prima 2, ejemplo QUIMCAR.

De manera similar, se puede diferenciar el conjunto de todas las soluciones factibles para la
restriccin de la materia prima 3. La Figura 1-22 muestra la zona de puntos factibles. Como
ejercicio prctico, pruebe trazar la regin factible de la restriccin de la materia prima 3 y
verifquelo con este grfico.

Figura 1-22. Regin factible para la restriccin de la materia prima 3, ejemplo

QUIMCAR.
Ahora se tienen tres grficas por separado que muestran las soluciones factibles para cada
una de las restricciones. En un problema de programacin lineal, se necesita identificar las
soluciones que satisfacen simultneamente todas las restricciones. Las grficas de las
Figura 1-20, Figura 1-21 y Figura 1-22 se pueden superponer para obtener una interseccin
grfica de las tres restricciones. La Figura 1-23muestra esta grfica de restricciones
combinadas. La regin sombreada de esta figura incluye todos los puntos solucin que
simultneamente, satisfacen todas las restricciones. Las soluciones que satisfacen
simultneamente todas las restricciones del sistema se conocen como factibles, la parte
sombreada se conoce como la regin de soluciones factibles, o simplemente regin
factible. Cualquier punto en las fronteras de la regin factible, o bien en su interior, es un
punto de solucin factible. Ahora que se ha identificado la regin factible, se puede seguir
adelante con el mtodo de solucin grfica y determinar cul es la solucin ptima para el
problema de QUIMCAR. Recuerde que la solucin ptima para un problema de
programacin lineal es la solucin factible que aporte el mejor valor de la funcin objetivo.

Figura 1-23. Regin de soluciones factibles del problema ejemplo QUIMCAR.

Se inicia el paso de optimizacin del procedimiento de solucin grfica volviendo a dibujar
la regin factible en una grfica por separado. La Figura 1-24 muestra dicha grfica.
El procedimiento para determinar la solucin ptima evaluando la funcin objetivo para
cada una de las soluciones factibles, no es posible pues hay demasiadas, (de hecho, una
infinidad). Por lo tanto, para identificar la solucin ptima no se debe utilizar un
procedimiento de ensayo y error. En vez de intentar calcular la contribucin a la utilidad de
cada solucin factible, se selecciona un valor arbitrario de la contribucin a la utilidad y se
identifican todas las soluciones factibles (X1, X2) que dan el valor seleccionado.

Figura 1-24. Regin factible del problema ejemplo QUIMCAR.

Por ejemplo, qu soluciones factibles dan una contribucin a la utilidad de 2400 dlares?
Estas soluciones se dan por los valores de X1 y X2 de la regin factible que cumplan con la
siguiente funcin objetivo que se puede simplificar para obviar clculos, as:

sta expresin es simplemente la ecuacin de una lnea recta, por lo que todas las
soluciones factibles (X1, X2), con una contribucin a la utilidad de 24 dlares deben estar en
esta lnea. Ya se aprendi como trazar una lnea de restriccin; el procedimiento para trazar
la lnea de la funcin objetivo o de utilidad es el mismo. Haciendo X1=0, se tiene que X2
debe ser 8; entonces, el punto de solucin (X1=0, X2=8) est en la recta. Similarmente,
haciendo X2 = 0, se tiene que el punto de solucin (X1=6, X2 = 0), tambin est en la recta.
Dibujando la lnea recta por estos puntos, se identifican todas las soluciones que tienen una
contribucin a la utilidad de 24; una grfica de esta lnea de utilidad se presenta en la
Figura 1-25 que muestra un nmero infinito de combinaciones factibles de produccin que
darn una contribucin de 24 a la utilidad.

Utilizando el procedimiento anterior para el trazado de rectas de utilidad y de restriccin, se

trazan la lnea de utilidad de 72 y 120 que se presentan en la misma Figura 1-25. Por

supuesto, slo los puntos de las rectas de valor 24, 72 y 120 que estn dentro de la regin
factible, deben considerarse como soluciones factibles para tal contribucin de utilidad.

Figura 1-25. Diferentes lneas de utilidad para el problema ejemplo QUIMCAR

Dado que las rectas de utilidad son paralelas y de valor creciente conforme se alejan del
origen, se pueden obtener valores mayores para la funcin objetivo, continuando el
movimiento hacia fuera del conjunto factible pero mantenindose adentro del mismo, hasta
alcanzar el (los) ltimo(s) punto(s) vrtice antes de salir. Dado que los puntos fuera de la
regin factible no son aceptables, el (los) punto(s) vrtice en la regin factible que
coincide(n) con la recta de utilidad mayor es una solucin ptima al programa lineal.
El estudiante debe identificar ahora, el punto de solucin ptimo para el problema ejemplo
QUIMCAR. Utilice una regla y escuadra, mueva paralelamente la recta de utilidad tan lejos
del origen como pueda, pero conservando el contacto en la zona factible. Cul es el ltimo
punto de la regin factible? Este punto debe ser vrtice y corresponde a la solucin ptima,
vea el grfico de la Figura 1-26. Los valores ptimos para las variables de decisin son
( X1, X2) = ( 25, 20 ).

Figura 1-26. Solucin ptima para el problema ejemplo QUIMCAR.

Dependiendo del tamao y claridad de su grfica, se determinan los valores ptimos
exactos de X1 y X2 leyendo directamente de la grfica. Pero observe en la Figura 1-23, la
solucin ptima del ejemplo est en la interseccin de las rectas de restriccin 1 y 3 que se
pueden resolver para precisar los valores coordenados.

Por lo que los valores de las variables de decisin X1 y X2 debern satisfacer las ecuaciones
de manera simultnea. Resolviendo en funcin de X1 en (1)

Sustituyendo esta expresin (4) de X1 en la ecuacin (3) y resolviendo en funcin de X2 se

obtiene

Sustituyendo X2 =20 en la ecuacin (4) y resolviendo en funcin de X1, resulta

A pesar de que la solucin ptima para el problema est formada de valores enteros de las
variables de decisin, esto no ser siempre el caso. La localizacin exacta del punto de
solucin ptima es X1 =25 y X2 =20. Este punto identifica las cantidades ptimas de
produccin para QUIMCAR en 25 toneladas de cera automotriz y 20 toneladas de pasta
pulidora, con una contribucin a la utilidad de:

As, en un problema de programacin lineal con dos variables de decisin, se puede

determinar el valor exacto de las variables de la solucin ptima, utilizando primero el
mtodo grfico para identificar el punto que optimiza y despus resolviendo
simultneamente las dos ecuaciones que generan el mismo.
Trazo de lneas rectas
Un aspecto importante del mtodo grfico es la posibilidad de trazar lneas rectas
representando las restricciones y la funcin objetivo del programa lineal. El procedimiento
ms sencillo para trazar la recta de una ecuacin, es encontrando dos puntos cualesquiera
que la satisfagan y a continuacin trazando la recta a travs de dichos puntos. En el caso de
la lnea recta de restriccin de la materia prima 1 del problema QUIMCAR

se identifican los dos puntos (X1 = 0, X2 = 40) y (X1 = 50, X2 = 0). Despus se traza la lnea
recta de restriccin de la materia prima 1 a travs de estos dos puntos.

Cuando en la ecuacin de restriccin slo aparece una variable, como es el caso de la

materia prima 2 del problema (1/5 X2 <= 5), se resuelve en funcin de la nica variable que
aparece en la ecuacin (para esta restriccin, X2 =25); es claro que en tal ecuacin X1 = 0
pues no est presente, as (X1 =0, X2 =25) representa el punto en el eje X2 por donde debe
pasar una recta paralela al eje X1.
Todas las rectas de restriccin y de funciones objetivo en los programas lineales de dos
variables, se pueden trazar si se pueden identificar los puntos de la lnea. Sin embargo,
determinar dichos puntos no siempre es tan fcil como result en el problema QUIMCAR.
Por ejemplo, considere la restriccin:

Usando la forma de igualdad y haciendo X1 = 0, se tiene que el punto (X1 = 0, X2 = -100)

pertenece a la recta de restriccin. Si X2=0, se tiene el segundo punto (X1 = 50, X2 = 0)
sobre la misma recta de restriccin. Si se ha dibujado slo la porcin no negativa (X1 >= 0,
X2 >= 0) correspondiente al primer cuadrante de la grfica, entonces no se puede fijar el
primer punto (X1 = 0, X2 = -100), porque no hay escala para valores negativos en la grfica
tal como es X2 = -100. Siempre que se tengan dos puntos de la recta, con uno o ambos
valores negativos, el procedimiento grfico obligado es incluir la escala negativa a los dos
ejes coordenados horizontal y vertical, incluyendo los cuadrantes necesarios. En este
ejemplo, se puede localizar el punto (X1 = 0, X2 = -100) extendiendo hacia abajo el eje
vertical para incluir los valores negativos de X2. Una vez localizados los dos puntos que
satisfacen la ecuacin y el conjunto de soluciones factibles para la nueva restriccin de
ejemplo 2X2 - 1X2 <= 100, entonces se procede a su trazo, segn se ve en la siguiente
figura: .

Figura 1-27. Soluciones factibles de la restriccin 2X1-1X2 <= 100

Considere ahora la restriccin: 1X1 - 1X2 >= 0 mostrada en la Figura 1-28. El lado derecho
con valor cero en esta desigualdad, identifica una lnea recta que contiene o pasa por el
punto vrtice conocido como origen. Para determinar las soluciones que satisfacen la
restriccin como igualdad, primero se hace X1 = 0 y se resuelve en funcin de X2. El
resultado muestra que el origen (X1= 0, X2 = 0) est en la recta de restriccin. Al hacer X2 =
0 y al resolver para X1, resulta en el mismo punto. Pero se puede obtener otro punto de la
recta, al dar a X2 un valor cualquiera distinto de cero y entonces resolver en funcin de X1.
Por ejemplo, haciendo que X2 = 100 y resolviendo en funcin de X1, se encuentra que el
punto (X1 = 100, X2 = 100) tambin pertenece a la recta. En ambos puntos (X1=0, X2= 0) y
(X1 = 100, X2 = 100) se puede trazar la lnea de restriccin 1X1-1X2 = 0 y pueden
determinarse las soluciones factibles para 1X1 - 1X2 >= 0.

Figura 1-28. Soluciones factibles de la restriccin 1X1 - 1X2 >= 0

Resumen del mtodo de solucin grfica en dos variables.
1. Dibuje en un sistema de dos ejes cartesianos (por ejemplo X1 para la coordenada
horizontal y X2 para la coordenada vertical) las lneas rectas correspondientes a cada
una de las expresiones lineales del modelo de programacin lineal, identificando las
mismas, calcule y anote las coordenadas (valores de X1 y X2) para cada punto
vrtice.
2. Observe la direccin de las desigualdades para definir, individualmente, el conjunto
de puntos de solucin factible de cada una de las restricciones y posteriormente,
combinando todas ellas, por interseccin o traslape, definir y sealar el conjunto de
puntos de solucin factible para todo el sistema de restricciones del problema.
3. Con un valor arbitrario para la funcin Z, calcule las coordenadas de un punto
perteneciente a cada uno de los dos ejes cartesianos, dando alternativamente el valor
de cero a X1 y X2 de la funcin objetivo Z, ahora se traza una recta que pase por
dichos puntos en los ejes, la cual muestra todos los valores posibles de X1 y X2 de la
misma.
4. Mueva la recta de la funcin objetivo Z paralelamente hacia valores mayores de la
funcin, si el problema es de mximo, o bien, hacia valores menores, si el problema
es de mnimo, hasta que coincida con un punto vrtice, antes de salir de la regin
factible. La recta de la funcin objetivo se cuantifica con los valores ( X1, X2 ) al

coincidir con el vrtice; su valor crecer o bien decrecer conforme a su traslado

paralelo, segn sean los signos de sus trminos.
5. Cualquier punto vrtice que sea solucin factible para el sistema de restricciones
que coincida con la recta de la funcin objetivo que resulte con el valor mayor para
un mximo o bien con el menor para un mnimo, segn el caso, es una solucin
ptima.
Variables de Holgura
Adems de la solucin ptima y de su contribucin a la utilidad asociada, la administracin
de QUIMCAR desea tener informacin de uso de las tres materias primas. Se puede
obtener esta informacin reemplazando los valores ptimos de las variables (X1=25, X2=20)
en las restricciones del programa lineal.

Figura 1-29. Material consumido: solucin ptima cera y pasta, ejemplo QUIMCAR.
La solucin completa le indica a la administracin que la produccin de 25 toneladas de
cera automotriz y de 20 toneladas de pasta pulidora requiere toda la materia prima
disponible 1 y 3, pero solamente cuatro de las cinco toneladas de la materia prima 2. La
tonelada de la materia prima 2 no utilizada se conoce como holgura. En terminologa de
programacin lineal, cualquier capacidad sin utilizar y ociosa para una restriccin igual o
menor (<=) se llama holgura asociada con la restriccin, por lo que la restriccin del
recurso 2 tiene una holgura de una tonelada.
A menudo se agregan variables, conocidas como variables de holgura Hi, o bien Xi, (segn
la notacin preferida) a la formulacin de un problema de programacin lineal para
representar la capacidad ociosa. La capacidad sin utilizar no hace ninguna contribucin a la
utilidad, por lo que las variables de holgura que se incluyan en la funcin objetivo deben
tener coeficientes iguales a cero. En general, las variables de holgura representan la
diferencia entre los lados derecho e izquierdo de una restriccin de tipo <=.
Una vez agregadas las variables de holgura a la representacin matemtica correspondiente
al problema QUIMCAR el modelo matemtico se convierte en:

Cuando todas las restricciones de un problema lineal se expresan en forma de igualdades,

se dice que el modelo matemtico est en forma estndar. En el problema QUIMCAR se
observa que en la solucin ptima (X1=25, X2 =20), el valor de las variables de holgura es:

Figura 1-30. Holguras de materia prima en ejemplo QUIMCAR.

Figura 1-31. Concepto fsico de la holgura H2 en ejemplo QUIMCAR.

Tambin se puede utilizar el anlisis grfico para obtener la informacin de las holguras.
Observe que al determinar la solucin ptima de la Figura 1-26, el punto vrtice que es
interseccin de la materia prima 1 y de la 3, restringen o limitan la regin factible hasta ese
punto vrtice, por lo que la solucin ptima requiere usar la totalidad de estos dos recursos.
En otras palabras, la grfica en Figura 1-23 muestra que en la solucin ptima, la lnea recta
de restriccin de la materia prima 2 no limita la regin factible en ese punto vrtice, por lo
que se puede esperar algn sobrante (holgura) de este recurso.
Cuando en un grfico se tienen rectas de restriccin que slo tocan un vrtice del conjunto
factible o bien ningn punto del mismo, se identifican como restricciones redundantes
(sobrantes). En problemas con ms de dos variables de decisin, se tienen mtodos
analticos para detectar la redundancia.
En tal caso, la regin factible se conserva igual, independientemente de que se incluya o no
una restriccin redundante del problema, por lo tanto se pueden eliminar sin que tengan
ningn efecto sobre la solucin ptima. Sin embargo, en la mayor parte de los problemas de

programacin lineal, las restricciones redundantes no se descartan porque no son

reconocibles de inmediato como tales. El problema QUIMCAR no tiene restricciones
redundantes pues todas las restricciones forman la frontera de la regin factible.
Observaciones y comentarios
1. En la forma estndar de un programa lineal, los coeficientes para las variables de
holgura son cero en la funcin objetivo, por lo tanto, las variables de holgura que
representan recursos sin utilizar, no afectan el valor de la funcin y se pueden
omitir. Pero en algunas aplicaciones, algunos o todos los recursos no utilizados
pueden venderse para recuperar valores y contribuir a la utilidad. En estos casos las
variables de holgura correspondientes se convierten en variables de decisin que
representan el total de recursos a vender. Para cada una de estas variables, un
coeficiente distinto de cero en la funcin objetivo reflejar la utilidad asociada con
la venta de una unidad del recurso correspondiente.
2. Las restricciones redundantes no afectan la regin factible; como consecuencia,
pueden eliminarse de un modelo de programacin lineal sin afectar la solucin
ptima. Sin embargo, si posteriormente se debe resolver el modelo de programacin
lineal con algunos cambios en los datos, una restriccin previamente redundante se
podra convertir en un recurso limitante, por lo que se sugiere conservar todas las
restricciones del modelo de programacin lineal, aun cuando se espere que una o
ms de ellas sean redundantes.
Puntos extremos y solucin ptima
Suponga que la contribucin a la utilidad de una tonelada de pasta pulidora se incrementa
de 300 a 600 dlares, en tanto que la contribucin a la utilidad de una tonelada de cera
automotriz y todas las dems restricciones se mantienen sin modificacin. La funcin
objetivo se convierte en:

Cmo afecta este cambio de la funcin objetivo a la solucin ptima del problema de
QUIMCAR?. La Figura 1-32 muestra la solucin grfica del problema, utilizando la
funcin objetivo modificada. Observe que las restricciones no tienen cambio, entonces la
regin factible es la misma; pero se han alterado las lneas rectas de utilidad para reflejar la
nueva funcin objetivo.
Como se observa en la Figura 1-32, al mover la lnea recta de utilidad de manera paralela,
alejndola del origen, se encuentra la solucin ptima. Los valores de las variables de
decisin en este punto son X1=18.75 y X2 = 25. El aumento en la utilidad de la pasta

pulidora ha creado un cambio en la solucin ptima. De hecho, como quizs ya lo previ,

se reduce la produccin de la cera y aumenta la de pasta pulidora, porque ahora tiene una
utilidad mayor.
Respecto de las soluciones grficas de la Figura 1-26 y Figura 1-32 se debe hacer una
observacin importante: la solucin ptima ocurre en alguno de los vrtices o
intersecciones de la regin factible. En terminologa de programacin lineal, estos
vrtices se conocen como puntos extremos de la regin factible, por lo que para este
problema se tienen cinco vrtices, es decir, cinco puntos extremos (Figura 1-32). Ahora se
puede dar la observacin siguiente sobre la localizacin de las soluciones ptimas.

Figura 1-32. Cambia ptimo: objetivo mximo Z = 400X1 + 600 X2, ejemplo
QUIMCAR
Si existe la solucin ptima de un problema de programacin lineal, se puede
encontrar en un punto extremo de la regin factible del problema.
Esta propiedad significa que, si busca la solucin ptima de un problema de programacin
lineal, debe limitarse a evaluar y comparar los puntos de solucin correspondientes a los
vrtices de la regin factible.
OTROS EJEMPLOS DE MTODO GRFICO: Se presentan algunos problemas
resueltos con grfica para ampliar la oportunidad de adquirir este conocimiento:
Ejemplo 1-13. Mtodo grfico, PL en mximo con restricciones <= (MAXCAN1) [HIL67].

El grfico en la Figura 1-33 muestra el conjunto de soluciones factibles, coordenadas y

notas importantes de vrtices, con valores de Z para los mismos; adems, se presentan
coordenadas en tabla de todo el sistema, el que se ampla debido a las holguras que se
suman a cada una de las restricciones.

Figura 1-33. Solucin grfica del ejemplo MAXCAN1.

Anote que se evalan slo los vrtices factibles y que las rectas correspondientes a las
restricciones (1) y (2) son paralelas al eje X2 y al eje X1, respectivamente, por lo que no
hacen interseccin con ellos, es decir, no forman vrtice. En el punto vrtice C se localiza el
valor mximo buscado para la funcin Z. En la Figura 1-34 se muestra el conjunto de

puntos que son factibles para cada una de las tres restricciones y el primer cuadrante; la
interseccin de todos ellos resulta en la regin factible de la Figura 1-33.

Figura 1-34. Regiones factibles en cada restriccin del ejemplo MAXCAN1.

Para valorar los puntos vrtices del conjunto factible se sustituyen los valores
correspondientes ( X1, X2 ) en la ecuacin Z:

Figura 1-35. Concepto fsico de holgura en restriccin 3 del ejemplo MAXCAN1.

Espacio ampliado al sumar holguras.- En la siguiente tabla se muestran los vrtices dados
en el grfico del Ejemplo 1-13, MAXCAN1. Estos se generan como solucin bsica, pues
se conjuntan 5 variables (2 de decisin mas 3 holguras) del modelo en forma estndar. Se
anota (X1, X2) conocidas en la solucin grfica y sustituyendo stas en la misma forma, se
valoran H1, H2, H3, obteniendo la solucin bsica respectiva.

Figura 1-36. Espacio ampliado a 5 dimensiones, en ejemplo MAXCAN1.

Solucin bsica: Se tiene con, al menos, (m + n ) - m = n variables iguales a cero.
En donde: m = # de restricciones; n = # de variables originales o de decisin.
Para el ejemplo: m = 3; n = 2; entonces: ( m + n ) - m = ( 3 + 2 ) - 3 = 2 variables nulas.
En la tabla, cada rengln es una solucin bsica, pues 2 de las 5 variables son cero.
Un vrtice o punto extremo nico es el cruce de slo 2 lneas, como es en este ejemplo.
Una solucin bsica factible en vrtice nico, se denomina no degenerada. Observe que
las variables nulas pertenecen a las rectas que tocan el vrtice. Nmero mximo de
soluciones bsicas nicas.- Estima el tiempo para la computadora.

En este ejemplo se ven 8 vrtices y 2 que no existen por paralelismo entre rectas.
Conjunto convexo.- Un conjunto es convexo si dados dos puntos A, B, cualesquiera del
mismo, el segmento de recta que los une, se incluye totalmente en dicho conjunto. La
expresin matemtica, de todos los puntos P obtenidos por combinacin convexa entre dos
puntos A y B del mismo es:

Figura 1-37. Ejemplos de conjunto convexo.

Figura 1-38. Ejemplos de conjunto no convexo.

Ejemplo 1-14. Mtodo grfico, PL en mnimo con restricciones >= (MINCAN1).

Figura 1-39. Grfica del ejemplo MINCAN1, resulta un conjunto factible abierto.

Figura 1-40. Regiones factibles del ejemplo MINCAN1.

Observe el valor de la funcin objetivo, es mnimo en el vrtice C(2,4) con Zc = 14.

El conjunto de soluciones factibles de la Figura 1-39 de este problema, es no acotado, se

obtiene sobreponiendo las regiones factibles de las tres restricciones del modelo y la regin
factible del primer cuadrante, mostradas en la Figura 1-40
Un vrtice formado con mas de dos lneas rectas, se califica como solucin no nica,
como son los vrtices O y C que se pueden formar con tres combinaciones de interseccin
segn se muestra en el grfico de la Figura 1-39 para tales puntos. En particular, el vrtice
C se denomina como solucin degenerada pues es factible y no nico. El origen O, se
califica como no factible, al igual que la infinidad de puntos restantes (sean vrtices o no),
que no pertenecen al conjunto factible, sombreado entre las rectas (1), (2) y eje X1.
Un punto vrtice de solucin degenerada en la analoga geomtrica bidimensional se
tiene con una recta restriccin redundante en ese punto, pero tal recta no forma el
conjunto factible.
La forma estndar requiere que todas las restricciones sean de igualdad, pero cuando el
modelo en estudio tiene restricciones de tipo >=, se usa una holgura negativa Si llamada
variable de supervit, la cual debe restarse a cada una de esas restricciones como sigue:

Figura 1-41. Concepto fsico de superavit en restriccin 1, ejemplo MINCAN1.

De esta manera, el espacio de dos dimensiones de la Figura 1-39 y Figura 1-40, se ampla a
un espacio de 5 dimensiones que no se puede dibujar, pero si tratar analticamente.
La tabla de la Figura 1-42 muestra las coordenadas o valor para cada una de las variables en
el problema Ejemplo 1-14, MINCAN1, ampliado a 5 dimensiones (2 variables de decisin
ms 3 variables supervit), al pasar a forma estndar; se conservan los valores (X1, X2)
obtenidos en la solucin grfica de la Figura 1-39 y se sustituyen en la forma estndar para

calcular el valor de S1, S2, S3, variables restadas en el lado izquierdo de las restricciones. En
la tabla, cada rengln se identifica con cada vrtice de la Figura 1-39, pero debido a la
ampliacin del espacio, se convierten en solucin bsica pues tienen, por lo menos: n = (m
+ n) - m = (3 + 2) - 3 = 2 variables de valor cero. Pero los puntos extremos O y C, tienen
mas de 2 variables nulas, en este caso con 3 variables cero, se identifican como soluciones
bsicas no nicas y en particular C es una solucin bsica degenerada.
Supngase ahora que la funcin objetivo Z se cambia para mximo, en tal caso el traslado
hacia fuera del cuadrante, de la lnea recta correspondiente a la funcin Z, con el propsito
de incrementar el valor de las variables X1 y X2, resulta en un incremento indefinido para
el valor de dicha funcin y por lo tanto sin lmite.
Sustituyendo (X1, X2) de los dos vrtices de la regin factible se obtiene el ptimo como
mnimo ZC = 14:

Figura 1-42. Sistema ampliado a 5 dimensiones en ejemplo MINCAN1.

Ejemplo 1-15. Mtodo grfico, PL en mximo y mnimo, restricciones <= y >=
(MAXMIN1).
Este nuevo ejemplo inicia una serie de variantes a partir del Ejemplo 1-14, se estima que el
estudiante fija mas conocimiento cuando tiene oportunidad de comparar los efectos de los
cambios en el mismo problema, se pretende responder a: qu pasara s.....?
Como se puede ver en la Figura 1-44, el efecto inmediato del cambio es que ahora se tiene
un conjunto factible acotado, que permite calcular para la funcin Z el mximo y tambin
el mnimo. Se anota informacin relevante, ya explicada en anteriores ejemplos y se
sugiere al lector estudioso comprobar lo aprendido hasta ahora, con el ejercicio de graficar,
cada una de las restricciones y luego definir el conjunto de soluciones factibles para todo el
sistema de este problema. Verifique la Figura 1-43.

Figura 1-43. Factibilidad de restricciones en ejemplo MAXMIN1.

Observe que los puntos vrtices (extremos) son la interseccin de por lo menos dos lneas
rectas, en tal caso se dice que son nicos; pero los puntos O y C se forman con tres lneas
rectas, calificndolos como vrtices no nicos, pues se puede generar la misma
interseccin de las tres maneras en que se anota en la Figura 1-44. Para este ejemplo, el
punto extremo C, adems de no nico, es factible y por lo tanto solucin degenerada. El
vrtice origen O, queda en la categora de no factible, como es cualesquier punto no
incluido en la zona sombreada. A propsito de ella revise, si as lo desea, la definicin de

conjunto convexo y verifique que las regiones factibles correspondientes a los problemas
grficos de ejemplo, cumplen para tal calificacin.

Figura 1-44. Solucin grfica del ejemplo MAXMIN1, resulta una regin factible
acotada al invertir la restriccin (1) a <=.
# Mximo de soluciones bsicas nicas: m =3 restricciones; n = 2 variables
originales

Ejemplo 1-16. Mtodo grfico con PL en mximo y mnimo, una restriccin en =

(FACTIRECTA).
As el conjunto factible resulta en un slo segmento de recta BC. Se sugiere como
ejercicio, graficar individualmente las restricciones y verificar su conjunto factible con la
Figura 1-45.

Figura 1-45. Grfica del modelo ejemplo FACTIRECTA, variante del MAXMIN1, con
el segmento de recta BC como conjunto de soluciones factibles.
Restriccin redundante: Para este problema, puede ser tanto la nmero uno, como la
nmero dos, segn la que se utilice primero para definir el vrtice "C". En caso de que
requiera mayor exposicin, a continuacin se presenta en la Figura 1-46 el conjunto factible
correspondiente a cada restriccin del Ejemplo 1-16; anote en particular, el grfico de la (3)
que es de igualdad, provoca que el conjunto factible sea un slo segmento de recta BC.

Figura 1-46. Regin factible para cada restriccin del ejemplo FACTIRECTA.
Ejemplo 1-17. Mtodo grfico, PL en mximo y mnimo, la variable X2 no positiva.
(MINMAXCU).

Figura 1-47. Solucin grfica del modelo ejemplo MINMAXCU, muestra un conjunto
factible que se ubica en el cuarto cuadrante debido a que la variable X2 se condiciona
a valor no positivo.
Esta nueva variante elegida como Ejemplo 1-17 tiene algo especial, como es condicionar a
signo no positivo a la variable X2, con el resultado grfico que quiz, ya esperaba usted.
La aceptacin de la posibilidad de valor negativo para X2, obliga al clculo que incluye las
dos alternativas: con signo menos y con cero, para X2; as se consigue situar el dibujo con
los vrtices necesarios para el trazo, definicin del conjunto factible y la evaluacin de la
funcin objetivo en el cuarto cuadrante del sistema bidimensional.
Como puede observar en la Figura 1-47, el conjunto de soluciones factibles del ejemplo
1.17 se define en el cuarto cuadrante con el tringulo cuyos vrtices son O B C.
En la Figura 1-48 se presenta la regin factible que le corresponde a cada una de las
restricciones del ejemplo MINMAXCU para verificar sus resultados grficos:

Figura 1-48. Regin factible de restricciones del ejemplo MINMAXCU.

Programa CAVA .- El lector que as lo desee puede consultar en el programa CaVa
(prximo a liberarse) las soluciones (ya sea analtica o bien grfica), de algunos de los
problemas ejemplo del libro. Puede encontrar, como ejemplos de formulacin de modelos
de PL, los nmeros: 1.4 Bediet, 1.7 de distribucin de carga en barco, 1.9 de desperdicio en
proceso de corte. Como ejemplos de mtodo grfico los nmeros 1.31 al 1.43.
http://148.204.211.134/polilibros/Portal/Polilibros/P_terminados/Investigacion_d
e_operaciones_Careaga/Common/IO-modulo1-solucionpl-grafico.htm
http://www.vadenumeros.es/sociales/optimizar-maximizar-minimizar.html