1

en general una ecuacin o inecuacin lineal de 2 variables

tiene un espacio solucin en el plano cartesiano conformado por todos los
puntos con coordenadas (x1,x2) que satisfagan la ecuacin inecuacin.
METODOS ALGORITMICOS DE SOLUCION PARA MODELOS DE PL
I. Mtodo Grfico (Geomtrico)
Regin Factible.
Es la aplicacin de los conceptos de la geometra, para relacionar grfica-
mente los componentes de un modelo de PL como base para su solucin.
El mtodo es aplicable hasta para representaciones tridimensionales (ca-
cada variable es una dimensin). Para facilitar la comprensin de los con-
ceptos involucrados, aplicaremos el mtodo a modelos bidimensionales.
Ya que, un modelo de PL puede contener m restricciones (<=, =, >=) el es-
pacio solucin del conjunto (Regin Factible) debe resultar de la intersec-
cin de los espacios solucin de cada una de las restricciones
2
R1) X1 <= 60
a) X1 = 60
Regin Factible para caso : Inca SA Mx. Z = 20 X1 + 30 X2
s.a : X1 <= 60
X2 <= 50
X1 + 2 X2 <= 120
X1, X2 >= 0
b) pto. prueba ( 0 , 0)
(0) <= 60


recta // a X2, pasa ( 60 ,0)
e.s. : semiplano que
contiene al pto. (0,0)
R2) X2 <= 50
a) X2 = 50
b) pto. prueba ( 0 , 0)
(0) <= 50


recta // a X1, pasa ( 0 ,50)
e.s. : semiplano que
contiene al pto. (0,0)
R3) X1 + 2 X2 <= 120
b) pto. prueba ( 0 , 0)
(0) + 2 (0) <= 120


a) X1 + 2 X2 = 120
( 120 , 0 ) ( 0 , 60 )
e.s. : semiplano que
contiene al pto. (0 , 0)
100
100
50
50
0
0, 50
Regin
Factible
pp (0,0)
60, 0 120, 0
0, 60
3
Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : Inca SA
Mx. Z = 20 X1 + 30 X2
a) Grafo de un contorno
( 45 ,0) ( 0 ,30)
Z = 20 X1 + 30 X2 = 900
b) Contorno prueba
por punto ( 0, 0)
Z = 20(0) + 30(0) = 0
perjudica el Objetivo,
desplazamiento opuesto
al contorno prueba
100
100
50
60
0
RF= ABCDE
FO
45, 0
0, 30
Pto.extremo
solucin ptima
Valor Optimo en el pto. D (R1 R3)
A
B C
D
E
R1) X1 = 60
R3) X1 + 2 X2 = 120 ; X2 = ( 120 - X1) / 2
SO X1 = 60
X2 = 30
VO = 20 (60) + 30 (30) = 1200 + 900 VO = 2100
4
Interpretacin de resultados del modelo para caso : Inca SA
X1 = 60
Z = 2100
X2 = 30
Restricciones
X1 <= 60
60 = 60
Se utiliza la capacidad total de la lnea de ensamble EL
X2 <= 50
30 < 50 50 - 30 = 20
Queda una capacidad ociosa de 20 und.en lnea ensamble EP
X1 + 2X2 <= 120
60 + 2( 30) = 120 120 - 120 = 0
Se utiliza la capacidad total de mano de obra
En una restriccin <= la diferencia entre el ST y el primero se denomina HOLGURA.
ensamblar 60 estabilizadores livianos
ensamblar 30 estabilizadores pesados
utilidad mxima $2,100
Capacidad-lnea-El :
Capacidad-lnea-EP :
Disponibilidad-hrs-labor :
5
R1) 50 X1 + 100 X2 >= 500
a) 50 X1 + 100 X2 = 500
Solucin por mtodo geomtrico para caso:
Inst. Peruano de Deportes
b) pto. prueba ( 0 , 0)
(0) + (0) >= 500


( 10 ,0) ( 0 ,5)
e.s. : semiplano que NO
contiene al pto. (0,0)
R2) 200 X1 + 125 X2 >= 1,000
a) 200 X1 + 125 X2 = 1,000
b) pto. prueba ( 0 , 0)
(0) + (0) >= 1,000


( 5 ,0) ( 0 ,8)
e.s. : semiplano que NO
contiene al pto. (0,0)
R3) 100 X1 + 100 X2 >= 750
b) pto. prueba ( 0 , 0)
(0) + (0) >= 750


a) 100 X1 + 100 X2 = 750
( 7.5 , 0 ) ( 0 ,7.5 )
e.s. : semiplano que NO
contiene al pto. (0 , 0)
10
10
5
5
0
0, 5
Regin
Factible
pp (0,0)
5,0 10,0 7.5, 0
Mn. Z = 1.0 X1 + 1.5 X2
s.a : 50 X1 + 100 X2 >= 500
200 X1 + 125 X2 >= 1,000
100 X1 + 100 X2 >= 750
X1, X2 >= 0
0,7.5
0,8
6
Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : IPD
Min Z = 1.0 X1 + 1.5 X2
a) Grafo de un contorno
( 15 ,0) ( 0 ,10)
Z = 1.0 X1 + 1.5 X2 = 15
b) Contorno prueba
por punto ( 0, 0)
Z = 1.0 (0) + 1.5 (0) = 0
cumple el Objetivo,
desplazamiento hacia
al contorno prueba
FO
Valor Optimo en el pto. C(R1 R3)
R1) 50X1 + 100X2 = 500
R3) 100X1 + 100X2 = 750
SO X1 = 5
X2 = 2.5
VO = 1.0 ( 5) + 1.5 (2.5) = 8.75 VO = 8.75
10
10
5
5
0
15, 0
0, 10
A
B
RF= ..ABCD...
No acotada
C
D
7
Interpretacin de resultados del modelo para caso : IPD
El suplemento alimenticio debe obtenerse mezclando:
X1 = 5
Z = 8.75
X2 = 2.5
Restricciones
50 X1 + 100 X2 >= 500
50( 5) + 100( 2.5) = 500
Se satisface exactamente el requerimiento
200 X1 + 125 X2 >= 1,000
200( 5) + 125(2.5) >= 1,000
1,312.5 > 1,000
Se satisface el requerimiento con un exceso de 312.5 u.
100 X1 + 100 X2 >= 750
100( 5) + 100(2.5) = 750
Se satisface exactamente el requerimiento
5 onz. de suplemento alimenticio S1
2.5 onz. de suplemento alimenticio S2
costo del suplemento obtenido $8.75
Requerimiento de minerales :
Requerimiento de protenas :
Requerimiento de hidratos :
8

Caso. Fire SA va a producir 2 nuevos equipos pesados, el M9 para minera y el F9
para uso forestal, ya que la demanda en el mercado de estos equipos asegura
la venta de todos los equipos que se puedan producir. Fire obtendr una uti-
lidad de $5000 por cada M9 y $4000 por cada F9 que se venda.
Cada equipo para su fabricacin pasa por el proceso-1 y el proceso-2. Para la
produccin se dispone de 150 hrs para el proceso-1 y 160 hrs para el proceso-
2, cada M9 consume 10 hrs en el proceso-1 y 20 hrs en el proceso-2 y cada F9
consume 15 hrs en el proceso-1 y 10hrs en el proceso-2. Adems cada equipo
debe pasar el control de calidad, para este control se deben utilizar como m-
nimo 135 hrs. Cada M9 requiere de 30hrs de cont- calidad y cada F9 de 10 hrs.
Por estrategia la gerencia a proyectado construir al menos un F9 por cada tres
M9. La gerencia de Ventas informa que tiene una orden de compra de un clien-
te por Cinco equipos en cualquier combinacin.Cul ser la utilidad mxima?
1- Objetivo Verbal. Maximizar la utilidad por la venta de los equipos, deter-
minando la cantidad a producir de equipos M9 y F9.
Formulacin y construccin del modelo de PL caso : Fire SA
9
2- Restricciones verbal















Disponibilidad hrs.proceso-1: como mximo 150 hrs.
Disponibilidad hrs.proceso-2 : a lo mas 160 hrs
Disponibilidad hrs. c.calidad : como mnimo 135 hrs.
no negatividad : los valores deben ser no negativos
3-.Transformando a definiciones matemticas
a. FO - variables de decisin
X1 = nmero de equipos M9 a producir
X2 = nmero de equipos F9 a producir
c1 = contribucin a la utilidad por unidad M9 = $5,000
c2 = contribucin a la utilidad por unidad F9 = $4,000
- coeficientes de contribucin
Z = c1 X1 + c2 X2
Z = 5,000 X1 + 4,000 X2
- modelo matemtico de la FO
Proporcin de equipos : al menos 1 F9 por cada 3 M9
Produc.x Vta.comprometida:mnimo 5 equipos cualquier combinacin
10
( 10hrs / und) ( X1 und) + ( 15hrs / und) ( X2 und) <= 150 hrs.
( 20hrs / und) ( X1 und) + ( 10hrs / und) ( X2 und) <= 160 hrs
hrs.proceso-1:
hrs.proceso-2:
hrs.c.calidad: ( 30hrs / und) ( X1 und) + ( 10hrs / und) ( X2 und) >= 135 hrs

4-.Construccin del modelo de PL










Max. Z = 5,000 X1 + 4,000 X2
s.a : 10 X1 + 15 X2 <= 150
20 X1 + 10 X2 <= 160
30 X1 + 10 X2 >= 135
X1 - 3 X2 <= 0
X1 + X2 >= 5
X1, X2 >= 0






b. Restricciones
produccin equipos: X1 und / 3 <= X2 und
venta comprometida: X1 und + X2 und >= 5 und
11
R1) 10X1 + 15 X2 <= 150
a) 10X1 + 15 X2 = 150
b) pto. prueba ( 0 , 0)
10(0) + 15 (0) <= 150


( 15 ,0) ( 0 ,10)
e.s. : semiplano que
contiene al pto. (0,0)
R2) 20 X1 + 10 X2 <= 160
a) 20 X1 + 10 X2 = 160
b) pto. prueba ( 0 , 0)
20 (0) + 10 (0) <= 160


( 8 ,0) (0 ,16)
e.s. : semiplano que
contiene al pto. (0,0)
R3) 30X1 + 10 X2 >= 135
b) pto. prueba ( 0 , 0)
30(0) + 10 (0) >= 135


a) 30X1 + 10 X2 = 135
( 4.5 , 0 ) ( 0 , 13.5)
e.s. : semiplano que NO
contiene al pto. (0 , 0)
10
10
5
5
0
0, 16
15, 0
4.5, 0
0, 13.5
0,10
8, 0
15
15
R4) X1 - 3 X2 <= 0
b) pto. prueba ( 1 , 1)
(1) - 3 (1) <= 0


a) X1 - 3 X2 = 0
( 0 , 0 ) ( 9, 3)
e.s. : semiplano que
contiene al pto. (1 , 1)
. 9,3
R5) X1 + X2 >= 5
b) pto. prueba ( 0 ,0)
(0) + (0) >= 5


a) X1 + X2 = 5
( 5 , 0 ) ( 0, 5)
e.s. : semiplano que NO
contiene al pto. (0 , 0)
5,0
0,5
A
B
C
D
RF= ABCD
12
Determinacion de la Solucin Optima (SO) y el Valor Optimo (VO) para caso : Pire
Mx. Z = 5,000 X1 + 4000 X2
a) Grafo de un contorno
( 4 ,0) ( 0 ,5)
Z = 5,000 X1 + 4,000 X2 = 20,000
b) Contorno prueba
por punto ( 0, 0)
Z = 5,000(0) + 4,000(0) = 0
NO cumple el Objetivo,
desplazamiento opuesto
al contorno prueba
Valor Optimo en el pto. B (R1 R2)
R1) 10 X1 + 15 X2 = 150
R2) 20 X1 + 10 X2 = 160
SO X1 = 4.5
X2 = 7
VO = 5000( 4.5) + 4000 (7) =50,500
VO = 50,500
10
10
5
5
0
0, 16
15, 0
4, 0
0, 13.5
0,10
8, 0
15
15
0,5
A
B
C
D
RF= ABCD
FO
13
Interpretacin de resultados del modelo para caso : Pire SA
Debe producirse :
X1 = 4.5 4.5 unidades de equipo pesado M9
Z = 50,500 utilidad mxima $50,500
X2 = 7 7 unidades de equipo pesado F9
Restricciones
hrs.proceso-1 : 10 X1 + 15 X2 <= 150
10( 4.5) + 15(7) = 150
Hrs.proceso-2 : 20 X1 + 10 X2 <= 160
20( 4.5) + 10( 7) = 160
Hrs,c.calidad: 30 X1 + 10 X2 >= 135
30( 4.5) + 10(7) > 135 ; 205 -135 = 70
Prop.de equipos: X1 - 3 X2 <= 0 ; X1/ 3 <= X2
4.5/3 < 7 ; 1.5 < 7 ; 7 -1.5 = 5.5
Se utiliza la totalidad
de hrs disponibles
Se utiliza la totalidad
de hrs. disponibles
Se satisface con un
exceso de 70 hrs.
Se satisface con una
holgura de 5.5 F9
Vta.comprometida: X1 + X2 >= 5 ;
4.5 + 7 > 5 ; 11.5 - 5= 6.5
Se satisface con un
exceso de 6.5 equipos
14
Soluciones Optimas Mltiples
a) Grafo de un contorno
( 60 ,0) ( 0 ,30)
Z = 15 X1 + 30 X2 = 900
b) Contorno prueba
por punto ( 0, 0)
Z = 15(0) + 30(0) = 0
perjudica el Objetivo,
desplazamiento opuesto
al contorno prueba
100
100
50
60
0
RF= ABCDE
FO
60, 0
0, 30
Multiples ptos.
solucin ptima
Valor Optimo en el segmento CD
A
B C
D
E
R1) X1 = 60
R3) X1 + 2 X2 = 120
; X2 = 30
SO X1 = 60
X2 = 30
VO = 15(60) + 30(30) = 900 + 900
VO = 1800
Mx. Z = 15 X1 + 30 X2
s.a : X1 <= 60
X2 <= 50
X1 + 2 X2 <= 120
X1, X2 >= 0
En el caso Inca SA, supongamos que , la utilidad de un estabilizador liviano varia de
S/. 20 a S/.15. Entonces el modelo de PL queda como sigue:
Punto D ( R1 R3)
15
Soluciones Optimas Mltiples
100
100
50
60
0
RF= ABCDE
FO
60, 0
0, 30
Multiples ptos.
solucin ptima
Valor Optimo en el segmento CD
A
B C
D
E
R2) X2 = 50
R3) X1 + 2 X2 = 120
; X1 = 20
SO X1 = 20
X2 = 50
VO = 15(20) + 30(50) = 300 + 1,500
VO = 1800
Punto C ( R2 R3)
Cualquier otro punto del segmento AB
por ser paralela a la lnea de ISOUTILIDAD
producir el mismo valor ptimo ( 1,800)
pero diferentes soluciones optimas (SO)
R) X1 = 30
R3) X1 + 2 X2 = 120
SO X1 = 30
X2 = 45
VO = 15(30) + 30(45) = 450 + 1,350
VO = 1800
Punto C ( R R3)
; X2 = 45
16
Soluciones No Acotadas
a) Grafo de un contorno
( 45 ,0) ( 0 ,30)
Z = 20 X1 + 30 X2 = 900
b) Contorno prueba
por punto ( 0, 0)
Z = 20(0) + 30(0) = 0
perjudica el Objetivo,
desplazamiento opuesto
al contorno prueba
100
100
50
60
0
RF= AB..
.no acotada
FO
45, 0
A
B
Mx. Z = 20 X1 + 30 X2
s.a : X1 <= 60
X1, X2 >= 0
En el caso Inca SA, supongamos que , no existen restricciones de mano de obra ni de
produccin de estabilizadores pesados, entonces el modelo de PL sera:
0, 30
Regin NO acotada sin punto ptimo
PROBLEMA NO ACOTADO
17
Soluciones No Factibles
100
100
50
60
0
200, 0
Mx. Z = 20 X1 + 30 X2
s.a : X1 <= 60
X2 <= 50
X1 + 2X2 >= 200
X1, X2 >= 0
En el caso Inca SA, supongamos que la restriccin de mano de obra vara a la condi-
cin de utilizar al menos 200hrs. El modelo de PL seria:
0, 100
La Regin Factible no existe
PROBLEMA INCONSISTENTE
R3) X1 + 2 X2 >= 200
b) pto. prueba ( 0 , 0)
(0) + 2 (0) >= 200


a) X1 + 2 X2 = 200
( 200 , 0 ) ( 0 , 100 )
e.s. : semiplano que NO
contiene al pto. (0 , 0)
18
Soluciones Degeneradas
100
100
30
60
0
45, 0
Mx. Z = 20 X1 + 30 X2
s.a : X1 <= 60
X2 <= 30
X1 + 2X2 <= 120
X1, X2 >= 0
En el caso Inca SA, supongamos que la restriccin de capacidad de la lnea de
estabilizadores pesados se reduce a 30 en vez de 50. El modelo de PL seria:
0, 30
El punto C que contiene la Solucin Optima est
formado por la interseccin de mas de dos res-
tricciones (siendo necesarias solo dos). Este tipo
de soluciones se denomina genricamente como:
SOLUCION DEGENERADA
a) Grafo de un contorno
( 45 ,0) ( 0 ,30)
Z = 20 X1 + 30 X2 = 900
b) Contorno prueba
por punto ( 0, 0)
Z = 20(0) + 30(0) = 0
perjudica el Objetivo,
desplazamiento opuesto
al contorno prueba
FO
Pto.C
s. ptima
A
B C
D
RF= ABCD
5
19
SOLUCION NO FACTIBLE
2 o ms restricciones no son
satisfechas simultneamente
OPTIMA
safisface las restric-
ciones y el Objetivo
NO ACOTADA
no satisface
el Objetivo
Tipos de Soluciones en modelos de PL
SOLUCION FACTIBLE
satisface simultneamente las
restricciones y no necesariamente
el Objetivo
Restricciones ACTIVAS y NO ACTIVAS
En las soluciones ptimas, las restricciones que determinan la solucin ptima se
denominan ACTIVAS ( cumple con la igualdad al ser evaluadas) y las dems se deno-
minan NO ACTIVAS ( no cumplen con la igualdad al ser evaluadas).
5