CASOS ESPECIALES DEL MÉTODO GRÁFICO

KARLA ANDREA BERRIO HERNÁNDEZ

EDGAR ALONSO CABARCAS GÓMEZ
HEIDY DAYANA CASSIANI VALDEZ
JASIVIS MARÍA POLO ESCORCIA

TRABAJO DE INVESTIGACIÓN DE OPERACIONES

NELSON FABRICIO ZUÑIGA PORTILLO

UNIVERSIDAD DEL ATLÁNTICO

FACULTAD DE INGENIERÍA
INGENIERÍA QUÍMICA
PUERTO COLOMBIA, ATLÁNTICO
2019-1
 CONTENIDO

INTRODUCCIÓN ..............................................................................................................................3

1. CASOS ESPECIALES DEL MÉTODO GRÁFICO ..................................................................4

1.1 SOLUCIÓN DEGENERADA ...........................................................................................4

1.2 SOLUCIÓN MÚLTIPLE ...................................................................................................6

1.3 SOLUCIÓN ILIMITADA ...................................................................................................9

1.4 SOLUCIÓN NO FACTIBLE.......................................................................................... 13

CONCLUSIÓN ................................................................................................................................ 16

BIBLIOGRAFÍA ............................................................................................................................... 17
 INTRODUCCIÓN

La programación lineal es una técnica matemática ampliamente usada, cuyo

objetivo es la determinación de soluciones optimas a los problemas económicos en
los que intervienen recursos limitados, así como una serie de actividades
competitivas. Dicho método permite asignar una cantidad fija de recursos
satisfaciendo diferentes demandas, de tal forma que mientras se optimiza algún
objeto, se satisfacen un conjunto condiciones definidas.

Como parte fundamental, en la práctica es importante tener en cuenta que para la

resolución de un problema de programación lineal es indispensable realizar el
planteamiento del modelo correspondiente, la resolución del problema y el análisis
económico de los resultados. Uno de los métodos más utilizados para la resolución
de programas de programación lineal, es el método gráfico, este tipo de solución
generalmente se emplea para resolver casos de máximo dos variables, ya que
resulta bastante difícil dibujar planos de tres variables, e imposible hacerlo para
cuatro o más.
El propósito del método gráfico es demostrar los conceptos básicos empleados en
el desarrollo de la técnica algebraica para la solución de problemas con más de dos
variables. Se trata de graficar el espacio de soluciones o solución factible, el cual
está conformado por el conjunto de restricciones. Pese a lo anterior, en la solución
de un modelo de programación lineal se pueden dar ciertos casos anómalos que
requieren especial atención. Dentro de estos casos especiales se encuentran:
solución básica degenerada, soluciones optimas múltiples, solución no acotada o
ilimitada y solución no factible. En el presente trabajo se identifican cada una de
estas y se ilustran para una mayor comprensión por medio de ejemplos de
aplicación.

3
 1. CASOS ESPECIALES DEL MÉTODO GRÁFICO

1.1 SOLUCIÓN DEGENERADA

En problemas de programación lineal, una solución es degenerada si en una

solución factible básica, una de las variables básicas toma el valor de 0.
Gráficamente esto significa que varias líneas de restricción pasan por el punto
óptimo, por lo que alguna de las restricciones es redundante. En la práctica, esta
información permite descubrir inconsistencias con el modelado.

Ejemplo:
Considere el siguiente caso:

1. Sean las variables:

𝑋1 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 1

𝑋2 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 2

2. Para maximizar la siguiente función objetivo:

𝑍𝑀á𝑥 = 3𝑋1 + 2𝑋2

3. Con las siguientes limitaciones:

𝐿1 ∶ 4𝑋1 − 𝑋2 ≤ 8

𝐿2 ∶ 2𝑋1 + 𝑋2 ≤ 8

𝐿3 ∶ 4𝑋1 + 𝑋2 ≤ 8

4. Principio de no negatividad:
𝑋1 , 𝑋2 ≥ 0

Resolviendo las restricciones:

𝐿1 ∶ 4𝑋1 − 𝑋2 = 8

4
 𝑋1 = 0, 𝑋2 = −8 → 𝑃1 (0, −8)
𝑋2 = 0, 𝑋1 = 2 → 𝑃2 (2,0)

𝐿2 ∶ 2𝑋1 + 𝑋2 = 8

𝑋1 = 0, 𝑋2 = 2 → 𝑃3 (0,2)
𝑋2 = 0, 𝑋1 = 4 → 𝑃4 (4,0)

𝐿3 ∶ 4𝑋1 + 𝑋2 = 8

𝑋1 = 0, 𝑋2 = 8 → 𝑃5 (0,8)
𝑋2 = 0, 𝑋1 = 2 → 𝑃6 (2,0)

Solucionando por línea de indiferencia:

6 = 3𝑋1 + 2𝑋2

𝑋1 = 0, 𝑋2 = 3 → 𝑃5 (0,3)
𝑋2 = 0, 𝑋1 = 2 → 𝑃6 (2,0)
Graficando:

Figura 1. Gráfica del problema caso especial solución degenerada y su línea de

indiferencia.

5
Si se desplaza la línea de indiferencia (marcada con color rojo) hacia arriba
manteniendo su pendiente, se evidencia que el último punto a tocar es el C, por lo
que este es la solución.

Solucionando por prueba y error:

Se obtienen los puntos factibles de solución de la gráfica, que se observa que son
C y A:
𝑆1 = 𝐶 = (0,8); 𝑆2 = 𝐴 = (2,0)

𝑆1 : 𝑍𝑀á𝑥 = 3 ∗ 0 + 2 ∗ 8 = 16

𝑆2 : 𝑍𝑀á𝑥 = 3 ∗ 2 + 2 ∗ 0 = 6

La solución óptima es el punto 0,8. Se aprecia que, si se elimina la restricción 2 o la

3 la solución óptima sigue siendo la misma, por lo que una de las dos está de más
o sobrando, además, la variable básica X1 toma el valor de 0.

1.2 SOLUCIÓN MÚLTIPLE

Este caso ocurre cuando la función objetivo es paralela a una restricción

obligatoria, que viene a ser aquella que se satisface en sentido de igualdad por la
solución óptima. En tal caso, la función objetivo puede tener el mismo valor óptimo
en más de una solución básica.
Ejemplo:
“La Revcoco” tiene una pequeña fábrica. Su producción se limita a dos productos,
Tipo 1 y Tipo 2. El departamento de contabilidad ha calculado el dinero que
ingresa a la empresa como ganancia o contribución de cada producto de $10 para
los Tipo 1 y $20 para el Tipo 2.
Cada producto pasa por 3 secciones de la fábrica. Los requerimientos de tiempos
para cada producto y el total de tiempo disponible en cada sección son:
Requerimiento (horas/producto)
Sección Disponibilidad (horas/hombre)
Tipo 1 Tipo 2
1 10 6 2500
2 5 10 2000
3 1 2 500

6
¿Cómo se maximizan las utilidades o ganancias de la “Revcoco”?
Solución:

1. Definir las variables

𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑇𝑖𝑝𝑜 1 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑑𝑜𝑠

𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑇𝑖𝑝𝑜 2 𝑒𝑙𝑒𝑏𝑜𝑟𝑎𝑑𝑜𝑠

2. Determinación de la función objetivo

𝑍𝑀á𝑥 = 10𝑋1 + 20𝑋2

3. Definición de las restricciones

𝑅1 : 10𝑋1 + 6𝑋2 ≤ 2500

𝑅2 ∶ 5𝑋1 + 10𝑋2 ≤ 2000

𝑅3 : 𝑋1 + 2𝑋2 ≤ 500

4. No negatividad de las variables

𝑋1, 𝑋2 ≥ 0

Resolviendo por método gráfico:

𝑅1 ∶ 10𝑋1 + 6𝑋2 = 2500 (≤)

𝑋1 = 0 𝑋2 = 416.67 → 𝑃1 (0 , 416.67)

𝑋2 = 0 𝑋1 = 250 → 𝑃2 (250 , 0)

𝑅2 ∶ 5𝑋1 + 10𝑋2 = 2000 (≤)

𝑋1 = 0 𝑋2 = 200 → 𝑃3 (0 , 200)

𝑋2 = 0 𝑋1 = 400 → 𝑃4 (400 , 0)

7
 𝑅3 ∶ 𝑋1 + 2𝑋2 = 500 (≤)

𝑋1 = 0 𝑋2 = 250 → 𝑃5 (0 , 250)

𝑋2 = 0 𝑋1 = 500 → 𝑃6 (500 , 0)

Solucionando por línea de indiferencia:

𝑍𝑀á𝑥 = 10𝑋1 + 20𝑋2 = 3000

𝑋1 = 0 𝑋2 = 150 → 𝑃7 (0 , 150)

𝑋2 = 0 𝑋1 = 300 → 𝑃8 (300 , 0)

Se procede a realizar el respectivo gráfico:

Figura 2. Área de la solución múltiple y línea de indiferencia.

D C

8
Prueba y error:

𝐴(0, 200), 𝐵 (185.72 , 107.14), 𝐶 (250 , 0), 𝐷(0,0)

𝑍𝑀á𝑥 = 10(0) + 20(200) = 4000

𝑍𝑀á𝑥 = 10(185.72) + 20(107.14) = 4000

𝑍𝑀á𝑥 = 10(250) + 20(0) = 2500

𝑍𝑀á𝑥 = 10(0) + 20(0) = 0

Se observa que el coeficiente angular o la pendiente de la recta que representaría

la función objetivo es igual que la recta 5X1+10X2=2000 (≤), razón por la cual
ambas rectas son paralelas.

Al trazarse la recta de la función objetivo coincidirá con la recta de la restricción 2,

lo que significa que cualquier punto de la recta comprendida entre los puntos A y B
representa una solución óptima.

1.3 SOLUCIÓN ILIMITADA

En algunos modelos de programación lineal, los valores de las variables pueden

aumentar en forma indefinida sin violar alguna de las restricciones, y eso significa
que el espacio de soluciones es no acotado al menos en una dirección. El resultado
es que el valor objetivo puede aumentar (en caso de maximización) o disminuir (si
se trata de minimización) en forma indefinida. En ese caso, tanto el espacio de
soluciones como el valor optimo objetivo no están acotados.
La no acotación apunta hacia la posibilidad de que el modelo este mal construido.
Las irregulares más probables en esos modelos son que no se hayan tomado en
cuenta una o más restricciones no redundantes, y que los parámetros (constantes)
de alguna restricción puedan no haberse estimado en forma correcta.

Ejemplo:
La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE" se
encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
9
encuentran en promoción se puede asegurar el cubrimiento de cualquier cantidad
de demanda, sin embargo, existen 2 políticas que la empresa debe tener en cuenta.
Una de ellas es que la cantidad de bebidas tipo A que se vendan no puede ser
menor que las de tipo B, y la segunda es que se deben de vender por lo menos
1500 bebidas de cualquier tipo.
Dado que se encuentran en promoción el precio de venta de ambas bebidas
equivale a $1800 pesos.
Determine la cantidad de unidades que se deben vende para maximizar las
ganancias.

Solución

1. Definir las variables

𝑋 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑒𝑏𝑖𝑑𝑎𝑠 𝑡𝑖𝑝𝑜 𝐴 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟

𝑌 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑒𝑏𝑖𝑑𝑎𝑠 𝑡𝑖𝑝𝑜 𝐵 𝑎 𝑣𝑒𝑛𝑑𝑒𝑟

2. Determinación de la función objetivo

𝑍𝑀𝑎𝑥 = 1800𝑋 + 1800𝑌

3. Definición de las restricciones

𝑋 ≥𝑌 → 𝑋−𝑌 ≥0

𝑋 + 𝑌 ≥ 1500

4. No negatividad de las variables

𝑋, 𝑌 ≥ 0

Realizando el método gráfico:

𝑋 − 𝑌 = 0 (≥)

𝑋 = 0 𝑌 = 0 → 𝑃1 (0,0)

𝑋 = 2000 𝑌 = 2000 → 𝑃2 (2000,2000)

10
 𝑋 + 𝑌 = 1500 (≥)

𝑋 = 0 𝑌 = 1500 → 𝑃3 (0,1500)

𝑋 = 1500 𝑌 = 0 → 𝑃4 (1500,0)

Resolviendo por línea de indiferencia:

𝑍𝑀𝑎𝑥 = 1800𝑋 + 1800𝑌

1800𝑋 + 1800𝑌 = 4000000

𝑋 = 0 𝑌 = 2222.22 → 𝑃3 (0,22222.22)

𝑋 = 2222.22 𝑌 = 0 → 𝑃4 (2222.22,0)

Graficando los puntos de las restricciones y la línea de indiferencia:

Figura 3. Área factible solución ilimitada.

11
Debido a que el área que representa la solución en el gráfico no se encuentra
acotada se procede a determinar los puntos solución tomando solo los puntos
presentes en las rectas que se encuentran en el borde del área encontrada.

Prueba y error

𝐴(1500,0), 𝐵 (750,2250), 𝐶 (2000,2000)

Para hallar el punto B, se debe usar las dos ecuaciones que generan dicho punto

𝑋−𝑌 =0

𝑋 + 𝑌 = 1500

Resolviendo el sistema de ecuaciones:

𝑋−𝑌 =0

𝑋 + 𝑌 = 1500

2𝑋 = 1500

𝑋 = 750

Remplazando X en la ecuación X+Y=1500

(750) + 𝑌 = 1500

𝑌 = 2250

NOTA: Es claro que en este ejercicio las variables pueden aumentar mejorando
indefinidamente la función objetivo, en estos casos se dice que la solución óptima
no es acotada, por lo cual las posibles soluciones son infinitas. Para el caso del
ejemplo se busca el valor optimo con los puntos hallados.

𝑍𝑀𝑎𝑥 = 1800𝑋 + 1800𝑌

𝑍𝑀𝑎𝑥 = 1800(1500) + 1800(0) = 2700000

𝑍𝑀𝑎𝑥 = 1800(750) + 1800(2250) = 5400000

𝑍𝑀𝑎𝑥 = 1800(2000) + 1800(2000) = 720000

Para darle una solución al ejercicio entre todos los posibles valores que pueden ser
la solución, se obtiene el punto C (2000,2000), valor que se halló tanto por método
12
gráfico, prueba y error y línea de indiferencia. Para la respuesta de la línea de
indiferencia como es un proceso de maximización el punto óptimo es el último que
toca la línea de indiferencia.

1.4 SOLUCIÓN NO FACTIBLE

Este caso ocurre cuando el problema es tal que no se distingue una región factible,
es decir que ningún punto puede satisfacer todas las restricciones. En este caso, el
espacio de soluciones está vacío y se dice entonces que el problema no tiene
solución factible.

Ejemplo:

La repostería Sweet Cake desea planificar la producción de dos pasteles que tendrá
que entregar a su cliente en un mes, el contrato indica que la repostería se
compromete a entregar por lo menos 300 pasteles cualquiera sea su tipo (tipo A,
tipo B o cualquiera de los dos). Los pasteles tipo A tienen un tiempo de elaboración
de 2 horas, y un tiempo de decoración de 3 horas, mientras el tipo B, tiene un tiempo
de elaboración de 3 horas y un tiempo de decoración de 1 hora. La compañía cuenta
estas dos semanas con 550 horas para elaboración y con 480 horas de decoración
debido a su limitado personal. Teniendo en cuenta que el margen de utilidad de
cada tipo de pastel es de $8500 para el tipo A y $8100 para el tipo B. Determine
mediante un modelo de programación lineal el plan de producción que maximice las
utilidades.

Solución

1. Definición de las variables

𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑠𝑡𝑒𝑙𝑒𝑠 𝑡𝑖𝑝𝑜 𝐴 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠

𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑠𝑡𝑒𝑙𝑒𝑠 𝑡𝑖𝑝𝑜 𝐵 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑒𝑛 𝑒𝑙 𝑚𝑒𝑠

2. Determinación de la función objetivo

𝑍𝑀á𝑥 = 8500𝑋1 + 8100𝑋2

13
 3. Definición de las restricciones

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑐𝑖ó𝑛: 2𝑋1 + 3𝑋2 ≤ 550

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑑𝑒𝑐𝑜𝑟𝑎𝑐𝑖ó𝑛: 3𝑋1 + 𝑋2 ≤ 480

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑒𝑛𝑡𝑟𝑒𝑔𝑎𝑟: 𝑋1 + 𝑋2 ≥ 300

4. No negatividad de las variables

𝑋1 , 𝑋2 ≥ 0

Realizando el método gráfico:

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑐𝑖ó𝑛: 2𝑋1 + 3𝑋2 = 550 (≤)

550 550
𝑋1 = 0 𝑋2 = → 𝑃1 (0, )
3 3
𝑋1 = 275 𝑋2 = 0 → 𝑃2 (275,0)

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑑𝑒𝑐𝑜𝑟𝑎𝑐𝑖ó𝑛: 3𝑋 + 𝑌 = 480 (≤)

𝑋1 = 0 𝑋2 = 480 → 𝑃2 (0,480)

𝑋1 = 160 𝑋2 = 0 → 𝑃3 (275,0)

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑒𝑛𝑡𝑟𝑒𝑔𝑎𝑟: 𝑋 + 𝑌 = 300 (≥)

𝑋1 = 0 𝑋2 = 300 → 𝑃4 (0,300)

𝑋1 = 300 𝑋2 = 0 → 𝑃5 (300,0)

14
Figura 4. Representación gráfica de la Solución no factible.

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑒𝑙𝑎𝑏𝑜𝑟𝑎𝑐𝑖ó𝑛: 2𝑋1 + 3𝑋2 = 550 (≤)

𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑑𝑒𝑐𝑜𝑟𝑎𝑐𝑖ó𝑛: 3𝑋 + 𝑌 = 480 (≤)

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑒𝑛𝑡𝑟𝑒𝑔𝑎𝑟: 𝑋 + 𝑌 = 300 (≥)

En el gráfico se evidencia que no existe una región en la que se cumplan las

tres restricciones propuestas en el problema, por lo cual se establece que este
no existe solución factible para él mismo. Desde el punto de vista práctico, un
espacio no factible apunta hacia la posibilidad de que el modelo se formuló
de manera incorrecta.

15
 CONCLUSIÓN

Se concluye que los casos particulares aparecen cuando las restricciones

realizadas en la función objetivo no estén desarrolladas de la mejor manera o
planteen situaciones o condiciones inverosímiles, lo que hace que se desarrolle un
área de solución infinita, inviable, haya restricciones que estén de más o aparezcan
diferentes puntos que satisfagan la función objetivo. Por ende, la presencia de estos
casos particulares en un problema de la vida real hace que uno deba replantearse
las condiciones de tu proceso o problema a tratar y las restricciones relacionadas
con los recursos del problema, para de esa manera encontrar una solución factible.

16
 BIBLIOGRAFÍA

• TAHA, Hamdy. Casos especiales del método simplex. En: Investigación de

operaciones. 9 ed. México S.A: Pearson. 2012. Pp 99-102. ISBN 978-607-
320796-6.
• GONZÁLEZ, Ángel León. Manual práctico de investigación de operaciones I.
3ed revisada y aumentada. Barranquilla: Universidad del Norte, 2010. 299 p.

• ARBONES, E. Casos especiales método grafico programación lineal.

Optimización Industrial (I): distribución de los recursos. Barcelona, España.
1989. Página 99. ISBN 84-267-0739-4

• EGUIA RIBERO, Isabel. “Herramientas informáticas para el ingeniero en el

estudio del algebra lineal”. {En línea}. {28 septiembre de 2018} disponible en:
(http://www.unipamplona.edu.co/unipamplona/portalIG/home_15/recursos/0
1_general/09062014/n_icontec.pdf)

• GARZA TREVIÑO, Carlos. Técnicas matemáticas lineales con aplicación a

la docencia. Nuevo león, 1995, 30-33p. Tesis de grado (maestro en ciencias
de la administración con énfasis en investigación de operaciones).
Universidad autónoma de Nuevo león. Facultad de ingeniería.

17