MÉTODO GRÁFICO

PROFESORA: LILIANA DELGADO HIDALGO

Liliana.delgado@correounivalle.edu.co
• Este método grafica las restricciones y la función
objetivo del modelo en un plano cartesiano.
• Para poder representar gráficamente las rectas
que representan las restricciones y la función
objetivo, se requiere tantos ejes como variables
de decisión haya en el modelo a solucionar.
• Lo anterior supone que este método se emplea
para modelos con dos variables de decisión, pues
un número mayor a este complicaría la
representación gráfica espacial del modelo.
Resolver el siguiente modelo de programación
lineal mediante el método gráfico.
PROCEDIMIENTO:

1. Dibujar un plano cartesiano con tantos ejes como variables de

decisión haya en el modelo a solucionar (dos variables).

2. Convertir las restricciones de desigualdad a igualdades para conocer

las ecuaciones de línea recta que cada una representa.

3. Graficar en el plano las ecuaciones de línea recta de las restricciones.

4. Representar a región delimitada derivada de cada recta. Dirección de

crecimiento de cada ecuación.

5. Representar la región factible del modelo. Intersección de las

regiones delimitadas por cada recta de restricciones.
PROCEDIMIENTO:

6. Se traza la recta de la función objetivo para un valor arbitrario, se

traza nuevamente la recta de la función objetivo para un valor mayor
si se maximiza (menor, si se minimiza) y se observa la dirección de
crecimiento de la función objetivo. Si se conoce la dirección de
crecimiento de la función objetivo, se puede seguir esta dirección por
rectas paralelas hasta encontrar el último vértice que se “toca” al
“abandonar” la región factible. Esta será la solución óptima del
modelo de programación lineal. (Vidal, 2005)
1. Dibujar un plano cartesiano con tantos ejes como
variables de decisión haya en el modelo a
solucionar (dos variables).
2. Convertir las restricciones de desigualdad a
igualdades para conocer las ecuaciones de línea
recta que cada una representa.
3. Graficar en el plano las ecuaciones de línea recta de
las restricciones.
4. Representar a región delimitada derivada de cada
recta. Dirección de crecimiento de cada ecuación.

14

12

10

0
0 2 4 6 8 10
3. Graficar en el plano las ecuaciones de línea recta de
las restricciones.
4. Representar a región delimitada derivada de cada
recta. Dirección de crecimiento de cada ecuación.
16

2
Υ = − χ + 14
14

12
3
10

0
0 5 10 15 20 25
3. Graficar en el plano las ecuaciones de línea recta de
las restricciones.
4. Representar a región delimitada derivada de cada
recta. Dirección de crecimiento de cada ecuación.
14

12

10

0
0 2 4 6 8 10
5. Representar la región factible del modelo.
Intersección de las regiones delimitadas por cada
recta de restricciones. (polígono convexo O-F-H-G-C)
• Al determinar la REGION FACTIBLE de un modelo de PL, la figura
geométrica resultante se le conoce como poliedro convexo, y por tanto se
dice que un conjunto de restricciones forman un conjunto poliédrico. La
convexidad es un concepto de gran importancia en optimización.
• Un conjunto C es un conjunto convexo si el segmento rectilíneo que une
cualquier par de puntos de C se encuentra completamente en C.

Conjunto Convexo Conjunto No - Convexo

• Si la Región Factible es Convexa, la solución optima del problema de PL se

encontrará en uno de los vértices.
6. Primera Posibilidad: Evaluar en la función objetivo las
coordenadas de los vértices de la figura formada por la región
factible y definir el valor objetivo (máximo si la función
objetivo es de maximización o mínimo si la función objetivo es
de minimización) como el óptimo.
6. Se traza la recta de la función objetivo para un valor arbitrario, se traza
nuevamente la recta de la función objetivo para un valor mayor si se maximiza
(menor, si se minimiza) y se observa la dirección de crecimiento de la función
objetivo. Si se conoce la dirección de crecimiento de la función objetivo, se puede
seguir esta dirección por rectas paralelas hasta encontrar el último vértice que se
“toca” al “abandonar” la región factible. Esta será la solución óptima del modelo
de programación lineal. (Vidal, 2005)

18

16

14

12 FO = 24

10 FO = 33

0
0 2 4 6 8 10 12
Problema de la Dieta:

En Granjas Modelo se usa diariamente un mínimo de 800 libras (Ib) de un

alimento especial, que es una mezcla de maíz y soya, con las composiciones
siguientes:

Las necesidades dietéticas del alimento especial son un mínimo de 30% de

proteínas y un máximo de 5% de Fibras. Granjas Modelo desea determinar las
proporciones de alimento que produzcan un costo diario mínimo.

Solucionar el siguiente problema mediante el método gráfico:

Solución Problema de la Dieta:
Solución Problema de la Dieta:

Problema de la Dieta Problema de la Dieta

900 1200
800
1000
700
600 800

500 Restricción 1 600

Restricción 2
400
400
300
200 200
100
0
0
0 500 1000 1500 2000
0 200 400 600 800 1000

La coordenada (0,0) pertenece a la La coordenada (500,1000)

región factible? pertenece a la región factible?
Solución Problema de la Dieta:

Problema de la Dieta
1200

1000

800

600
Restricción 3
400

200

0
0 500 1000 1500 2000

La coordenada (1000,0) pertenece

a la región factible?
Solución Problema de la Dieta:

Z = 1350
X1 = 0 X 1 = 4500
X 2 = 1500 X 2 = 0

Z = 900
X1 = 0 X 1 = 3000
X 2 = 1000 X 2 = 0
Ejercicio en Clase

Problema de producción

Función objetivo
MAX U = 400X1 + 560X2

Restricciones

7
1+ 2 ≤ 1400 , ≥0
3
1 2
, !"#$
1 + 1.4 2 ≤ 980
1 2

1 + 2 ≤ 900
 Múltiples soluciones
X2 Si la función objetivo coincide con una restricción
Z

Restricción 1

Restricción 2

Restricción 3

X1
 Múltiples soluciones
Si la función objetivo coincide con una restricción
X2
Z

Restricción 1

Restricción 2

Restricción 3

X1
Ejercicio en Clase

Función objetivo

MAX Z = 3X1 + 2X 2

Restricciones

1 + 2 ≥8
2
2 ≤5
1+ 2 ≥0
 Solución no acotada
Si la función objetivo crece sin limite
X2

X1
 Solución no acotada
Si la función objetivo crece sin limite
X2

X1
Ejercicio en Clase

Función objetivo

MAX Z = 3X1 + 2X2 + 3X3

Restricciones

1+ 2 + 3 ≤ 4
2 1+ 2 + 3 3 ≥ 15
1, 2, 3 ≥0
Sin solución

X2

X1
Ejercicio en Clase

Problema de mezcla de productos.

Un fabricante está tratando de decidir sobre las cantidades de

producción para dos artículos: mesas y sillas. Se cuenta con 96
unidades de material y con 72 horas de mano de obra. Cada mesa
requiere 12 unidades de material y 6 horas de mano de obra. Por
otra parte, las sillas usan 8 unidades de material cada una y
requieren 12 horas de mano de obra por silla. El margen de
contribución es el mismo para las mesas que para las sillas: $5.00
por unidad. El fabricante prometió construir por lo menos dos
mesas.
Problema de mezcla de productos.

Modelo de Programación Lineal

 Análisis de la Maximización
de la Función Objetivo:
x1 ≥2 Z = 5X1 + 5X2

12x1 + 8x2 ≤ 96

a 6x1 + 12x2 ≤ 72 a

c c
b d b d

El punto que maximiza la Función Objetivo

Punto es el punto c.
Optimo Calculando el punto c como el punto de
intersección de las dos rectas se obtiene
que X1=6, X2=3, Z= 45
Fuentes:

1. Vidal, Carlos Julio (2005). Introducción A La

Modelación Matemática Y Optimización.
2. Bravo, Juan José. Notas de Clase: Solución de
Modelos de Programación Lineal. Método Gráfico.
3. Ramirez, Luis Felipe (2009). Notas de Clase: Método
de Solución Gráfico.
4. Copyright PHPSimplex.