Está en la página 1de 10

Optimización

Mediante el
Método Gráfico:
Maximización

Investigación
Operativa

1
Introducción
Hasta aquí, sabemos plantear un problema de PL (programación lineal),
pero aún no hemos aprendido a resolverlo.
La solución a los problemas de PL puede hacerse en forma gráfica cuando
la función objetivo y las restricciones están en función de solo dos variables
de decisión.
En esta lectura desarrollaremos el método gráfico para resolver problemas
de PL.

Resolución de un problema de
PL mediante el método gráfico
Para resolver un problema de programación lineal, lo primero es reconocer
sus elementos característicos en el planteo del problema:
1) variables de decisión;
2) función objetivo;
3) restricciones.

Recuerda que la identificación de los elementos fue estudiada en la Lectura


3 de este módulo.

Resolvamos un problema de maximización


Para poder comprender mejor el método gráfico, retomaremos el
problema planteado en la Lectura 3. Después generalizaremos el método
para aplicar a otros problemas.

Planteo del problema

Recuerda que el problema nos había quedado planteado de la siguiente


forma:

Maximizar: z= 2000x + 3000y


Sujeta a las restricciones:
𝑥 + 2𝑦 ≤ 8
3𝑥 + 𝑦 ≤ 9
{
𝑥≥0
𝑦 ≥ 0.

2
El conjunto de las expresiones anteriores constituye el planteo de un
problema de programación lineal para esta situación en particular.
Recordemos que las restricciones de no negatividad x  0 e y  0 existen,
ya que, en este problema, no pueden existir horas y kilogramos negativos.
Esto sucede cualquiera sea el problema de PL que se plantee, siempre se
agregan las condiciones de no negatividad.
Notas:
En muchos problemas de PL se incluyen también ecuaciones en el sistema
de restricciones.

Es indispensable que, antes de comenzar a estudiar el método gráfico,


estudies cómo resolver sistemas de inecuaciones lineales, que se explican
en otros objetos de esta aula abierta.

Resolución del problema


Lo primero que tenemos que resolver es el sistema de inecuaciones para
obtener la región factible: todos los puntos de esa región son factibles,
Optimizar
porque verifican el sistema de inecuaciones, y, entre todos ellos, deberá
Maximizar o resolverse cuál o cuáles de esos puntos maximizan la función objetivo. Por
minimizar: buscar lo tanto, se debe buscar, entre todos los valores posibles de x y de y,
los valores de las aquellos que den la máxima ganancia, pero sin olvidar el conjunto de
incógnitas que
hacen que la
restricciones planteadas.
función tome el Sería muy fácil con solo mirar la función objetivo deducir que cuanto más
máximo valor grandes sean los valores de x e y, la ganancia será mayor, pero no
posible o el olvidemos que hay un máximo de horas máquina disponibles y un máximo
mínimo, de materia prima, que debe respetarse a la hora de fabricar y comercializar
respectivamente.
los productos A y B.
Antes de comenzar a resolver el problema planteado, debemos acudir al
teorema fundamental de la programación lineal, que dice lo siguiente:

“Si un problema de programación lineal tiene región factible no vacía,


entonces, si existe el óptimo (máximo o mínimo) de la función objetivo, se
encuentra en un punto extremo (vértice) de la región factible.” (Calmaestra,
2001, https://goo.gl/FpiDEx).

Y, además, conocer la siguiente propiedad.

“Si una función alcanza el valor óptimo en dos vértices consecutivos de la


región factible, entonces alcanza también dicho valor óptimo en todos los
puntos del segmento que determinan ambos vértices.” (Calmaestra, 2001,
https://goo.gl/FpiDEx).

Como dijimos anteriormente, la explicación del método la desarrollaremos


resolviendo el problema.

3
Resolvemos entonces el sistema de inecuaciones comenzando por las
restricciones de no negatividad, que, como veremos, reduce el problema al
primer cuadrante del sistema de coordenadas.
Condiciones de no negatividad: x  0 , y  0 .
El conjunto solución es la intersección de dos semiplanos: x> = 0, a la
derecha del eje y, incluye a dicho eje; y> = 0, arriba del eje x, incluye a
dicho eje.

Como se muestra en el gráfico, la solución es el primer cuadrante.

Figura 1: Solución gráfica de las condiciones de no negatividad


Eje y: tiene por ecuación x=0
y> 0
Su ecuación es x = 0

Primer
cuadrante

Eje x: tiene por ecuación


y=0
x> 0 es x = 0
Su ecuación

Fuente: elaboración propia.

Ahora resultará sencillo analizar el conjunto solución, teniendo como base


las condiciones de no negatividad anteriores y resolviendo el sistema que
forman las dos primeras inecuaciones del sistema. Y llegaremos así a la
siguiente solución gráfica.

4
Figura 2: Solución gráfica del sistema de inecuaciones correspondiente al
problema planteado

(2)

(1)

x
3 8

Fuente: elaboración propia.

La región coloreada es la que incluye todos los puntos que son soluciones
factibles de las inecuaciones. Es aconsejable que se considere una
restricción a la vez –ordenadamente– y se vayan buscando las regiones que
son comunes a todas las restricciones.

Como observamos, la región solución o factible es un conjunto infinito de


puntos. Pero ¿cuál de ellas es la que optimiza (maximiza) a la función
objetivo?

Gráfica de la función objetivo

Nuestro problema ahora será determinar el o los pares (x, y) que producen
la máxima ganancia.
No olvidemos que x es la cantidad de productos tipo A e y es la cantidad de
productos B que fabrica la empresa.
Retomemos entonces la función objetivo: Z= 2000x + 3000y.
Ahora valuemos la función objetivo en un punto de la región factible, por
ejemplo, el (0, 0): Z = 2000 x 0 + 3000 x 0 = 0. Es decir, el beneficio, en el
punto (0, 0), es igual a 0. Esto es bastante lógico, pues el punto (0,0) indica
que x = 0 y, también, y = 0; por lo que no hay ganancia alguna, ya que no se
fabricó ningún tipo de producto.
Ahora bien, es de esperar que exista otro u otros pares de valores en los
que haya alguna ganancia.
¿Habrá algún punto donde se registre alguna ganancia?
Tomemos ahora otro punto de la región factible y realicemos el mismo
análisis.

5
Por ejemplo, (2, 1); entonces:
Z = 2000 x 2 + 3000 x 1 = 4000 + 3000 = 7000.
Y así podríamos preguntarnos por otros puntos de la región factible, pero
lo importante es investigar.

¿Existe otro punto en la región factible que proporcione un valor mayor para la
función objetivo? Y si se trata de optimizar, ¿existen, en la región factible, uno
o más valores que hagan que la función objetivo adopte el mejor valor dentro
de esa región?

Recordemos que los puntos que están sobre una recta verifican su
ecuación.

Por lo tanto, los infinitos puntos (x, y) que están sobre la recta de la función
objetivo son tales, que sus abscisas “x” y sus ordenadas “y” verifican la
ecuación de la recta que representa a la función objeto u objetivo.

Por esa razón, antes de llegar a la optimización, y dirigiéndonos hacia esa


meta, identifiquemos todos los puntos que produzcan el mismo valor en la
función objetivo.

Dicho de otra forma, queremos identificar todos los posibles pares de


valores de x e y que den una determinada ganancia. Tomemos, por
ejemplo, $9000. En definitiva, nos estamos refiriendo a los puntos de la
recta: 2000x + 3000y = 9000.
De la misma manera, en el ejemplo anterior, en el que, por medio del
punto (2, 1), llegamos a una ganancia de 7000, podemos admitir que la
recta 2000x + 3000y = 7000 tiene infinitos puntos. Al sustituirlos en dicha
ecuación, dan una ganancia de 7000. Tracemos ambas rectas.

Figura 3: Recta representativa de dos funciones objetivo: 2000x + 3000y =


9000, y 2000x + 3000y = 7000

3
Recta de la función:
2⅓ 2000x+3000y=9000

Recta de la función:
1 2000x+3000y=7000

2 3,5 4,5

Fuente: elaboración propia.

6
Cualquier punto sobre la recta graficada producirá un valor de 9000 para la
función objetivo. Mediante ensayo y error, descubrirás que todos los
valores de las variables de un lado de esta línea proporcionan un mejor
valor de la función objetivo. Todos los valores del otro lado proporcionan
un peor valor.

Para determinar el mejor lado, simplemente vuelve a elegir cualquier


punto que no está en la línea graficada y verifica si proporciona un mejor
valor para la función objetivo.

Tomemos ahora, por ejemplo, el punto (3, 2), entonces:


Z = 2000 x 3 + 3000 x 2,
Z = 6000 + 6000 = 12 000.
Como el objetivo en este problema es maximizar, la última solución es
mejor que la anterior; por lo tanto, el lado en el que está el punto (3, 2) es
el mejor.

Procediendo de la misma manera que en el ejemplo anterior, agreguemos


la recta 2000x + 3000y = 12 000 al gráfico (Figura 4).

Figura 4: Rectas representativas de tres funciones objetivo

4
2000x+3000y=12000
Mejor lado
3
2000x+3000y=9000
2⅓

2000x+3000y=7000
1

2 3,5 4,5 6

Fuente: elaboración propia.

Observa que todas las funciones objetivo son paralelas.

Determinación del punto o los puntos óptimos


Te sugerimos que observes nuevamente el gráfico de la Figura 4 y que
repases el teorema fundamental de la PL, citado en esta lectura. También
te recordamos que nuestra meta es encontrar el o los valores (x, y) que
optimicen la función objeto.

7
En la síntesis que mostramos a continuación, verás cómo se encuentra el
punto que optimiza (maximiza, en este caso) a la función objetivo del
problema planteado.

Síntesis
A partir de un punto inicial de la región factible,
1) se trazó la función objetivo;
2) se localizó su mejor lado;
3) se desplazó la función objetivo paralelamente a sí misma en la
dirección de mejora.

El método gráfico consiste en desplazar, paralela a sí misma, cualquiera de las


rectas que representan a la función objetivo en la dirección de mejora hasta
que esté a punto de dejar la región factible. Este punto final es la solución
óptima del problema.

Figura 5: Solución óptima en forma gráfica

Última recta de la
(2) función objetivo que
tiene intersección
con la región
4 factible.

3
(1)

x
3 8
2

Fuente: elaboración propia.

La solución óptima es, entonces, el par (2, 3), que proporciona el mejor
valor a la función objetivo. Para este caso, el valor de Z es:
Z = 2000x + 3000y,
Z = 2000 x 2 + 3000 x 3 = 13 000.

Te recomendamos que realices estos gráficos tomando una buena escala, y


verificarás que el punto (2, 3) es el último de la región factible que toca la
recta paralela a la función objetivo. Nota, además, que dicha recta deja a la
región factible en un mismo semiplano.

8
Respuesta al problema

La solución es el par (2, 3). Eso significa que, fabricando 2 productos tipo A
y 3 productos tipo B, el fabricante optimizará sus beneficios diarios. O, lo
que es lo mismo, obtendrá la máxima ganancia. La ganancia óptima es,
entonces: Z = 2000 x 2 + 3000 x 3 = 13 000.

Conclusión

Por último, es necesario aclarar que el método gráfico de resolución es solo


aproximado. Además, es válido para cuando el problema tiene dos o tres
variables (aunque el gráfico con tres variables se torna demasiado
complicado).
Los pasos a seguir para resolver un problema de maximización de
programación lineal por el método gráfico son los siguientes:
1) Trazar las rectas correspondientes a cada una de las restricciones.
2) Determinar la región de soluciones factibles.
3) Trazar una recta de la familia de las rectas de la función objetivo.
4) Desplazar la recta paralela a sí misma hasta el último punto de
intersección con la región de soluciones factibles.
5) El punto de coordenadas (x, y) que se encuentre sobre esta recta y
pertenezca a la región de soluciones factibles es una solución óptima.

9
Referencias
Calmaestra, L. B. (2001) Programación lineal. Métodos de solución.
Recuperado de
http://recursostic.educacion.es/descartes/web/materiales_didacticos/prog
_lineal_lbc/solucion_pl.htm

Taha, H. A. (2012). Modelado con programación lineal. En Autor,


Investigación de operaciones (pp. 13-67) México: Pearson Educación.

10