Optimización mediante el método gráfico maximización

e inspección de vértices

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 grá co

Inspección de vértices

Referencias

Teleclase práctica

Descarga en PDF
LECCIÓN 1 de 5

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:

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

Optimizar. Maximizar o minimizar: buscar los valores de las incógnitas
que hacen que la función tome el máximo valor posible o el mínimo,
respectivamente.

Lo primero que tenemos que resolver es el sistema de inecuaciones para obtener la región factible: todos los puntos
de esa región son factibles, porque verifican el sistema de inecuaciones, y, entre todos ellos, deberá resolverse cuál o
cuáles de esos puntos maximizan la función objetivo. Por lo tanto, se debe buscar, entre todos los valores posibles de
x y de y, aquellos que den la máxima ganancia, pero sin olvidar el conjunto de restricciones planteadas.

Sería muy fácil con solo mirar la función objetivo deducir que cuanto más grandes sean los valores de x e y, la
ganancia será mayor, pero no olvidemos que hay un máximo de horas máquina disponibles y un máximo de materia
prima, que debe respetarse a la hora de fabricar y comercializar 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.

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.

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.
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.

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.
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).
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.

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.
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.

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.
LECCIÓN 2 de 5

Inspección de vértices

Con respecto al método gráfico, sucede muchas veces que no es tan fácil descubrir cuáles son las coordenadas de los
vértices de la región factible. Sin embargo, resulta especialmente importante conocer cuándo el vértice es el que
optimiza la función objetivo.

El método que describiremos a continuación complementa al método gráfico. Para entenderlo mejor, seguiremos
tomando como base el problema de la Lectura 4.

Es recomendable, para entender mejor el método gráfico y para lograr una solución más exacta, realizar la siguiente
tabla.

Tabla 1: Inspección de vértices para un problema de PL

Función objetivo: Z=2000x +

Vértice Coordenadas
3000y

A (0, 0) 0

B (0, 4) 12 000

C ¿? ¿?

D (3, 0) 6000
Fuente: elaboración propia.

Primero, nombramos los vértices con una letra mayúscula (a elección, no importa a cuál vértice designemos con A,
B, C o D).

Una vez que tenemos graficado el convexo de soluciones, hacemos una tabla con los vértices y sus coordenadas. Si
los vértices están formados por dos rectas, entonces resolvemos el sistema de ecuaciones que esas dos rectas forman
(a veces, el convexo puede tener 4 o más vértices).

El vértice C no es tan evidente como los otros, aunque con un buen gráfico lo podemos determinar. Pero no siempre
esto ocurre.

Entonces, pensemos: ¿al vértice C, qué rectas lo forman? Será cuestión de plantear un sistema de ecuaciones con esas
dos rectas y resolverlo; en nuestro problema, esas rectas son:

X+2Y=8

3X+Y=9

Resolviendo este sistema mediante cualquiera de los métodos estudiados en álgebra, la solución del sistema será x=2,
y=3; por lo que el punto (2, 3) es el que forma el vértice C, por ser la intersección entre las dos rectas del sistema.

Por último, evaluamos la función objetivo en esos vértices y descubrimos cuál proporciona el mayor valor a dicha
función (o menor valor, según si se está minimizando).

La tabla definitiva, entonces, nos queda de la siguiente manera:

Tabla 2: Inspección de vértices final para un problema de PL

 Función objetivo: Z=2000x +
Vértice Coordenadas
3000y

A (0, 0) 0

B (0, 4) 12 000

C (2, 3) 13 000

D (3, 0) 6000

El anterior es el mismo resultado obtenido gráficamente.

Recomendamos este ejercicio. Es como una parte analítica dentro del método gráfico, pero resultará de mucha
utilidad a la hora de resolver problemas.

Minimización mediante el método gráfico

Problema

Con base en los actuales niveles de inventario y de la demanda potencial para el siguiente mes, los administradores
de una empresa láctea han especificado que la producción total combinada de los productos A y B deben ser, al
menos, de 7700 litros. Por otro lado, se debe satisfacer también el pedido de un cliente de 2750 litros del producto A.
Los objetivos de los administradores de la empresa son cumplir con los requisitos anteriores e incurrir en un costo de
producción mínimo. Los costos de producción son de $3 por litro de producto A y de $2 por litro para el producto B.

Resolución del problema de minimización

Escribamos, en primer lugar, la función objetivo, llamando x1 a la cantidad de litros del producto A, y x2 a la
cantidad de litros del producto B. Como los costos de producción son de $3 para cada litro de producto A y de $2
para cada litro del producto B, se trata de:

minimizar: Z= 3x1 + 2x2

En cuanto a las restricciones, tenemos que se deben producir no menos de 7700 litros, por lo tanto: x1 + x2³ 7700.

Además, se debe satisfacer la demanda del cliente de 2750 litros del producto A, entonces: x1³ 2750.

Determinadas la función objetivo y las restricciones, podemos formular el planteo de programación lineal
correspondiente con este problema:

La restricción (1) se refiere a la producción; la restricción (2) se refiere a la demanda del producto A; las
restricciones (3) y (4) son las de no negatividad.
La región sombreada es la región de soluciones factibles. Debemos ahora representar una recta de la familia de la
función objetivo (podemos tomar la que pasa por el origen del sistema de coordenadas) y deslizarla hasta encontrar la
primera recta que tenga intersección con la región de soluciones factibles.
Con un gráfico a escala, se podrá verificar que el punto de la solución óptima es el punto (2750, 4950).

Recuerda que también puede reforzarse esta solución haciendo una inspección de vértices, es decir, 2750 litros del
producto A y 4950 litros del producto B minimizarán el costo. El costo mínimo será de $18 150.

Resumiendo:

Los pasos a seguir para resolver un problema de minimización 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 primer 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.
LECCIÓN 3 de 5

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.

Conforte, J., y Mase, M. (2001). Matemática I. Córdoba: Copiar. ISBN: 987-9357-13-5.

Casas de las, G., y Mase, M. (2010). Algebra. Córdoba: IES Siglo 21. ISBN: 978-987-1141-18-0.
LECCIÓN 4 de 5

Teleclase práctica

TP-Herramientas Matemáticas IV-Investigación

Operativa-Teleclase N°1.mp4
MÁS INFORMACIÓN GOOGLE DRIVE 
LECCIÓN 5 de 5

Descarga en PDF

optimizacion-mediante-el-metodo-grafico-maximizacion-e-
inspeccion-de-vertices.pdf
367.5 KB