MÉTODO GRÁFICO

KARIN AGUILAR IMITOLA

FACULTAD DE INGENIERÍA INDUSTRIAL
UNIVERSIDAD SANTO TOMAS
MÉTODO GRÁFICO

El método gráfico es un procedimiento de solución de

problemas de programación lineal muy limitado en cuanto al
número de variables pero muy rico en materia de
interpretación de resultados e incluso análisis de sensibilidad.

Este consiste en representar cada una de las restricciones y

encontrar en la medida de lo posible el polígono (poliedro)
factible, comúnmente llamado el conjunto solución o región
factible.
 DESIGUALDADES - RESTRICCIONES
Normalmente
  
un PL de dos variables, cuyas variables de decisión
corresponden a y , como ejemplo considere la siguiente restricción

 2 𝑥 1 +3 𝑥2 ≤6
 
El mismo conjunto de puntos satisface satisface:
3
  𝑥2 ≤6 − 2 𝑥 1

De igual forma satisface:

  2
𝑥2 ≤ 2− 𝑥 1
3
REPRESENTACIÓN GRÁFICA DE LA RESTRICCIÓN
2x1  3x2  6
2.0

1.5
x2

1.0

0.5

0.0

0 1 2 3
x1
 ESTRUCTURA DE UNA RESTRICCIÓN

Considere la limitación de desigualdad lineal de la forma:

  o

En general, se puede demostrar que, en dos dimensiones, el conjunto

 
de puntos que satisface una desigualdad lineal comprende los puntos
en la recta , que define la desigualdad más todos los puntos de un
lado de la recta. Con el fin de determinar que lado de la recta
corresponde a la desigualdad se elige un punto arbitrario y a partir de
este se evalúa la condición de la restricción.
EJEMPLO

S.A.

  

¿método de solución?
MÉTODO GRÁFICO
X2 7

S.A. 6

4
  
3

0 1 2 3 4 5 6 7 X1
MÉTODO GRÁFICO
7

S.A. 6

4
  
3

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
7

S.A. 6

4
  
3

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
 
7

S.A. 6

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
 
7

S.A. 6

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5
Región factible
4

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
Conceptos:
 Región Factible: Conjunto de todas las soluciones factibles.
 Solución Factible: Solución que satisface simultáneamente
todas las restricciones.
 Solución no factible: Es una solución para la que al menos
una restricción se viola.
 Punto extremo: Desde el punto de vista gráfico, los puntos
extremos son los puntos de solución factible que ocurren en
los vértices o "esquinas" de la región factible.
MÉTODO GRÁFICO
  7

6
S.A.
5

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
  7

6
S.A.
5

4 Puntos extremos
3

0 1 2 3 4 5 6 7
MÉTODO GRÁFICO
7

 
6

B3 D
2

1
A
0 1 2 3 4 5 6 7
C
 JUGUETES DE MADERA GIAPETTO
Giapetto’s Woodcarving Inc., manufactura dos tipos de juguetes de madera;
soldados y trenes. Un soldado se vende en 27 dólares y requiere 10 dólares de
materia prima. Cada soldado que se fabrica incrementa la mano de obra variable y
los costos globales de Giapetto en 14 dólares. Un tren se vende en 21 dólares y
utiliza 9 dólares de su valor en materia prima. Todos los trenes fabricados aumentan
la mano de obra variable y los costos globales de Giapetto en 10 dólares. La
fabricación de soldados y trenes de madera requiere dos tipos de mano de obra
especializada: carpintería y acabados. Un soldado necesita dos horas de trabajo en
acabado y una hora de carpintería. Un tren requiere una hora de acabado y una
hora de carpintería. Todas las semanas, Giapetto consigue todo el material
necesario pero solo 100 horas de trabajo de acabado y 80 de carpintería. La
demanda de trenes es ilimitada. Pero se venden cuando mucho 40 soldados por
semana. Giapetto desea maximizar las utilidades semanales (ingresos – costos).
Diseñe un modelo matemático para la situación de Giapetto que se use para
maximizar las utilidades semanales de la empresa.
 RESTRICCIONES DEL PL
Grafique el conjunto de
 
2 𝑥 1 + 𝑥2 ≤ 100 restricciones
correspondiente
 
𝑥1 + 𝑥 2 ≤ 80
 
𝑥1 ≤ 40
 
𝑥1 ≥ 0
𝑥2 ≥ 0
 
 CÓMO DETERMINAR LA SOLUCIÓN ÓPTIMA

Tras haber identificado la región factible para el problema de Giapetto, se

busca la solución óptima, la cual es el punto de la región factible con el
valor
  
más grande de . Para encontrar la solución óptima, es necesario
graficar una recta en la cual todos los puntos tengan el mismo valor de .
En un problema de maximización, esta recta recibe el nombre de recta
de isoutilidad (en un problema de minimización, recta de isocosto).
La solución óptima es:
  𝑧 3  𝑥1 =20 , 𝑥2 =60 , 𝑧 =180
𝑥2 = − 𝑥 1
2 2
EJEMPLO 2

Reddy Mikks produce pinturas para interiores y exteriores con dos materias primas, M1 y M2.
La tabla siguiente proporciona los datos básicos del problema.

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede
exceder la de pintura para exteriores en más de una tonelada. Asimismo, que la demanda
diaria máxima de pintura para interiores es de dos toneladas. Reddy Mikks se propone
determinar la (mejor) combinación óptima de pinturas para interiores y exteriores que
maximice la utilidad diaria total.
EJEMPLO 2

z  5 x1  4 x2
s.a
6 x1  4 x2  24
x1  2 x2  6
 x1  x2  1
x2  2
x1 , x2  0
 MÉTODO GRÁFICO PROBLEMA DE MINIMIZACIÓN

Dorian Auto fabrica automóviles de lujo y camiones. La compañía opina que sus
clientes más idóneos son hombre y mujeres de altos ingresos. Para llegar a estos
grupos, Dorian Auto ha emprendido una ambiciosa campaña publicitaria por TV, y
decidió comprar comerciales por minuto en dos tipos de programas: programas de
comedia y juegos de futbol americano. Cada comercial en programas de comedia lo
ven 7 millones de mujeres de altos ingresos y 2 millones de hombres también de
altos ingresos. Dos millones de mujeres de altos ingresos y 12 millones de hombres
de altos ingresos ven cada comercial en juegos de futbol. Un anuncio de un minuto
en los programas de comedia cuesta 50.000 dólares, y un comercial de un minuto
en el juego de futbol cuesta 100.000 dólares. A Dorian le gustaría que por lo menos
28 millones de mujeres de altos ingresos y 24 millones de hombres de altos ingresos
vieran sus comerciales. Utilice la programación lineal para determinar cómo Dorian
puede alcanzar sus objetivo publicitarios al mínimo costo.
 LP
Función objetivo (minimizar costos):
min 𝑧=50 𝑥 1+100 𝑥 2
 

Sujeto a:

7 𝑥1 +2 𝑥2 ≥ 28
 

2 𝑥 1 +12 𝑥 2 ≥ 24
 

𝑥1 , 𝑥2 ≥0
 
 SOLUCIÓN
Función de isocosto:
 𝑧 50
− 𝑥 1=𝑥 2
100 100
Valor óptimo:

𝑥1 =3.6 , 𝑥2 =1.4 , 𝑧=320

 
 EJEMPLO 3

Ozark Farms consume diariamente un mínimo de 800 lb de un alimento especial, el cual es

una mezcla de maíz y soya con las siguientes composiciones:

Las necesidades dietéticas del alimento especial son un mínimo de 30% de proteína y un
máximo de 5% de fibra. El objetivo es determinar la mezcla diaria de alimento a un costo
mínimo.
min Z  0.3 x1  0.9 x2
s.a
x1  x2  800
0.21x1  0.30 x2  0
0.03 x1  0.01x2  0
x1 , x2  0
 CASOS ESPECIALES – MÉTODO GRÁFICO

Existen el caso de algunas PL que no tienen una solución única dentro

de los casos a destacar se encuentran:
1. Algunas PL tienen un número infinito de soluciones óptimas
  (soluciones óptimas múltiples o alternativas)
2. Algunas PL no tienen soluciones factibles (PL no factible)
3. Algunas PL son no acotadas; hay puntos en la región factible con
valores arbitrariamente grandes (en problemas de maximización).
 SOLUCIONES ÓPTIMAS MÚLTIPLES O ALTERNATIVAS:
EJEMPLO

Una compañía de automotores fabrica automóviles y camiones. Cada

uno de los vehículos debe pasar por el taller de pintura y por el de
ensamble. Si el taller de pintura pintara sólo camiones, entonces podría
pintar 40 por día. Si el taller de pintura pintara sólo automóviles,
entonces podría pintar 60 vehículos diarios. Si el taller de ensamble se
destinara sólo a ensamblar automóviles, entonces podría procesar 50 al
día, y si solo produjera camiones, procesaría 50 por día. Cada camión
contribuye con 300 dólares a la utilidad, y cada automóvil contribuye
con 200 dólares. Mediante la PL, determine un programa de producción
diaria que maximice las utilidades de la compañía.
 SOLUCIONES ÓPTIMAS MÚLTIPLES O ALTERNATIVAS:
EJEMPLO

Variables de decisión:
=  número de camiones producidos por día
= número
  de automóviles producidos por día
Función objetivo:
m 𝑎𝑥 𝑧=3 𝑥 1+ 2 𝑥 2
 
 SOLUCIONES ÓPTIMAS MÚLTIPLES O ALTERNATIVAS:
EJEMPLO

Restricciones:
 
3

𝑥1 + 𝑥 2 ≤ 50
 

𝑥1 , 𝑥2 ≥0
 
 PL NO FACTIBLE: EJEMPLO

Suponga que los vendedores de automóviles requieren que la compañía de

automóviles del ejemplo anterior fabriquen por lo menos 30 camiones y 20
automóviles. Determine la solución óptima para el nuevo PL.

Variables de decisión:
=  número de camiones producidos por día
= número
  de automóviles producidos por día
Función objetivo:
m 𝑎𝑥 𝑧=3 𝑥 1+ 2 𝑥 2
 
 PL NO FACTIBLE: EJEMPLO

Restricciones:
 
3
 𝑥1 + 𝑥 2 ≤ 50

𝑥1 ≥30
 

𝑥2 ≥ 20
 

𝑥1 , 𝑥2 ≥0
 
Un espacio de soluciones no acotado casi siempre indica que el modelo está
mal construido
 PL NO ACOTADA: EJEMPLO

Resolver la siguiente PL utilizando el método gráfico:

 m 𝑎𝑥 𝑧=2 𝑥 1 − 𝑥 2
Sujeto a:
 𝑥1 − 𝑥 2 ≤ 1
 2 𝑥 + 𝑥 ≥ 6
1 2
 𝑥 , 𝑥 ≥0
1 2