Método de

solución
gráfica
Programación Lineal
 Objetivo

Método
de
solución Determinar la solución óptima a
gráfica partir de la representación
gráfica del sistema de ecuaciones
que forman parte del modelo
matemático que con el propósito
de tomar decisiones en base a las
respuestas obtenidas.
 Terminología de las soluciones del modelo

Solución: cualquier conjunto de valores específicos de

las variables de decisión (x1, x2, . . . , xn), aunque sea
sólo una posibilidad deseable o ni siquiera permitida.
Después se identifican los tipos de soluciones mediante
el empleo de un adjetivo apropiado.

Método Una solución factible: es aquella para la que todas las

restricciones se satisfacen.
Una solución no factible: es una solución para la que al
de menos una restricción se viola.
La región factible es la reunión de todas las soluciones
solución factibles.
Dado que existen soluciones factibles, la meta de la

gráfica programación lineal es encontrar una solución factible

que sea la mejor, medida por el valor de la función
objetivo en el modelo.
Una solución óptima: es una solución factible que
proporciona el valor más favorable de la función
objetivo.
El valor más favorable significa el valor más grande si la
función objetivo debe maximizarse, o el valor más
pequeño si la función objetivo debe minimizarse.
 Terminología de las soluciones del modelo

Una solución factible en un vértice (FEV): es una

solución que se encuentra en una esquina de la región
factible. También se conocen como puntos extremos o
esquinas, pero preferimos la terminología más
sugerente de vértice.

Método Relación entre las soluciones óptimas y las soluciones

FEV:
de Considere cualquier problema de programación lineal
con soluciones factibles y una región factible acotada.
solución El problema debe poseer soluciones FEV y al menos
una solución óptima. Además, la mejor solución FEV
debe ser una solución óptima. Entonces, si un
gráfica problema tiene exactamente una solución óptima, ésta
debe ser una solución FEV. Si el problema tiene
múltiples soluciones óptimas, al menos dos deben ser
soluciones FEV.
 Terminología de las soluciones del modelo
Tipos de restricciones en modelo

Restricción activa:
Restricción en la que el lado izquierdo es equivalente al
lado derecho, cuando se evalúa en condiciones
óptimas. Geométricamente, esto corresponde a una
Método recta restringida en la cual está la solución óptima. En
este sentido, la restricción activa impide la obtención
de ganancias adicionales.
de Restricción inactiva:
Restricción de desigualdad que no pasa por la solución
solución óptima. Por tanto, para un conjunto de datos
determinado, la supresión de una restricción inactiva

gráfica no modifica la solución óptima.

Una restricción de igualdad siempre es activa.
Una restricción de desigualdad, ya sea del tipo ≤ o ≥,
solamente es activa si al ser evaluada en condiciones
óptimas se mantiene la igualdad entre el lado izquierdo
y el lado derecho.
 Terminología de las soluciones del modelo

Al resumir estos términos, del tipo de restricciones

activas e inactivas, observamos que:
1. Si en condiciones de optimalidad (es decir, cuando se
evalúa una restricción para el caso de la solución
óptima), el lado izquierdo de la restricción es igual al
lado derecho, se dice que dicha restricción es activa u

Método obligatoria. Así, una restricción de igualdad siempre es

activa. Una restricción de desigualdad puede ser activa
o no.
de 2. Si una restricción no es activa, se dice que es
inactiva. En una restricción del tipo ≥, la diferencia

solución entre el lado izquierdo y el lado derecho (la cantidad

sobrante) suele llamarse excedente. En una restricción
del tipo ≤ la diferencia entre el lado derecho y el lado
gráfica izquierdo (la cantidad no usada) se llama holgura.
3. En condiciones de optimalidad, todas las
restricciones de desigualdad incluidas en un modelo
tienen una holgura o un valor excedente, y para lo
referente a las decisiones factibles dicho valor siempre
es no negativo. Con una restricción dada, el valor de la
holgura o el excedente es cero si y sólo si dicha
restricción es activa.
 El método gráfico se utiliza para la solución de
problemas de PL, representando geométricamente a las
restricciones, condiciones técnicas y el objetivo.

El modelo se puede resolver en forma gráfica si sólo

tiene dos variables. Para modelos con tres o más
Método variables, el método gráfico es impráctico o imposible.

Gráfico El procedimiento consiste en trazar las ecuaciones de las

restricciones en un eje de coordenadas X1, X2 para
tratar de identificar el área de soluciones factibles
(soluciones que cumplen con todas las restricciones).

La solución óptima del problema se encuentra en uno

de los vértices de esta área de soluciones creada, por lo
que se buscará en estos datos el valor mínimo o máximo
del problema.
Método Gráfico

Para resolver este tipo de problemas se

siguen los siguientes pasos:
• Se grafican todas las restricciones
• Determinar el área factible (región en
la cual los valores satisfacen todas las
restricciones).
• Encontrar la solución optima (solución
que minimiza o maximiza según sea el
caso la función objetivo).
Características de la PL

• Dos de los conceptos más fundamentales en los

PPL son el de región factible y de solución óptima
de un problema. Llamaremos punto a la
especificación de un valor para cada variable de
decisión.
• La región factible para un PPL es el conjunto de
puntos que satisfacen todas las restricciones
(incluidas las de signo) del problema.
• En el caso de un problema de maximización, una
solución óptima del PPL es un punto de la región
factible que está asociado al mayor valor posible de
la función objetivo. Similarmente, para un
problema de minimización, una solución óptima es
un punto que está asociado al menor valor.
 Graficar todas las restricciones y
encontrar la región factible.

Seleccionar una recta de utilidad (o de

MÉTODO DE costo) específica(o) y trazar la gráfica
para encontrar la pendiente.

LA
ISOUTILIDAD Mover la recta de la función objetivo
en la dirección de aumento de la
utilidad (o de la disminución del
costo), conservando la pendiente. El
último punto que se toca en la región
factible es la solución óptima.

Determinar los valores de las variables

de decisión en este último punto y
calcular la utilidad (o el costo).
 Ejemplo 1 Método Gráfico
Se pretende cultivar en un terreno dos tipos de olivos: A y B. No se
puede cultivar más de 8 ha con olivos de tipo A, ni más de 10 ha
con olivos del tipo B. Cada hectárea de olivos de tipo A necesita 4
m3 de agua anuales y cada una de tipo B, 3 m3. Se dispone
anualmente de 44 m3 de agua. Cada hectárea de tipo A requiere
una inversión de 500 € y cada una de tipo B, 225 €. Se dispone de
4500 € para realizar dicha inversión. Si cada hectárea de olivar de
tipo A y B producen, respectivamente,500 y 300 litros anuales de
aceite:
a) Obtener razonadamente las hectáreas de cada tipo de olivo que
se deben plantar para maximizar la producción de aceite.
b) Obtener la producción máxima.
Ejemplo 1 Método Gráfico
Solución
• Variables de Decisión
𝑋1 =indica las hectáreas de olivo A
𝑋2 = 𝑖𝑛𝑑𝑖𝑐𝑎 𝑙𝑎𝑠 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐵
• Función Objetivo
𝑍𝑚𝑎𝑥 = 500𝑋1 + 300𝑋2
• Restricciones
𝑋1 ≤ 8 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐴 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟
𝑋2 ≤ 10 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 𝑑𝑒 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐵 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟
4𝑋1 + 3𝑋2 ≤ 44 𝑚3 𝑑𝑒 𝑎𝑔𝑢𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
500𝑋1 + 225𝑋2 ≤ 4500 𝑃𝑟𝑒𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑎 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟
𝑋1 , 𝑋2 ≥ 0 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑣𝑖𝑑𝑎𝑑
Ejemplo 1 Método Gráfico
• Restricciones
𝑋1 ≤ 8 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐴 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟
Ejemplo 1 Método Gráfico
• Restricciones
𝑋2 ≤ 10 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 𝑑𝑒 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐵 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟

𝑋1 ≤ 8

𝑋2 ≤ 10
 Ejemplo 1 Método Gráfico
• Restricciones
4𝑋1 + 3𝑋2 ≤ 44 𝑚3 𝑑𝑒 𝑎𝑔𝑢𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠

𝑋1 ≤ 8

4𝑋1 + 3𝑋2 ≤ 44

𝑋2 ≤ 10
 Ejemplo 1 Método Gráfico
• Restricciones
500𝑋1 + 225𝑋2 ≤ 4500 𝑃𝑟𝑒𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑎 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟

500𝑋1 + 225𝑋2 ≤ 4500

𝑋1 ≤ 8

4𝑋1 + 3𝑋2 ≤ 44
𝑋2 ≤ 10
 Ejemplo 1 Método Gráfico
• Por lo tanto,
para
maximizar la
producción (0,10) (3.5,10)
de aceite se
deben
plantar 6 ha
de olivos del
tipo A y 20/3
ha de olivos (6,20/3)
del tipo B.
• La
producción
máxima será
de 5000 l de
aceite.
(8,20/9)

(0,0) (8,0)
 Ejemplo 1 Método Gráfico
• Geométricam
ente, una
restricción
activa es la
que pasa por (3.5,10)
la solución
óptima.
• Geométricam
ente, una
restricción (6,20/3)
inactiva es la
que no pasa
por la
solución
óptima.
(8,20/9)

(8,0)
 Ejemplo 1 Método Gráfico
• Restricciones
𝑋1 ≤ 8 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐴 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟
𝑋2 ≤ 10 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 𝑑𝑒 ℎ𝑎 𝑑𝑒 𝑜𝑙𝑖𝑣𝑜 𝐵 𝑎 𝑐𝑢𝑙𝑡𝑖𝑣𝑎𝑟 (3.5,10)
4𝑋1 + 3𝑋2 ≤ 44 𝑚3 𝑑𝑒 𝑎𝑔𝑢𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
500𝑋1 + 225𝑋2 ≤ 4500 𝑃𝑟𝑒𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑎 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟
𝑋1 , 𝑋2 ≥ 0 𝑛𝑜 𝑛𝑒𝑔𝑎𝑡𝑣𝑖𝑑𝑎𝑑

(6,20/3)
En este caso las restricciones activas son:
4𝑋1 + 3𝑋2 ≤ 44 𝑚3 𝑑𝑒 𝑎𝑔𝑢𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
500𝑋1 + 225𝑋2 ≤ 4500 𝑃𝑟𝑒𝑠𝑢𝑝𝑢𝑒𝑠𝑡𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑎 𝑖𝑛𝑣𝑒𝑟𝑡𝑖𝑟

• “si existe una solución óptima, siempre habrá por lo menos

una solución en un vértice”
(8,20/9)

(8,0)
Ejemplo 2 Método Gráfico

Popeye Canning tiene un contrato para recibir 60,000 libras de

tomates maduros a 7 centavos de dólar por libra, con los cuales
produce jugo de tomate enlatado, así como pasta de tomate. Los
productos enlatados se empacan en cajas de 24 latas. Una lata de
jugo requiere una libra de tomate y una lata de pasta solo requiere
1/3 de libra. La participación de mercado de la compañía se limita a
2000 cajas de jugo y 6000 cajas de pasta. Los precios de mayoreo
por caja de jugo y de pasta son de 18 y 9 dólares respectivamente.
Desarrolle un programa de producción óptima para Popeye
Canning.
Ejemplo 2 Método Gráfico
• Respuesta
Como en este problema queremos desarrollar un programa óptimo de
producción y los productos son cajas de 24 latas de jugo y pasta de tomate.
• Las variables de decisión serán:
X1 = Cajas de 24 latas de jugo de tomate a producir.
X2 = Cajas de 24 latas de pasta de tomate a producir.
• La función objetivo será :
Z máx. = 18X1 + 9X2
• Sujeta a las siguientes restricciones:
24X1 + 8X2 ≤ 60,000 Libras de tomate que recibe la empresa.
X1 ≤ 2,000 Demanda en el mercado de cajas de jugo de tomate.
X2 ≤ 6,000 Demanda en el mercado de cajas de pasta de tomate.
X1, X2 ≥ 0 Condiciones de no negatividad.
Ejemplo 2
Método
Gráfico
24X1 + 8X2 ≤ 60,000 Libras de
tomate que recibe la
empresa.
 Ejemplo 2
Método
Gráfico
• 24X1 + 8X2 ≤ 60,000
Libras de tomate que
recibe la empresa.
• X1 ≤ 2,000 Demanda en
el mercado de cajas de
jugo de tomate.
Ejemplo 2
Método
Gráfico
24X1 + 8X2 ≤ 60,000
Libras de tomate que
recibe la empresa.
X1 ≤ 2,000 Demanda en
el mercado de cajas de
jugo de tomate.
X2 ≤ 6,000 Demanda en
el mercado de cajas de
pasta de tomate.
Ejemplo 2
Método
Gráfico
• 24X1 + 8X2 ≤ 60,000 Libras
de tomate que recibe la
empresa.
• X1 ≤ 2,000 Demanda en el
mercado de cajas de jugo
de tomate.
• X2 ≤ 6,000 Demanda en el
mercado de cajas de
pasta de tomate.
• X1, X2 ≥ 0 Condiciones de
no negatividad.
Ejemplo 2
Método
Gráfico
La solución optima se
encuentra en el
punto(500,6000)
X1 = 500
X2 = 6000
Z máx. = 18 (500) + 9 (6,000)
Z máx. = 63,000
Ejemplo 3 Método Gráfico
El rancho Holiday Meal Turkey está considerando comprar dos marcas
diferentes de alimento para pavo, y mezclarlos para ofrecer una buena
dieta de bajo costo para sus aves. Cada alimento contiene, en
proporciones variables, algunos o los tres ingredientes nutricionales
esenciales para pavos de engorda. Por ejemplo, cada libra de la marca 1
contiene 5 onzas del ingrediente A, 4 onzas del ingrediente B y 0.5 onzas
del ingrediente C. Cada libra de la marca 2 contiene 10 onzas del
ingrediente A, 3 onzas del ingrediente B, pero nada del ingrediente C. La
marca 1 de alimento cuesta al rancho 2 centavos de dólar por libra; en
tanto que la marca 2 de alimento le cuesta 3 centavos de dólar por libra.
El propietario del rancho desea utilizar la PL para determinar la dieta con
costo mínimo que cumpla con el requisito mínimo de ingesta mensual de
cada ingrediente nutricional, sabiendo que por pavo se requiere un
mínimo mensual de 90 onzas del ingrediente A, 48 onzas del ingrediente B
y 1.5 onzas del ingrediente C
.
Ejemplo 3 Método Gráfico
Datos relevantes del problema:

COMPOSICION DE CADA DE REQUERIMIENTO

MENSUAL MINIMO
ALIMENTO EN (OZ.) PAVO (OZ.)

ALIMENTO ALIMENTO MARCA 2

MARCA 1

INGREDIENTE A 5 10 90

INGREDIENTE B 4 3 48

INGREDIENTE C 0.5 0 1.5

Costo ($) 2 3
 Ejemplo 3 Método Gráfico
Variables de decisión
• 𝑋1 = Número de libras de la marca 1 de alimento comprada
• 𝑋2 = Número de libras de la marca 2 de alimento comprada

Entonces, se procede a formular el problema de programación lineal de la siguiente

manera:
Minimizar los costos (en centavos) Z =2𝑿𝟏 + 3𝑿𝟐

sujetos a las siguientes restricciones:

5𝑋1 +10𝑋2 ≥90 onzas (restricción del ingrediente A)
4𝑋1 + 3𝑋2 ≥ 48 onzas (restricción del ingrediente B)
0.5𝑋1 ≥ 1.5 onzas (restricción del ingrediente C)
X1 ≥0 (restricción de no negatividad)
X2 ≥0 (restricción de no negatividad)
Ejemplo 3
Método
Gráfico
5𝑋1 +10𝑋2 ≥90 onzas
(restricción del ingrediente A)
 Ejemplo 3
Método
Gráfico
• 5 𝑋1 +10 𝑋2 ≥90 onzas
(restricción del ingrediente
A)
• 4 𝑋1 + 3 𝑋2 ≥ 48 onzas
(restricción del ingrediente
B)
Ejemplo 3
Método
Gráfico
• 5𝑋1 +10𝑋2 ≥90 onzas
(restricción del ingrediente
A)
• 4𝑋1 + 3𝑋2 ≥ 48 onzas
(restricción del ingrediente
B)
• 0.5𝑋1 ≥ 1.5 onzas
(restricción del ingrediente
C)
Ejemplo 3
Método
Gráfico
• 5𝑋_1 +10𝑋_2 ≥90 onzas
(restricción del ingrediente
A)
• 4𝑋_1 + 3𝑋_2≥ 48 onzas
(restricción del ingrediente
B)
• 0.5𝑋_1 ≥ 1.5 onzas
(restricción del ingrediente
C)
• X1 ≥0 (restricción de no
negatividad)
• X2 ≥0 (restricción de no
negatividad)
Ejemplo 3
Método
Gráfico
La solución optima se
encuentra en el
punto(8.4,4.8)
X1 = 8.4
X2 = 4.8
Z min. = 2 (8.4) + 3 (4.8)
Z min. = 31.20
 Ejercicio para la clase
MD Chemical produce dos productos que se venden como materia
prima para empresas fabricantes de jabones para baño, detergentes para
lavandería y otros productos de jabón. Apoyándose en un análisis de los
niveles actuales de inventarios y de la demanda potencial para el mes
siguiente, la administración de MD ha especificado que la producción
total de los productos 1 y 2 combinados debe ser de por lo menos 350
galones. Además debe cumplir con un pedido de un cliente de
importancia de 125 galones del producto 1. El tiempo de procesado del
producto 1 requiere dos horas por galón, y del producto 2 requiere de
una hora; para el mes siguiente, hay disponibilidades de 600 horas de
proceso. Los costos de producción son 2 dólares por galón del producto 1
y 3 dólares del producto 2.
• Determine las cantidades de producción que satisfagan los requisitos
especificados al costo mínimo.
• ¿Cuál es el costo total del producto?
• Identifique la cantidad de cualquier producción excedente.
 Ejercicio para la clase
• Definición de variables
X1 = Cantidad de galones del producto 1
X2 = Cantidad de galones de producto 2

• Función Objetivo
Zmin = 2X1 + 3X2

• Restricciones
X1 + X2 ≥ 350 galones producidos
X1 ≥ 125 pedido de un cliente
2X1 + 1X2 ≤600 horas de proceso
Xi ≥0; i=1,2No negatividad
Ejercicio para
la clase
La solución optima se
encuentra en el punto C
(250,100)
X1 = 250
X2 = 100
Z min. = 2 (250) + 3 (100)
Z min. = 800
Ejemplo 4
Innis Investments administra fondos de empresas y clientes pudientes. La
estrategia de inversión se adecua a las necesidades de cada cliente. Para un cliente
nuevo, a Innis se le ha autorizado invertir hasta 1’200.00 dólares en fondos de
inversión: un fondo de acciones y un fondo del mercado de dinero. Cada unidad
del fondo de acciones cuesta 50 dólares, con una tasa de rendimiento anual de
10%; cada unidad del fondo de mercado de dinero cuesta 100 dólares, con una
tasa de rendimiento anual de 4%.
El cliente desea minimizar el riesgo, pero quiere tener un ingreso anual sobre la
inversión de por lo menos 60.000 dólares. De acuerdo con el sistema de medición
del riesgo del Innis, cada unidad adquirida en el fondo de acciones tiene un índice
de riesgo del 8, y cada unidad adquirida en el fondo de mercado de dinero tiene
un índice de riesgo de 3. El índice de riesgo más elevado con el fondo de acciones
indica, simplemente que se trata de un a inversión más riesgosa. El cliente de Innis
también ha especificado que se inviertan por lo menos 3.000 dólares en el fondo
de mercado de dinero. ¿Cuántas de cada uno de los fondos deberá adquirir Innis
para el cliente, si el objetivo es minimizar el índice de riesgo total para esa cartera?
Ejemplo 4
• Variables de decisión
𝑿𝟏 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑎𝑑𝑞𝑢𝑖𝑟𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑓𝑜𝑛𝑑𝑜 𝑑𝑒 𝑎𝑐𝑐𝑖𝑜𝑛𝑒𝑠
𝑿𝟐 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑎𝑑𝑞𝑢𝑖𝑟𝑖𝑑𝑎𝑠 𝑒𝑛 𝑒𝑙 𝑓𝑜𝑛𝑑𝑜 𝑑𝑒𝑙 𝑚𝑒𝑟𝑐𝑎𝑑𝑜 𝑑𝑒 𝑑𝑖𝑛𝑒𝑟𝑜

• Función Objetivo:
Minimizar el riesgo
𝒁𝒎𝒊𝒏 = 𝟖𝑿𝟏 + 𝟑𝑿𝟐

• Restricciones
50𝑋1 + 100𝑋2 ≤ 1,200,000 𝐹𝑜𝑛𝑑𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠

5𝑋1 + 4𝑋2 ≥ 60,000 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑚í𝑛𝑖𝑚𝑜𝑠 𝑎𝑛𝑢𝑎𝑙𝑒𝑠

100𝑋2 ≥ 3,000 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑚í𝑛𝑖𝑚𝑎 𝑒𝑛 𝑒𝑙 𝑓𝑜𝑛𝑑𝑒 𝑑𝑒𝑙 𝑚𝑒𝑟𝑐𝑎𝑑𝑜 𝑑𝑒 𝑑𝑖𝑛𝑒𝑟𝑜

Ejemplo 4
Método
gráfico
• Restricciones
a) 50𝑋1 + 100𝑋2 ≤
1,200,000 𝐹𝑜𝑛𝑑𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
Ejemplo 4
Método
gráfico
• Restricciones
a) 50𝑋1 + 100𝑋2 ≤
1,200,000 𝐹𝑜𝑛𝑑𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
b) 5𝑋1 + 4𝑋2 ≥
60,000 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑚í𝑛𝑖𝑚𝑜𝑠 𝑎𝑛𝑢𝑎𝑙𝑒𝑠
Ejemplo 4
Método
gráfico
• Restricciones
a) 𝟓𝟎𝑿𝟏 + 𝟏𝟎𝟎𝑿𝟐 ≤
𝟏, 𝟐𝟎𝟎, 𝟎𝟎𝟎 𝐹𝑜𝑛𝑑𝑜𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
b) 𝟓𝑿𝟏 + 𝟒𝑿𝟐 ≥
𝟔𝟎, 𝟎𝟎𝟎 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑚í𝑛𝑖𝑚𝑜𝑠 𝑎𝑛𝑢𝑎𝑙𝑒𝑠
c) 𝟏𝟎𝟎𝑿𝟐 ≥
𝟑, 𝟎𝟎𝟎 𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛 𝑚í𝑛𝑖𝑚𝑎 𝑒𝑛 𝑒𝑙
𝑓𝑜𝑛𝑑𝑒 𝑑𝑒𝑙 𝑚𝑒𝑟𝑐𝑎𝑑𝑜 𝑑𝑒 𝑑𝑖𝑛𝑒𝑟
d) 𝑿𝟏 , 𝑿𝟐 ≥ 𝟎
Ejemplo 4
Método
gráfico
• La solución optima se
encuentra en el punto
A(400,10000)
𝑋1 = 4000
𝑋2 = 10000
𝑍𝑚𝑖𝑛 = 8𝑋1 + 3𝑋2
𝑍𝑚𝑖𝑛 = 8(4000) + 3(10000)
𝑍𝑚𝑖𝑛 = 62000
Ejemplo 5 Método Gráfico
El propietario de Sea Warf Restaurant desearía determinar cual es la
mejor forma de asignar un presupuesto mensual de publicidad de 1.000
dólares entre periódicos y la radio. La administración ha decidido que por
lo menos 25% del presupuesto debe utilizarse en cada uno de estos dos
tipos de medios y que el monto del dinero gastado en publicidad en
periódicos locales debe tener por lo menos el doble de los que se gaste en
radio. Un asesor de mercadotecnia ha desarrollado un índice que mide la
exposición del auditorio por dólar de publicidad en una escala de 0 al 100,
donde valores más elevados del índice indican mayores exposiciones al
auditorio. Si el valor del índice para publicidad en los periódicos locales es
de 50, y para el anuncio de radio es de 80, ¿Cómo debería asignar la
administración el presupuesto de publicidad, a fin de maximizar el valor de
exposición total en el auditorio?
a) Formule un modelo de programación lineal que se pueda utilizar para
determinar la manera en que la administración debe asignar el
presupuesto de publicidad a fin de maximizar el valor de la exposición
total del auditorio.
b) Resuelva el problema utilizando el procedimiento de solución gráfica
Ejemplo 5 Método Gráfico
Solución Solución
𝑍𝑚𝑎𝑥 = 50𝑋1 + 80𝑋2 𝑍𝑚𝑎𝑥 = 50𝑋1 + 80𝑋2
s/a s/a
𝑋1 ≥ 0.25(𝑋1 + 𝑋2 ) mínimo para periódicos 0.75𝑋1 − 0.25𝑋2 ≥ 0 mínimo para periódicos
𝑋2 ≥ 0.25(𝑋1 + 𝑋2 ) mínimo para radio −0.25𝑋1 + 0.75𝑋2 ≥ 0 mínimo para radio
𝑋1 ≥ 2𝑋2 relación [periódicos y radio 𝑋1 − 2𝑋2 ≥ 0 relación [periódicos y radio
𝑋1 + 𝑋2 ≤ 1000 presupuesto asignado 𝑋1 + 𝑋2 ≤ 1000 presupuesto asignado
𝑋1 , 𝑋2 ≥ 0 condiciones de no negtividad 𝑋1 , 𝑋2 ≥ 0 condiciones de no negtividad
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos

b) −0.25𝑋1 + 0.75𝑋2 ≥
0 mínimo para radio
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos

b) −0.25𝑋1 + 0.75𝑋2 ≥
0 mínimo para radio

b) 𝑋1 − 2𝑋2 ≥ 0 relación
periódicos y radio
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos

b) −0.25𝑋1 + 0.75𝑋2 ≥
0 mínimo para radio
c) 𝑋1 − 2𝑋2 ≥ 0 relación
periódicos y radio

d) 𝑋1 + 𝑋2 ≤
1000 presupuesto asignado
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos

b) −0.25𝑋1 + 0.75𝑋2 ≥
0 mínimo para radio
c) 𝑋1 − 2𝑋2 ≥ 0 relación
periódicos y radio

d) 𝑋1 + 𝑋2 ≤
1000 presupuesto asignado

e) 𝑋1 , 𝑋2 ≥
0 condiciones de no negtividad
Ejemplo 5
Método Gráfico

a) 0.75𝑋1 − 0.25𝑋2 ≥
0 mínimo para periódicos

b) −0.25𝑋1 + 0.75𝑋2 ≥
0 mínimo para radio
c) 𝑋1 − 2𝑋2 ≥ 0 relación
periódicos y radio

d) 𝑋1 + 𝑋2 ≤
1000 presupuesto asignado

e) 𝑋1 , 𝑋2 ≥
0 condiciones de no negtividad
Ejemplo 5
Método Gráfico

La Solución Optima esta en el

punto B(666.67,333.50).

𝑍𝑚𝑎𝑥 = 50𝑋1 + 80𝑋2

𝑍𝑚𝑎𝑥 = 50 666.67 +
80 333.5 = 60,013.5
VARIANTES EN EL
MÉTODO GRÁFICO
Solución Óptima Múltiple

Solución Óptima Múltiple

Solución Óptima No Acotada
Solución Óptima Degenerada
Solución Óptima Múltiple

Una de las variantes que puede presentar

un ejercicio de programación lineal
consiste en la cantidad de soluciones
óptimas, gran cantidad de ellos presenta
más de una solución óptima, es decir una
solución en la cual la función objetivo es
exactamente igual en una combinación
cuantitativa de variables diferente.

Estos problemas deben de afrontarse de tal

manera que prime el análisis de
sensibilidad, es decir una vez encontradas
múltiples soluciones iguales se debe
proceder al comportamiento del consumo
de los recursos y restricciones,
evidentemente prevaleciendo el concepto
de productividad de los recursos más
limitados y costosos.
Solución Óptima Múltiple
Ejemplo
La ebanistería "SALAZAR LTDA" ha recibido una gran cantidad de partes
prefabricadas para la elaboración de mesas, sin embargo no ha podido iniciar un
plan de producción enfocado a estas por la alta demanda que tiene de sus
productos restantes. Las mesas que pueden elaborarse de las partes prefabricadas
son de dos modelos, modelo A y B, y estas no requieren más que ser ensambladas
y pintadas. Esta semana se ha determinado dedicar 10 horas de ensamble y 8 de
pintura para elaborar la mayor cantidad de mesas posibles teniendo en cuenta que
cada mesa modelo A requiere de 2 horas de ensamble y 1 de pintura
respectivamente, y que cada mesa modelo B requiere de 1 hora de ensamble y 2
de pintura respectivamente. Si el margen de utilidad es de $20000 por cada mesa
modelo A y $10000 por cada mesa modelo B. Determine el modelo adecuado de
producción para esta semana.
• Variables de decisión
X1 = Cantidad de mesas modelo A a fabricar
X2 = Cantidad de mesas modelo B a Fabricar
Solución Óptima Múltiple
Ejemplo
• Restricciones
a) 2𝑋1 + 𝑋2 ≤ 10 Horas de ensamble
b) 𝑋1 + 2𝑋2 ≤ 8 Horas de pintura
c) 𝑋1 , 𝑋2 ≥ 0

• Función Objetivo

𝑍𝑚𝑎𝑥 = 20000𝑋1 + 10000𝑋2

Solución Óptima
Múltiple
Ejemplo
2𝑋1 + 𝑋2 ≤ 10 Horas de
ensamble
Solución Óptima
Múltiple
Ejemplo
a) 2𝑋1 + 𝑋2 ≤ 10 Horas de
ensamble
b) 𝑋1 + 2𝑋2 ≤ 8 Horas de
pintura
Solución Óptima
Múltiple
Ejemplo
a) 2𝑋1 + 𝑋2 ≤ 10 Horas de
ensamble
b) 𝑋1 + 2𝑋2 ≤ 8 Horas de
pintura
c) 𝑋1 , 𝑋2 ≥ 0
 Solución Óptima
Múltiple
Ejemplo
a) 2𝑋1 + 𝑋2 ≤ 10 Horas de
ensamble
b) 𝑋1 + 2𝑋2 ≤ 8 Horas de pintura
c) 𝑋1 , 𝑋2 ≥ 0

Los puntos C y D son óptimos

𝑍𝑚𝑎𝑥 = 20000𝑋1 + 10000𝑋2
Punto C(4,2)
𝒁𝒎𝒂𝒙 = 𝟐𝟎𝟎𝟎𝟎(𝟒) +10000(2)=100,000
Punto D(5,0)
𝒁𝒎𝒂𝒙 = 𝟐𝟎𝟎𝟎𝟎 𝟓 + 𝟏𝟎𝟎𝟎𝟎(𝟎)
= 𝟏𝟎𝟎𝟎, 𝟎𝟎0
 Solución Óptima
Múltiple
Ejemplo

La pregunta siguiente es ¿cual

decisión tomar?, pues depende de
factores tales como una análisis de
sensibilidad donde se tenga en cuenta
el consumo distinto de determinados
recursos (horas ensamble vs. horas
pintura) y factores extras al modelo
como lo puede llegar a ser en este
caso una necesidad de espacio de
almacenamiento, dado que existe una
alternativa en la que se elaboran más
mesas que en la otra, de todas formas
es interesante el paso posterior a
esbozar los resultados pues requerirá
de la capacidad de quien toma las
decisiones.
Solución Óptima Múltiple
Ejemplo
El modelo es formulado por una empresa que desea determinar la cantidad de
unidades de producto 1 (X1) y producto 2 (X2) a fabricar para satisfacer el objetivo
establecido de maximizar el beneficio. El monto total disponible de horas de trabajo
para este período es de 48. La disponibilidad de materia prima es de 120 unidades y la
cantidad mínima de horas disponibles para supervisión es de 36 horas.
Graficar las restricciones y obtener el espacio de solución se efectúa en forma similar al
proceso efectuado en el caso 1 y por lo tanto no se repetirán las instrucciones.

𝑍𝑚𝑎𝑥 = 6𝑋1 + 2𝑋1

S/a
3𝑋1 + 𝑋2 ≤ 48 Horas de Trabajo
3𝑋1 + 4𝑋2 ≤ 120 Unidades de Materia Prima
3𝑋1 + 𝑋2 ≥ 36 Horas de supervisón
𝑋1 , 𝑋2 ≥ 0
 Solución Óptima
Múltiple
Ejemplo
Dos puntos extremos proporcionan (𝟖, 𝟐𝟒)
el máximo valor del objetivo, los
puntos B y C. Esto permite afirmar
que existen soluciones óptimas
Alternas para este modelo. Son
óptimos todos los puntos sobre el
segmento de línea BC.

𝑍𝑚𝑎𝑥 = 6𝑋1 + 2𝑋1

• 𝑍𝑚𝑎𝑥 = 6 8 + 2 24 =96
• 𝑍𝑚𝑎𝑥 = 6 16 + 2 0 =96
(16,0)
Solución Óptima No Acotada
Ejemplo
Otra de las variantes que presentan los modelos de programación lineal corresponde a
los modelos de solución óptima no acotada, es decir problemas con infinitas soluciones
óptimas. Hay que reconocer que en la vida real gran parte de estos problemas se deben
a un mal planteamiento de las restricciones, sin embargo es común que este tipo de
problemas sean evaluados en la vida académica.
Pueden surgir cuando no se incluye en el modelo una o varias restricciones
importantes, o tal vez a causa de errores al introducir los datos de un modelo.

La compañía comercializadora de bebidas energéticas "CILANTRO SALVAJE" se

encuentra promocionando dos nuevas bebidas, la tipo A y la tipo B, dado que se
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 deben venderse!!
Solución Óptima No Acotada
Ejemplo
• Variables de decisión
𝑋1 == Cantidad de bebidas tipo A a vender
𝑋2 =Cantidad de bebidas tipo B a vender

• Restricciones
𝑋1 ≥ 𝑋2 La bebida tipo A no puede ser menor que la de tipo B
𝑋1 + 𝑋2 ≥ 1500 cantidad mínima a vender de cualquier tipo de bebida.
𝑋1 , 𝑋2 ≥ 0 Condiciones de no negatividad

• Función Objetivo
𝑍𝑚𝑎𝑥 = 1800𝑋1 + 1800𝑋2
Solución Óptima
No Acotada
Ejemplo
• 𝑋1 ≥ 𝑋2 La bebida tipo A no
puede ser menor que la de
tipo B
Solución Óptima
No Acotada
Ejemplo

• 𝑋1 ≥ 𝑋2 La bebida tipo A
no puede ser menor que
la de tipo B
• 𝑋1 + 𝑋2 ≥ 1500
cantidad mínima a
vender de cualquier tipo
de bebida.
Solución Óptima
No Acotada
Ejemplo
• 𝑋1 ≥ 𝑋2 La bebida tipo A no
puede ser menor que la de
tipo B
• 𝑋1 + 𝑋2 ≥ 1500 cantidad
mínima a vender de
cualquier tipo de bebida.
• 𝑋1 , 𝑋2 ≥ 0 Condiciones de
no negatividad
Solución Óptima
No Acotada
Ejemplo
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.
Solución Infactible
Ejemplo
El caso de la solución infactible es más típico de lo pensado, y corresponde a
los casos en los cuales no existen soluciones que cumplen con todas las
restricciones. Es muy común ver este fenómeno producto de inviables
proporciones de oferta y demanda.
La compañía de galletas "CAROLA" desea planificar la producción de galletas
que tendrá que entregar a su cliente en dos semanas, el contrato indica que la
compañía "CAROLA" se compromete a entregar por lo menos 300 cajas de
galletas cualquiera sea su tipo (presentación D, presentación N o una
combinación de ambas presentaciones), cada caja de galletas presentación D
tiene un tiempo de elaboración de 2 horas, y un tiempo de horneado de 3
horas, mientras cada caja de presentación N tiene un tiempo de elaboración
de 3 horas y un tiempo de horneado de 1 hora. La compañía cuenta estas dos
semanas con 550 horas para elaboración y con 480 horas de horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas
presentación D y N es de $8500 y $8100 respectivamente, determine
mediante un modelo de programación lineal el plan de producción que
maximice las utilidades.
Solución Infactible
Ejemplo
• Variables de decisión
𝑋1 = Cantidad de cajas de galletas presentación D a producir en 2 semanas
𝑋2 =Cantidad de cajas de galletas presentación N a producir en 2 semanas

• Restricciones
2𝑋1 + 3𝑋2 ≤ 550 Horas disponibles para elaboración
3𝑋1 + 𝑋2 ≤ 480 Horas disponibles para horneado
𝑋1 + 𝑋2 ≥ 300 Cantidad minima de entrega de parte de la compañía
𝑋1 , 𝑋2 ≥ 0 Condiciones de no negatividad
• Función Objetivo
𝑍𝑚𝑎𝑥 = 8500𝑋1 + 8100𝑋2
Solución
Infactible
Ejemplo
Restricciones
• 2𝑋1 + 3𝑋2 ≤ 550 Horas
disponibles para elaboración
Solución
Infactible
Ejemplo
Restricciones
• 2𝑋1 + 3𝑋2 ≤ 550 Horas
disponibles para
elaboración
• 3𝑋1 + 𝑋2 ≤ 480 Horas
disponibles para
horneado
Solución
Infactible
Ejemplo
Restricciones
• 2𝑋1 + 3𝑋2 ≤ 550 Horas
disponibles para
elaboración
• 3𝑋1 + 𝑋2 ≤ 480 Horas
disponibles para
horneado
• 𝑋1 + 𝑋2 ≥ 300 Cantidad
minima de entrega de
parte de la compañía
Solución
Infactible
Ejemplo
Evidentemente no existe
forma alguna de satisfacer
todas las restricciones, por
ende se concluye que no
existe solución factible.
La infactibilidad significa
siempre que el modelo ha
sido especificado
incorrectamente, ya sea a
causa de errores de lógica o
por errores al introducir los
datos a un software.
Los errores de lógica
pueden significar que se
han incluido demasiadas
restricciones, o que éstas
son inadecuadas.
Conclusiones del modelo lineal
Todo programa lineal (PL) corresponde a alguna de las tres
siguientes categorías, en las que no puede haber superposiciones:

1. El modelo tiene una solución óptima

2. No existe solución óptima porque el modelo no está acotado.
3. No existe solución óptima porque el modelo no es factible.

En la práctica, una PL correctamente formulada del mundo real

siempre tiene una solución.
Las situaciones 2 y 3 sólo pueden presentarse a causa de:
(1) errores en la formulación del modelo o
(2) errores al introducir el modelo en el GLP o en la hoja de cálculo.