MÉTODO GRÁFICO

Objetivo del capítulo

Aprender a resolver
gráficamente un modelo de
programación lineal de dos
variables. Utilizándolo
como una herramienta
eficaz para obtener una
solución óptima.
Gráfica de desigualdades
Procedimiento:
1. Gráfica de la igualdad: convierta la
desigualdad en igualdad y Grafique la
recta que representa esta ecuación.
2. Elegir un punto de ensayo:
elegir cualquier punto de ensayo que
no pertenezca a la recta. Si el punto
0,0 no pertenece a la recta sería un
buen punto de ensayo.
Gráfica de desigualdades
3. Evalúe el primer miembro de la expresión:
Sustituya el punto de ensayo en el primer miembro de la

desigualdad .
4. Determine si el punto de ensayo satisface la desigualdad:
a.- Si el punto de ensayo satisface la desigualdad, la desigualdad está
representada por la recta y todos los puntos de la parte del plano en
la que se encuentra el punto de ensayo
b.- Si el punto de ensayo no satisface la desigualdad, entonces la recta
y todos los puntos del plano que no están del lado del punto de
ensayo satisfacen la desigualdad
Líneas de contorno
• El contorno de una función f de dos
variables es el conjunto de todos los
pares (x1,x2) para los cuales la
función (x1,x2) toma un valor
constante específico
Gráfico de un contorno
• El gráfico de un contorno se
resume en el gráfico de una
igualdad.
• Los contornos de una función
lineal forman una familia de rectas
paralelas.
Solución Gráfica

• Determinar el conjunto factible.

• Dibujar la recta que identifica el
contorno de la función objetivo.
• Determinar la solución óptima
Solución óptima
• Para encontrar la solución óptima
deslizamos o movemos la recta de la
función objetivo paralelamente á sí
misma a lo largo de la región factible.
Solución óptima

• La solución óptima es el último

punto de la región factible que
toca la recta de la función
objetivo en su movimiento.
Ejemplo
X2
solución óptima

Función objetivo
es maximizar

función objetivo crece

X1
Punto óptimo
• Solución óptima:
Valores óptimos de las variables
de decisión
• Valor óptimo:
Es el valor de la función objetivo
evaluada en la solución óptima.
 Restricciones

Importantes Redundantes

Activas Inactivas
¿Qué es una restricción importante?
• Las restricciones importantes
son aquellas que determinan o
definen el conjunto factible.
• Dentro de las restricciones
importantes las más importantes
son aquellas que determinan la
solución óptima.
X2
Ejemplo
X2

3 3

<= <=
<=
<=
5 4
4
<= <=
>=
2
1

X1 X1
Restricciones Redundantes

• Una restricción es redundante si al

ser eliminada no cambia la región
factible
• Es muy posible que una restricción
redundante para un conjunto de
datos no lo sea cuando se cambian
algunos datos
 Ejemplo
X2

1
2

3
5 4

X1
Restricciones Activas
• Una restricción es activa sólo si se
cumple la igualdad entre el primer
miembro y el lado derecho cuando
se evalúa para los valores óptimos.
• Son aquellas que pasan por la
solución óptima
Restricciones Inactivas
• Una restricción es inactiva si al
evaluar la solución óptima en la
restricción se cumple
estrictamente la desigualdad.
• Es aquella que no pasa por la
solución óptima
Holgura y Excedente
• Se dan holgura y excedente en
restricciones del tipo inactivas
• Excedente: es la diferencia entre
el primer miembro y el lado
derecho de una desigualdad del
tipo > =.
• Holgura: es la diferencia entre el
segundo y el primer miembro de
una desigualdad de la forma < =.
 Puntos extremos
X2

Puntos extremos son los

vértices de la región o
2 conjunto factible
3

1
4

X1
Infinitas soluciones óptimas
• Cuando el contorno del
objetivo óptimo coincide con
una de las recta se restricción
sobre la frontera de la región
factible se presenta un caso
de infinitas soluciones
óptimas
 Método
1.- Graficar las restricciones
sobre el cuadrante no negativo
de las variables de decisión.
2.- Dibujar el contorno de la
función objetivo.
3.- Determine la dirección
ascendente del contorno de la
función objetivo.
4.- Encontrar el punto sobre el
conjunto factible que esté
sobre el contorno de máxima
utilidad.
5.- Los valores de las variables
de decisión de este último
punto dan solución al
modelo
6.- El valor óptimo se obtiene
evaluando la solución
óptima en la función
objetivo.
7.- Identificar las restricciones
activas e inactivas.
Modelo de Minimización
• La única diferencia con la solución
al modelo de maximización es el
sentido en el que se desplaza la
recta de contorno de la función
objetivo. se debe buscar el sentido
para el cual la función objetivo es
decreciente
Problemas no acotados
• Se producen problemas no
acotados cuando el conjunto
factible se extiende
indefinidamente en la
dirección del movimiento del
contorno de la función
objetivo
 Problema no acotado
X2

3
contorno F.O.
>=

<=
2

>=
1

X1
Ejemplo
X2

Conjunto factible
no acotado pero
<=
con una solución

<=
<=

X1
Problemas no Factibles
• Un problema de
programación lineal es
no factible o
inconsistente cuando no
existe un conjunto
factible, o el conjunto
factible es vacío.
Ejemplo
X2
3

<= 4
<=
<=
5 <=
2
1

<=

X1
 Situaciones posibles

1. El problema tiene una

solución óptima
2.- El problema carece de
solución óptima porque es
no acotado
3.- El problema carece de
solución óptima porque es
no factible.
¿Qué es análisis de sensibilidad?
Es el estudio del efecto de los
cambios en los parámetros del
modelo de programación lineal en la
solución óptima.
Le da al modelo una característica
dinámica que permite estudiar el
comportamiento de la solución
óptima
Importancia del análisis de
sensibilidad

1.- Factores omitidos

2.- Datos inexactos
3.- Ingresos y costos
inciertos
Cambios en coeficientes de F.O.

Cambiando los coeficientes de la

función objetivo se cambia la
pendiente de los contornos de
ésta. Esto puede o no afectar a la
solución óptima y al valor óptimo
de la función.
 Ejemplo
X2

5000X1+10000X2

4000X1+5000X2

5000X1+4000X2

X1
Cambios en restricciones

El cambio en el valor de un lado

derecho produce un desplazamiento
paralelo de la restricción
modificada. Esto puede afectar
tanto a la solución óptima como al
valor objetivo. El efecto dependerá
precisamente de cuál lado derecho
se haya cambiado y en qué medida.
 Ejemplo
X2 X2
3

3 <=
<=
LD 135
4
5 <= <= 4 LD 210
1 <= 5
>=
2 1 2
>=

X1 X1
Estrechamiento de una restricción
Estrechar una desigualdad
significa hacerla más difícil de
satisfacer.
• Para una restricción > = esto
significa aumentar el lado derecho
de la desigualdad
• Para una restricción <= significa
disminuir el lado derecho de la
desigualdad
Relajación de una restricción
Relajar una restricción de desigualdad
significa hacerla más fácil de cumplir.
• Para una restricción >= esto significa
disminuir el lado derecho
• Para una restricción <= esto significa
aumentar el lado derecho
 Efecto sobre el conjunto factible

• Al estrechar una restricción de

desigualdad, o bien se contrae el
conjunto factible o posiblemente
quede inalterado.
• Al relajar una restricción de
desigualdad, o bien se expande el
conjunto factible o posiblemente
quede inalterado.
 Ejemplo
X2
5
3

4
1
2
1”

X1
Adición o eliminación de restricciones
• Al eliminar restricciones la
región factible queda inalterada
o aumenta
• La adición de restricciones hace
que la región factible quede
inalterada o se reduzca
Efecto sobre el valor objetivo

• La adición de restricciones en un
modelo o bien empeora el valor
objetivo o lo deja inalterado.
• La eliminación de restricciones en el
modelo o bien mejora el valor
objetivo o lo deja inalterado
 Ejemplo
X2 nueva restricción

3
solución óptima original

5
4 nueva solución
1 óptima
>=
2

X1