El método gráfico es un procedimiento de solución de problemas de programación

lineal, muy limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es 3D)

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, en el cual por razones trigonométricas en uno de sus vértices se encuentra la mejor
respuesta (solución óptima).
El método gráfico es muy limitado en cuanto al número de variables (2 si es un gráfico 2D y
3 si es 3D).

El problema
La fábrica de Hilados y Tejidos «SALAZAR» requiere fabricar dos tejidos de
calidad diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108
Kg de hilo c. Para obtener un metro de T diariamente se necesitan 125 gr de a,
150 gr de b y 72 gr de c; para producir un metro de T’ por día se necesitan 200
gr de a, 100 gr de b y 27 gr de c. El T se vende a $4000 el metro y el T’ se vende
a $5000 el metro. Si se debe obtener el máximo beneficio, ¿cuántos metros de T
y T’ se deben fabricar?
 

Modelamiento mediante programación lineal

 

Variables
XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

Restricciones
0,12XT + 0,2XT’ <= 500              Hilo “a”
0,15XT + 0,1XT’ <= 300              Hilo “b”

0,072XT + 0,027XT’ <= 108        Hilo “c”

Las restricciones de no negatividad no son necesarias en este ejemplo dado que se trata de
un ejercicio de maximización, cuando el ejercicio sea de minimización lo más recomendado
es incluirlas.

Función objetivo
ZMAX = 4000XT + 5000XT’

Solución mediante método gráfico

 

Paso 1: Graficar las restricciones

Para iniciar con el trazado de las restricciones es indispensable igualar las restricciones a
0, de esta manera podemos mediante despeje de ecuaciones iniciar con la tabulación que
nos otorgará las coordenadas para esbozar cada una de las gráficas. Además dado que se
trabajará en el plano cartesiano sería prudente renombrar las variables
XT = x

XT’ = y

Igualamos las restricciones,

0,12X + 0,2y = 500

0,15X + 0,1y = 300

0,072X + 0,027y = 108

Acto seguido iniciamos con la primera restricción, hallamos las primeras dos coordenadas.
Para hallar las coordenadas regularmente llevamos una de las variables a cero, para de esta
manera despejar más fácilmente la segunda.
Por ejemplo, para un x = 0
0,12(0) + 0,2y = 500

0,2y =  500

500/0,2 = y

2500 = y

y para un  y  = 0
0,12x + 0,2(0) = 500

0,12x = 500

x = 500/0,12

x = 4167
Seguimos con la segunda restricción
Pasamos a la tercera restricción
En el siguiente gráfico se muestra el polígono solución de color gris, en este conjunto es
donde cada coordenada cumple con todas las restricciones, las cuales se caracterizan por
ser restricciones de menor o igual y esta característica se representa con una flecha hacía
abajo.
Una vez se llega a este punto es indispensable saber que las soluciones óptimas se alojan
en los vértices del polígono solución (color gris) y que identificar a la solución óptima es
cuestión de elegir la mejor alternativa dependiendo de las herramientas disponibles
(tecnológicas y conocimientos matemáticos).

La primera opción es la geométrica, esta depende de trazar la ecuación que representa a la

función objetivo (este paso consiste en realizar el mismo procedimiento de las
restricciones).

Función objetivo,
ZMAX = 4000x + 5000y

luego igualamos a 0.
4000x + 5000y = 0

Luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica
correspondientes a la ecuación (en esta ocasión es recomendable más de dos coordenadas,
incluyendo la coordenada (x = 0, y = 0).
Una vez se ha esbozado la función objetivo (línea negra) sacamos replicas paralelas a esta
que se encuentren con cada vértice, y solo en el caso en que la línea imaginaria
paralela  a la función objetivo no corte el polígono solución se ha encontrado la
solución óptima. En otras palabras trasladamos la función objetivo por todo el polígono
conservando su forma paralela con la original, la detenemos en los vértices y evaluamos si
esta corta o no el conjunto solución.
Claramente solo en el punto «B», es decir en el vértice formado por la intersección de las
ecuaciones 1 y 2, la línea imaginaria no corta el polígono solución, entonces es este punto el
correspondiente a la coordenada óptima.

Para hallar el valor de esta coordenada es indispensable recurrir a la resolución de

ecuaciones lineales 2×2, y se pueden considerar varios métodos de solución entre ellos:

 Método por sustitución

 Método por igualación
 Método por reducción o Eliminación
 Método por eliminación Gauss
 Método por eliminación Gauss – Jordán
 Método por determinantes

Así entonces, se dispone de gran cantidad de métodos, uno de los más utilizados es
el método de reducción o eliminación, el cual es muy sencillo de aplicar.
El método por reducción o eliminación consiste en igualar los coeficientes de una de las
variables multiplicando una o las dos ecuaciones, teniendo en cuenta que estos coeficientes
queden iguales pero con signos contrarios.

Ecuación 1                        0,12x + 0,2y = 500

Ecuación 2                        0,15x + 0,1y = 300  multiplicamos por (-2)

Ecuación 3 (2*(-2))          -0,30x –  0,2y = -600

Sumamos 1 y 3               -0,18x = -100

Despejamos «x»               x = -100 / (-0,18)

                                          x = 555,55
luego reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con el
objetivo de despejar «y».

Ecuación 1                     0,12x + 0,2y = 500

Reemplazamos «x»        0,12(555,55) + 0,2y = 500

Despejamos «y»             66,666 + 0,2y = 500

                                      0,2y = 500 – 66,666

                                      0,2y = 433,334

                                      y = 433,334 / 0,2

                                      y = 2166,67
De esta forma hemos obtenido los valores para «x» y «y».
Recordemos que x y y  fueron los nombres que recibieron las variables originales XT y XT’
x = XT

y = XT’

XT = 555,55

XT’ = 2166,67

y la contribución obtenida (reemplazando las variables en la función objetivo) es de:

Zmax = 4000XT + 5000XT’

Zmax = 4000(555,55) + 5000(2166,67)

Zmax = 13.055.550
Ahora podemos cotejar los resultados con los obtenidos mediante resolución por Solver –
Excel, sin embargo recuerden que el método de búsqueda de la solución óptima en el
método gráfico que utilizamos es el geométrico y que existe una posibilidad mucho más
compleja pero igualmente efectiva, este es el método de iteración por vértice, y que
consiste en hallar todas las coordenadas de los vértices y luego en cada coordenada se
evalúa la función objetivo, (cada coordenada nos proporciona un valor en «x» y otro en «y»,
luego reemplazamos estos valores en la función objetivo «4000x + 5000y = ?» y luego
evaluamos los resultados seleccionando la mayor cantidad).

Variantes en el método gráfico

Como en la mayoría de los casos, el ejemplo con el que aquí se explicó el método gráfico es
el ideal, es decir un ejercicio de conjunto acotado con solución óptima única, sin embargo
existen una variedad de problemas diferentes a los ideales y que vale la pena analizar:

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.

Un ejemplo de este caso es el siguiente:

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
X = Cantidad de mesas modelo A a fabricar esta semana

Y = Cantidad de mesas modelo B a fabricar esta semana

Restricciones
2X + Y <= 10        «Horas de ensamble»
X + 2Y <= 8          «Horas de pintura»

X, Y => 0              «De no negatividad»

Función objetivo
Zmax = 20000X + 10000Y

La gráfica resultante sería:

Como nos podemos dar cuenta mediante la geometría en dos vértices la línea imaginaria
perpendicular a la función objetivo no atraviesa el conjunto solución, por ende en dos
puntos se presentan soluciones óptimas, que son los puntos B y C.

Observemos la solución óptima múltiple

Z(0) = 20000(0) + 10000(0) = 0

Z(A) = 20000(0) + 10000(4) = $40000

Z(B) = 20000(4) + 10000(2) = $100000
Z(C) = 20000(5) + 10000(0) = $100000
Existen entonces dos soluciones óptimas

Solución óptima 1
X = 4        Y = 2

Solución óptima 2
X=5   Y=0

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 no acotada

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.
Un ejemplo:
La compañía comercializadora de bebidas energéticas «WILD» 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.

Variables
X = Cantidad de bebidas tipo A a vender

Y = Cantidad de bebidas tipo B a vender

Restricciones
X => Y

X + Y => 1500

Función Objetivo
Zmax = 1800X + 1800Y

La gráfica resultante sería:

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
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.

Un ejemplo:
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.
 

Variables
X = Cantidad de cajas de galletas presentación D a producir en 2 semanas

Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas

Restricciones
2X + 3Y <= 550

3X + Y <= 480

X + Y => 300

Función Objetivo
Zmax = 8500X + 8100Y

La gráfica resultante es la siguiente:

Evidentemente, no existe forma alguna de satisfacer todas las restricciones, por ende se
concluye que no existe solución factible.

Restricciones redundantes o sobrantes

Existen en los modelos de programación lineal un tipo de restricciones que no juegan rol
alguno en la determinación del conjunto solución (de igual manera en la solución óptima),
lo que lleva a deducir que estas son redundantes.
Por ejemplo:
La compañía «CONGELADORES MAJO» pretende fabricar dos tipos de
congeladores denominados A y B. Cada uno de ellos debe pasar por tres
operaciones antes de su comercialización: Ensamblaje, pintura y control de
calidad. Los congeladores tipo A requieren 2 horas de ensamblaje, 3 kg de
pintura y 4 horas de control de calidad; los congeladores tipo B requieren 3
horas de ensamblaje, 6 kg de pintura y 5 horas de control de calidad. El margen
 contributivo por cada congelador tipo A y B es de $102000 y $98000
respectivamente. La compañía dispone como máximo semanalmente 300 horas
de ensamblaje, 840 kg de pintura y 450 horas de control de calidad. Con base
en la información suministrada determine las unidades a producir
semanalmente de cada referencia para maximizar las utilidades.
 

Variables
X = Cantidad de congeladores tipo A a producir semanalmente

Y = Cantidad de congeladores tipo B a producir semanalmente

Restricciones
2X + 3Y <= 300

3X + 5Y <= 840

4X + 5Y <= 450

Función Objetivo
Zmax = 102000X + 98000Y

La gráfica resultante es la siguiente,

La solución óptima corresponde a:

X = 150
Y = 0
y la función objetivo quedaría.

Zmax = $15300000
Claramente podemos observar como la restricción 1 y la restricción 2 no determinan el
conjunto solución, por ende se denominan restricciones redundantes o sobrantes.