IO-3 New

Introducción al Modelado con
Programación Lineal
Método Gráfico
Lic. Jorge Eloy Rojas Nina
METODO GRAFICO: MAXIMIZACIÓN
Gepetto S.L., fabrica muñecos y trenes de madera.

Cada muñeco:
• Produce un beneficio neto de $ 3
• Requiere 2 horas de trabajo de acabado.
• Requiere 1 hora de trabajo de carpintería.
Lic. Jorge E. Rojas Nina
Cada tren:
• Produce un beneficio neto de $2
• Requiere 1 hora de trabajo de acabado.
• Requiere 1 hora trabajo de carpintería.
Cada semana Gepetto puede disponer de:
• Todo el material que necesite.
• Solamente 100 horas de acabado.
• Solamente 80 horas de carpintería.
También:
• La demanda de trenes puede ser cualquiera (sin límite).
• La demanda de muñecos es como mucho 40.
1
Gepetto quiere maximizar sus beneficios.
?
¿Cuántos muñecos y cuántos trenes debe fabricar?
Formular el Problema
Problema: Desconocer la cantidad a producir por semana de
muñecos y/o trenes.
Variables de Objetivo Alternativas

Decisión Elegir valores de X1 y X2 1. Producir solo

X1 = nº de muñecos para maximizar las Muñecos
producidos a la utilidades. Usaremos la 2. Producir solo
semana variable z para denotar trenes
X2 = nº de trenes el valor de la función 3. Producir una
producidos a la objetivo. mezcla de
semana ambos
Restricciones y/o Parámetros

Desigualdades que limitan los posibles valores de las variables de decisión.
• Disponibilidad de horas de acabado: hasta 100 horas
• Disponibilidad de horas en carpintería: hasta 80 horas
• Demanda de muñecos: hasta 40 Demanda de trenes: sin limite
• También suele haber restricciones de signo o no negatividad
2
Construir el Modelo matemático PL

Variables de Decisión
X1 = nº de muñecos producidos a la semana
X2 = nº de trenes producidos a la semana
Muñeco Tren
X1 X2
Función objetivo Beneficio 3 2
Restricción 1 Acabado 2 1 ≤ 100
Restricción 2 Carpintería 1 1 ≤ 80
Restricción 3 Demanda ≤ 40
X1,X2 ≥ 0 (restricción de signo)
Construir el Modelo Matemático PL
Para el problema de Gepetto, combinando las restricciones de

signo x1 y x2 ≥ 0 con la función objetivo y las restricciones,
tenemos el siguiente modelo de optimización:
𝑀𝑎𝑥 𝑧 3𝑥 2𝑥
Sujeto a (s.a:)
𝑅1 2𝑥 𝑥 100
𝑅2 𝑥 𝑥 80
𝑅3 𝑥 40
𝑥 ,𝑥 0
3
Región factible
Una solución factible es aquella

para la que todas las restricciones
se satisfacen.
Una solución no factible es una

solución para la que al menos una
restricción se viola.
La región factible es la reunión
de todas las soluciones factibles
Es el conjunto de todos los puntos
que satisfacen todas las
restricciones
Región factible
𝑋 40 𝑦 𝑋 20, está en la región factible porque

satisfacen todas las restricciones de Gepetto.
Sin embargo, 𝑋 15 𝑦 𝑋 70, no está en la región
factible porque este punto no satisface la restricción de
carpintería
4
Solución óptima
Para un problema de maximización, una solución

óptima es un punto en la región factible en el cual la

función objetivo tiene un valor máximo.
Para un problema de minimización, una solución óptima

es un punto en la región factible en el cual la función
objetivo tiene un valor mínimo.
Solución óptima
• La mayoría de PPL tienen
solamente una solución óptima. Sin
embargo, algunos PPL no tienen
solución óptima y otros PPL tienen

un número infinito de soluciones.
• Se puede demostrar que la solución

óptima de un PPL está siempre en la
frontera de la región factible, en un
vértice (si la solución es única) o en
un segmento entre dos vértices
contiguos (si hay infinitas
soluciones)
5
Dibujar la región factible

Puesto que el PPL de Gepetto tiene dos variables, se
puede resolver gráficamente. La región factible es el
conjunto de todos los puntos que satisfacen las
restricciones:
Sujeto a (s.a:)
𝑅1, 𝐴𝑐𝑎𝑏𝑎𝑑𝑜 2𝑥 𝑥 100
𝑅2, 𝐶𝑎𝑟𝑝𝑖𝑛𝑡𝑒𝑟í𝑎 𝑥 𝑥 80
𝑅3, 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑥 40
𝑥 ,𝑥 0
Representación Gráfica de las restricciones

• Primera restricción:
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎 X2
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
100
• Convertimos a una igualdad
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎 80
60
• Representamos la recta en el
plano cartesiano 40
- Punto pendiente 20
- Pares ordenados (Dando
valores a variables) 20 40 60 80 X1
x1= 50
x2=100
6

• Segunda restricción:
𝒙𝟏 𝒙𝟐 𝟖𝟎 X2
100
𝒙𝟏 𝒙𝟐 𝟖𝟎 80
𝒙𝟏 𝒙𝟐 𝟖𝟎
60
plano cartesiano 40
x1= 80
x2= 80

• Tercera restricción:
𝒙𝟏 𝟒𝟎 X2
100
𝒙𝟏 𝟒𝟎 80
𝒙𝟏 𝟒𝟎
60
plano cartesiano 40
x1= 40
7
Establecer la región factible

• Primera restricción: X2
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
100
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
• Damos valores de cero a las 80

variables
𝟐 𝟎 𝟎 𝟏𝟎𝟎 60
40
• Si se cumple la afirmación
tomamos el semiplano que la 20
contiene, de lo contrario se
toma el semiplano opuesto. 20 40 60 80 X1
X2
• Segunda restricción:
𝒙𝟏 𝒙𝟐 𝟖𝟎 100
80
• Damos valores de cero a las
𝒙𝟏 𝒙𝟐 𝟖𝟎
variables
60
𝟎 𝟎 𝟖𝟎
40
• Si se cumple la afirmación
tomamos el semiplano que la 20
contiene, de lo contrario se
toma el semiplano opuesto.
20 40 60 80 X1
8

X2
• Tercera restricción:
𝒙𝟏 𝟒𝟎
100
• Damos valores de cero a

80
las variables 𝒙𝟏 𝟒𝟎
𝟎 𝟒𝟎
60
• Si se cumple la
afirmación tomamos el 40
semiplano que la
contiene, de lo contrario 20
se toma el semiplano
opuesto. X1
20 40 60 80

X2
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
100
La
intersección 80 𝒙𝟏 𝟒𝟎
de todos estos
semiplanos 60
(restricciones)
nos da la 40
𝒙𝟏 𝒙𝟐 𝟖𝟎
región factible
Región
20
Factible
20 40 60 80 X1
9
Vértices de la región factible

La región factible (al X1
estar limitada por
rectas) es un polígono. 100
En esta caso, el
polígono ABCDE. 80 E
Como la solución 60
D
óptima está en alguno
de los vértices (A, B, 40
C, D o E) de la región
Región
factible, calculamos 20 Factible C
esos vértices.
B
A 20 40 60 80 X2
Vértices de la región factible

Los vértices de la región X2
factible son intersecciones
de dos rectas. El punto D
100
es la intersección de las
rectas
80
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
𝒙𝟏 𝒙𝟐 𝟖𝟎 D
60
40
C es solución de: Región

20 Factible C
𝒙𝟏 𝟒𝟎
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
20 40 60 80 X1
10
Resolución analítica
X2
Encontrar los valores
de los vértices
(intersecciones) de la 100
región factible.
• Vértice “D”, se 80
resuelve igualando (20, 60)

D
las 2 ecuaciones 60
eliminando una
variable 40
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎 Región

𝒙𝟏 𝒙𝟐 𝟖𝟎 20 Factible C
𝒙𝟏 𝟐𝟎
𝒙𝟐 𝟔𝟎 20 40 60 80 X1

Resolución analítica
X2
100
Vértice z = 3x1 + 2x2

80
(0, 80)
(0, 0) z = 3ꞏ0+2ꞏ0 = 0
(40, 0) z = 3ꞏ40+2ꞏ0 = 120
(20, 60)
(40, 20) z = 3ꞏ40+2ꞏ20 = 160 60
(20, 60) z = 3ꞏ20+2ꞏ60 = 180
(0, 80) z = 3ꞏ0+2ꞏ80 = 160
40
Región
La solución óptima es: Factible (40, 20)
20
X1 = 20 muñecos
X2 = 60 trenes (40, 0)
z = 180 $ de beneficio (0, 0) 20 40 60 80 X1
11
Uso de los recursos
Reemplazamos los valores que maximizan Z en las
restricciones. 𝑥 20, 𝑥 60
Restricción 1 Restricción 2
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎 𝒙𝟏 𝒙𝟐 𝟖𝟎
𝟐 𝟐𝟎 𝟔𝟎 𝟏𝟎𝟎 𝟐𝟎 𝟔𝟎 𝟖𝟎
𝟏𝟎𝟎 𝟏𝟎𝟎 𝟖𝟎 𝟖𝟎
Restricción 3
𝒙𝟏 𝟒𝟎
𝟐𝟎 𝟒𝟎
Solo se venden 20 muñecos,

Resolución gráfica 1
X2
Para hallar la solución 𝑀𝑎𝑥 𝑧 3𝑥 2𝑥
óptima, asignamos
cualquier valor a Z 100 3𝑥 2𝑥
100
Luego graficamos la
recta de la función 80
objetivo
Imaginariamente 60
desplazamos la recta
del origen hacia fuera 40
paralelamente y el Región
ultimo punto donde se 20 Factible
interseca es la
solución optima.
(0, 0) 20 40 60 80 X1
z = 100
z = 100
12
Resolución gráfica
X2
Para el problema de
Gepetto, esto ocurre en 100
el punto D:
Igualamos y resolvemos 80
las ecuaciones.
(20, 60)
60 D
𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎
𝒙𝟏 𝒙𝟐 𝟖𝟎 40
Solución Región
20 Factible
x1 = 20
x2 = 60
(0, 0) 20 40 60 80 X1
z = 180
Interpretación
13
Recuerda que:
• La región factible en cualquier PPL está limitada

por segmentos (es un polígono, acotado o no).
• La región factible de cualquier PPL tiene

solamente un número finito de vértices.
• Cualquier PPL que tenga solución óptima tiene

un vértice que es óptimo.
METODO GRAFICO: MINIMIZACIÓN
Un problema
Dorian Auto fabrica y vende coches y furgonetas. La
empresa quiere emprender una campaña publicitaria
en TV y tiene que decidir comprar los tiempos de
anuncios en dos tipos de programas: del corazón y
fútbol.
• El programa del corazón es visto por 6 millones de mujeres y 2
millones de hombres.
• Cada partido de fútbol es visto por 3 millones de mujeres y 8
millones de hombres.
• Un anuncio en el programa de corazón cuesta 50,000 $ y un
anuncio del fútbol cuesta 100,000 $.
• Dorian Auto quisiera que los anuncios sean vistos por lo menos
por 30 millones de mujeres y 24 millones de hombres.
• Dorian Auto quiere saber cuántos anuncios debe contratar en
cada tipo de programa para que el coste de la campaña
publicitaria sea mínimo.
14
Formular el Problema
Problema: Desconocer la cantidad de anuncios a contratar en cada
programa.
Variables de Objetivo Alternativas

Decisión Elegir valores de X1 y X2 1. Anunciar en el

X1 = nº de anuncios para minimizar el costo Programa del
programa del de la campaña Corazón
corazón publicitaria. Usaremos la 2. Anunciar en el
X2 = nº de anuncios variable z para denotar Programa de Futbol
programa de el valor de la función 3. Anunciar en ambos
futbol objetivo. programas
Restricciones y/o Parámetros

Desigualdades que limitan los posibles valores de las variables de decisión.
• Cantidad de anuncios vistos por mujeres por lo menos 30 millones
• Cantidad de anuncios vistos por hombres por lo menos 24 millones
• También suele haber restricciones de signo o no negatividad
Construir el Modelo matemático PL

Variables de Decisión
X1 = nº de anuncios programa del corazón
X2 = nº de anuncios programa de futbol
Prog. Prog.
corazón Futbol
X1 X2
Función objetivo Beneficio 50 100
Restricción 1 Mujeres 6 3 ≥ 30
Restricción 2 Hombres 2 8 ≥ 24
X1,X2 ≥ 0 (restricción de signo)
15
Construir el Modelo Matemático PL
Para el problema de Dorian Autos, combinando las restricciones

de signo x ≥ 0 e y ≥ 0 con la función objetivo y las restricciones,
tenemos el siguiente modelo de optimización:
𝑀𝑖𝑛 𝑧 50𝑥 100𝑥

Sujeto a (s.a:)
𝑅1 6𝑥 3𝑥 30
𝑅2 2𝑥 8𝑥 24
𝑥 ,𝑥 0
Dibujamos la región factible.

X2
14
Min z = 50x1 + 100x2 12

6x1 + 3x2 = 30
s.a. 6x1 + 3x2 ≥ 30 10
2x1 + 8x2 ≥ 24
8
x1, x2 ≥ 0
6
4
2x1 + 8x2 = 24
2
X1
2 4 6 8 10 12 14
16
Calculamos los vértices de la región factible:

X2
El vértice A es solución del
sistema 14
6x1 + 3x2 = 30
x1 = 0, x2=10 12
Por tanto, A(0, 10) A

10
Región
El vértice B es solución de 8 Factible
6x1 + 3x2 = 30
2x1 + 8x2 = 24 6
Por tanto, B(4, 2)

4
El vértice C es solución de B
2
2x1 + 8x2 = 24
x2 = 0, x1=12 C
X1
2 4 6 8 10 12 14
Por tanto, C(12, 0)

Resolvemos por el método analítico
Evaluamos la función objetivo
z en los vértices. X2
Vértice z = 50x1 + 100x2 14

z = 50ꞏ0 + 100ꞏ10 =
A(0, 10) 12
= 0+1000 = 1000
z = 50ꞏ4 + 100ꞏ2 = A(0, 10)

10
B(4, 2) Región
= 200+200 = 400 Factible
8
z = 50ꞏ12 + 100ꞏ0 =
C(12, 0)
= 600+0 = 600 6
4
El coste mínimo se obtiene en B.
B(4, 2)
2
Solución:
x1 = 4 anuncios en prog. corazón C(12, 0)
x2 = 2 anuncios en futbol 2 4 6 8 10 12 14
X1
Coste z = 400 (mil $)
17
Resolvemos por el método gráfico

X2
14
Min z = 50x1 + 100x2
s.a. 6x1 + 3x2 ≥ 30 12
2x1 + 8x2 ≥ 24 10 A(0, 10)
x1,x2 ≥ 0 Región
8 Factible
6
El coste mínimo Z = 400
se obtiene en el 4
punto B.
B(4, 2)
2
Solución: C(12, 0)
x1 = 4 anuncios en prog. corazón X1
2 4 6 8 10 12 14
x2 = 2 anuncios en futbol
Coste z = 400 (mil $)
METODO GRAFICO: POSIBLES SOLUCIONES
Número de Soluciones de un PPL

Los dos ejemplos anteriores, Gepetto y Dorian Auto,
tienen, cada uno, una única solución óptima.
No en todos los PPL ocurre esto. Se pueden dar también
las siguientes posibilidades:
• Algunos PPL tienen un número variado de soluciones

óptimas (alternativas o múltiples soluciones óptimas).
• Algunos PPL no tienen soluciones factibles (no tienen
región factible).
• Algunos PPL son no acotados: Existen puntos en la
región factible con valores de z arbitrariamente grandes
(en un problema de maximización).
Veamos un ejemplo de cada caso.
18
Número variado de soluciones óptimas
X2
60
Consideremos el siguiente
problema:
50
C
max z = 3x1 + 2x2

s.a: 40
3x1 + 2x2 ≤ 120 B

x1 + x2 ≤ 50 30 Región
x1, x2 ≥ 0 Factible
z = 120
20
Cualquier punto (solución)

10
situado en el segmento AB
puede ser una solución
óptima de z =120. A
10 20 30 40 50 X1

Sin soluciones factibles
X2
Consideremos el siguiente
60
problema:
No existe
Región Factible
max z = 3x1 + 2x2 50

x1 ≥ 30
s.a:
40
x1 + x2 ≤ 50 x2 ≥ 30
3x1 + 2x2 ≤ 120
x1 + x2 ≤ 50
30
x1 ≥ 30
x2 ≥ 30
20
x1,x2 ≥ 0
10 3x1 + 2x2 ≤ 120
No existe región factible
10 20 30 40 50 X1
19
PPL no acotado
max z = 2x1 – x2
s.a:
x1 – x2 ≤ 1
2x1 + x2 ≥ 6
x1, x2 ≥ 0
La región factible es no acotada. Se muestran en el gráfico las

rectas de nivel para z = 4 y z = 6. Pero podemos desplazar las
rectas de nivel hacia la derecha indefinidamente sin abandonar la
región factible. Por tanto, el valor de z puede crecer
indefinidamente.
20

IO-3 New

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

IO-3 New

Uploaded by

Copyright:

Available Formats

Introducción al Modelado con

Lic. Jorge Eloy Rojas Nina

METODO GRAFICO: MAXIMIZACIÓN

Gepetto S.L., fabrica muñecos y trenes de madera.

METODO GRAFICO: MAXIMIZACIÓN

Variables de Objetivo Alternativas

Decisión Elegir valores de X1 y X2 1. Producir solo

Restricciones y/o Parámetros

Construir el Modelo matemático PL

Función objetivo Beneficio 3 2

Restricción 1 Acabado 2 1 ≤ 100

X1,X2 ≥ 0 (restricción de signo)

METODO GRAFICO: MAXIMIZACIÓN

Construir el Modelo Matemático PL

Para el problema de Gepetto, combinando las restricciones de

Una solución factible es aquella

Una solución no factible es una

METODO GRAFICO: MAXIMIZACIÓN

𝑋 40 𝑦 𝑋 20, está en la región factible porque

Para un problema de maximización, una solución

óptima es un punto en la región factible en el cual la

Para un problema de minimización, una solución óptima

METODO GRAFICO: MAXIMIZACIÓN

solución óptima y otros PPL tienen

• Se puede demostrar que la solución

Dibujar la región factible

METODO GRAFICO: MAXIMIZACIÓN

Representación Gráfica de las restricciones

Representación Gráfica de las restricciones

METODO GRAFICO: MAXIMIZACIÓN

Representación Gráfica de las restricciones

Establecer la región factible

• Damos valores de cero a las 80

METODO GRAFICO: MAXIMIZACIÓN

Establecer la región factible

Establecer la región factible

• Damos valores de cero a

METODO GRAFICO: MAXIMIZACIÓN

Establecer la región factible

Vértices de la región factible

METODO GRAFICO: MAXIMIZACIÓN

Vértices de la región factible

C es solución de: Región

resuelve igualando (20, 60)

𝟐𝒙𝟏 𝒙𝟐 𝟏𝟎𝟎 Región

METODO GRAFICO: MAXIMIZACIÓN

Vértice z = 3x1 + 2x2

METODO GRAFICO: MAXIMIZACIÓN

METODO GRAFICO: MAXIMIZACIÓN

• La región factible en cualquier PPL está limitada

por segmentos (es un polígono, acotado o no).

• La región factible de cualquier PPL tiene

• Cualquier PPL que tenga solución óptima tiene

METODO GRAFICO: MINIMIZACIÓN

Variables de Objetivo Alternativas

Decisión Elegir valores de X1 y X2 1. Anunciar en el

Restricciones y/o Parámetros

METODO GRAFICO: MINIMIZACIÓN

Construir el Modelo matemático PL

X1,X2 ≥ 0 (restricción de signo)

Construir el Modelo Matemático PL

Para el problema de Dorian Autos, combinando las restricciones

𝑀𝑖𝑛 𝑧 50𝑥 100𝑥