Programación lineal:

Método Gráfico y
Método Simplex

Miguel Ángel Muñoz

Semana 3
2019
 1

En diversas áreas del conocimiento, es posible encontrar problemas de aplicación que implican
optimizar una determina función sujeta a un conjunto de restricciones. Por ejemplo, es posible
tener que maximizar la utilidad de una empresa sujeta a restricciones de espacio de alma-
cenamiento, limitaciones de material, mano de obra, publicidad, agentes externos, capital, etc.

Bajo este contexto, los problemas de optimización que se pueden formular por medio de
una función objetivo lineal y restricciones descritas como desigualdades lineales, se denomina
problema de programación lineal. A continuación, se analizarán dos métodos para la
resolución de problemas de programación lineal.

3.1 Programación lineal: método gráfico.

En esta sección se estudiara el método gráfico para resolver problemas de programación lineal
con dos variables, para luego enfocar el estudio en la utilización del método Simplex para
resolver problemas de programación lineal que involucran más de dos variables.
Definición 3.1
Todo problema de la forma:
Optimizar Z = a1 x1 + a2 x2 + ... + an xn dada las restricciones:

R1 (x1 , x2 , x3 , ..., xn )
R2 (x1 , x2 , x3 , ..., xn )
R3 (x1 , x2 , x3 , ..., xn ) (P P L)
..
.
Rm (x1 , x2 , x3 , ..., xn )

Donde las restricciones pueden estar dadas en términos de desigualdades o ecuaciones

lineales.

Ejemplo. 3.1.1

Maximizar z = 3x + y sujeta a las restricciones:

2x + y ≤ 8
2x + 3y ≤ 12
x, y ≥ 0

Observación. En un problema de programación lineal se tiene que:

1 La función a optimizar, se denomina función objetivo.

2 Las soluciones del sistema de restricciones se denominan soluciones factibles.

3 La solución óptima del problema de programación lineal, es aquella solución factible

que optimiza la función objetivo.
 2

4 La condición x1 , x2 , ..., xn ≥ 0 en un problema de programación lineal, se denomina

condición de no negatividad.

Definición 3.2
La región que satisface el sistema de restricciones de un problema de programación
lineal, se denomina región factible. Esta región se denota por R. Una región factible se
denomina acotada si ∃r ∈ R+ tal que:

kuk < r, ∀u ∈ R

Ejemplo. 3.1.2

Considere el problema de programación lineal: Maximizar z = 3x + y sujeta a las

restricciones:
2x + y ≤ 8
2x + 3y ≤ 12
x, y ≥ 0
Así, la región factible está dada por:

R = {(x, y) ∈ R2 :, 2x + y ≤ 8 ∧ 2x + 3y ≤ 12 ∧ x, y ≥ 0}
la cual se puede representar gráficamente por:

• (0, 4)

• (3, 2)

(0, 0) (4, 0)
• • x

Teorema 3.1
Sea R la región factible asociada a un problema de programación lineal, entonces si R
es acotada la solución optima del problema de programación lineal se obtiene en uno
de los vértices de la región R.
 3

Ejemplo. 3.1.3

Al retomar el ejemplo de programación lineal: Maximizar z = 3x + y sujeta a las

restricciones:
2x + y ≤ 8
2x + 3y ≤ 12
x, y ≥ 0
Se obtiene que al aplicar el teorema, la solución optima se obtiene en uno de los sigu-
ientes puntos A = (0, 0) , B = (4, 0) , C = (3, 2) , D = (0, 4).
Por otro lado, al evaluar cada uno de los puntos en la función objetivo se obtiene:

x = 0, y =0 ⇒z =0
x = 4, y =0 ⇒z = 12
x = 3, y =2 ⇒z = 11
x = 0, y =4 ⇒z =4

Por lo tanto, la solución óptima es x = 4 e y = 0. Obteniendo como valor

máximo z = 12

Observación.
1 Si la región factible asociada a un problema de programación lineal es vacía, entonces
el problema de programación lineal no admite solución.
2 Si la región factible asociada a un problema de valor inicial no es acotada y la función
objetivo admite valor optimo, entonces este valor se obtiene en uno de los vértices de la
región.

Ejemplo. 3.1.4

Maximizar z = 8x + 6y sujeta a las restric- Por lo tanto, la solución óptima es x =

ciones: 40 e y = 20. Así el valor óptimo de z es
x, y ≥ 0 440.
3x + 2y ≥ 160 y
5x + 2y ≥ 200 120 •
•
x + 2y ≥ 80 •
100

Observe que, la región factible no es •

80 •
acota (ver figura adjunta). Sin em- •
bargo, si evaluamos la función objetivo 60 •
en los vértices de la región (80, 0) , (40, •
40 •
20) ,(20, 50) , (0, 100). Se obtienen:
•
20 •
x = 80, y = 0 ⇒z = 640 •
x = 40, y = 20 ⇒z = 440 • • • • • • • • • • • •x
20 40 60 80 100 120
x = 20, y = 50 ⇒z = 460
x = 0, y = 100 ⇒z = 600
 4

3.2 Método Simplex

El método Simplex es un algoritmo que permite resolver problemas de programación lineal
sin tener que utilizar el método gráfico. Observe que el método gráfico no es óptimo si
la cantidad de variables aumenta a tres. De hecho, el método gráfico no se puede utilizar si
la cantidad de variables es mayor o igual a 4.

En esta sección, estudiaremos la resolución de problemas de programación lineal de la forma:

Maximizar z = a1 x1 + a2 x2 + ... + an xn dadas las restricciones:

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn ≤ b1

a21 x1 + a22 x2 + a23 x3 + ... + a2n xn ≤ b2
a31 x1 + a22 x2 + a33 x3 + ... + a3n xn ≤ b3

am1 x1 + am2 x2 + am3 x3 + ... + amn xn ≤ bm

x1 , x2 , ..., xn ≥ 0
b1 , b2 , ..., bm ≥ 0
Los cuales se denominan problemas de programación lineal estándar. El método Simplex
realiza una serie de pasos recursivamente para determinar la solución óptima del problema de
programación lineal estándar. Los pasos a seguir se detallan a continuación

Paso 1. Se introducen m variables, las cuales se denominan variables de holgura. Las

variables de holgura son aquellas que permiten transformar las restricciones en ecuaciones.
Las variables de holgura las denotaremos por s1 , s2 , ..., sm .

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn + s1 = b1

a21 x1 + a22 x2 + a23 x3 + ... + a2n xn + s2 = b2

am1 x1 + am2 x2 + am3 x3 + ... + amn xn + sm = bm

Paso 2. Se inicia el estudio de la solución óptima considerando una solución básica factible.
Entendiendo por solución básica factible aquella que considera que n variables son iguales a
cero, las cuales se denominan variables no básicas y que m variables no nulas se denominan
variables básicas. La solución básica factible con la cual se inicia el estudio es:

x1 = x2 = ... = xn = 0, s1 = s2 = ... = sm = 1
Paso 3. Se construye la tabla inicial de Simplex.

x1 x2 xn s1 s2 sm z bi
s1 a11 a12 a1n 1 0 0 0 b1
s2 a21 a22 a2n 0 1 0 0 b2

sm am1 am2 amn 0 0 1 0 bm

z −a1 −a2 −an 0 0 1 1 0
 5

Los coeficientes −a1 , −a2 , ..., −an , se denominan indicadores y permiten ir analizando la ex-
istencia de la solución óptima.

Paso 4. Análisis de la solución básica factible. Si todos los indicadores son no Negativos,
entonces el valor Máximo de z es cero caso contrario se debe estudiar la posibilidad de construir
una nueva solución básica factible siguiendo las siguientes reglas.

1 Se debe incorporar una nueva variable, la cual se elige según el siguiente criterio. La
variable que entra es aquella asociada al valor del menor indicador.

2 Se debe eliminar una variable de la solución básica factible. Para ello realice los cuo-
cientes:

bi
aik

Donde k indica la columna asociada a la variable que entra y aik . La variable que sale es
aquella asociada al menor valor de los cuocientes realizados.

Observación. Si en la columna asociada a la variable que entra no existen términos posi-

tivos, entonces se tiene que la solución del problema de programación lineal no es acotada.

Paso 5. Construcción de una nueva solución básica factible. Marque la entrada asociada a
la posición de intersección entre la columna de la variable que entra y la fila de la variable
que sale. Luego realice operaciones elementales de manera en la posición marcada, la cual
denominamos pivote, para que la columna en cuestión tenga solo una entrada no nula igual
a 1 en la posición del pivote. En el lado izquierdo de la tabla reemplace la variable que sale
por la variable que entra.

Paso 5. Vuelva al paso 4.

Ejemplo. 3.2.1

Maximizar z = −2x + y sujeto a:

x − 2y ≤ 4
−3x + y ≤ 3
4x + 7y ≤ 42

Solución. Primero, se deben introducir tres variables de holgura para transformas

las inecuaciones en ecuaciones.
x − 2y + s =4
−3x + y + r =3
4x + 7y + t = 42
 6

Continuación.
Al considerar la solución básica factible x = y = 0, se obtiene la tabla:

x y s r t z bi Cuocientes
s 1 −2 1 0 0 0 4 No hay
r −3 1 0 1 0 0 3 3/1 = 3
t 4 7 0 0 1 0 42 42/7 = 6
z 2 −1 0 0 0 1 0
Observe que de los indicadores el menor valor es -1, por lo tanto, la variable que
entra es la variable y. Al realizar los cuocientes podemos observar que la variable que
sale es la variable r.

x y s r t z bi
s 1 −2 1 0 0 0 4
r −3 1 0 1 0 0 3
t 4 7 0 0 1 0 42
Z 2 −1 0 0 0 1 0
El número marcado en rojo se denomina pivote. Así, al realizar operaciones elementales
con el pivote se obtiene:

x y s r t z bi Cuocientes
s −5 0 1 2 0 0 10 No hay
y −3 1 0 1 0 0 3 No hay
t 25 0 0 −7 1 0 21 21/25
z −1 0 0 1 0 1 3
Al analizar la tabla se tiene que entra es la variable x, mientras que la variable que sale
es la variable t. Así, al realizar operaciones elementales obtenemos la tabla.

x y s r t z bi
s 0 0 1 3/5 1/5 0 71/25
y 0 1 0 4/25 3/25 0 138/25
x 1 0 0 −7/25 1/25 0 21/25
z 0 0 0 23/25 1/25 1 96/25
Por lo tanto, la solución óptima del problema de programación lineal es:
21 135
∧y =
x=
25 25
96
Obteniendo como valor máximo de z
25