Solución Gráfica del Problema de PL

Edgar Ramos Flores

21 de junio de 2021

1. Región admisible de los problemas de PL

La resolución gráfica de los problemas de programación lineal solo puede ser realizada cuando no
están consideradas con mas de tres variables de decisión, y particularmente puede ser utilizada fácilmen-
te cuando existen dos variables de decisión. La resolución gráfica en R2 se comienza por identificar la
región admisible.

El conjunto de los puntos que satisfacen la desigualdad de la forma a1 x1 + a2 x2 ≤ b, o de la forma

a1 x1 + a2 x2 ≥ b, donde por lo menos una de las constantes a1 o a2 es diferente de cero, es denominado
como semiplano. Por lo tanto, una recta divide el plano (espacio de dimensión 2) en dos regiones deno-
minadas semiplanos.

Una inecuacion del tipo a1 x1 + a2 x2 ≤ b representa el semiplano que incluye el conjunto de los puntos
de la recta a1 x1 + a2 x2 = b, conjuntamente con los puntos que estan en uno de los lados de la recta. por
ejemplo, 20x1 + 40x2 ≤ 800 es el conjunto de los puntos que aparecen sombreados en al figura 1.

Figura 1: Semiplano definido por 20x1 + 40x2 ≤ 800

Un semiplano es la representación gráfica de una inecuacion lineal en dos variables. La representación

gráfica de un sistema de inecuaciones lineales con dos variables sera la intersección de los semiplanos

1
correspondientes a cada inecuacion lineal. Las restricciones de un problema de PL, conjuntamente con las
condiciones de no negatividad forman un conjunto de semiplanos cuya intersección determina un conjunto
de puntos en R2 , se denomina como región de las soluciones admisibles o simplemente, región admisible.

Definición 1 Las soluciones admisibles son especificaciones de valores para las variables x1 , x2 , . . . , xn
que satisfacen las restricciones del problema y las condiciones de no negatividad.

Definición 2 La región admisible es el conjunto de todas las soluciones admisibles, osea, el conjunto de
los puntos que satisfacen todas las restricciones.

La region admisible define un poliedro. El poliedro es limitado (politopo), ilimitado o vacio dependen
de las restricciones que los definen. Para mas detalles, se considera la siguiente sección.

2. Solución gráfica de un problema PL

En esta sección vamos a describir las varias situaciones que pueden ocurrir en la resolución de pro-
blemas de PL. Las regiones admisibles son poliedros y pueden ser limitadas, ilimitadas o vacı́as. Relati-
vamente la region admisible y la solución optima pueden ocurrir en los siguientes casos:

2.1. El conjunto de las soluciones admisibles es limtado y existe una única

solución óptima
Si en un problema de programación lineal tiene una unica solución optima finita, ella ocurre en un
punto extremo del conjunto de soluciones admisibles, como se muestra en el ejemplo siguiente.

Ejemplo 1 Hallar la región de admisibilidad y la solución optima del problema de PL

Maximizar : z = x1 + x2

Sujeto a:

20x1 + 40x2 ≤ 800 (1)

15x1 + 12x2 ≤ 450 (2)
x1 ≤ 30 (3)
x2 ≤ 20 (4)
x1 , x2 ≥ 0 (5)

Solución

Se tiene solamente dos variables de decisión, luego es posible resolverlo de manera gráfica. La solucion
grafica de los problemas de este tipo incluye dos pasos:

Paso 1: Se determinan la region admisible constituido por el conjunto de los pares ordenados (x1 , x2 ) ∈
R2 que satisfacen todas las restricciones (1)-(5) y los valores de los puntos extremos. Luego, la región
admisible se muestra en la figura 2 y los puntos extremos en el cuadro.

2
 Figura 2: Cuadrilatero ABCD (S) es un politopo

Nombre Valor
A (0;0)
B (0;20)
C ( 70 25
3 ; 3 )
D (30;0)

Paso 2: Se evalúan los puntos extremos de la región admisible en la función z = x1 + x2 . Luego, el

punto que maximice la función objetivo sera la solución optima al problema de PL. Luego, de acuerdo
al cuadro, el punto C maximiza la función objetivo. Por lo tanto, el punto se C=(23.33,8.33) es la
solución optima buscada con un valor máximo de z = 31, 66.

Nombre Valor z = x1 + x2
A (0;0) 0
B (0;20) 20
C (23,33;8,33) 31,66
D (30;0) 30

Nota 1 La funcion objetivo es dado por: z = x1 + x2 =⇒ x2 = z − x1 que representa una familia de

rectas (una para cada valor de z) todas ellas con la misma pendiente (−1). Se observa de la figura 3, que
de todas rectas, la recta que pasa por el punto C es la que tiene el valor mas alto de z.

3
 Figura 3:

2.2. El conjunto de las soluciones admisibles es limitado y existe una infinidad

de soluciones optimas
Considerando nuevamente el ejemplo 1, hacemos un cambio en la funcion objeto dada por z = x1 +2x2 ,
permaneciendo las restricciones inalteradas, entonces se tiene:

Maximizar : z = x1 + 2x2

Sujeto a:

20x1 + 40x2 ≤ 800 (1)

15x1 + 12x2 ≤ 450 (2)
x1 ≤ 30 (3)
x2 ≤ 20 (4)
x1 , x2 ≥ 0 (5)

Nombre Valor z = x1 + 2x2

A (0;0) 0
B (0;20) 40
C ( 70 25
3 ; 3 ) 40
D (30;0) 30

Del cuadro se observa que para los puntos B y C, se obtiene el mismo mayor valor de z. Por lo tanto, se
tiene infinitas soluciones optimas correspondientes a los puntos del segmento BC con valor
máximo z = 40.

4
 Figura 4:

2.3. El conjunto de las soluciones admisibles es ilimitado y existe una unica

solucion optima
Cabe señalar que el hecho de que el conjunto de soluciones admisibles no sea limitado no implica
necesariamente que la solución sea no limitada.

Ejemplo 2 Se considera el siguiente ejemplo:

Maximizar : z = 2x1 − x2

Sujeto a:

20x1 + 40x2 ≥ 800 (1)

15x1 + 12x2 ≥ 450 (2)
x1 ≤ 30 (3)
x2 ≥ 20 (4)
x1 , x2 ≥ 0 (5)

En la figura 5 se representa la region admisible, que es ilimitada, y las varias recta (denominadas rectas
de nivel) tiene pendiente 2. La recta

2.4. El conjunto de las soluciones admisibles es ilimitado y existe una infini-

dad de soluciones optimas
Puede suceder que el conjunto de soluciones sea no limitado y el valor optimo z sea finito, con variables
que pueden asumir valores arbitrariamente grandes en la solucion optima.

5
 Figura 5:

Ejemplo 3 Se considera el siguiente ejemplo:

Maximizar : z = 2x1 − x2

Sujeto a:

20x1 + 40x2 ≥ 800 (1)

15x1 + 12x2 ≥ 450 (2)
2x1 − x2 ≤ 20 (3)
x2 ≥ 20 (4)
x1 , x2 ≥ 0 (5)

Nombre Valor z = 2x1 − x2

F (0;37,5) −37,5
G (14;20) 8
H (20;20) 20

De la figura y del cuadro se deduce que el valor máximo es z = 20. Cualquier punto (x1 , x2 ) ∈ R2 de
la semirecta con punto extremo H y dirección extrema r1 conduce a un valor de z = 20 y es por tanto,
soluciones optimas del problema. Es evidente, como se puede ver en la figura 6, que aunque la funcion
objetivo no pueda exceder el valor 20, las variables x1 y x2 pueden asumir valores arbitrariamente grandes.
Por lo tanto, el conjunto de soluciones optimas esta dado por:

X ∗ = {(x1 , x2 ) ∈ R2 : (x1 , x2 ) = H + λ(10, 20), con H = (20, 20) y λ ≥ 0}

con valor maximo z = 20

6
 Figura 6:

2.5. El conjunto de las soluciones admisibles es ilimitado y el valor optimo

de la funcion objetivo es infinito
Ejemplo 4 Considere el siguiente problema:

Maximizar : z = x1 + x2

Sujeto a:

20x1 + 40x2 ≥ 800 (1)

15x1 + 12x2 ≥ 450 (2)
x1 ≤ 30 (3)
x2 ≥ 20 (4)
x1 , x2 ≥ 0 (5)

Nombre Valor z = x1 + x2
F (0;37,5) 37,5
G (14;20) 34
H (30;20) 50

7
 Figura 7:

De la figura 7 se observa que la región admisible es ilimitada y ademas teniendo cuanta el cuadro se deduce
que la función objetivo crecer infinitamente, satisfaciendo a todas las restricciones del problema, y por
tanto, no existe un valor máximo para la función objetivo. Por lo tanto, el conjunto de soluciones
optimas es ilimitado y no existe una solución optima.

2.6. El conjunto de las soluciones admisibles es vacio y el problema es impo-

sible
Ejemplo 5 Considere el siguiente problema:

Maximizar : z = x1 + x2

Sujeto a:

20x1 + 40x2 ≤ 800 (1)

15x1 + 12x2 ≤ 450 (2)
x1 ≥ 30 (3)
x2 ≥ 20 (4)
x1 , x2 ≥ 0 (5)

El conjunto de los pares ordenados (x1 , x2 ) ∈ R2 que satisfacen todas las restricciones es vacio, esto es,
no existe ningún par ordenado que satisfaga todas las restricciones. El problema es imposible.

8
 Figura 8: La región admisible es vacı́a correspondiente al ejemplo 5

3. Ejercicios propuestos
1. Resuelva gráficamente cada una de las siguientes problemas de programación lineal e identifique la
region admisible, los puntos extremos, la solución optima, las direcciones optimas.

a) Maximizar: z = 4x1 + 5x2

Sujeto a: 4x1 + 3x2 ≤ 10
e) Maximizar: z = 2x1 + 3x2
4x1 + 10x2 ≤ 20 Sujeto a: −x1 + x2 ≤ 4
x1 , x2 ≥ 0 x1 + 2x2 ≤ 6

b) Maximizar: z = 2x1 + 4x2 x1 + 3x2 ≤ 9

Sujeto a: 2x1 + 3x2 ≤ 12 x1 , x2 ≥ 0
x1 + 2x2 ≥ 7
f ) Minimizar: z = 15x1 + 20x2
x1 , x2 ≥ 0
Sujeto a: x1 + 2x2 ≥ 10
c) Minimizar: z = x1 − x2 2x1 − 3x2 ≤ 6
Sujeto a: x1 − 2x2 ≤ 0 x1 + x2 ≥ 6
x1 ≤ 3 x1 , x2 ≥ 0
x1 , x2 ≥ 0
g) Minimizar: z = 3x1 + x2
d ) Maximizar: z = −3x1 + 2x2 Sujeto a: x1 + 2x2 ≥ 12
Sujeto a: −x1 + 2x2 ≤ 2 2x1 + 3x2 = 12
x2 ≤ 4 2x1 + x2 ≥ 8
x1 , x2 ≥ 0 x1 , x2 ≥ 0

9
2. Considere el siguiente problema de programación lineal

Maximizar: z = 4x1 + 5x2

Sujeto a: 4x1 + 3x2 ≤ 10
4x1 + 10x2 ≤ 20
x1 , x2 ≥ 0

a) Identifique los puntos extremos de este problema y obteniendo el valor de la función objetivo
en todos los untos extremos, encuentre la solución optima.

b) Sustituya la primera restricción por la siguiente restricción x1 +6x2 ≥ 24. Encuentre la solución
optima, si no fuere posible, explique por que.

10