Investigación de 2-1

Operaciones I
CLASE 5.
INTRODUCCIÓN A LA
PROGRAMACIÓN LINEAL: P.L
Y
MÉTODO SIMPLEX GRAFICO
 2. SOLUCIÓN GRÁFICA DE P.L

Cuando el problema tiene sólo 2 variables de

decisión y por lo tanto está en sólo 2 dimensiones,
puede utilizarse un método gráfico para resolverlo

Nota: Las soluciones de un problema de P.L son

puntos en el espacio n-dimensional En (n variables)

5-2
 EJEMPLO PROTOTIPO:
LA WYNDOR GLASS CORPORATION
Hillier and Lieberman

Maximizar Z = 3X1 + 5X2

Sujeto a
X1  4
2X2  12
3X1 + 2X2  18
X1 , X2  0

5-3
 Graficando las restricciones:

x2
X1 = 4 (planta 1)
10
9
8
7
6 X2 = 6
5 (planta2)
4
Región Factible
3
2
1 3X1+ 2X2 = 18 (planta 3)
x1
0 1 2 3 4 5 6 7 8 9 10
5-4
 DEFINICIONES:

RESTRICCIÓN DE FRONTERA:
Es la recta que marca el límite de lo que permite
la restricción correspondiente.

REGION FACTIBLE:
Conjunto de puntos en los cuales
todas las restricciones se cumplen

5-5
 SOLUCIÓN ÓPTIMA:
Punto dentro de la región factible que maximiza el
valor de la F. O. Z = 3X1 + 5X2

Para hallar la solución óptima, puede utilizarse un

procedimiento por prueba y error.

Por ejemplo,

puede elegirse el valor Z = 15 = 3X1 +5X2

Recta de isoutilidad
5-6
Gráficamente, se tiene:

x2 X1 = 4 (planta 1) 5
10
9 3
8
7
6 X2 = 6
5 (planta2)
4
3
Z = 15 = 3X1 +5X2
2
1 3X1+ 2X2 = 18 (planta 3)
x1
0 1 2 3 4 5 6 7 8 9 10
5-7
 Para hallar la solución óptima:
Puede desplazarse la función objetivo paralelamente a
sí misma en la dirección en que mejora su valor, hasta
que toque el último punto de la región factible, antes
de abandonarla.

OBSERVACIÓN:
Cuando el problema es de minimización, la recta debe
desplazarse en la dirección en que Z decrece.

Veamos la siguiente gráfica

5-8
 (2,6)
x2
10
9
8
7
6 R2
5
4
3
Z = 36
2
1 R3
x1
0 1 2 3 4 5 6 7 8 9 10
R1
5-9
RESULTADOS:

• La solución óptima es X1 = 2 , X2 = 6:

Se deben fabricar los productos 1 y 2 a unas tasas

de 2 y 6 lotes semanales, respectivamente.

• Valor de la Función Objetivo:

Z = 3X1 + 5X2 Z(2,6) = 36

La ganancia total máxima en estas condiciones es
de US$ 36000 por semana.

5-10
 CLASIFICACION DE LAS SOLUCIONES
(El término solución significa respuesta final ?)
Solución factible: Solución que cumple con
todas las restricciones funcionales y de signo.

Solución no factible: Solución para la que al

menos una restricción no se cumple.

Solución Básica o Solución en un vértice:

Punto donde se interceptan las
restricciones de frontera
5-11
 Solución Básica Factible:
(En un vértice factible)

Punto Extremo
Solución que se encuentra en un vértice de la R.F.
Ejemplo: (0,6); (0,0); (4,0); (4,3); (2,6)

Solución Básica No Factible:

(Solución en un vértice no factible)
Solución en un vértice que no pertenece a la R.F
Ejemplo: (0,9); (4,6); (6,0) 5-12
 En el ejemplo de la Wyndor
soluciones factibles
x2
10
9 (2,6)
8 solución óptima
7 (4,6) solución no
factible en un vértice
6 R2
5
4 (8,3)
3 solución no factible
2
1 R3
x1
0 1 2 3 4 5 6 7 8 9 10
R1
5-13
 Soluciones básicas (en un vértice)
X1=4
(0,9) x2 Planta 1
10 (2,6)
9
(0,6) 8
7 (4,6)
X2=6
6 Planta 2
5
4 (6,0)
3 (4,3)
2 3X1+2X2=18
1 Planta 3
x1
0 1 2 3 4 5 6 7 8 9 10
(0,0) (4,0) 5-14
Soluciones básicas factibles y no factibles
x2 R1
10
9
8 R3
7 Solución básica factible
6 R2
5
4
3
2 Solución básica no factible
1
0 x1
1 2 3 4 5 6 7 8 9 10

5-15
 Soluciones factibles adyacentes:

En general, en un problema con n variables de

decisión, se puede decir que:

Dos soluciones factibles son adyacentes entre sí,

si comparten por lo menos n - 1 restricciones

Arista:

Segmento de recta que conecta 2

soluciones FEV adyacentes.
5-16
 Solución BF
x2
10 La arista es el segmento de
9 recta entre dos puntos BF.
8
7
6 R2
5
4
3 Solución BF
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
R1
5-17
En el ejemplo, por cada solución FEV, se tienen 2 soluciones
adyacentes, que definen 2 aristas.

Solución FEV Soluciones BF adyacentes

(0,0) (0,6) (4,0)

(0,6) (0,0) (2,6)
(2,6) (0,6) (4,3)
(4,3) (2,6) (4,0)

(4,0) (4,3) (0,0)

5-18
Un modelo de P. L. de n variables tiene:
➢ 0 soluciones
➢ ó 1 solución
➢ ó infinitas soluciones

Si tiene 2 soluciones, entonces

tiene infinitas soluciones

Cualquier combinación convexa de soluciones de

PL también es una solución de PL.

Ver demostración sigue

5-19
Una combinación convexa de n vectores X1, X2, .... Xn,
se define como: X = 1 X1 + 2X2 + ...+ n Xn
Donde: n

i  0 ,  i =1
i=1

Sean 2 soluciones de P. L.: X1, X2

Una Combinación Convexa de ellas: X3 = 1 X1 + 2 X2
con 1  0, 2  0 y 1 + 2 = 1, también es solución de P.L
AX3 = A(1 X1 + 2 X2)
= A(1 X1 + (1- 1)X2)
= A1 X1 + AX2 - A1X2
= 1AX1 + AX2 - 1A X2
= 1b + b – 1b
=b 5-20
 1.4 Tres Casos Especiales

Caso 1. No se tienen soluciones factibles

Si Ax  b no tiene solución
Si en el ejemplo de la Wyndor, las ganancias netas por semana deben
superar los US$ 50000 para que se justifique la implementación de la
producción de los 2 nuevos productos, la formulación de este
problema es:
Maximizar Z = 3X1 + 5X2

Sujeto a
X1  4
2X2  12
3X1 + 2X2  18
3X1 + 5X2  50
X1 , X2  0 5-21
 Graficando las restricciones

x2
X1=4
10
9
8
7
6 X2=6
5
4
3 3X1+5X2=50
2
1 3X1+2X2=18
x1
0 1 2 3 4 5 6 7 8 9 10

5-22
Caso 2. Múltiples soluciones óptimas

Si en el ejemplo de la Wyndor, el producto 2 no da

una ganancia neta de US$ 5000 sino de US$ 2000,
la nueva formulación del problema es:

Maximizar Z = 3X1 + 2X2

Sujeto a:
X1  4
2X2  12
3X1 + 2X2  18
X1 , X2  0
5-23
Gráficamente:
( 2,6)
x2
10
9 Las rectas de isoutilidad son
8 paralelas a la tercera restricción
7
6 R2
5
4
3 (4,3)
F.O 2
1 R3
x1
0 1 2 3 4 5 6 7 8 9 10
R1
5-24
En este caso, se tienen múltiples soluciones
óptimas:

Es indiferente elegir el punto (2,6) o el (4,3), o

cualquier punto en el segmento de recta entre
éstos, ya que producen el mismo nivel de Z,
que en este caso es Z = 18

5-25
Caso 3. Solución no acotada
Las restricciones no impiden que el valor de la función
objetivo mejore indefinidamente en la dirección
favorable (región factible no acotada)
OJO: Cuando esto ocurre es probable que haya un
error en la formulación del problema. Podrían faltar
restricciones
Si en el ejemplo de la Wyndor sólo la planta 1 tiene
restricción de tiempo, el problema sería:
Maximizar Z = 3X1 + 5X2
Sujeto a
X1 4
X1 , X2  0
5-26
 x2
10
9
8 Solución factible
no acotada
7
6
5
4
3
2
1
x1
0 1 2 3 4 5 6 7 8 9 10
R1
5-27
 1.5 INTRODUCCIÓN AL MÉTODO SIMPLEX
El algoritmo SIMPLEX es un método iterativo que sigue los
siguientes pasos:

1. Hallar una solución inicial (Básica Factible)

Podría ser una solución trivial: usualmente (0,0)

2. Prueba de optimalidad
Chequear las soluciones BF adyacentes a la solución actual.
La solución óptima se encuentra cuando ninguna de estas
soluciones BF adyacentes produce un mejor valor de la F.O.

3. Variable que entra a la base.

4. Variable que sale de la base.

5. Nueva solución: Otra solución BF

5-28
 Cuatro Teoremas claves de P.L.
1. Si existe solución óptima, siempre se puede encontrar
una en un vértice de la Región Factible. Solución BF:
Punto Extremo.
Teorema fundamental de la P.L.
2. Una solución básica factible o Punto Extremo resulta:
Hacer (n-m) variables iguales a cero: Variables No Básicas
Resolver el sistema de ecuaciones
para las m variables restantes: Variables Básicas.
3. Dos soluciones BF son adyacentes entre si, si tienen
comunes todas las variables no básicas menos una
4. Si una solución en un vértice, no tiene soluciones
adyacentes mejores, esa es la solución óptima.
Prueba de optimalidad 5-29
1.6 EJEMPLO PROTOTIPO: La Wyndor Glass Co.
1. Solución inicial (0,0)

2. Prueba de optimalidad: Por las 2 aristas que salen de la

solución BF actual, puede moverse mejorando el valor de la F.O.
Z = 3X1 + 5X2

3. Variable que entra a la base: La que más aumente el valor de la

F. O. por unidad de la variable (mayor pendiente). La F.O. crece
más rápido aumentando el valor de X2.

4. Variable que sale de la base: Deténgase al llegar a la primera

frontera de la R.F. Restricción: 2X2 = 12. (si se mueve más
lejos, se saldrá de la R. F.).

5 Nueva solución: (0,6). La intersección del nuevo conjunto de

fronteras de restricción: X1 = 0 y 2X2 = 12.
5-30
1. Solución inicial

x2
10
9
8
7
6 R2
5
Z = 3X1 +5X2
4
Tasas de crecimiento
3 positivas para X1 y X2
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
(0,0) R1
5-31
2) Prueba de Optimalidad

¿El punto (0,0) es una solución óptima?

NO.
Gráficamente: La F.O. puede moverse hacia
arriba incrementando su valor
Existe una solución Básica Factible adyacente mejor.

3. Variable que entra a la base: X2.

5-32
 4. Variable que sale de la base: (La variable de holgura H2)

x2 X2 puede crecer hasta llegar a R2

10
9
(0,6) 8
7
6 R2
5
Z = 3X1 +5X2
4
3
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
(0,0) R1
5-33
5) Nueva solución (0,6)

2) Prueba de Optimalidad

¿El punto (0,6) es una solución óptima?

NO.

Gráficamente: La F.O. se mueve hacia la

derecha incrementando su valor

Existe una solución FEV adyacente mejor.

5-34
 Prueba de Optimalidad
x2
10
(2,6)
9 Todavia hay una solución BF
(0,6) 8 adyacente mejor respecto a la Z: el
7 punto (2,6) se consigue aumentando
el valor de X1
6 R2
5
4
3
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
(0,0) R1
5-35
3. Variable que entra a la base: X1.

Entre las 2 aristas de la R.F. que salen de (0,6), si se

mueve a la derecha aumenta el valor de Z.
(Si se mueve hacia abajo del eje X2 disminuye Z)..

4. Variable que sale de la base: (Una vble. de holgura).

Deténgase al encontrar la primera frontera de

restricción en esa dirección: 3X1 + 2X2 = 18. (sin
salir de la R.F.).

5. Nueva solución: (2,6).

La intersección del nuevo conjunto de fronteras de

restricción: 3X1 + 2X2 = 18 y 2X2 = 12 5-36
 x2
10
9 (2,6)
(0,6) 8
7
6 R2
5
4
3
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
R1
5-37
 Prueba de Optimalidad
x2 NO hay una solución FEV
10 adyacente mejor respecto a la Z:
9 Ya no hay mejoras posibles
(0,6) 8 cambiando el valor de alguna
7 (2,6) variable
6
5
4
3 (4,3)
2
1
R3
0 x1
1 2 3 4 5 6 7 8 9 10
R1
5-38
2) Prueba de Optimalidad

¿El punto (2,6) es una

solución óptima?

SI
No existe una solución FEV
adyacente mejor.

¡Deténgase!
5-39
1.7 Observaciones

1. El método simplex es un algoritmo iterativo.

Hallar una solución

Prueba de optimalidad

NO SI
Termina 5-40
2. El Método SIMPLEX requiere partir de una
solución B.F (FEV) inicial.

3. Después de identificar la solución B.F. (FEV)

actual, el algoritmo simplex identifica todas las aristas
de la R.F. que salen de esa solución.

Estas aristas llevan a una solución B.F. (FEV)

adyacente en el otro punto terminal, pero el
algoritmo ni siquiera se toma la molestia de
obtener la solución B.F. (FEV) adyacente.

5-41
4. Solamente identifica la tasa de mejoramiento en
Z (pendiente) que se obtendría al moverse por dicha
arista.

Selecciona como dirección de movimiento aquella

con una tasa de mejoramiento en Z más grande, en
valor absoluto. (más positiva, para maximización;
más negativa, para minimización).

Se escoge luego esta solución factible adyacente

como la nueva solución actual.

5-42
5. Cuando ninguna de las tasas de
mejoramiento le aporta a la
función objetivo, significa que esa
solución B.F. (FEV) es la solución
óptima.

5-43
Conjunto Convexo:
Un conjunto X ε En = (x1, x2, … xn) es convexo
si dados dos puntos o vectores cualesquiera
x1, x2, →𝜆x1 + (1-𝜆)x2 ε X para todo 𝜆 ε [0,1]

𝜆x1 + (1-𝜆)x2 genera el segmento de recta

entre x1 y x2 para los diferentes valores de 𝜆.
𝜆x1 + (1-𝜆)x2 es una combinación convexa o
promedio ponderado de x1 y x2
Si 0 < 𝜆 < 1 es combinación convexa estricta
5-44
 Punto Extremo: PE

Un punto en X se dice Punto Extremo si

no puede expresarse como una
combinación convexa estricta de otros
dos puntos distintos de X, es decir:

X = 𝜆x1 + (1-𝜆)x2 con 0 < 𝜆 < 1

→ x1 = x2 = x

3-45