1.

Programación Lineal
Investigación de operaciones

Fabián Muñoz
27 de septiembre de 2018
Universidad Militar Nueva Granada
FAEDIS
Temáticas

1. Investigación de operaciones

2. Programación Lineal

1
Investigación de operaciones
¿Qué es la investigación de operaciones?

La investigación de operaciones es una rama de las matemáticas

que busca apoyar la toma de decisiones mediante herramientas
algebráicas, cuando los sistemas son multivariados y de pronto
muy complejos.
Es importante tener en cuenta que aún siendo la matemática,
la piedra angular de la investigación de operaciones, cuando se
deba tomar una decisión final se deben tener en cuenta factores
o variables que no pueden ser cuantificables. Por ejemplo: en
una recesión, un modelo de optimización de recursos nos puede
conllevar a elegir, por comodidad, un uso de materia prima que
no sea de la misma calidad que la producida anteriormente. Pero,
¿sı́ será beneficioso tomar esa decisión?

2
Modelos

Por definición un modelo, es una representación (para nuestro

caso matemática) de una situación. Lo que buscamos con un
modelo es que sea lo más simple (es decir, que tenga la menor
cantidad de variables) y sea lo más preciso posible. Por tanto, di-
ferentes personas pueden elaborar diferentes modelos de un mis-
mo problema, evento o situación, lo que importa es el para que
lo elaboramos y sı́ las variables que tenemos afectan o no.

3
Ejemplo 1

Supongamos que una persona debe ser enviada por parte de la

empresa a realizar capacitaciones sobre algún tema particular a
dos sedes en distintas ciudades. Por tanto, esa persona deberá
estarse trasladando entre la empresa A y la empresa B. Sı́ debe
realizar esta capacitación durante tres semanas, los martes en la
empresa A y los viernes en la empresa B. El costo de los tiquetes
para viajar entre las ciudades corresponde a 350.000 (ida y vuel-
ta) en la misma semana. Pero, si los vuelos están en diferentes
semanas, la tarifa se reduce a 280.000. Además, un boleto sencillo
(un solo sentido) cuesta 180.000 sin importar el dı́a de la semana.
¿Cómo deberı́a comprar los tiquetes la empresa para reducir los
gastos sı́ la capacitación no debe durar más de 3 semanas?

4
Ejemplo 1. Tiquetes de avión

Des: Para dar respuesta al problema, vamos a responder previa-

mente las siguientes preguntas:

• ¿Qué alternativas tenemos?

• ¿Hay restricciones que afecten la decisión?
• ¿Cuál es el criterı́o objetivo apropiado, por el cual vamos
a tomar la decisión?

5
Ejemplo 1. Tiquetes de avión

ALTERNATIVAS

1. Comprar tres boletos ida y vuelta A-B-A saliendo el

miércoles y regresando el sábado.
2. Comprar un boleto A-B saliendo el miércoles. Comprar dos
boletos ida y vuelta, saliendo el sábado de la ciudad B y
regresando el miércoles. Y por último, un boleto sencillo
B-A. saliendo el sábado.

6
Ejemplo 1. Tiquetes de avión

ALTERNATIVAS

1. Comprar tres boletos ida y vuelta A-B-A saliendo el

miércoles y regresando el sábado.
2. Comprar un boleto A-B saliendo el miércoles. Comprar dos
boletos ida y vuelta, saliendo el sábado de la ciudad B y
regresando el miércoles. Y por último, un boleto sencillo
B-A. saliendo el sábado.
3. Compar un boleto A-B-A saliendo el miércoles de la
primera semana y regresando el sábado de la tercera
semana. Y comprar dos boletos B-A-B saliendo los sábados
de la primera y segunda semana, y regresando los miércoles
de la segunda y tercera semana.
6
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción?

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000
Caso 1 3 0 0

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000
Caso 1 3 0 0
Caso 2 0 2 2

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000
Caso 1 3 0 0
Caso 2 0 2 2
Caso 3 0 3 0

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000
Caso 1 3 0 0 1,050,000
Caso 2 0 2 2 920,000
Caso 3 0 3 0 840,000

7
Ejemplo 1. Tiquetes de avión

¿El problema tiene alguna restricción? Rta: No

CRITERIO: Reducir los gastos

Doble mis. sem. Doble dif. sem. Sencillo

CASO Total
350,000 280,000 180,000
Caso 1 3 0 0 1,050,000
Caso 2 0 2 2 920,000
Caso 3 0 3 0 840,000

En el caso que las respuestas eran enteras, uno puede empezar ha-
ciendo ensayo y error entre diferentes combinaciones para hallar
la mejor opción. Pero sı́ las variables son continuas no podemos
hacer lo mismo.
7
Ejemplo 2. Caja para envı́os

Suponga que debe diseñar un canal de riego con sección trapezoi-

dal con lados y fondo de concreto como se observa en la figura:

El área de la sección trapezoidal corresponde a A = y(x+y tan θ)

y perı́metro húmedo P = x + 2y sec θ. Para una inclinación fija
de 32o . ¿Cuáles son las dimensiones de x y y que minimizan el
perı́metro húmedo sı́ se requiere que el área transversal sea de
3,5 m2 ?

8
Ejemplo 2. Caja para envı́os

ALTERNATIVAS

En esta ocasión x y y pueden variar libremente, ası́ que no pode-

mos hacer un análisis de caso por caso.

9
Ejemplo 2. Caja para envı́os

ALTERNATIVAS

En esta ocasión x y y pueden variar libremente, ası́ que no pode-

mos hacer un análisis de caso por caso.

Restricciones

En esta ocasión sı́ tenemos una restricción y es que el área de la

sección transversal debe ser de 3,5 m2 . Es decir, nuestra restric-
ción corresponde a:

y(x + y tan 35o ) = 3,5

9
Ejemplo 2. Caja para envı́os

Criterio

En esta ocasión, el criterio es MINIMIZAR el perı́metro húmedo.

Es decir, debemos hallar el mı́nimo de la función:
P = x + 2y sec 35o

10
Ejemplo 2. Caja para envı́os

Criterio

En esta ocasión, el criterio es MINIMIZAR el perı́metro húmedo.

Es decir, debemos hallar el mı́nimo de la función:
P = x + 2y sec 35o
Toda la información se puede resumir en el siguiente diagrama:
Mı́nimizar la función z = x + 2y sec 35o

sujeto a,

y(x + y tan 35o ) = 3,5 ;x ≥ 0 ;y ≥ 0

La solución de este problema se obtiene por múltiplicadores de
Lagrange y corresponde a x = 1,467 y y = 1,4177.
10
Factible vs óptimo

Una solución de un modelo es factible sı́ cumple con todas las

restricciones, y diremos que es optima sı́ ademas de ser factible,
produce el mejor valor de la función objetivo.

• En el primer ejemplo, los tres casos propuestos son

soluciones FACTIBLES pero solo la última es la ÓPTIMA.
• En el segundo ejemplo, todos los puntos que cumplan la
condición del área son soluciones factibles, pero solo por el
proceso de múltiplicadores de Lagrange, dirı́amos que es la
óptima.

11
Solución de un modelo de I.O.

En la investigación de operaciones no se cuenta con una sola

técnica para resolver todos los modelos. Por su estructura, núme-
ro de variables y restricciones se aplican diferentes métodos. Al-
gunos métodos usados son:
• Programación lineal: sı́ la función y las restricciones son
lineales.
• Programación entera: sı́ las variables solo pueden
asumir valores enteros.
• Programación dinámica: sı́ el modelo se puede dividir
en pequeñas secciones para facilitar su manejo.
• Programación de red: sı́ el problema se puede modelar
como una red.
• Programación no lineal: sı́ la función o las restricciones
no son lineales. 12
Programación Lineal
Programación Lineal (PL)

Vamos a empezar analizando el caso de modelos donde la función

a optimizar y las restricciones son lineales. Empezaremos mirando
el método gráfico que se puede aplicar cuando solo tenemos dos
variables. Aunque en muchos problemas, las variables son 3,4 o
más; iniciar con este método permite conocer como funcionan
algunos algoritmos que vamos a trabajar.

13
Ejemplo 3: Materia prima

Supongamos que una compañia elabora dos tipos diferentes de

artı́culos que venderá en el mercado. P1 y P2 . Para su elaboración
requiere de dos materias primas M P1 y M P2 , de la primera po-
see 24 unidades y de la segunda solamente 6. La siguiente tabla
muestra la cantidad de unidades de cada materia prima que se
necesita para producir una unidad:

Materia Prima P1 P2 Totales

M P1 6 4 24
M P2 1 2 6

Sı́ se conoce que la utilidad de cada unidad del producto 1 co-

rresponde a 5 millones de pesos y para la unidad 2 corresponde
a 4 millones de pesos.
14
Ejemplo 3: Materia prima

Además, la demanda del producto 2 no puede exceder la del

otro producto en más de una unidad y del segundo producto se
necesita como máximo 2 unidades. Hallar el número de unidades
que optimizan la ganancia.

15
Ejemplo 3: Materia prima

Además, la demanda del producto 2 no puede exceder la del

otro producto en más de una unidad y del segundo producto se
necesita como máximo 2 unidades. Hallar el número de unidades
que optimizan la ganancia.
Desarrollo: Todos los modelos de IO, tienen tres partes básicas:

1. Las variables de decisión que pretendemos determinar.

2. La función objetivo en términos de las variables.
3. Las restricciones.

En este ejemplo, tenemos que las variables corresponden a el

número de unidades de los productos que deberı́amos producir,
los vamos a notar por x1 y x2 .
15
Ejemplo 3: Materia prima

El problema quedarı́a planteado como:

Máximizar la función z = 5x1 + 4x2

sujeto a,

6x1 + 4x2 ≤ 24
x1 + 2x2 ≤ 6
x2 − x1 ≤ 1
x2 ≤ 2
x1 ≥ 0
x2 ≥ 0

16
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24
2. x1 + 2x2 = 6

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24
2. x1 + 2x2 = 6
3. x2 − x1 = 1

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24
2. x1 + 2x2 = 6
3. x2 − x1 = 1
4. x2 = 2

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24
2. x1 + 2x2 = 6
3. x2 − x1 = 1
4. x2 = 2
5. x1 = 0

17
Ejemplo 3: Materı́a prima

Para hallar una solución gráfica, vamos a elegir cada una de las
desigualdades que tenemos por restricciones y la convertiremos
en una igualdad. Ası́, las restricciones se convertirı́an en rectas y
podrı́asmos graficarlas en el mismo plano.

1. 6x1 + 4x2 = 24
2. x1 + 2x2 = 6
3. x2 − x1 = 1
4. x2 = 2
5. x1 = 0
6. x2 = 0

17
Ejemplo 3: Materı́a prima

Ahora, estas rectas generan una región que vamos a llamar el

espacio factible o el espacio de soluciones. Todos los puntos dentro
de esta región corresponde a soluciones factibles.

Vamos ahora a buscar la óptima. Por propiedades que tienen las

programaciones lineales SIEMPRE la(s) solución(nes) óptima(s)
está(n) asociadas a las esquinas de la figura que acotan. Por tanto,
busquemos que pasa en cada una de ellas.
18
Ejemplo 3: Materı́a prima

Punto Valor x1 Valor x2 Función

A 0 0 0
B 4 0 20
C 3,02 1,47 21
D 2 2 18
E 1 2 13
F 0 1 4

Luego, nuestro punto óptimo corresponde a (3.02, 1.47).

19
Ejercicio

Máximizar la función z = −3x1 + x2

sujeto a,

−3x1 + x2 ≥ 6
x1 − 2x2 ≥ 6
2x1 − 3x2 ≤ 12
x1 − x2 ≤ 0
−x1 + x2 ≥ 0

20