Unidad Uno

Ing.
César Urquizú
UNIDAD UNO
PROGRAMACIÓN
LÍNEAL
Parte 1
Objetivo
Iniciarse en la técnica de programación lineal
con el aspecto más importante del método
científico: la representación o modelo en
formulación matemática lineal de algunos
problemas elegidos, los agrupados en
"clásicos"; también debe aprender los
conceptos teóricos fundamentales utilizando
la metodología gráfica en sólo dos variables.
Ing. César Urquizú
DEFINICIONES
¿Que es la programación líneal ?
Es una rama de las Matemáticas consistente en el uso de modelos

matemáticos, estadística y algoritmos con objeto de realizar un proceso
de toma de decisiones. Frecuentemente, trata el estudio de complejos
sistemas reales, con la finalidad de mejorar (u optimizar) el
funcionamiento del mismo. La investigación de operaciones permite el
análisis de la toma de decisiones teniendo en cuenta la escasez de
recursos, para determinar cómo se pueden maximizar o minimizar los
recursos.
Es una ciencia que modela problemas complejos haciendo uso de las
matemáticas y la lógica. La investigación de operaciones permite el
análisis de la toma de decisiones teniendo en cuenta la escasez de
recursos, para determinar cómo se pueden maximizar o minimizar los
recursos.
El método más popular es el símplex (George Dantzig, 1947) dentro de la
rama de programación lineal. El algoritmo símplex ha sido elegido como
el mejor de los diez de mayor influencia en el desarrollo y la práctica de
la ciencia y la ingeniería en el siglo XXII.

DEFINICIONES
Definición de la sociedad de investigación de operaciones de la
Gran Bretaña es la siguiente:
La investigación de operaciones es el ataque de la ciencia
moderna a los complejos problemas que surgen en la dirección y
en la administración de grandes sistemas de hombres, máquinas,
materiales y dinero, en la industria, en los negocios, en el
gobierno y en la defensa.
Las raíces de la investigación de operaciones se remontan a
muchas décadas, cuando se hicieron los primeros intentos para
emplear el método científico en la administración de una
empresa. Sin embargo, el inicio de la actividad llamada
investigación de operaciones, casi siempre se atribuye a los
servicios militares prestados a principios de la segunda guerra
mundial.
DEFINICIONES
Debido a los esfuerzos bélicos, existía una necesidad

urgente de asignar recursos escasos a las distintas
operaciones militares y a las actividades dentro de
cada operación, en la forma más efectiva. Por esto,
las administraciones militares americana e inglesa
hicieron un llamado a un gran número de científicos
para que aplicaran el método científico a éste y a
otros problemas estratégicos y tácticos. De hecho, se
les pidió que hicieran investigación sobre
operaciones (militares).

DEFINICIONES
Procedimiento o algoritmo matemático mediante el

cual se resuelve un problema indeterminado,
formulado a través de ecuaciones lineales,
optimizando la función objetivo, también lineal.
La programación lineal consiste en optimizar

(minimizar o maximizar) una función lineal, que
denominaremos función objetivo, de tal forma que
las variables de dicha función estén sujetas a una
serie de restricciones que expresamos mediante un
sistema de inecuaciones lineales
DEFINICIÓN DE LA PROGRAMACIÓN LINEAL
Es una de las técnicas agrupadas como programación

matemática, aplicable a problemas de asignación de recursos
limitados, con actividades competitivas hacia un objetivo
común, que puede ser de maximizar beneficios (por ejemplo
utilidades o bien rendimientos); también se puede desear
minimizar el esfuerzo (por ejemplo los costos, el personal
asignado a tareas, o el desperdicio en procesos). Se usa un
modelo matemático con representación válida de la
problemática en estudio; sus relaciones deben ser lineales o de
"línea recta", que significa utilizar, sólo una variable de
primer grado en cada término.
Modelo de programación lineal general
El modelo de PL es una representación simbólica

(abstracción) de la realidad que se estudia, se forma
con expresiones lógicas matemáticas conteniendo
términos que significan contribuciones: a la utilidad
(con máximo), al costo (con mínimo), al consumo de
recurso (disponible con desigualdad <=), al recurso
requerido (con desigualdad >=), recurso especificado
(con igual = ). Contiene las siguientes cuatro partes:

1a parte
Definición con el significado cuantitativo de las variables de
decisión (controlables).
2a parte
Función económica u objetivo a optimizar (máximo o bien
mínimo):

3a parte
Sujeta a restricciones:

4a parte
Condición de no negativo a variables:

PROPIEDADES DEL MODELO DE PROGRAMACIÓN LINEAL
Para que un modelo de PL sea válido, debe cumplir las propiedades siguientes:
Proporcionalidad.-Significa que la contribución al valor de la función objetivo y el consumo o

requerimiento de los recursos utilizados, son proporcionales al valor de cada variable de decisión. Así el
término 4X1 es proporcional, porque contribuye al valor de la función Z con 4, 8, 12, etc. para los valores 1,
2, 3, etc., respectivamente, de X1. Se puede observar el aumento constante y proporcional de 4 conforme
crece el valor de X1. En contraste, el término no lineal 4X1↑2, contribuye con 4, 16, 36, etc., para los mismos
valores 1, 2, 3, etc., respectivamente, de la variable X1; Aquí se observa que el aumento en la contribución no
es constante y por lo tanto no hay proporcionalidad.
Aditividad.- Significa que se puede valorar la función objetivo Z, así como también los recursos utilizados,
sumando las contribuciones de cada uno de los términos que intervienen en la función Z y en las
restricciones.
Divisibilidad.- Significa que las variables de decisión son continuas y por lo tanto son aceptados valores no
enteros para ellas. La hipótesis de divisibilidad más la restricción de no negatividad, significa que las
variables de decisión pueden tener cualquier valor que sea positivo o por lo menos igual a cero.
Certidumbre.- Significa que los parámetros o constantes son estimados con certeza, o sea, no interviene
una función de probabilidad para obtenerlos
El modelo de programación lineal es un caso especial de la programación matemática, pues debe

cumplir que, tanto la función objetivo como todas las funciones de restricción, sean lineales.
APLICACIONES TÍPICAS DE LA
PROGRAMACIÓN LINEAL
•Un fabricante desea desarrollar un programa de asignación en producción y una política de

inventario que satisfagan la demanda de ventas de periodos futuros. Así se podría cumplir la
demanda con mínimo costo total de producción y de inventario.
•Un analista financiero debe seleccionar una cartera de inversiones a partir de una diversidad
de alternativas en acciones y bonos. Se debe establecer la cartera que maximice el rendimiento
sobre la inversión asignada.
•Un administrador de mercadotecnia desea determinar la mejor manera de asignar un

presupuesto de publicidad como radio, televisión, periódicos y revistas. Al gerente le gustaría
determinar la combinación de medios que maximice la efectividad de la publicidad.
•Una empresa tiene almacenes en varias. ubicaciones en todo el país. Para un conjunto de
demandas de sus productos por parte de sus clientes, la empresa desearía determinar cuánto
debe asignar en embarques a cada uno de los almacenes y a cada cliente, de manera que los
costos totales de transporte resulten mínimos.

Formulación de problemas con programación lineal.
La formulación de un problema de cualquier tamaño con programación lineal debe

sujetarse al formato del modelo de PL general ya presentado antes.
Se empieza como parte 1, con la observación y análisis necesario para definir el

significado cuantitativo de las variables de decisión o controlables que se pueden
representar, en símbolos como X1, X2, X3,... ,o bien, identificar con nombre
específico de producto o bienes de manufactura, almacén o venta, disponibilidad
y/o requerimiento de recurso o materia prima.
Se continúa con la parte 2, para construir la función objetivo o medida de

efectividad, representada por una variable (denotada con Z, G, U, etc.) cuyo valor
se desea maximizar(utilidad, rendimiento, ingreso, producción) o bien minimizar
(costo, tiempo, mano de obra, inventario). Puede ocurrir en algún caso, que la
formulación resulte no lineal, pero con las transformaciones adecuadas se puede
hacer la conversión a lineal.

Formulación de problemas con programación lineal.
Como parte 3 debe considerarse la construcción de las restricciones que limitan el

valor óptimo que puede tomar la función objetivo, o sea, definen las soluciones
admisibles o región factible del problema. Las restricciones pueden ser de una o
todas las clases siguientes: Si no se debe exceder el recurso disponible, de la forma
<=; para no menos de lo requerido, de la forma >=; o también para igualar el
recurso especificado, de la forma =.
Se termina con la parte 4, para condicionar las variables a valores no negativos,

debido a que en la gran mayoría de los problemas los valores negativos no tienen
significado físico. Los casos de excepción merecen tratamiento especial.

Ejemplos de formulación de modelos de PL.
La construcción de un modelo de programación lineal

debidamente planteado que represente un problema real es
un arte. La mayoría de la gente que lo intenta tiene más
dificultades en ello que con los otros aspectos de esta técnica
pues se requiere de imaginación e inventiva. Esto se puede
mejorar con paciencia y práctica, ajustándose a la
estructura dada como modelo general.

El siguiente procedimiento puede ser útil antes de pretender la estructura
matemática del problema en estudio:
Concentrar la atención en identificar el objetivo general como puede ser, el máximo

de: utilidades, rendimientos, audiencia; o bien, el mínimo de: costos, personal,
distancias, tiempo, materia prima, o contaminación.
Identificar las decisiones ( variables controlables) en forma cuantitativa con la

unidad precisa de medición, como # de personas, # de quetzales, # de toneladas.
Identificar las constantes conocidas como coeficientes Cj que aportan al valor del
objetivo, o coeficientes aij que contribuyen al consumo de materia prima o al
requerimiento de recurso.
Identificar todas las condiciones a las que se sujeta el objetivo en forma de

restricciones en sus diferentes tipos:<=cuando mucho, >= al menos, = estrictamente
lo especificado.

A continuación se presentan ejemplos de planteamiento funcional, pero
en algunos puede haber alternativa cambiando la definición de variable.
PL al combinar camiones refrigerados en transporte de alimento.
En la siguiente tabla se tiene la información de costo en renta y también las

capacidades, de dos tipos de camión transportista refrigerado para la distribución de
alimentos, una parte de los cuales pueden descomponerse durante el viaje. En
particular se requiere un total de 900 y 1200 metros cúbicos (m3) de espacio refrigerado
y no refrigerado, respectivamente. Formule un modelo de PL para decidir y resolver el
problema de cuántos camiones de cada tipo rentar para que el costo sea el menor
posible.

1ra. parte.- Definición de las variables de decisión
2da. parte.- Función económica u objetivo de costo

3ra. parte.- Sujeta la función de mínimo costo a restricciones de espacio de carga:

4a. parte.- Condiciones de signo para las variables de decisión:

PL al combinar tamaños de camiones en transporte .
Una compañía transportadora tiene 10 camiones con capacidad de 20 toneladas y 5
camiones de 15 toneladas. Los camiones grandes tienen costos de operación de
$150 por kilómetro recorrido y los pequeños de $ 125 por kilómetro recorrido. En
la siguiente semana la compañía requiere transportar 200 toneladas de azúcar en
un recorrido de 800 kilómetros. La posibilidad de otros compromisos de
transporte, impone una política táctica de mantener en reserva, por lo menos, dos
camiones pequeños por cada camión grande.¿ Cuál es el número óptimo de
camiones de ambas clases que se deben utilizar para transportar el azúcar?
Formule un modelo de programación lineal para este problema.

1a parte.- Definición de variables de decisión
2a parte.- Función económica u objetivo: Planteamiento de costo mínimo de operar

Xj camiones

3a parte.- Restricciones o condiciones.- Requerimiento de carga a transportar:
Restricciones de camiones disponibles a utilizar: Xg <= 10 ; Xp <= 5 (camiones).

Para la restricción de tener en reserva dos camiones pequeños por cada camión
grande, se definen otras variables y significan camiones en reserva para otro uso:
Sea X r j = número de camiones en reserva de tipo j ( j = g , p)
Camiones grandes reservados = total de grandes menos los utilizados: Xrg=10-Xg
Camiones pequeños reservados = total de pequeños menos los utilizados: Xrp=5-Xp

4a parte: Condiciones de signo para las variables:

PL en horarios para cubrir turnos de trabajo
Cada policía debe laborar 8 horas consecutivas. El periodo 1

sigue al 6.
Formule un modelo de PL para determinar el número óptimo
de policías.

Ayuda para el análisis: En este problema se conoce, que para fines de
control, se divide el día completo en periodos de 4 horas de duración,
logrando continuidad de la vigilancia de policías los que deben trabajar
durante dos periodos consecutivos. También se sabe el requerimiento en
número de policías para cada uno de los seis periodos; entonces la siguiente
forma tabular puede ser buena ayuda para la comprensión del problema
considerando a Xj como grupo de policías asignados para iniciar los
periodos j ( j = 1,2,...,6 ).
Inicio y permanencia de grupos X j de policías en los periodos j del día

1a parte.- Definición de variables:
2a parte.- Función económica.- Aquí debe pensarse en el menor número de policías

necesarios para cumplir, por lo menos, los requeridos en cada uno de los seis
periodos j:

3a parte.- Restricciones: La misma tabla da la combinación de los grupos de policías
Xj para cubrir, como se observa, los requerimientos de cada periodo j.
4a parte.- Condiciones de signo, NO NEGATIVO:

Solución para el modelo de programación lineal.
Existen métodos de solución del modelo de

programación lineal, tanto gráfico como analítico. Para
la gran mayoría de los problemas es indispensable
aplicar la metodología analítica, con los algoritmos muy
eficientes que desarrollaron los científicos ya citados en
los antecedentes de PL. Pero en beneficio de la claridad,
conviene iniciar la exposición de cómo resolver el
problema ya formulado con programación lineal, con el
método gráfico, por su sencillez. Para ello primero se
debe revisar la forma en que puede presentarse un
modelo o planteamiento del problema que se estudia.
Formas equivalentes del modelo de programación lineal.
Además de la necesaria generalización del modelo de programación

lineal, esta técnica requiere el uso de dos formas especiales equivalentes;
las que se denominan forma canónica, la cual es muy útil en teoría
de dualidad cuando se trata de hacer una interpretación económica para
el problema en estudio; la otra forma se denomina estándar, la cual
es indispensable si se desea resolver el problema. A continuación se
dan características de ambas:
Formas equivalentes del modelo de programación lineal

EQUIVALENCIA ALGEBRAICA PARA EL MODELO DE PROGRAMACIÓN
LINEAL
La función objetivo cambia al multiplicar:
Una restricción cambia al multiplicar por:
Una restricción en igualdad equivale a dos restricciones en desigualdad con los

mismos términos; la primera de tipo <= y la segunda de >=, si el objetivo es máximo;
con mínimo, se invierte el orden.
Una restricción (<=) se hace (=), sumando la holgura Hi >=0 en el lado izquierdo.
Una restricción (>=) se hace (=), restando una superávit Si >=0 en el lado izquierdo.
Una variable Xj <= 0, se maneja con otra variable:
Una variable no restringida en signo, o libre para tomar valor (+), (-), o cero, se
sustituye con la diferencia de dos variables no negativas como sigue:

Método gráfico para resolver modelos de programación
lineal con solo dos variables.
El interés es hacer análogos geométricos, esto es, gráficas de funciones lineales que
contiene el modelo matemático de programación lineal obtenido en la formulación del
problema que se analiza. Dicho modelo puede contener expresiones tanto en forma de
ecuaciones ( = ) como en desigualdades ( <= ó >= ), cada una de ellas corresponde a un
gráfico en la analogía geométrica.
Primero se considera la infinidad de puntos que constituyen en conjunto el plano y los
cuatro cuadrantes convencionalmente aceptados, para dividirlo en zonas caracterizadas
por la combinación de signo que se puede dar, a los valores medidos con números reales.
Para lograr los cuadrantes en el plano se utilizan los ejes cartesianos con escala de
medición de valores de las variables del problema; por ejemplo, se puede asignar el eje
horizontal de abscisas para la medición de valores de la variable X1; también se puede
asignar el eje vertical de ordenadas, para la medición de valores de la variable X2. La
localización de cualquier punto en este espacio plano requiere de una distancia
horizontal (X1) y de una distancia vertical (X2) denotado como par ordenado o vector (X1,
X2).
Un punto sobre el eje X1 corresponde a X2=0 y un punto sobre el eje X2 corresponde a
X1=0, que son las ecuaciones respectivas de los ejes horizontal y vertical. Dichos ejes se
cruzan en el punto (X1, X2) = (0, 0), el cual se conoce como origen.

Si la ecuación tiene sólo dos variables, el gráfico de la misma sobre el plano es una línea
recta, es decir, se requiere un espacio de dos dimensiones, la horizontal y la vertical, para
graficar tal ecuación; pero la representación geométrica de una ecuación en tres variables,
requiere un espacio de tres dimensiones. En tal caso, a los ejes X1 y X2, se les agrega un
tercer eje X3 como tercera dimensión, que pasa por el origen hacia el observador. Los
gráficos de la Figura muestran lo anterior para una ecuación cualquiera:

El método gráfico proporciona la oportunidad de visualizar

algunos de los conceptos importantes de la programación lineal.
Pero tiene una gran limitación referente, a que sólo es posible
aplicarlo en problemas muy pequeños; para este curso se limita
el método gráfico aplicado a problemas con sólo dos variables. El
método gráfico para resolver problemas que se han modelado
con programación lineal consiste en asignar un eje cartesiano
para cada una de las dos variables involucradas; de esta manera
se asigna, por ejemplo, el eje horizontal como escala para los
distintos valores que pueda tener la variable X1; también se
puede asignar el eje vertical con su respectiva escala para ubicar
los distintos valores que puede tomar la variable X2.

Un sistema con dos ejes cartesianos, horizontal y

vertical, permite representar en un espacio plano las líneas
rectas que geométricamente hablando representan cada
expresión matemática lineal con sólo dos variables. Las
restricciones y condiciones de signo del problema,
representan al sistema que debe graficarse en un plano y
después se valora en el mismo la función económica Z, con
la cual se busca un punto del sistema que maximice o bien
minimice su valor. Para mejor comprensión del método
gráfico de solución de problemas modelados con
programación lineal, se presenta el siguiente ejemplo

QUIMCAR es una empresa que elabora varios productos químicos.

En un proceso de producción en particular se utilizan tres recursos
como materia prima de dos productos: una cera automotriz y una
pasta pulidora, que se usan en la pintura de la carrocería a vehículos
automotores y se distribuye para su venta al menudeo a varias
empresas distribuidoras. Para producir la cera y la pasta se utilizan
tres recursos, según se muestra en la siguiente tabla, en la cual se
observa que una tonelada de cera es una mezcla de 2/5 de tonelada del
recurso 1 y 3/5 de tonelada del 3. Por otro lado, una tonelada de pasta
es la mezcla de 1/2, 1/5 y 3/10 de tonelada de los recursos 1,2 y 3,
respectivamente.
La producción de la cera automotriz y la pasta pulidora está
restringida a la disponibilidad de los tres recursos. Para el periodo de
producción anual, se tienen disponibles las cantidades siguientes de
cada una de las materias primas.

Recursos disponibles para la producción en ejemplo QUIMCAR
Material requerido para cera y pasta pulidora en ejemplo QUIMCAR.

El departamento de contabilidad ha analizado las cifras de

producción, asignando los costos correspondientes para ambos
productos, llegó a precios que resultan en una contribución a la
utilidad de 400 dólares por cada tonelada de cera automotriz y
de 300 dólares por cada tonelada de pasta pulidora,
producidas. La administración, después de analizar la
demanda potencial, ha concluido que los precios establecidos
aseguran la venta de toda la cera y pasta que se produzca.
El problema es determinar: 1º.-Un conjunto de expresiones
matemáticas o modelo, representando el objetivo y
restricciones del problema descrito. 2º.- Resolver en forma
gráfica y determinar cuántas toneladas de cera y pasta debe
producir la empresa para maximizar la contribución total a la
utilidad.
Como ya se apuntó anteriormente, los problemas de programación lineal

tienen un objetivo ya sea de máximo o bien de mínimo. En este
problema, el objetivo es de maximizar la contribución a la utilidad y se
plantea en forma matemática introduciendo alguna forma simple de
notación, como sigue:
1a. Parte.-Definición de variables.- Es importante precisar la unidad de

medida:

2a. parte.- Función objetivo.- La contribución a la utilidad se origina de:

(1) la que proviene de la producción de X1 toneladas de cera automotriz,
y (2) la que proviene de la producción de X2 toneladas de pasta pulidora.
Dado que se gana 400 dólares por cada tonelada de cera producida, la
empresa gana $400 X1 si se producen X1 toneladas de cera. También, en
vista de que se gana 300 dólares por cada tonelada de pasta producida,
la empresa gana $300 X2 si se producen X2 toneladas de pasta.
Identificando con Z la contribución total a la utilidad y eliminando el
signo de dólares se tiene:

Cualquier combinación de producción de cera y pasta se conoce como

una solución al problema. Sin embargo, únicamente aquellas soluciones
que satisfagan todas las restricciones se conocen como soluciones
factibles o posibles. La combinación específica de producción factible,
que resulte en la contribución mayor a la utilidad, se conoce como la
combinación de producción óptima, o simplemente, la solución óptima.
Pero primero se requiere conocer todas las restricciones del problema y
posteriormente se muestra un método para definir gráficamente, en el
plano de dibujo, el espacio en que se ubican el conjunto de puntos de
solución factible.

3a. Parte.- Restricciones de materia prima.

La cantidad de materia prima disponible, condiciona o sujeta el
valor de la función objetivo para cumplirse con los tres recursos
limitados, calculando las posibles soluciones en las cantidades de
cera y pasta que se pueden producir. Según la información de
producción (ver la tabla), se sabe que cada tonelada de cera
automotriz utiliza 2/5 toneladas del recurso 1, por lo que el total
de toneladas del mismo utilizado en la producción de X1
toneladas de cera es 2/5X1; además, cada tonelada de pasta usa
1/2 tonelada del recurso 1, como resultado, X2 toneladas de pasta
usan 1/2 X2 toneladas de recurso 1, entonces el consumo total de
toneladas de recurso 1 para producir X1 de cera y X2 de pasta
está dado por

Debido a que se tiene un máximo de 20 toneladas de materia prima 1

disponible, la combinación de producción a decidir debe satisfacer la
restricción
La relación anterior es una desigualdad que anota las contribuciones al

consumo de recurso 1, utilizadas en la producción de X1 toneladas de
cera y de X2 toneladas de pasta, que debe ser menos que o igual a 20
toneladas disponibles.

La tabla indica que el recurso 2 no es requerido por la cera, pero si por

la pasta pues cada tonelada producida de ésta requiere 1/5 tonelada de
las 5 disponibles, se expresa así:
La restricción para la materia prima 3 es:
4a parte.- Condiciones de valor no negativo para las variables:

La formulación matemática o modelo simbólico, representa en forma

abstracta, el objetivo y las restricciones del problema, trasladados del
mundo real a un conjunto de relaciones matemáticas. El modelo
completo del problema es:

Ahora sólo falta encontrar la combinación de productos cera y pasta

expresados como toneladas de X1 y X2 que satisface todas las restricciones
y también resulte en un valor máximo de la función objetivo, comparado
con el valor de cualquier otra solución factible, lo que significa la solución
óptima del problema.
Las funciones matemáticas en las cuales sólo una de las variables aparece
elevada a la primera potencia como un término independiente, se conocen
como funciones lineales.
La función objetivo 4X1 + 3X2 es lineal, porque cada una de las variables
de decisión aparece en un término por separado con exponente 1. Si la
función objetivo se presentara como 4X21 + 3X32, no se trataría de una
función lineal.
Por la misma razón, el número de toneladas de la materia prima 1
requerida, 2/5X1+1/2X2 , también es una función lineal de las variables de
decisión. Similarmente, el lado izquierdo de todas las desigualdades de
restricción son funciones lineales, así la formulación matemática del
problema anterior se identifica como un programa lineal.
Solución gráfica
Lo primero es mostrar, qué puntos corresponden a soluciones factibles del
programa lineal. Tanto X1 como X2 deben ser de valor no negativo, por lo que
sólo es necesario considerar la porción de la gráfica en donde X1 >= 0 y X2 >=
0, lo que se conoce como primer cuadrante. En la Figura las flechas indican el
primer cuadrante, o sea, la región donde estos requisitos de no negatividad
quedan satisfechos para la solución buscada.

Solución gráfica
Para mostrar todos los puntos solución que la satisfacen, se traza la línea
que geométricamente representa a la ecuación lineal: 2/5X1 + 1/2X2, = 20
la cual debe ser recta, se calculan dos puntos pertenecientes a la misma y a
continuación se traza una línea recta a través de los mismos.
Para ello, arbitrariamente se buscan los puntos sobre los ejes en que, por
supuesto, se tiene el valor de cero para una de las variables, así al hacer
X1 = 0, se ubica sobre el eje X2 y resolviendo la ecuación en función de la
variable X2, queda ½ X2 = 20, o también X2 = 40; por lo tanto el punto
(X1=0, X2=40) satisface la ecuación anterior, pues es la intersección de las
rectas, eje X2 y la que representa el recurso 1; alternativamente, para
encontrar un segundo punto que satisfaga esta ecuación se hace X2 = 0 y
se resuelve en función de X1.
Al hacerlo se observa que 2/5X1 = 20, es decir, X1 =50, por lo que un
segundo punto que también satisface la ecuación es (X1=50, X2=0). Con
estos dos puntos, se puede trazar la recta que se conoce como línea de
restricción de la materia prima 1, mostrada en la Figura

Solución gráfica

Si una solución particular no es factible, todas las demás
soluciones del mismo lado de la línea recta de restricción
tampoco lo serán. Si una solución particular es factible, todas las
demás soluciones del mismo lado de la línea de restricción serán
factibles, por lo que solamente es necesario evaluar un punto de
solución para determinar cuál es el lado de la línea de restricción
que representa las soluciones factibles. En la Figura el área
factible con todos los puntos que satisfacen la restricción de la
materia prima 1 se muestra sombreada.

Identificación de los puntos de solución que satisfacen la restricción
de la materia prima 2:
• Se empieza dibujando la línea de restricción correspondiente a la ecuación

1/5 X2 = 5, que es equivalente a X2 = 25, simplemente se dibuja una línea
cuyo valor X2 es 25, está línea es paralela a X1 y está a 25 unidades por
encima del eje horizontal. En la figura se dibuja la línea recta que
corresponde a la restricción de la materia prima 2, la región sombreada
corresponde a todas las combinaciones de producción que son soluciones
factibles para la restricción de la materia prima 2.

De manera similar, se puede diferenciar el conjunto de todas las
soluciones factibles para la restricción de la materia prima 3. La
figura muestra la zona de puntos factibles.

Ahora se tienen tres gráficas por separado que muestran las
soluciones factibles para cada una de las restricciones. En un
problema de programación lineal, se necesita identificar las
soluciones que satisfacen simultáneamente todas las restricciones. Las
gráficas de las figuras anteriores se pueden superponer para obtener una
intersección gráfica de las tres restricciones. La figura final muestra esta
gráfica de restricciones combinadas.
La región sombreada de esta figura incluye todos los puntos solución que
simultáneamente, satisfacen todas las restricciones.
Las soluciones que satisfacen simultáneamente todas las restricciones del
sistema se conocen como factibles, la parte sombreada se conoce como la
región de soluciones factibles, o simplemente región factible.
Cualquier punto en las fronteras de la región factible, o bien en su interior, es
un punto de solución factible.
Ahora que se ha identificado la región factible, se puede seguir adelante con
el método de solución gráfica y determinar cuál es la solución óptima para el
problema de QUIMCAR.
La solución óptima para un problema de programación lineal es la solución
factible que aporte el mejor valor de la función objetivo.

• Se inicia el paso de optimización del procedimiento de solución
• gráfica volviendo a dibujar la región factible en una gráfica por
separado.
El procedimiento para determinar la solución óptima evaluando la función
objetivo para cada una de las soluciones factibles, no es posible pues hay
demasiadas, (de hecho, una infinidad).
Por lo tanto, para identificar la solución óptima no se debe utilizar un
procedimiento de ensayo y error. En vez de intentar calcular la contribución a
la utilidad de cada solución factible, se selecciona un valor arbitrario de la
contribución a la utilidad y se identifican todas las soluciones factibles (X1,
X2) que dan el valor seleccionado.

• Por ejemplo, ¿qué soluciones factibles dan una contribución a la
• utilidad de 2400 dólares? Estas soluciones se dan por los valores
• de X1 y X2 de la región factible que cumplan con la siguiente función
objetivo que se puede simplificar para obviar cálculos, así:
Ésta expresión es simplemente la ecuación de una línea recta, por lo que todas
las soluciones factibles (X1, X2), con una contribución a la utilidad de 24 dólares
deben estar en esta línea. Trazar la función objetivo o de utilidad. Haciendo
X1=0, se tiene que X2 debe ser 8; entonces, el punto de solución (X1=0, X2=8)
está en la recta. Similarmente, haciendo X2 = 0, se tiene que el punto de
solución (X1=6, X2 = 0), también está en la recta. Dibujando la línea recta por
estos puntos, se identifican todas las soluciones que tienen una contribución a
utilidad de 24; una gráfica de esta línea de utilidad se presenta y muestra un
número infinito de combinaciones factibles de producción que darán una
contribución de 24 a la utilidad.

• Otros ejemplos:
Utilizando el procedimiento anterior para el trazado de rectas de utilidad y de

restricción, se trazan la línea de utilidad de 72 y 120. Por supuesto, sólo los
puntos de las rectas de valor 24, 72 y 120 que están dentro de la región factible,
deben considerarse como soluciones factibles para tal contribución de utilidad.

Dado que las rectas de utilidad son paralelas y de valor
creciente conforme se alejan del origen, se pueden obtener
valores mayores para la función objetivo, continuando el
movimiento hacia fuera del conjunto factible pero manteniéndose
adentro del mismo, hasta alcanzar el (los) último(s) punto(s) vértice
antes de salir. Dado que los puntos fuera de la región factible no son
aceptables, el (los) punto(s) vértice en la región factible que coincide(n)
con la recta de utilidad mayor es una solución óptima al programa
lineal.
Utilice una regla y escuadra, mueva paralelamente la recta de utilidad

tan lejos del origen como pueda, pero conservando el contacto en la
zona factible. ¿Cuál es el último punto de la región factible? Este punto
debe ser vértice y corresponde a la solución óptima. Los valores
óptimos para las variables de decisión son ( X1, X2) = ( 25, 20 ).

Los valores óptimos para las variables de decisión son ( X1,
X2) = ( 25, 20 ).

A pesar de que la solución óptima para el problema está formada de
valores enteros de las variables de decisión, esto no será siempre el
caso.
La localización exacta del punto de solución óptima es X1 =25 y X2 =20.

Este punto identifica las cantidades óptimas de producción para
QUIMCAR en 25 toneladas de cera automotriz y 20 toneladas de pasta
pulidora, con una contribución a la utilidad de:

Dependiendo del tamaño y claridad de la gráfica, se
determinan los valores óptimos exactos de X1 y X2 leyendo
directamente de la gráfica. Si se observa en la grafica, la solución
óptima del ejemplo está en la intersección de las rectas de restricción
1 y 3 que se pueden resolver para precisar los valores coordenados.

• Variables de Holgura
Además de la solución óptima y de su contribución a la
utilidad asociada, la administración de QUIMCAR desea tener
información de uso de las tres materias primas. Se puede obtener esta
información reemplazando los valores óptimos de las variables (X1=25,
X2=20) en las restricciones del programa lineal.
La tonelada de la materia prima 2 no utilizada se conoce como holgura.

En terminología de programación lineal, cualquier capacidad sin
utilizar y ociosa para una restricción igual o menor (<=) se llama
holgura asociada con la restricción, por lo que la restricción del
recurso 2 tiene una holgura de una tonelada.

• A menudo se agregan variables, conocidas como
• variables de holgura Hi, o bien Xi, (según la notación
preferida) a la formulación de un problema de programación
lineal para representar la capacidad ociosa. La capacidad sin utilizar no
hace ninguna contribución a la utilidad, por lo que las variables de holgura
que se incluyan en la función objetivo deben tener coeficientes iguales a
cero. En general, las variables de holgura representan la diferencia entre
los lados derecho e izquierdo de una restricción de tipo <=.
• Una vez agregadas las variables de holgura a la representación
matemática correspondiente al problema QUIMCAR el modelo matemático
se convierte en:

Cuando todas las restricciones de un problema lineal se expresan en
forma de igualdades, se dice que el modelo matemático está en forma
estándar. En el problema QUIMCAR se observa que en la solución
óptima (X1=25, X2 =20), el valor de las variables de holgura es:
1/5 X2

También se puede utilizar el análisis gráfico para obtener la
información de las holguras. Observe que al determinar la solución
óptima en la gráfica, el punto vértice que es intersección de la
materia prima 1 y de la 3, restringen o limitan la región factible hasta ese punto
vértice, por lo que la solución óptima requiere usar la totalidad de estos dos
recursos. En otras palabras, la gráfica muestra que en la solución óptima, la
línea recta de restricción de la materia prima 2 no limita la región factible en ese
punto vértice, por lo que se puede esperar algún sobrante (holgura) de este
recurso.

Suponga que la contribución a la utilidad de una tonelada de
pasta pulidora se incrementa de 300 a 600 dólares, en tanto que la
contribución a la utilidad de una tonelada de cera automotriz y todas las
demás restricciones se mantienen sin modificación. La función objetivo
se convierte en:
En la gráfica, al mover la línea recta de utilidad de manera paralela,

alejándola del origen, se encuentra la solución óptima. Los valores de
las variables de decisión en este punto son X1=18.75 y X2 = 25. El
aumento en la utilidad de la pasta pulidora ha creado un cambio en la
solución óptima. De hecho, se reduce la producción de la cera y
aumenta la de pasta pulidora, porque ahora tiene una utilidad mayor.

Respecto de las soluciones gráficas se debe hacer una
observación importante: la solución óptima ocurre en alguno de los
vértices o intersecciones de la región factible. En terminología de
programación lineal, estos vértices se conocen como puntos extremos
de la región factible, por lo que para este problema se tienen cinco
vértices, es decir, cinco puntos extremos. Ahora se puede dar la
observación siguiente sobre la localización de las soluciones óptimas.

Unidad Uno

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Unidad Uno

Caricato da

Copyright:

Formati disponibili

Ing.

Es una rama de las Matemáticas consistente en el uso de modelos

Ing. César Urquizú

Debido a los esfuerzos bélicos, existía una necesidad

Ing. César Urquizú

Procedimiento o algoritmo matemático mediante el

La programación lineal consiste en optimizar

Es una de las técnicas agrupadas como programación

El modelo de PL es una representación simbólica

Ing. César Urquizú

Ing. César Urquizú

Ing. César Urquizú

Ing. César Urquizú

Proporcionalidad.-Significa que la contribución al valor de la función objetivo y el consumo o

El modelo de programación lineal es un caso especial de la programación matemática, pues debe

•Un fabricante desea desarrollar un programa de asignación en producción y una política de

•Un administrador de mercadotecnia desea determinar la mejor manera de asignar un

Ing. César Urquizú

La formulación de un problema de cualquier tamaño con programación lineal debe

Se empieza como parte 1, con la observación y análisis necesario para definir el

Se continúa con la parte 2, para construir la función objetivo o medida de

Ing. César Urquizú

Como parte 3 debe considerarse la construcción de las restricciones que limitan el

Se termina con la parte 4, para condicionar las variables a valores no negativos,

Ing. César Urquizú

La construcción de un modelo de programación lineal

Ing. César Urquizú

Concentrar la atención en identificar el objetivo general como puede ser, el máximo

Identificar las decisiones ( variables controlables) en forma cuantitativa con la

Identificar todas las condiciones a las que se sujeta el objetivo en forma de

Ing. César Urquizú

PL al combinar camiones refrigerados en transporte de alimento.

En la siguiente tabla se tiene la información de costo en renta y también las

Ing. César Urquizú

2da. parte.- Función económica u objetivo de costo

Ing. César Urquizú

Ing. César Urquizú

Ing. César Urquizú

Ing. César Urquizú

2a parte.- Función económica u objetivo: Planteamiento de costo mínimo de operar

Ing. César Urquizú

Restricciones de camiones disponibles a utilizar: Xg <= 10 ; Xp <= 5 (camiones).

Ing. César Urquizú

Ing. César Urquizú

Cada policía debe laborar 8 horas consecutivas. El periodo 1

Ing. César Urquizú

Inicio y permanencia de grupos X j de policías en los periodos j del día

Ing. César Urquizú

2a parte.- Función económica.- Aquí debe pensarse en el menor número de policías

Ing. César Urquizú

4a parte.- Condiciones de signo, NO NEGATIVO:

Ing. César Urquizú

Existen métodos de solución del modelo de

Además de la necesaria generalización del modelo de programación

Ing. César Urquizú

Una restricción cambia al multiplicar por:

Una restricción en igualdad equivale a dos restricciones en desigualdad con los

Una variable Xj <= 0, se maneja con otra variable:

Ing. César Urquizú

Ing. César Urquizú

Ing. César Urquizú

El método gráfico proporciona la oportunidad de visualizar

Ing. César Urquizú