PROCESO

INVESTIGACIN DE OPERACIONES-MTODOS
CUANTITATIVOS
-EN LA PRCTICA-

7.0 PROGRAMACIN LINEAL

P33

P22

P11

E1 Planeacin

E2 Programacin

E3
SC

P66

P45
E4
M.A.R

P77

P34

P23

P12

P55

P44

P56

E5
Programacin Lineal

P67
E6
P.T

E7
Inventarios

P21

CONSTRUCCIN DEL MODELO DE PROGRAMACIN LINEAL (PL)

La programacin lineal sirve para optimizar recursos finitos, mediante la formulacin de
planteamientos de modulado matemtico. Es importante saber que estos modelos son utilizados en
todos los campos de la operacin, industrial, comercial y de servicios.
Veamos cmo vamos construyendo un modelo de programacin lineal, paso por paso y para ello
tomemos el siguiente ejemplo:
LA COMPAA REDDY MIKKS.
Reddy Mikks produce pinturas tanto para interiores como para exteriores, a partir de dos materias
primas, M1 y M2. La siguiente tabla proporciona los datos bsicos del problema:

Materia prima M1
Materia prima M2
Utilidad por tonelada
(1000 dlares)

Toneladas de materia prima por tonelada de

Disponibilidad
Pintura para
Pintura para
Mxima diaria
Exteriores
Interiores
(toneladas)
6
4
24
1
2
6
5

Una encuesta de mercado restringe la demanda mxima diaria de pintura para interiores a 2
toneladas. Adems, la demanda diaria de pintura para interiores no puede exceder a la pintura para
exteriores por ms de 1 tonelada. Reddy Mikks quiere determinar la mezcla de producto ptimo de
pinturas para interiores y exteriores que maximice la utilidad total diaria.
CONSTRUCCIN DE UN MODELO DE INVESTIGACIN DE OPERACIONES
Como la programacin lineal hace parte de la I.O., tiene que cumplir con los puntos para desarrollar
un modelo de I.O.; que son los siguientes:
1. Lo primero que hay que establecer son las variables de decisin.
2. Definir el objetivo o meta a alcanzar.
3. Establecer las restricciones que debe cumplir; de acuerdo a las exigencias de un
mercado.
Para el caso de la compaa de pinturas, se plantea el modelo de la siguiente manera.
1. Las variables de decisin las establecemos as:
X1= Toneladas diarias producidas de pintura para exteriores.
X2= Toneladas diarias producidas de pintura para interiores.
2. La meta que se requiere la definimos de la forma siguiente:
Z=5X1+4X2
Esta es la funcin que se define de acuerdo a las condiciones que se tienen para desarrollar
las necesidades de la compaa de pinturas; pero el objetivo es la maximizacin, es decir:
Maximizar Z=5X1+4X2
3. Las restricciones para este caso se plantean teniendo en cuenta las disponibilidades de
materia prima y las condiciones del mercado, de la forma siguiente:
Sujeto a:
3

6X1+4X2 24
X1+2X2 6
-X1+X2 1
X 2 2
X1; X2 0
El modelo en forma completa para el caso de la compaa productora de pinturas, se presenta de la
manera siguiente:
Maximizar Z=5X1+4X2
Sujeto a:
6X1+4X2 24
X1+2X2 6
-X1+X2 1
X 2 2
X1; X2 0

Lo que se pretende es establecer el espacio de soluciones factibles y de estas seleccionar la

solucin factible optima; por esto se llama solucin factible ptima. Es importante tener en cuenta
que siempre existirn infinitas soluciones factibles y en estas se encuentra la ptima; que es una
sola.
Cualquier solucin es factible si cumple con todas y cada una de las restricciones, por ejemplo, si
X1=3 y X2=1 toneladas de pintura, es factible porque cumple con todas las restricciones, incluyendo
la de no negatividad.
Para comprobar esto sustituimos los valores de las variables en cada una de las restricciones, as:
6(3) + 4(1) 24; 22 24
(3) + 2(1) 6; 56
-(3) + (1) 1; -2 1
(1) 2; 1 2
(X 1= 3); (X2 =1) 0
En la programacin lineal todas las ecuaciones o funciones deben ser lineales y para cumplir con
esto se requiere de dos condiciones:
1. Proporcionalidad; se requiere que la contribucin de las variables de decisin sean proporcionales
a su valor tanto en la fusin objetivo, como en las restricciones. Cualquier condicin que aleje a las
variables de decisin, como son por ejemplo las promociones, no se generan ecuaciones lineales;
debido a que a partir de cierto punto ya no son proporcionales a su valor, como es pague 3 y lleve 4.
2. Aditividad; esta condicin exige que las variables de decisin tengan una contribucin total, igual a
la suma individual de cada variable; tanto en la funcin objetivo como en las restricciones. Por
ejemplo no cumple con esta condicin, cuando dos productos son competidores, es decir cuando las
ventas de un afectan las ventas del otro en sentido contrario, debido a la disponibilidad de
materiales.
4

As pues, tenemos que:

Maximizar: 5 X1 + 4 X2
6 X1 + 4 X2 24
1 X1 + 2 X2 6
-1 X1 + 1 X2 1
0 X1 + 1 X2 2
X1, X2 0
Entonces, para hallar la solucin ptima, pasamos el problema a la forma estndar, aadiendo
variables de exceso, holgura, y artificiales segn corresponda (mostrar/ocultar detalles)
Como la restriccin 1 es del tipo '' se agrega la variable de holgura X3.
Como la restriccin 2 es del tipo '' se agrega la variable de holgura X4.
Como la restriccin 3 es del tipo '' se agrega la variable de holgura X5.
Como la restriccin 4 es del tipo '' se agrega la variable de holgura X6.
Obtenemos que:
Maximizar: 5 X1 + 4 X2 + 0 X3 + 0 X4 + 0 X5 + 0 X6
6 X1 + 4 X2 + 1 X3 = 24
1 X1 + 2 X2 + 1 X4 = 6
-1 X1 + 1 X2 + 1 X5 = 1
0 X1 + 1 X2 + 1 X6 = 2
X1, X2, X3, X4, X5, X6 0
Pasamos la informacin a la Tabla 1. En donde se identifica el nmero pivote.

Tabla 1

Base

Cb

P0

P1

P2

P3

P4

P5

P6

P3

24

P4

P5

-1

P6

-5

-4

As pues, sabiendo que el nmero pivote es el 6, la variable que sale de la base es P3 y la que entra
es P1.
Realizamos las operaciones requeridas para obtener la segunda tabla. As:

Fila pivote (Fila 1)

24 / 6 = 4

6/6=1
4/6=2/3
5

1/6=1/6
0/6=0
0/6=0
0/6=0

2 - (0 * 4) = 2
0 - (0 * 1) = 0
1 - (0 * 2 / 3) = 1
0 - (0 * 1 / 6) = 0
0 - (0 * 0) = 0
0 - (0 * 0) = 0
1 - (0 * 0) = 1

Fila 2:
6 - (1 * 4) = 2
1 - (1 * 1) = 0
2 - (1 * 2 / 3) = 4 / 3
0 - (1 * 1 / 6) = -1 / 6
1 - (1 * 0) = 1
0 - (1 * 0) = 0
0 - (1 * 0) = 0

Fila Z:
0 - (-5 * 4) = 20
-5 - (-5 * 1) = 0
-4 - (-5 * 2 / 3) = -2 / 3
0 - (-5 * 1 / 6) = 5 / 6
0 - (-5 * 0) = 0
0 - (-5 * 0) = 0
0 - (-5 * 0) = 0

Fila 3:
1 - (-1 * 4) = 5
-1 - (-1 * 1) = 0
1 - (-1 * 2 / 3) = 5 / 3
0 - (-1 * 1 / 6) = 1 / 6
0 - (-1 * 0) = 0
1 - (-1 * 0) = 1
0 - (-1 * 0) = 0
Fila 4:

Entonces, obtenemos la Tabla 2 y, en esta identificamos el nuevo nmero pivote.

Tabla 2

Base

Cb

P0

P1

P2

P3

P4

P5

P6

P1

2/3

1/6

P4

4/3

-1/6

P5

5/3

1/6

P6

20

-2/3

5/6

De este modo, se observa que el nuevo nmero pivote es 4/3 y la variable que sale de la base es P4
y la que entra es P2.
Con este nmero pivote, realizamos las operaciones para obtener la nueva tabla. As:

Fila pivote (Fila 2):

2/4/3=3/2

0/4/3=0
4/3/4/3=1
6

-1 / 6 / 4 / 3 = -1 / 8
1/4/3=3/4
0/4/3=0
0/4/3=0
Fila 1:
4 - (2 / 3 * 3 / 2) = 3
1 - (2 / 3 * 0) = 1
2 / 3 - (2 / 3 * 1) = 0
1 / 6 - (2 / 3 * -1 / 8) = 1 / 4
0 - (2 / 3 * 3 / 4) = -1 / 2
0 - (2 / 3 * 0) = 0
0 - (2 / 3 * 0) = 0
Fila 3:
5 - (5 / 3 * 3 / 2) = 5 / 2
0 - (5 / 3 * 0) = 0
5 / 3 - (5 / 3 * 1) = 0
1 / 6 - (5 / 3 * -1 / 8) = 3 / 8
0 - (5 / 3 * 3 / 4) = -5 / 4
1 - (5 / 3 * 0) = 1
0 - (5 / 3 * 0) = 0

2 - (1 * 3 / 2) = 1 / 2
0 - (1 * 0) = 0
1 - (1 * 1) = 0
0 - (1 * -1 / 8) = 1 / 8
0 - (1 * 3 / 4) = -3 / 4
0 - (1 * 0) = 0
1 - (1 * 0) = 1
Fila Z:
20 - (-2 / 3 * 3 / 2) = 21
0 - (-2 / 3 * 0) = 0
-2 / 3 - (-2 / 3 * 1) = 0
5 / 6 - (-2 / 3 * -1 / 8) = 3 / 4
0 - (-2 / 3 * 3 / 4) = 1 / 2
0 - (-2 / 3 * 0) = 0
0 - (-2 / 3 * 0) = 0

Fila 4:

Entonces, para la tabla 3, se obtiene que ya no hay que realizar ms iteraciones, por lo que se
identifica inmediatamente la solucin ptima

Tabla 3

Base

Cb

P0

P1

P2

P3

P4

P5

P6

P1

1/4

-1/2

P2

3/2

-1/8

3/4

P5

5/2

3/8

-5/4

P6

1/2

1/8

-3/4

21

3/4

1/2

Entonces, la solucin ptima es Z= 21

X1= Toneladas diarias producidas de pintura para exteriores = 3
X2= Toneladas diarias producidas de pintura para interiores = 3/2
En consecuencia, se deben producir 3 Ton de pintura de exteriores y 1,5 Ton de pintura para
interiores, para maximizar las utilidades hasta 21 mil dlares.