Programación Lineal

INVESTIGACIN DE OPERACIONES
PROGRAMACIN
LINEAL
1
Contenido
o Programacin Lineal: Introduccin, Descripcin matemtico del

Modelo, Planteamiento de Problemas en trminos de
Programacin Lineal.
o Casos de aplicacin
Por: Aracelli Pomape

INVESTIGACION DE OPERACIONES
Optimizacin
o La optimizacin (tambin denominada programacin matemtica) intenta dar
respuesta a un tipo general de problemas donde se desea elegir el mejor entre
un conjunto de elementos. En su forma ms simple, el problema equivale a
resolver una ecuacin de este tipo:
o Donde
x = (x1,...,xn) es un vector y representa variables de decisin,
f(x) es llamada funcin objetivo y representa o mide la calidad de las decisiones

(usualmente nmeros enteros o reales) y
es el conjunto de decisiones factibles o restricciones del problema.
o Algunas veces es posible expresar el conjunto de restricciones como solucin

de un sistema de igualdades o desigualdades.
3
Optimizacin
Tomar una serie de decisiones que lleven a los mejores resultados posibles en los
criterios de desempeo de un sistema
4
Un problema de optimizacin trata entonces de tomar una decisin
ptima para maximizar (ganancias, velocidad, eficiencia, etc.) o
minimizar un critero determinado (costos, tiempo, riesgo, error, etc). Las
restricciones significan que no cualquier decisin es posible.
La investigacin de operaciones, aspira a

determinar la mejor alternativa la ptima de
un problema que requiera la toma de una decisin
con la restriccin de contar con recursos limitados
5
Modelos
Con el propsito de estudiar cientficamente un sistema del mundo real

debemos hacer un conjunto de supuestos de cmo trabaja.
Estos supuestos, que por lo general toman la forma de relaciones

matemticas o relaciones lgicas, constituye un Modelo que es usado
para tratar de ganar cierta comprensin de cmo se comporta un sistema
6
Introduccin a los Modelos de Optimizacin
La construccin de Modelos es un medio que permite analizar

y estudiar problemas; as como tambin examinar diferentes
alternativas de solucin.
Busca la ptima solucin.
OPTIMIZAR: MAXIMIZAR O MINIMIZAR EL OBJETIVO
7 7
Introduccin a los Modelos de Optimizacin
Tenemos los siguientes modelos:
Modelos Descriptivos: Son tiles para pronosticar la conducta de sistemas

pero no pueden identificar el mejor curso de accin que debe tomarse.
Modelos Normativos: Puede contener sub modelos descriptivos, pero

difiere del modelo descriptivo porque es posible determinar un curso de
accin ptimo o mejor. La mayora de modelos normativos estn constituidos
por tres conjuntos bsicos de elementos: (1) Variables de Decisin y
Parmetros (2) Funcin objetivo y (3) Restricciones.
8
1. Variables de Decisin y Parmetros. Las 2. Funcin Objetivo: Define la efectividad del
cantidades desconocidas que deben modelo como funcin de las variables de decisin
determinarse en la solucin del modelo son
las variables de decisin. Parmetro: Son Ejemplo: Si el objetivo es maximizar las utilidades
los valores que describen la relacin entre la totales , entonces la funcin objetivo debe
variables de decisin. Permanecen describir stas en trminos de las variables de
constantes para cada problema. decisin
Ejemplo: Variable de Decisin: Cantidad de Z = 4X1 +5X2 describe las utilidades en trminos
un determinado producto que debe de las variables de decisin, suponiendo que se
elaborarse en una operacin de produccin sabe que se obtiene una utilidad de $ 4.00 por
en la que podran fabricarse diversos cada X 1 y $. 5.00 por cada X 2.
productos a partir del mismo recurso bsico. 3. Restricciones. Para incluir las limitaciones
Parmetro: Las horas de mano de obra que fsicas que ocurren en el problema cuyo
se requiere para fabricar una unidad de un modelo se plantea, dicho modelo debe
producto determinado incluir cualesquiera restricciones que limiten
las variables a valores permisible
(factibles).Por lo general se expresan como
funciones matemticas.
Ejemplo: Por ejemplo, si suponemos que X1
y X2 ( variables de decisin) representan el
nmero de unidades de dos productos que
se est considerando fabricar y a1 y a2
(parmetros) son los respectivos
requerimientos unitarios de materias primas
para fabricar los productos y si se seala
que la cantidad total disponible de materia
prima es b, la funcin correspondiente de
restriccin podra expresarse como
a 1 x1 + a 2 X 2 b 9
Programacin Lineal (PL)
La programacin lineal es una tcnica matemtica relativamente
reciente (siglo XX), que consiste en una serie de mtodos y
procedimientos que permiten resolver problemas de optimizacin en el
mbito, sobre todo, los campo del saber humano, entre ellos la
Administracin.
10
Un problema de programacin lineal con dos variables tiene por

finalidad optimizar (maximizar o minimizar) una funcin lineal (FO:
funcion objetivo).
Sujeta a Restricciones (Limitantes) expresadas en forma de

inecuaciones o ecuaciones.
11
CASO DE ESTUDIO 1: PRODUCCIN DE
ESTRUCTURAS DE ALUMNIO
Suponga que se tiene un proceso de produccin

en el que pueden fabricarse tres tipos de
estructuras de aluminio. El nico recurso
limitado para esa operacin es la mano de obra;
existen disponibles 400 horas hombre de
mano de obra por semana. De experiencias
pasadas, se sabe que la primera estructura,
requiere 8 horas de mano de obra por unidad
fabricada y la segunda estructura requiere 4
horas por unidad, y de la misma manera, la
tercera estructura 2 horas por unidad.
12
Si se supone por un momento que existe una cantidad ilimitada de
mano de obra, si utilizamos X1 para representar el nmero de unidades
de la primera estructura que se fabricar, X2 para el representar el
nmero de unidades de la segunda estructura y X3 el nmero de
unidades de la tercera estructura, entonces la expresin siguiente sera
un modelo descriptivo de los requerimientos totales de mano de obra:
8X1 + 4X2 + 2X3 ( Ecuacin N 1)
Pero ya sabemos que solo hay disponibles 400 horas hombre de mano
de obra; por tanto, la relacin funcional en realidad es:
8X1 + 4X2 + 2X3 400 ( Ecuacin N 2)
13
Puede hacerse alguna afirmacin acerca del problema cualquier modelo;
sin embargo, en este punto no hay manera de determinar el mejor curso
de accin
Caso I: La ecuacin 1, si se consideran ciertos valores de X 1, X2 y X3;

entonces es posible pronosticar el total de mano de obra que se requiere.
Caso II: La ecuacin 2, es fcil calcular el nmero mximo de unidades de

cada estructura que podran fabricarse (50, 100, 200), suponiendo que no
se fabrica ninguna unidad de los otros dos productos.
14
Suponga que adems de los datos iniciales que se proporcionan, se seala que la
primera estructura contribuye con $12 por unidad a las utilidades, la segunda
estructura, contribuye con $10 por unidad y la tercera estructura, contribuye con $ 8
por unidad
A partir de estos datos, puede desarrollarse un modelo descriptivo para las utilidades
totales, Z ; esto se expresa de la siguiente manera:
Z = 12 X1 + 10 X2 + 8 X3 ( Ecuacin N 3 )
15
Al igual que en el caso del modelo ( Ecuacin N 1), puede emplearse
este modelo para pronosticar las utilidades slo si se proporcionan
ciertos valores de X1,X2 y X3. Pero si se combinan los Modelos
( Ecuacin 2 ) y ( Ecuacin 3), y se supone que el objetivo es
maximizar la utilidades, entonces se tiene un modelo Normativo. El
Modelo sera:
Maximizar : Z = 12 X1 + 10 X2 + 8 X3
Sujeto a : 8X1 + 4X2 + 2X3 400 (Ecuacin N 4)

X1 ,X2 ,X3 0
Lo que se pretende en este punto es resolver el modelo para obtener

los valores de X1, X2 y X3 que den como resultado el mayor valor de Z.
16
Ejemplo 1.
Supongamos que se dispone de determinadas piezas para la elaboracin de dos
productos finales. Se dispone de 8 piezas pequeas y 6 piezas grandes, que son
utilizadas para elaborar sillas (usando 2 piezas pequeas y 1 pieza grande) y mesas
(usando 2 piezas de cada tipo).
Interesa decidir cuntas sillas y mesas fabricar de modo de obtener la mxima

utilidad, dado un beneficio neto de U$ 15 por cada silla y de U$20 por cada mesa
fabricada.
Construir un modelo matemtico para hallar la mejor solucin factible a ste

Problema, indicando : (1) Variables de Decisin, (2) Funcin Objetivo y (3)
Restricciones
17
Posibles soluciones factibles a considerar, esto es soluciones que respetan
las restricciones del nmero de piezas disponibles, son por ejemplo,
fabricar:
4 sillas, que reportan una utilidad de U$60

1 sillas y 2 mesas , utilidad de U$55
3 mesas, utilidad de U$60
1 mesa y tres sillas, utilidad de U$65
2 sillas y 2 mesas, utilidad de U$70
oUn modelo matemtico para hallar la mejor solucin factible a este

problema tiene tres componentes bsicas:
i) Las variables de decisin, que consiste en definir cules son las

decisiones que se debe tomar. En el ejemplo,
x: nmero de sillas elaboradas.

y: nmero de mesas elaboradas.
18
ii) La funcin objetivo del problema, que permita tener un
criterio para decidir entre todas las soluciones factibles. En el
ejemplo, maximizar la utilidad dada por:
z = f(x,y) = 15x + 20y
iii) Restricciones del problema, que consiste en definir un

conjunto de ecuaciones e inecuaciones que restringen los
valores de las variables de decisin a aquellos considerados
como factibles. En el ejemplo, respetar la disponibilidad de
piezas para la fabricacin de sillas y mesas:
Piezas pequeas: 2x + 2y 8
Piezas grandes : x + 2y 6
Tambin se impone restricciones de no negatividad:

x,y 0
19
En resumen: Max 15x + 20y
sa: 2x + 2y 8
x + 2y 6
x,y 0
El ejemplo corresponde a un modelo de Programacin Lineal.

Si adems restringimos los valores de x e y a nmeros
enteros, tendramos un modelo de Programacin Entera. Por
otra parte, si hubiese retornos crecientes a escala,
deberamos emplear una funcin objetivo no lineal como f(x,y)
= cx a + dy b con a,b >1, y tendramos un modelo de
Programacin No Lineal.
20
Mtodos para la solucin de un Problemas de
Para resolver adecuadamente problemas de programacin lineal se utiliza

diferentes mtodos, dependiendo de la complejidad del problema . Estos
Mtodos son:
1) Mtodo Grfico
2) Mtodo Analtico
3) Mtodo Computacional.
21
Programacin Lineal (PL)*
1) Mtodo Grfico.
Son cuatro los pasos que deben seguirse para resolver la forma grfica un
problema. Primero plantearemos esos pasos y despus los ilustraremos.
Los pasos son:
1.1. Plantear en forma matemtica el problema

1.2. Graficar o trazar las restricciones
1.3. Graficar la funcin objetivo.
1.4. Determinar los valores de las variables en el punto optimo.
(*) Las soluciones de un problema de Programacin Lineal son puntos.
22
1) Mtodo Grfico.
1.1.1. Definir las variables de Decisin
1.1.2. Plantear en trminos matemticos la funcin objetivo
1.1.3. Plantear en trminos matemticos las restricciones sobre los recursos.
1.2.1. Regin No Negativa: Se encuentra a la derecha del eje Y ( X2) y

por encima del eje X ( X1)
Regin No Negativa
23
1) Mtodo Grfico.
1.2.2. Regin Factible : Es la que satisface en forma simultnea las
restricciones.
40
R3
30
R2
20
10
R1
0 10 20 30 40 X
24
1) Mtodo Grfico.
1.2.3. Isoutilidad : Es el proceso de trazar la funcin objetivo.
40
R3
30
R2 Z = recta de Isoutilidad
20
10
R1
0 10 20 30 40 X
25 25
1) Mtodo Grfico.
* Para maximizar debe

encontrarse la recta de
isoutilidad ms alejada del
origen pero que se
mantenga en contacto
con la regin factible.
* Para minimizar debe

encontrarse la recta de
isoutilidad ms cercana del
origen pero que se
mantenga en contacto con la
regin factible.
26 26
1) Mtodo Grfico.
Una solucin optima para un problema de PL siempre ocurre en un punto ubicado
en un vrtice de la regin factible ( Hay que tener en cuenta la funcin objetivo).
Y
40
R3
30
Punto Optimo
R2
20
10
R1
0 10 20 30 40 X
27
1) Mtodo Grfico.
Ejemplo 1: Resolucin grfica de problemas de PL.

Consideremos el siguiente problema a resolver grficamente:
Max z = 3x1 + 5x2

sa: x1 4
2x2 12
3x1 + 2x2 18
x1,x2 0
28
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
a) Variables de Decisin: x1 , x2
b) Funcin Objetivo: Max Z = 3x1 + 5x2
c) Restricciones:
x1 4 (R1)
2x2 12 (R2)
3x1 + 2x2 18 (R3)
x1,x2 0
29
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
R1: X1 = 4
R2: X2 = 6
Regin
Factible
R3: 3X1 + 2X2 = 18
30
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
Z: 3X1 + 5X2 = 15
31 31
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
Cmo hallar los vrtices?
R1: X1 = 4
R3: 3X1 + 2X2 = 18
Vrtice C
Vrtice B (X1, X2)
(0,6) R2: X2 = 6
Vrtice D
(X1, X2)
Vrtice A
(0,0) Vrtice E
(4, 0)
32
1) Mtodo Grfico. SOLUCION EJEMPLO 1
Los vrtices de un problema de dos variables pueden encontrarse
tomando pares de restricciones o condiciones de no negatividad y
resolvindolas como ecuaciones simultaneas
1. Por ejemplo el punto A se encuentra resolviendo X1 = 0 ; X2 = 0
2. Por ejemplo el punto B se encuentra X1 = 0 ; X2 = 6
3. Por ejemplo el punto C se encuentra resolviendo simultneamente

R2 y R3
2x2 12 (R2)
X1 = 2 ; X2 = 6
3x1 + 2x2 18 (R3)
4. Por ejemplo el punto D se encuentra resolviendo simultneamente
R1 y R3
x1 4 (R1)
3x1 + 2x2 18 (R3) X1 = 4 ; X2 = 3
5. Por ejemplo el punto E se encuentra X1 = 4 ; X2 = 0

33
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
Tabla 1. Vrtices factibles
A los vrtices factibles se reemplazan en:

Funcin Objetivo: Mx. Z = 3x1 + 5x2
(Utilidad)
Vrtice Produccin Produccin Utilidad

(X1) (X2)
A 0 0 0
B 0 6 30
C 2 6 36
D 4 3 27
E 4 0 12
34
1) Mtodo Grfico.
SOLUCION EJEMPLO 1
Conclusiones:
La solucin ptima es X 1 = 2 , X 2 = 6 con Z = 36.

35
1) Mtodo Grfico.
Ejemplo 2: PLANTA CONCENTRADORA DE ALIMENTO.

La AGRO PECH es una planta concentradora de alimento.
Esta planta concentra 2 tipos de alimento; se han definido las variables de decisin
como:
X1=(cantidad optima de toneladas a producir del alimento1-A1)
X2 = ( cantidad optima de toneladas a producir del alimento 2 - A2 )
Los valores que se calcularon para la contribucin de las utilidades de AGRO PECH,
se plantea a partir de que por cada tonelada de A1 se tiene una utilidad de $ 18.5 y
por cada tonelada de A2 se tiene una utilidad de $20.
Para plantear las restricciones a este problema es preciso informar que cada
producto que se fabrica esta compuesto por tres ingredientes: Maz, alfalfa y
Nicovita.
En trminos matemticos la relacin para el uso de Maz es: 0.05 X1 + 0.05 X2 1100
En trminos matemticos la relacin para el uso de alfalfa es: 0.05 X1 + 0.10 X2 1800
En trminos matemticos la relacin para el uso de nicovita es: 0.10 X1 + 0.05 X2 2000
Proponer un modelo matemtico y con una solucin grfica encuentre el punto
optimo de produccin que genere la mxima utilidad a la planta AGRO PECH.
36
SOLUCION
a) Variables de Decisin: x1 , x2
b) Funcin Objetivo: Max Z = 18.5x1 + 20x2
c) Restricciones:
0.05 X1 + 0.05 X2 1100 (R1)
0.05 X1 + 0.10 X2 1800 (R2)
0.10 X1 + 0.05 X2 2000 (R3)
x1,x2 0
37
SOLUCION
X2
40
R3: 0.10X1 + 0.05X2 = 2000

30
R1: 0.05X1 + 0.05X2 =1100

20
R2: 0.05X1 + 0.10X2 = 1800

10
0 10 20 30 40 X1
0.05 X1 + 0.05 X2 1100 (R1) 0.05 X1 + 0.10 X2 1800 (R2) 0.10 X1 + 0.05 X2 1800 (R3)
X1 = 22000 X2 = 22000 X1 = 36000 X2 = 18000 X1 = 20000 X2 = 40000 38
SOLUCION
Vrtice B Vrtice C
(0,18) (X1, X2)
Vrtice D
(X1, X2)
Vrtice A
(0,0)
Vrtice E
(20, 0)
39
1. Por ejemplo el punto A se encuentra resolviendo X1 = 0 ; X2 = 0

2. Por ejemplo el punto B se encuentra X1 = 0 ; X2 = 18
3. Por ejemplo el punto C se encuentra resolviendo simultneamente

R1 y R2
0.05 X1 + 0.05 X2 1100 (R1)
X1 = 8000 ; X2 = 14000
0.05 X1 + 0.10 X2 1800 (R2)
4. Por ejemplo el punto D se encuentra resolviendo simultneamente
R1 y R3
0.05 X1 + 0.05 X2 1100 (R1)
0.10 X1 + 0.05 X2 2000 (R3) X1 = 18000 ; X2 = 4000
5. Por ejemplo el punto E se encuentra X1 = 20 ; X2 = 0
40
Tabla 1. Vrtices factibles
A los vrtices factibles se reemplazan en:

Funcin Objetivo: Mx. Z = 18.5x1 + 20x2
(Utilidad)
Vrtice Produccin Produccin Utilidad

(X1) (X2)
A 0 0 0
B 0 18 000 $360 000
C 8000 14000 $ 428 000
D 18000 4000 $ 413 000
E 200000 0 $ 370 000
41
(8 , 14)
Z = $ 428 000
42
QU HEMOS VISTO?
o Importancia y Panorama de aplicaciones.
o Programacin Lineal: Introduccin, Descripcin matemtico del
Modelo, Planteamiento de Problemas en trminos de
Programacin Lineal.
o Casos de aplicacin

BIBLIOGRAFIA :
Estimado estudiante, debe revisar los siguientes textos que se encuentran en la
biblioteca de su Universidad:
No existe gran talento

Sin gran voluntad
Joseph Conrad (1857-1924)

Programación Lineal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Programación Lineal

Cargado por

Copyright:

Formatos disponibles

INVESTIGACIN DE OPERACIONES

o Programacin Lineal: Introduccin, Descripcin matemtico del

Por: Aracelli Pomape

x = (x1,...,xn) es un vector y representa variables de decisin,

f(x) es llamada funcin objetivo y representa o mide la calidad de las decisiones

es el conjunto de decisiones factibles o restricciones del problema.

o Algunas veces es posible expresar el conjunto de restricciones como solucin

La investigacin de operaciones, aspira a

Con el propsito de estudiar cientficamente un sistema del mundo real

Estos supuestos, que por lo general toman la forma de relaciones

La construccin de Modelos es un medio que permite analizar

Busca la ptima solucin.

OPTIMIZAR: MAXIMIZAR O MINIMIZAR EL OBJETIVO

Tenemos los siguientes modelos:

Modelos Descriptivos: Son tiles para pronosticar la conducta de sistemas

Modelos Normativos: Puede contener sub modelos descriptivos, pero

Un problema de programacin lineal con dos variables tiene por

Sujeta a Restricciones (Limitantes) expresadas en forma de

Suponga que se tiene un proceso de produccin

8X1 + 4X2 + 2X3 ( Ecuacin N 1)

8X1 + 4X2 + 2X3 400 ( Ecuacin N 2)

Caso I: La ecuacin 1, si se consideran ciertos valores de X 1, X2 y X3;

Caso II: La ecuacin 2, es fcil calcular el nmero mximo de unidades de

Sujeto a : 8X1 + 4X2 + 2X3 400 (Ecuacin N 4)

Lo que se pretende en este punto es resolver el modelo para obtener

Interesa decidir cuntas sillas y mesas fabricar de modo de obtener la mxima

Construir un modelo matemtico para hallar la mejor solucin factible a ste

4 sillas, que reportan una utilidad de U$60

oUn modelo matemtico para hallar la mejor solucin factible a este

i) Las variables de decisin, que consiste en definir cules son las

x: nmero de sillas elaboradas.

z = f(x,y) = 15x + 20y

iii) Restricciones del problema, que consiste en definir un

Tambin se impone restricciones de no negatividad:

El ejemplo corresponde a un modelo de Programacin Lineal.

Para resolver adecuadamente problemas de programacin lineal se utiliza

1.1. Plantear en forma matemtica el problema

(*) Las soluciones de un problema de Programacin Lineal son puntos.

1.2. Graficar o trazar las restricciones

1.2.1. Regin No Negativa: Se encuentra a la derecha del eje Y ( X2) y

* Para maximizar debe

* Para minimizar debe

Ejemplo 1: Resolucin grfica de problemas de PL.

Max z = 3x1 + 5x2

b) Funcin Objetivo: Max Z = 3x1 + 5x2

3. Por ejemplo el punto C se encuentra resolviendo simultneamente

3x1 + 2x2 18 (R3) X1 = 4 ; X2 = 3

5. Por ejemplo el punto E se encuentra X1 = 4 ; X2 = 0

A los vrtices factibles se reemplazan en:

Vrtice Produccin Produccin Utilidad

La solucin ptima es X 1 = 2 , X 2 = 6 con Z = 36.

Ejemplo 2: PLANTA CONCENTRADORA DE ALIMENTO.

b) Funcin Objetivo: Max Z = 18.5x1 + 20x2

R3: 0.10X1 + 0.05X2 = 2000

R1: 0.05X1 + 0.05X2 =1100

R2: 0.05X1 + 0.10X2 = 1800

Cmo hallar los vrtices?

1. Por ejemplo el punto A se encuentra resolviendo X1 = 0 ; X2 = 0

3. Por ejemplo el punto C se encuentra resolviendo simultneamente

5. Por ejemplo el punto E se encuentra X1 = 20 ; X2 = 0

A los vrtices factibles se reemplazan en:

Vrtice Produccin Produccin Utilidad

B 0 18 000 $360 000

C 8000 14000 $ 428 000