Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMACION LINEAL
Se aplica a modelos de optimización en los que las funciones objetivo y restricciones son
estrictamente lineales. La técnica se aplica a una amplia variedad de casos en los campos de
agricultura, industria, transporte, economía, salud, ciencias sociales y de la conducta, y militar.
Es un medio matemático que permite asignar una cantidad fija de recursos a la satisfacción de
varias demandas de tal forma que mientras optimiza algún objetivo (maximizar la ganancia) se
satisface otras condiciones definidas (no exceder capacidades de trabajo por departamento)
Se explicará la solución gráfica de una programación lineal con dos variables, aunque en la práctica
casi no existen problemas con dos variables, esta solución gráfica permite tener una perspectiva
del desarrollo del modelo simplex.
Aspectos relevantes de PL
• Debe cuidarse que los elementos componentes del modelo sean expresados para el
mismo período de tiempo.
• Se debe estipular que las variables de decisión sean mayores o iguales a cero. Esto acerca
el modelo a la realidad. En los programas de computadora para resolver modelos lineales,
ya está incluida esta condición y no hace falta incorporarla manualmente.
F(x) = CX = ∑ CiXi
Xj, simboliza matemáticamente a las variables de decisión. Son los valores numéricos que se
determinan con la solución del modelo y representan o están relacionadas con una actividad o
acción a tomar. Son los únicos valores desconocidos en el modelo y pueden existir en cualquier
cantidad, desde 1 hasta n variables. Es decir, j varía desde 1 hasta n.
Las restricciones, desde el punto de vista matemático, son funciones lineales expresadas como
igualdades o desigualdades, que limitan el valor de las variables de decisión a valores permisibles.
Representan recursos, condiciones o requerimientos establecidos. Las restricciones del Modelo
Lineal general tienen la forma siguiente:
Cuando la limitación es de un recurso i, estos coeficientes representan la cantidad del recurso total
limitado i, que es utilizada en cada unidad de la variable j. Cuando la limitación es de un
requerimiento o condición i, representan la cantidad del requerimiento o condición i limitada, que
aporta cada unidad de la variable j, al requerimiento o condición total establecida. Son, por ello,
valores unitarios, al igual que los coeficientes de las variables en la Función Objetivo
EJEMPLO
Una empresa fabrica los productos A, B y C y puede vender todo lo que produzca a los siguientes
precios: A, $ 700, cada unidad; B, $ 3.500; C, $ 7.000.
Producir cada unidad de A necesita 1 hora de trabajo, 2 horas de acabado y 3 unidades de materia
prima.
Producir una unidad de B necesita 2 horas de trabajo, 3 horas de acabado y 2.5 unidades de
materia prima.
Producir una unidad de C necesita 3 horas de trabajo, 1 hora de acabado y 4 unidades de materia
prima.
Para este período de planificación están disponibles 100 horas de trabajo, 200 horas de acabado y
600 unidades de materia prima.
Formule y Construya el Modelo Lineal respectivo:
FORMULACION Y CONSTRUCCION DEL MODELO
El proceso para trabajar con el Método Gráfico sigue los pasos siguientes:
• a) Graficar las restricciones como igualdades y luego determinar el área correspondiente a
la desigualdad, sombreando el espacio correspondiente.
• b) Determinar el área común a todas las restricciones.
• c) Evaluar la Función Objetivo en cada punto extremo del espacio de soluciones posibles.
El punto o los puntos extremos en el que se obtenga el mejor valor, determinarán la solución del
modelo
Al conjunto convexo de solución se le llama región de soluciones posibles, porque todos los puntos
de esa región satisfacen TODAS las restricciones del modelo.
Un modelo tiene solución óptima UNICA cuando sólo una combinación de variables proporciona el
mejor valor para el objetivo; se reconoce en el gráfico porque un único punto extremo provee el
mejor valor del objetivo o un único punto extremo limita el valor de la recta objetivo
Un modelo tiene soluciones óptimas ALTERNAS cuando más de una combinación de variables
proporciona el óptimo valor del objetivo. Se reconoce en el gráfico porque más de un punto
extremo proporciona el óptimo valor del objetivo o más de un punto extremo limita el valor de la
recta objetivo. La recta objetivo al desplazarse dentro de la región solución cae paralelamente
sobre alguna restricción antes de salir totalmente de la región solución.
Un modelo NO TIENE SOLUCIÓN POSIBLE cuando no hay alguna combinación de variables que
satisfaga todas las restricciones. Se debe a la presencia de restricciones inconsistentes en el
modelo. Se reconocen en el gráfico porque no existe ninguna región común para todas las
restricciones
Un modelo tiene SOLUCIÓN CON VALOR INFINITO cuando hay combinaciones de variables que
proporcionan valor infinito para el objetivo y no hay alguna combinación que limite el valor del
objetivo a un valor finito. Esto se debe a la omisión de restricciones importantes, del sistema, en el
modelo. Estas restricciones limitarían las variables de decisión a valores factibles. Se reconocen en
el gráfico porque el espacio de solución es abierto, no acotado, no limitado y la Función Objetivo
puede moverse dentro de esa región hasta el infinito sin que un punto extremo, con valor finito,
limite su valor
El modelo es formulado por una empresa asesora de inversiones para elaborar la cartera de un
cliente. Las variables X1 y X2 representan la cantidad de acciones Tipo 1 y 2 a comprar para
satisfacer el objetivo establecido de maximizar el retorno anual de esa inversión o compra de
acciones. El monto total disponible para invertir es de $80.000. El riesgo es una medida relativa de
las dos inversiones alternativas. La acción Tipo 1 es una inversión más riesgosa. Limitando el riesgo
total para la cartera, la firma inversora evita colocar montos excesivos de la cartera en inversiones
de retorno potencialmente alto pero de alto riesgo. También se limita el monto de acciones de
mayor riesgo
PLANTEAMIENTO
SOLUCION
Puntos a graficar:
1) x1 = 16 x2 = 48
2) x1 = 40 x2 = 30
3) x1 = 12 x2 = 36
Puntos solución:
A (16, 0) sustituyendo en función objetivo)
Max 6x1 + 2x2
Maz Z = 6(16) + 2(0) = 96
Punto B (8, 24)
Max Z = 6(8) + 2(24) = 96
Punto C (3/8, 28)
Max Z = 6(3/8) + 2(28) = 62
Puno D (12, 0)
Max Z= 6(12) + 2(0) = 72
Los puntos extremos del conjunto convexo son: A(16,0), B(8,24), C(8/3,28) y D(12,0).
Dos puntos extremos proporcionan el máximo valor del objetivo, los puntos A y B. Esto permite
afirmar que existen soluciones óptimas Alternas para este modelo. Son óptimos todos los puntos
sobre el segmento de línea AB que limita el conjunto convexo de solución y corresponden a la
primera restricción.
Puede observarse en el gráfico, que mientras las 3 primeras restricciones delimitan un espacio en
común, las 2 últimas delimitan otro espacio común para ellas. Por lo tanto, no hay una región de
puntos comunes que satisfagan ambos conjuntos de restricciones y el modelo no tendrá solución
posible. En estos casos es necesario determinar cuáles son las restricciones inconsistentes para el
modelo. Es decir, cuáles son realmente válidas para el modelo.
Observe que si las variables X1 y X2 toman el valor mínimo que pueden tomar en las dos últimas
restricciones, es decir X1 = 30 y X2 = 15 entonces la tercera restricción no se cumpliría. Esto es una
inconsistencia.
25 1) A
20
15
10
5 2) B
C X1
5 10 15 20 25
SOLUCION
El espacio de solución obtenido se muestra en el gráfico. Se observa una región abierta con las
soluciones posibles y puntos extremos A, B, C Esto indica que pueden existir combinaciones de
cantidad de gramos de alimento X1 y X2 con valor infinito, en este caso los costos serían infinitos.
Esto es posible porque no se está limitando directamente la cantidad de X1 y X2 en alguna
restricción específica y las restricciones existentes son todas de Tipo ≥.
Solución:
Punto A (0, 2500) punto B (1500, 250) punto C (2000, 0)
Sustituyendo en la función objetivo:
Min 0.06 X1+ 0.05 X2
Punto A Min 0.06 (0)+ 0.05 (2500) = 125
Punto B Min 0.06 (1500) + 0.05 (250) = 102.5
Punto C Min 0.06 (2000) + 0.05 (0) = 120
CASO 5. MODELOS CON SOLUCION DEGENERADA
Min 2500 X + 2200 Y (costos)
Sujeto a:
X + Y ≤ 10 Empleados temporales
300 X + 400 Y ≥3.400 cartas
80 X + 50 Y ≥ 680 paquetes
X, Y ≥ 0
El modelo es formulado por una oficina de correos que puede contratar hasta 10 empleados para
manejar el correo. La oficina conoce que un empleado (hombre) puede manejar 300 cartas y 80
paquetes por día y una empleada (mujer) puede manejar 400 cartas y 50 paquetes en un día. No
menos de 3.400 cartas y de 680 paquetes se esperan por día. A cada empleado hombre (X), se le
paga $ 2.500 por día y a una empleada mujer ( Y) se le paga $ 2.200 por día.
Se quiere determinar la cantidad de hombres (X) y mujeres (Y) que se deben contratar para
satisfacer las restricciones y lograr el objetivo establecido de minimizar los costos de la nómina.
Sustituyendo en la función
objetivo: Min 2500 X + 2200 Y
SOLUCION
Se observa una región de soluciones posibles de un solo punto común para todas las restricciones
y por lo tanto un único punto extremo A. Esto indica que existe una única combinación posible y
además óptima, de cantidad de empleados X y Y que satisface las restricciones y optimiza el
objetivo.