¿Qué es la programación lineal ?

En infinidad de aplicaciones de la industria, la economía, la estrategia militar,

etc... Se presentan situaciones en las que se exige maximizar o minimizar
algunas funciones que se encuentran sujetas a determinadas limitaciones, que
llamaremos restricciones.

La Programación Lineal (PL) es una de las principales ramas de la

Investigación Operativa. En esta categoría se consideran todos aquellos
modelos de optimización donde las funciones que lo componen, es decir,
función objetivo y restricciones, son funciones lineales en las variables de
decisión.

Los modelos de Programación Lineal por su sencillez son frecuentemente

usados para abordar una gran variedad de problemas de naturaleza real en
ingeniería y ciencias sociales, lo que ha permitido a empresas y
organizaciones importantes beneficios y ahorros asociados a su utilización.

Un modelo de Programación Lineal (PL) considera que las variables de decisión tienen
un comportamiento lineal, tanto en la función objetivo como restricciones del problema. En
este sentido, la Programación Lineal es una de las herramientas más utilizadas en la
Investigación Operativa debido a que por su naturaleza se facilitan los cálculos y en general
permite una buena aproximación de la realidad.

Los Modelos Matemáticos se dividen básicamente en Modelos Determistas (MD) o

Modelos Estocásticos (ME). En el primer caso (MD) se considera que los parámetros
asociados al modelo son conocidos con certeza absoluta, a diferencia de los Modelos
Estocásticos, donde la totalidad o un subconjunto de los parámetros tienen una distribución
de probabilidad asociada. Los cursos introductorios a la Investigación Operativa
generalmente se enfocan sólo en Modelos Determistas.
Supuestos Básicos de la Programación Lineal: Linealidad, Modelos Deterministas,
Variables reales, No Negatividad.

APLICACIONES

1. Problema de la Dieta: (Stigler, 1945). Consiste en determinar una dieta de manera

eficiente, a partir de un conjunto dado de alimentos, de modo de satisfacer requerimientos
nutricionales. La cantidad de alimentos a considerar, sus características nutricionales y los
costos de éstos, permiten obtener diferentes variantes de este tipo de modelos. Por ejemplo:

Leche Legumbre Naranjas Requerimientos

(lt) (1 porción) (unidad) Nutricionales
Niacina 3,2 4,9 0,8 13
Tiamina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Costo 2 0,2 0,25

Variables de Decisión:

 X1: Litros de Leche utilizados en la Dieta

 X2: Porciones de Legumbres utilizadas en la Dieta
 X3: Unidades de Naranjas utilizadas en la Dieta

Función Objetivo: (Minimizar los Costos de la Dieta) Min 2X1 + 0,2X2 + 0,25X3
Restricciones: Satisfacer los requerimientos nutricionales

 Niacina: 3,2X1 + 4,9X2 + 0,8X3 >= 13

 Tiamina: 1,12X1 + 1,3X2 + 0,19X3 >=15
 Vitamina C: 32X1 + 0X2 + 93X3 >= 45
 No Negatividad: X1>=0; X2>=0; X3>=0

2. Problema de Dimensionamiento de Lotes: (Wagner y Whitin, 1958). Consiste en

hallar una polìtica óptima de producción para satisfacer demandas fluctuantes en el tiempo,
de modo de minimizar los costos de producción e inventario, considerando la
disponibilidad de recursos escasos.

Considere que una fabrica puede elaborar hasta 150 unidades en cada uno de los 4 periodos
en que se ha subdividido el horizonte de planificación y se tiene adicionalmente la siguiente
información:

Costo de
Demandas Costo Prod.
Periodos Inventario
(unidades)(US$/unidad)
(US$/unidad)
1 130 6 2
2 80 4 1
3 125 8 2.5
4 195 9 3

Adicionalmente considere que se dispone de un Inventario Inicial de 15 unidades y no se

acepta demanda pendiente o faltante, es decir, se debe satisfacer toda la demanda del
período.

Variables de Decisión:

 Xt: Unidades elaboradas en el período t (Con t =1,2,3,4)

 It: Unidades en inventario al final del período t (Con t =1,2,3,4)

Función Objetivo: (Minimizar los Costos de Producción e Inventarios) Min 6X1 + 4X2 +
8X3 + 9X4 + 2I1 + 1I2 + 2,5I3+ 3I4

Restricciones:

 Capacidad de Producción por Período: Xt <= 150 (Con t =1,2,3,4)

 Satisfacer Demanda Período 1: X1 + I0 - I1 = 130 (I0 = 15)
 Satisfacer Demanda Período 2: X2 + I1 - I2 = 80
 Satisfacer Demanda Período 3: X3 + I2 - I3 = 125
 Satisfacer Demanda Período 4: X4 + I3 - I4 = 195
 No Negatividad: Xt >=0, It >=0
Solución Óptima utilizando Solver de MS Excel (Para ver una aplicación de esta
herramienta ingrese AQUI): X1=115, X2=150, X3=100, X4=150, I1=0, I2=70, I3=45,
I4=0. Valor Óptimo V(P)=3.622,5

PREGUNTAS FRECUENTES (FAQ)

1. ¿Cómo puedo constatar que un problema de Programación Lineal tiene infinitas
soluciones?
R: Un problema de PL tiene infinitas soluciones si en la tabla final del Método Simplex un
costo reducido asociado a una variable no básica igual a cero.

2. Utilizando el Método Simplex de 2 Fases, ¿Cómo compruebo que el problema

asociado es infactible?
R: Esto se comprueba si el valor de la función objetivo terminada la Fase I es distinto de
cero.

3. ¿Puede existir una restricción activa con precio sombra asociado igual a cero?
R: Si. Sin embargo, este caso es más la excepción que la regla.

4. ¿Es incorrecto considerar como variable que entra a la base alguna variable no
básica con costo reducido negativo, pero no el "más negativo" de todos? (Método
Simplex)
R: No es incorrecto. En general, se utiliza como criterio seleccionar como variable entrante
a la base aquella variable no básica con costo reducido más negativo, de modo de que en
menos iteraciones podamos alcanzar el óptimo en caso que éste exista (rapidez de
convergencia).

5. Utilizando el Método Simplex, ¿Cómo se puede detectar que un problema de

Programación Lineal es no acotado?
R: Esta situación se detecta cuando al realizar el cálculo de la variable que deja la base,
todos los elementos Ykj de la columna j en la tabla son negativos, para j el índice de una
variable no básica con costo reducido negativo.

6. Si el problema Dual asociado a un modelo de Programación Lineal es no acotado,

¿Qué situación se verifica con el modelo Primal?
R: Si el modelo Dual es no acotado, entonces el Primal es infactible.

7. ¿Cómo se verifica que un problema lineal es infactible?

R: Si todas las entradas en la columna correspondiente a una variable no básica con costo
reducido negativo son negativas o igual a cero.

8. ¿Qué significa que un modelo de programación lineal sea infactible?

R: Básicamente consiste en que no existen valores que puedan adoptar las variables de
decisión de modo que se verifique el cumplimiento de todas las restricciones del modelo.
 http://www.programacionlineal.net/programacion_lineal.html

Para hacernos una idea más clara de estos supuestos, veamos dos ejemplos:

Ejemplo 1: Problema de máximos.

En una granja se preparan dos clases de piensos, P y Q, mezclando
dos productos A y B. Un saco de P contiene 8 kg de A y 2 de B, y un
saco de Q contiene 10 kg de A y 5 de B. Cada saco de P se vende a
300 ptas. y cada saco de Q a 800 ptas. Si en la granja hay
almacenados 80 kg de A y 25 de B, ¿cuántos sacos de cada tipo de
pienso deben preparar para obtener los máximos ingresos?

Ejemplo 2: Problema de mínimos.

Una campaña para promocionar una marca de productos lácteos se
basa en el reparto gratuito de yogures con sabor a limón o a fresa. Se
decide repartir al menos 30000 yogures.
Cada yogur de limón necesita para su elaboración 0.5 gramos de un
producto de fermentación y cada yogur de fresa necesita 0.2 gramos
de este mismo producto. Se dispone de 9 kilogramos de este producto
para fermentación.
El coste de producción de un yogur de limón es de 30 pesetas y 20
pesetas uno de fresa.

En los dos ejemplos descritos está claro que tanto la cantidad que
deseamos maximizar como la cantidad que deseamos minimizar
podemos expresarlas en forma de ecuaciones lineales. Por otra parte,
las restricciones que imponen las condiciones de ambos problemas se
pueden expresar en forma de inecuaciones lineales.

Tratemos de plantear en términos matemáticos los dos ejemplos

anteriores:

1) Si designamos por x al número de sacos de pienso de clase P y por

y el número de sacos de pienso de clase Q que se han de vender, la
función: Z = 300x + 800y representará la cantidad de pesetas
obtenidas por la venta de los sacos, y por tanto es la que debemos
maximizar.
Podemos hacer un pequeño cuadro que nos ayude a obtener las
restricciones:
 Nº kg de A kg de B
P x 8x 2x
Q y 10y 5y
80 25

Por otra parte, las variables x e y, lógicamente, han de ser no

negativas, por tanto: x 0, y 0
Conjunto de restricciones:

8x + 10y 80
2x + 5y 25
x 0, y 0

2) Si representamos por x el número de yogures de limón e y al

número de yogures de fresa, se tiene que la función de coste es

Z = 30x + 20y.
Por otra parte, las condiciones del problema imponen las siguientes
restricciones:

 De número : x + y 80
 De fermentación: 0.5x + 0.2y 9000
 Las variables x e y han de ser, lógicamente, no negativas; es
decir: x 0, y 0

Conjunto de restricciones:

x + y 80
0.5x + 0.2y 9000
x 0, y 0

En definitiva:

Se llama programación lineal al conjunto de técnicas matemáticas

que pretenden resolver la situación siguiente:
Optimizar (maximizar o minimizar) una función objetivo, función
lineal de varias variables, sujeta a:
una serie de restricciones, expresadas por inecuaciones lineales.

Un problema de programación lineal en dos variables, tiene la

siguiente formulación estándar:

puediendo cambiarse maximizar por minimizar, y el sentido de las

desigualdades.

En un problema de programación lineal intervienen:

 La función f(x,y) = ax + by + c llamada función objetivo y que

es necesario optimizar. En esa expresión x e y son las variables
de decisión, mientras que a, b y c son constantes.
 Las restricciones que deben ser inecuaciones lineales. Su
número depende del problema en cuestión. El carácter de
desigualdad viene impuesto por las limitaciones, disponibilidades
o necesidades, que son: inferiores a... (menores: < o ); como
mínimo de ... (mayores: > o ) . Tanto si se trata de maximizar
como de minimizar, las desigualdades pueden darse en
cualquiera de los dos sentidos.
 Al conjunto de valores de x e y que verifican todas y cada una de
las restricciones se lo denomina conjunto (o región) factible.
Todo punto de ese conjunto puede ser solución del problema;
todo punto no perteneciente a ese conjunto no puede ser
solución. En el apartado siguiente veremos cómo se determina la
región factible.
 La solución óptima del problema será un par de valores (x0, y0)
del conjunto factible que haga que f(x,y) tome el valor máximo o
mínimo.

En ocasiones utilizaremos las siglas PPL para indicar problema de

programación lineal.
Determinación de la región factible

La solución de un problema de programación lineal, en el supuesto de que

exista, debe estar en la región determinada por las distintas desigualdades.
Esta recibe el nombre de región factible, y puede estar o no acotada.

Región factible acotada Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las
desigualdades sean en sentido amplio ( o ) o en sentido estricto (< o >).

Si la región factible está acotada, su representación gráfica es un polígono

convexo con un número de lados menor o igual que el número de
restricciones.

El procedimiento para determinar la región factible es el

siguiente:

1) Se resuelve cada inecuación por separado, es decir, se encuentra el

semiplano de soluciones de cada una de las inecuaciones.

 Se dibuja la recta asociada a la inecuación. Esta recta divide al plano

en dos regiones o semiplanos
 Para averiguar cuál es la región válida, el procedimiento práctico
consiste en elegir un punto, por ejemplo, el (0,0) si la recta no pasa por
el origen, y comprobar si las coordenadas satisfacen o no la
inecuación. Si lo hacen, la región en la que está ese punto es aquella
cuyos puntos verifican la inecuación; en caso contrario, la región
válida es la otra.

2) La región factible está formada por la intersección o región común de las

soluciones de todas las inecuaciones.

Como sucede con los sistemas de ecuaciones lineales, los sistemas de

inecuaciones lineales pueden presentar varias opciones respecto a sus
soluciones: puede no existir solución, en el caso de que exista el conjunto
solución puede ser acotado o no.
Veámoslo con un ejemplo:

Dibuja la región factible asociada a las restricciones:

x+y 4
y 4
y x

Las rectas asociadas son: r: x + y = 4; s: y = 4, t: y = x

Elegimos el punto O(0,0), que se

encuentra en el semiplano situado
Procedemos como en el paso
por debajo de la recta. Introduciendo
anterior. Las coordenadas (0,0)
las coordenadas (0,0) en la
satisfacen la inecuación y 4 ( 0 4)
inecuación x + y 4, vemos que no
. Por tanto, el conjunto de soluciones
la satisface: 0 + 0 = 0 < 4 . Por tanto,
de la inecuación es el semiplano que
el conjunto de soluciones de la
incluye al punto O.
inecuación es el semiplano situado
por encima de la recta r : x + y = 4 .
La recta t asociada a la rectricción
pasa por el origen, lo cual significa
que si probásemos con el punto
O(0,0) no llegaríamos a ninguna La región factible está formada por
conclusión. Elegimos el punto (1,0) y los puntos que cumplen las tres
vemos que no satisface la restricciones, es decir, se
inecuación y x (y = 0 < 1 = x). Por encuentran en los tres semiplanos
tanto, el conjunto solución de esta anteriores.
inecuación es el semiplano
determinado por la recta t que no
incluye al punto (1,0).

http://thales.cica.es/rd/Recursos/rd98/Matematicas/29/
matematicas-29.html