UNIDAD No.

Modelo de Programación Lineal

Wilson K. Casado

Santo Domingo, D.N.

Febrero de 2017
Unidad 2: Modelo de Programación Lineal

Contenido

2. Introducción .........................................................................................................................................3
2.1. Programación Lineal ...........................................................................................................................3
2.1.1. Simbología básica para el modelo de Programación Lineal ........................................................4
2.1.2. Forma general del modelo .................................................................................................................4
2.1.3. Supuestos asociados a la Programación Lineal ............................................................................6
2.1.4. Modelo básico de programación lineal ............................................................................................7
2.2. Método gráfico .....................................................................................................................................7
2.2.1. Conceptos importantes del método gráfico ....................................................................................8
2.2.2. Pasos generales del método gráfico ................................................................................................8
2.2.3. Método gráfico en detalle ..................................................................................................................9
2.3. Bibliografía .........................................................................................................................................10

2
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2. Introducción

Un concepto esencial para la formulación y posterior solución de los problemas cotidianos

de la ingeniería industrial es la programación lineal. Ésta aporta las bases matemáticas que
sirven para la formulación inicial, también sustenta la metodología para el desarrollo del
proceso de iteraciones que permite encontrar una solución conveniente mediante
operaciones Gauss-Jordan. Se puede decir que la mayoría de los algoritmos matemáticos
que se utilizan en los procesos de optimización y toma de decisiones se fundamentan en
los conceptos de programación lineal.

Cabe señalar que los algoritmos que veremos en esta asignatura, tales como el método
simplex o el método de transporte, están basados en la teoría de programación lineal. Por
tanto, en esta segunda unidad vamos a revisar el marco teórico que nos permitirá
comprender el funcionamiento de los algoritmos para posteriormente utilizarlos de forma
adecuada en la solución de problemas.

2.1. Programación Lineal

La programación lineal es la herramienta base que se utiliza en investigación de

operaciones, tal como se describió anteriormente, en la fase 2 de cualquier estudio de
investigación. Específicamente, ayuda en la construcción de un modelo matemático que
representa un problema cotidiano de la vida real, y que luego de formulado se pudiera
resolver el mismo mediante el uso de algún algoritmo conveniente, por ejemplo, el método
simplex que veremos en la siguiente unidad del curso.

Cabe señalar que la palabra programación se refiere a la planeación de las actividades para
obtener un resultado óptimo. Mientras que el elemento lineal obedece a que estos
problemas se componen de elementos físicos, por tanto las funciones que se formulan para
representarlos son lineales (variables con exponente de grado 1).

Tomemos como ejemplo un problema con recursos limitados en donde se tenga que decidir:
¿Qué cantidad se debe producir entre varios productos posibles? Viendo que los productos
son unidades físicas, se van a representar como variables lineales. Por tanto, los problemas
reales que afrontamos normalmente en la industria caen en el ámbito de la programación
lineal. En tal sentido, vamos a profundizar en el marco conceptual básico que necesitamos
para la formulación del modelo.

3
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2.1.1. Simbología básica para el modelo de Programación Lineal

Antes de iniciar con la construcción de un modelo matemático, se deben conocer ciertos

parámetros básicos que conforman la teoría de la programación lineal. En ese sentido, y
como forma de estandarizar los conceptos, a continuación describimos la simbología
general que se utiliza en la formulación de un problema real a un modelo matemático:

Zj = expresa el valor de la medida de desempeño del problema (representa el valor de la

función objetivo para un nivel de actividad dado).

Xj = con este símbolo representamos las variables de decisión, las cuales indican a su vez
el nivel de la actividad j (para j = 1, 2,…, n).

Cj = representa el margen de contribución de la variable, dígase el incremento en Z que se

obtiene al aumentar una unidad en el nivel de la actividad j.

bi = cantidad del recurso i disponible para asignarse en las actividades (para i = 1, 2,…, m).

aij = cantidad del recurso i consumido por cada unidad de la actividad j.

2.1.2. Forma general del modelo

En función de los conceptos descritos en el punto previo, a continuación presentamos un

esquema del modelo matemático construido en su forma general:

𝑀𝑎𝑥𝑖𝑚𝑖𝑧𝑎𝑟 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛

Sujeto a las restricciones:

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
⋮ ⋮ ⋮ ⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚

y 𝑥1 ≥ 0, 𝑥2 ≥ 0, … , 𝑥𝑛 ≥ 0

La terminología de los modelos de programación lineal se puede resumir en los siguientes

puntos:

4
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

La expresión referente a la medida de desempeño del modelo, que representa lo que se

desea maximizar o minimizar, la denominaremos como función objetivo. Esta sirve como
discriminante para determinar cuál nivel de actividad proporciona mejores resultados que
otro. La misma se puede escribir de forma general como:

Max Z = C1X1 + C2X2 + … + CnXn o Min Z = C1X1 + C2X2 + … + CnXn

Como veremos, cualquier problema que se intente analizar, tendrá una de dos
orientaciones. Por un lado, tendremos casos de maximización en donde se persigue
obtener la mayor cantidad de beneficios, y por el otro, los casos de minimización cuyo
objetivo es cumplir con los requerimientos al menor costo posible.

Por otro lado, nos encontramos con las restricciones, las cuales se refieren a las
limitaciones que debe cumplir el modelo. En algunos libros de textos, también se les conoce
como restricciones funcionales o restricciones estructurales. Las “m” restricciones se
construyen empleando las expresiones Ai1X1 + Ai2X2 +…+ AinXn en el lado izquierdo para
reflejar el nivel de utilización del recurso i según el nivel de actividad de las variables.

Mientras que en el lado derecho se muestran los bi, los cuales se refieren a la disponibilidad
del recurso i en el modelo. Y como se refiere a recursos disponibles se pueden establecer
relaciones entre ambos lados, ya sea “menor o igual que” (≤) a los fines de que el consumo
de los recursos según la actividad no puede exceder la disponibilidad. También veremos
relaciones de “mayor o igual que” (≥) cuando se necesite establecer el consumo mínimo del
recurso en cuestión.

Por último, las restricciones Xj ≥ 0 se conocen como restricciones de no negatividad o

condición de no negatividad, la cual limita a que la solución óptima que se encuentre con el
algoritmo seleccionado satisfaga que los valores resultantes de las variables sean
racionales y positivos. En otros tipos de algoritmos, como programación entera, podemos
encontrar exigencias para que los valores resultantes de las variables sean números
enteros y positivos. En definitiva, no se admiten valores negativos, por ejemplo, no tendría
sentido en un modelo de programación de la producción expresar una solución óptima con
un resultado que indique producir unas -20 computadoras. Ese resultado no es factible para
los problemas reales de la industria.

5
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2.1.3. Supuestos asociados a la Programación Lineal

Cabe señalar que un modelo de programación lineal se estructura bajo ciertos supuestos,
los cuales definen las reglas y comportamientos que deben describir los sistemas a fin de
que éstos se puedan modelar, y posteriormente se puedan aplicar los algoritmos basados
en esta metodología para encontrar una solución conveniente. De acuerdo a los autores
Frederick Hillier & Gerald Lieberman, en su libro “Introducción a la Investigación de
Operaciones”, estos supuestos son:

a) Supuesto de proporcionalidad
b) Supuesto de aditividad
c) Supuesto de divisibilidad
d) Supuesto de certidumbre

a) Supuesto de proporcionalidad: se refiere a que el nivel de actividad de cada variable

es proporcional al aporte de esta en la función objetivo. Asimismo, en el marco de las
restricciones funcionales se puede visualizar una relación de proporcionalidad en cuanto
al uso de los recursos y el nivel de actividad de la variable.

b) Supuesto de aditividad: visto el supuesto anterior, éste se asocia a que la suma de las
contribuciones individuales de las actividades respectivas representa de forma global el
valor objetivo por un lado, y en el marco de las restricciones representa la utilización del
recurso dado.

c) Supuesto de divisibilidad: se refiere a que las variables de decisión pueden tomar

valores no enteros, ya que su solución es producto de la utilización de un modelo
matemático. Sin embargo, se debe tomar en cuenta que cuando se trabaja un modelo
real los resultados deben ser enteros, por lo que se deberán hacer ciertos ajustes para
su implementación.

d) Supuesto de certidumbre: para este aspecto se toma en cuenta que durante el

proceso de investigación se deben obtener los valores correspondientes a cada
parámetro del modelo de programación lineal, por tanto, éstas deben ser constantes
conocidas antes de iniciar con la formulación del modelo.

6
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2.1.4. Modelo básico de programación lineal

Tal como se indicó en la primera unidad de clases, los modelos matemáticos de

programación lineal se pueden formular a través de la definición de tres (3) componentes
básicos:

a) Las variables de decisión constituyen lo que se pretende determinar con el

problema, dígase son los elementos que modelan el nivel de actividad, consumiendo
los recursos y generando los beneficios.
b) El objetivo o la meta del problema, se refiere a la medida de desempeño que refleja
lo que se optimiza. Cada problema que se formule tendrá una de dos orientaciones
posibles: maximización o minimización.
c) Las restricciones son el conjunto de relaciones que la solución debe satisfacer; es
decir, los elementos que la solución debe respetar y por tanto no se pueden violentar.
En definitiva, éstas permiten determinar el espacio soluciones factibles del modelo,
tal como veremos a continuación con el método gráfico.

Estos componentes básicamente nos permiten estandarizar los elementos mínimos

necesarios para conformar el modelo matemático.

Antes de continuar con la revisión del método gráfico, te exhorto a que revises la
presentación complementaria con algunos ejemplos de formulación de modelos
matemáticos, la cual está disponible en el apartado de recursos de esta unidad 2.
Básicamente, estaremos aplicando los tres conceptos que acabamos de describir para
representar un problema mediante un modelo matemático.

2.2. Método gráfico

Este método de solución se utiliza cuando se tiene que tomar una acción en función de dos
(2) elementos de decisión. Dígase que el método gráfico se puede aplicar y es eficiente,
cuando el problema se compone únicamente de dos (2) variables sobre las cuales se va a
decidir.

El objetivo es encontrar una solución “mejor qué” (denominada óptima), considerando la

función objetivo o medida de desempeño de la rentabilidad del problema que se estudia.
Tomando en cuenta las restricciones del modelo formulado.

Para tales fines, utilizamos un sistema de ejes cartesianos, donde cada eje representa una
variable. Cabe señalar que solamente se utiliza el primer cuadrante, ya que las variables

7
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

físicas sólo pueden asumir valores racionales positivos. Luego, se plasman las restricciones
del modelo en esos ejes para determinar el espacio de soluciones posibles, y se emplea un
trazado de la pendiente (ángulo de inclinación de la recta) de la función objetivo a los fines
de identificar el punto óptimo, el cual deberá ser un vértice o punto esquina dentro del
espacio solución, el último en tocar el trazado de la función objetivo.

Para finalizar, utilizaremos los conocimientos de álgebra lineal para resolver el sistema de
ecuaciones integrado por las dos (2) restricciones que forman el vértice esquina identificado
como punto óptimo y así encontrar la solución matemática del problema.

2.2.1. Conceptos importantes del método gráfico

Algunos conceptos relevantes que debemos tener presentes para la aplicación del método
gráfico son los siguientes:

Una solución factible se refiere a una solución cualquiera del problema en donde todas
las restricciones del modelo se satisfacen.

Mientras que una solución no factible es una solución en la cual, por lo menos una
restricción se viola, es decir, no se satisface.

Se denominará la región factible o espacio solución al conjunto de todas las soluciones

factibles del modelo, dígase representa todos los puntos en donde todas las restricciones
del modelo se satisfacen.

Por último, se considera solución óptima aquella solución factible que proporciona el valor
más favorable en la función objetivo, dígase el valor máximo posible si el problema es de
maximización o el valor mínimo si es de minimización.

2.2.2. Pasos generales del método gráfico

Tal como se indicó antes, el método gráfico es una alternativa para resolver de forma
sencilla los problemas de programación lineal compuestos por dos (2) variables.

La solución gráfica se puede explicar básicamente con dos grandes pasos:

a) Determinar el espacio de soluciones factibles (región factible).

b) Determinar la solución óptima de entre todos los puntos localizados en el espacio de
soluciones, utilizando un trazado de la pendiente de la función objetivo.

8
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2.2.3. Método gráfico en detalle

A continuación describimos el paso a paso en detalle para aplicar este método gráfico en
la solución de un problema:

1) Realice la formulación del modelo: variables, función objetivo y restricciones.

2) Para las restricciones funcionales encuentre los puntos interceptos a los ejes.
3) Dibuje un eje cartesiano (considerando únicamente el primer cuadrante – valores
positivos), seleccione una escala apropiada para cada eje.
4) Trace las restricciones en dicho cuadrante, uniendo los puntos interceptos de cada
restricción e indicando el sentido de la desigualdad.
5) Delimite el espacio solución como aquella área que cumple con todas las
restricciones graficadas.
6) Trace en líneas discontinuas la función objetivo, asignando valores convenientes
(preferiblemente valores incrementales para los casos de maximización).
7) Encuentre el punto óptimo del modelo. En el caso de maximización, es el último
punto que tocaría el trazado de la función objetivo ascendente. En el caso de
minimización, es el primer punto del espacio que tocaría el trazado de la F.O.

Nota: debemos tomar en cuenta que el punto óptimo corresponde a uno de los vértices del
polígono que conforman el espacio solución o región factible. Y resolviendo el sistema de
ecuaciones formado por las dos restricciones que forman el vértice esquina identificado,
pues, se obtiene un punto exacto de la solución óptima del modelo matemático planteado.

Ahora vamos a pasar a otra presentación complementaria de esta unidad, en la cual

desarrollamos un ejemplo práctico con el método gráfico en detalle, en la misma van a
encontrar la aplicación de todos los pasos descritos en este apartado.

9
Autor: Ing. Wilson K. Casado
Unidad 2: Modelo de Programación Lineal

2.3. Bibliografía

 Taha, Hamdy A. (2012). Investigación de Operaciones: Una introducción. (9na. Ed.).

México D.F., México: Pearson Educación – Prentice Hall. Capítulo 2, páginas 13-26
y 35-68.

 Hillier, Frederick S. & Lieberman, Gerald J. (2010). Introducción a la Investigación de

Operaciones. (9na Ed.). México D.F., México: McGraw-Hill. Capítulo 3, páginas 21-
55.

 Winston, Wayne L. (2004). Investigación de Operaciones: Aplicaciones y Algoritmos.

(4ta. Ed.). México D.F., México: Thompson. Capítulo 3, páginas 49-110.

 Eppen, G.D., Weatherford, Larry R. & Moore, Jeffrey H. (2000). Investigación de

Operaciones en la Ciencia Administrativa. (5ta. Ed.). México D.F., México: Prentice-
Hall. Capítulo 3, páginas 66-100 y capítulo 4, páginas 130-151.

10
Autor: Ing. Wilson K. Casado