Unidad 2

Programación Lineal
 Logro de la unidad: Importancia de la unidad

Al finalizar la unidad los Esta unidad es importante porque permite que el

alumnos aplican modelos alumno entienda la importancia que tiene aplicar
de programación lineal en modelos de programación lineal y saber enfrentar en
diversas áreas de las los diversos problemas que se presentan para
ciencias administrativas. enfrentar un entorno cada vez más complejo.
 Contenido de la sesión
Logro de la sesión:

Al finalizar la semana los Semana 2:

alumnos solucionan • Formulación de problemas de programación lineal.
problemas de • Método Gráfico: Solución de problemas de
programación lineal de programación lineal de dos variables.
dos variables por el
método gráfico.
 Conocimiento previo
Y

Como
graficar
una recta?

X
Modelo de Programación Lineal (PL)

1. LOS PROBLEMAS DE PL SE REFIEREN A LA DISTRIBUCIÓN EFICIENTE DE

RECURSOS LIMITADOS ENTRE ACTIVIDADES COMPETITIVAS, CON LA FINALIDAD
DE LOGRAR UN DETERMINADO OBJETIVO. POR EJEMPLO: MAXIMIZAR
BENEFICIOS O MINIMIZAR COSTOS O GASTOS.
2. ESE OBJETIVO, EN EL CONTEXTO DE LA PROGRAMACIÓN LINEAL, SE LE
DENOMINA: FUNCIÓN OBJETIVO (FO).
3. LAS ACTIVIDADES QUE CONSUMEN CADA RECURSO EN QUÉ PROPORCIÓN ES
ESE CONSUMO. ESTAS INFORMACIONES SERÁN EXPRESADAS POR ECUACIONES
O INECUACIONES LINEALES QUE SE LLAMAN RESTRICCIONES DEL MODELO
(RM).
4. EXISTEN MUCHAS MANERAS DE DISTRIBUIR LOS RECURSOS ENTRE LAS
DIVERSAS ACTIVIDADES, PUES, ESAS DISTRIBUCIONES SEAN COHERENTES CON
LAS ECUACIONES O INECUACIONES DE CONSUMO Y QUE SATISFAGAN LAS
RESTRICCIONES DEL PROBLEMA Y ALCANCE A LA FO; ESTO ES, QUE MAXIMICE
EL BENEFICIO O QUE MINIMICE EL COSTO, A ESTA SOLUCIÓN SE LE LLAMA
SOLUCIÓN ÓPTIMA.

5
 Problema

Juan se dedica a la compra y venta de

naranja y papaya. Todos los días
temprano en la mañana visita a su
proveedor de frutas en el mercado
mayorista y hace las compras del día. El
día anterior recibe los pedidos de sus
clientes y esta suma 600 kilos de papaya
y 1200 kilos de naranja.
Problema

Juan lleva su camioneta

para el transporte cuya
capacidad de carga es de
1600 kilos. ¿Cuántos
kilos de cada fruta debe
comprar Juan para
maximizar los
beneficios?
Se tienen los siguientes precios y costos por
kilo de fruta :
Precio de Precio de
compra al venta al
por mayor minorista
x Kg x Kg
Papaya S/. 1.30 S/. 1.60
Naranja S/. 1.00 S/. 1.20
¿Cuántos kilos de papaya y naranja debe comprar
Juan para obtener la Máxima Utilidad?
X1 = ?? X2 = ?? Capacidad

X1 < 600 kg X2 < 1200 kg X1 + X2 < 1600 kg

Primero se debe cargar a la camioneta con aquel

que tiene mas utilidad por kilo.
Modelo de programación lineal

Un modelo de programación lineal busca el

objetivo de maximizar o minimizar una
función lineal, sujeta a un conjunto de
restricciones lineales.
Modelo de programación lineal

Un modelo de programación lineal esta

compuesto de lo siguiente:

 Definir las variables de decisión

 Escribir la función objetivo
 Definir el conjunto de restricciones
1) Formulación del problema

Definición de las Variables de Decisión

x1 = Cantidad, en kilos, de papaya que

se debe comprar.

x2 = Cantidad, en kilos, de naranja que

se debe comprar.
1) Formulación del problema

Función Objetivo
Maximizar la utilidad total de los dos
productos:

Maximizar Z = 0.30 x1 + 0.20 x2

1) Formulación del problema

Restricciones
Cantidad máxima de Papaya < 600 kilos.
x1 < 600
Cantidad máxima de Naranja < 1200 kilos
x2 < 1200
Carga máxima de la camioneta < 1600 kilos
x1 + x2 < 1600
1) Formulación del problema

Maximizar Z = 0.30 x1 + 0.20 x2

Sujeto a:
x1 < 600
x2 < 1200
x1 + x2 < 1600
x1, x2 > 0
Procedimiento de solución GRAFICA
en problemas de PL con dos variables

1)Establecer la formulación del problema

2)Graficar en el plano cartesiano (X, Y)
las restricciones del tipo >, < ó =, como
si fueran rectas.
2) Graficar restricciones
X2 Max Z = 0.30 X1 + 0.20 X2
s.a. X1 < 600 (Papaya)
X2 < 1200 (Naranja)
X1 + X2 < 1600 (Camioneta)
X1, X2 > 0 (no negatividad)

Cada punto en este cuadrante no negativo esta

asociado con una especifica alternativa de solución.

X1
(0,0)
2) Graficar restricciones
X2 Max Z = 0.30 X1 + 0.20 X2
s.a. X1 < 600 (Papaya)
X2 < 1200 (Naranja)
X1 + X2 < 1600 (Camioneta)
X1, X2 > 0 (no negatividad)

X1
(0,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)

R1

X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)

R1

X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2

R1

X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2

R1

X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2

R1

X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
(0,1600) 2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2

R3
R1
(1600,0)
X1
(0,0) (600,0)
2) Graficar restricciones
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
(0,1600) 2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2 (400,1200)

(600,1000)

R3
R1
(1600,0)
X1
(0,0) (600,0)
Procedimiento de solución grafica en
problemas de PL con dos variables

1)Establecer la formulación del problema

2)Graficar en el plano cartesiano (X, Y) las
restricciones del tipo >, < ó =, como si fueran
rectas.
3)Ubicar el espacio de la solución factible
(región factible), el cual está dado por el
área común a todas las restricciones.
3) Ubicar región factible
X2 Max
Max Z3=P10.30
+ 5X1P2+ 0.20 X2
s.a.
s.a. X1
P1 + < 600 (Papaya)
4 (Planta 1)
2 P2
X2 << 12
1200(Planta 2)
(Naranja)
3X1P1 ++ 2 X2
P2 << 18
1600(Planta 3)
(Camioneta)
P1, P2 > 0 (no negatividad)
X1, X2 > 0 (no negatividad)
(0,1200) R2 (400,1200)

Región factible es el conjunto de puntos

(600,1000)
que satisface todas las restricciones
simultáneamente. Existen infinitos puntos
factibles (soluciones).

R3
R1

X1
(0,0) (600,0)
3) Ubicar región factible
X2 Max Z = 0.30 X1 + 0.20 X2
s.a. X1 < 600 (Papaya)
X2 < 1200 (Naranja)
X1 + X2 < 1600 (Camioneta)
X1, X2 > 0 (no negatividad)
(0,1200) (400,1200)
A B

C (600,1000) Se llaman puntos extremos a los

vértices de la región de factibilidad.

Los valores que optimizan la función

objetivo siempre se encuentran en
uno de los puntos extremos.
E D
X1
(0,0) (600,0)
Procedimiento de solución grafica en
problemas de PL con dos variables

1)Establecer la formulación del problema

2)Graficar en el plano cartesiano (X, Y) las
restricciones del tipo >, < ó =, como si fueran
rectas.
3)Ubicar el espacio de la solución factible (región
factible), el cual está dado por el área común a
todas las restricciones.
4)Obtener la solución óptima.
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

Se debe dibujar el contorno de la

(0,1200) (400,1200) función objetivo (línea iso-beneficio)
A B mediante rectas paralelas, en cada
vértice, según la relación:
C (600,1000)
X2 = – 1.5 X1 + K

0.30 Pendiente de la
función objetivo
0.20
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

ZE = 0.30 (0) + 0.20 (0) = 0

(0,1200) (400,1200)
A B

C (600,1000)

0.30 Pendiente de la
función objetivo
Z1
0.20
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

ZE= 0.30 (0) + 0.20 (0) = 0

(0,1200) (400,1200) ZD = 0.30 (600) + 0.20 (0) = 180
Z2 A B

C (600,1000)

0.30 Pendiente de la
función objetivo
Z1
0.20
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

Z3
ZE = 0.30 (0) + 0.20 (0) = 0
(0,1200) (400,1200)
Z2 ZD = 0.30 (600) + 0.20 (0) = 180
A B
ZA = 0.30 (0) + 0.20 (1200) = 240
C (600,1000)

0.30 Pendiente de la
función objetivo
Z1
0.20
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

Z3
ZE = 0.30 (0) + 0.20 (0) = 0
(0,1200) (400,1200)
Z2 ZD = 0.30 (600) + 0.20 (0) = 180
A B
ZA = 0.30 (0) + 0.20 (1200) = 240
C (600,1000)
ZB = 0.30 (400) + 0.20 (1200) = 360

0.30 Pendiente de la
Z4 función objetivo
Z1
0.20
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

Z3
ZE = 0.30 (0) + 0.20 (0) = 0
(0,1200) (400,1200)
Z2 ZD = 0.30 (600) + 0.20 (0) = 180
A B
ZA = 0.30 (0) + 0.20 (1200) = 240
C (600,1000)
ZB = 0.30 (400) + 0.20 (1200) = 360
Z5 ZC = 0.30 (600) + 0.20 (1000) = 380
Z4
Z1
E D
X1
(0,0) (600,0)
4) Obtener solución optima
X2 Max Z = 0.30 X1 + 0.20 X2
En la región factible

ZE = 0.30 (0) + 0.20 (0) = 0

R2
ZD = 0.30 (600) + 0.20 (0) = 180
A B
ZA = 0.30 (0) + 0.20 (1200) = 240
C (600,1000)
ZB = 0.30 (400) + 0.20 (1200) = 360
R3
ZC = 0.30 (600) + 0.20 (1000) = 380
Solución óptima: Se encuentra en
R1 el punto C de las restricciones
E D activas (R1 y R3)
X1
Solución al problema
Utilidad por kilo:
S/. 0.30
X1 < 600 kg
Utilidad por kilo:
S/. 0.20 X1 + X2 < 1600 kg
X2 < 1200 kg
SOLUCION
Se debe comprar 600 kg. de papaya y 1000 kg. de
naranja, su utilidad será S/. 380.
Modelo general de programación lineal
Se define las variables de decisión: X1, X2, X3,...., Xn

Maximizar (o Minimizar) Z = C1 X1 + C2 X2 +....+ Cn Xn

Sujeto a:
a11 X1 + a12 X2 + a13 X3 +....+ a1n Xn < b1
:
ak1 X1 + ak2 X2 + ak3 X3 +....+ akn Xn > bk
:
am1 X1 + am2 X2 + am3 X3 +....+ amn Xn = bm
X1, X2, X3,...., Xn > 0
¿SE LOGRÓ LA META DE LA SESIÓN?

Reconocer la importancia que tienen los modelos de

programación lineal para dar solución a problemas.
 Conclusiones

• Identificar los modelos de programación

lineal con dos variables.
• Formular los modelos de programación
lineal
• Encontrar una solución aplicando el
método grafico.
• Conocer los diferentes casos que se
presentan en los modelo de
programación lineal.