INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

MODULO 2.

2. FORMULACION Y SOLUCIÓN GRÁFICA DE MODELOS DE PROGRAMACIÓN

LINEAL

A. MODELO DE DECISIÓN (Programación Lineal – P.L.)

B. FORMULACIÓN DE RESTRICCIONES EN UN MODELO DE P.L.
C. CONSTRUCCIÓN DEL MODELO DE P.L.
D. GENERALIDADES DE LOS MODELOS DE P.L.
E. SOLUCIÓN GRAFICA DE MODELOS DE P.L.

Programación Lineal.
Iniciemos pintando el panorama en el cual se aplica la programación lineal dentro del ámbito
de las decisiones en una empresa. Situémonos en una empresa en donde la cantidad de los factores
de producción, es decir, mano de obra, materiales, tiempo de equipos, maquinarias y accesorios,
disponibles en un momento dado no alcanzan para satisfacer todas las necesidades o demandas de
dichos factores. Este es el caso típico en el cual debemos determinar la manera más eficiente
(óptima) de distribuir, asignar o usar los recursos escasos para la satisfacción de la demanda
existente de ellos.

La programación lineal es el medio matemático que nos permite asignar una cantidad fija de
recursos a la satisfacción de varias demandas, al mismo tiempo que logramos optimizar algún
objetivo.

La programación lineal es una técnica útil para apoyar el proceso de decisión sobre la mezcla de
productos, (y otras muchas). Se aplica a situaciones en las que la empresa tiene una demanda de
cualquier cantidad de dos o más productos que puede producir. Debe decidir entonces qué cantidad
fabricar de cada producto con los recursos limitados que posee, de manera tal que se haga la
utilización más barata de materias primas o procesos, o que permita alcanzar la ganancia o utilidad
más altas.

La programación lineal implica aprovechar al máximo (maximizar) o reducir al mínimo (minimizar)

una función objetivo lineal, sujeta a restricciones lineales. Supone que los valores de costos e
ingresos son conocidos (certidumbre) y que las utilidades o costos de varias actividades son aditivas
(aditividad) y que no se tienen valores negativos de la producción (no negatividad).

Aunque iniciaremos revisando problemas de mezcla de productos (ver modelo ilustrativo), es

importante recordar que la programación lineal tiene una amplia gama de aplicaciones en las áreas
de presupuesto de capital, distribución de mercancía, dietas, balance de líneas y otros.
Los problemas de programación lineal son expresados en términos de una sola función objetivo
lineal que especifica generalmente, el beneficio o costo asociado con cada variable de decisión.

- Modelo Ilustrativo
Maximizar Z (utilidad) = 3X1 + 5X2
Sujeto A:
1) X1 ≤ 4 Unidades de Producto 1
2) 2X2 ≤ 12 Unidades de Producto 2
3) 3X1 + 2X2 ≤ 18 Cantidad de material
X1 , X2 ≥ 0
A. MODELO DE DECISIÓN (Programación Lineal - P.L.))
1
INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

En esencia un modelo de decisión en programación lineal contiene los siguientes elementos básicos:
 Alternativas de decisión de las cuales se hace una selección.
En programación lineal (P.L.) se habla de variables de decisión (X1, X2...Xn).
 Restricciones para excluir alternativas no factibles.
En P.L. se clasifican en restricciones funcionales y restricciones de no negatividad.
 Criterios para evaluar y por consiguiente clasificar alternativas factibles.
En P.L. se le llama función objetivo (Maximizar Z=... o Minimizar Z =…)

Solucionar un problema mediante la P.L implica:

 Construir un modelo de decisión, es decir expresar el problema como una serie de expresiones
matemáticas
 y luego utilizar alguna técnica o algoritmo para encontrar la solución.

B. FORMULACIÓN DE RESTRICCIONES EN UN MODELO DE P.L.

Antes de desarrollar un modelo completo de P.L. es conveniente revisar algunos conceptos
importantes relativos a la formulación de las restricciones. Formular un modelo significa expresar
afirmaciones lógicas (descripción de un problema de la vida real) en términos de expresiones
matemáticas.

Existen tres tipos de situaciones que se pueden presentar al utilizar un recurso y que dan origen a
tres tipos diferentes de restricciones.
1. Es necesario usar todo el recurso. Esta situación da origen a una relación del tipo “uso” =
disponibilidad del recurso. Por ejemplo, consideremos la situación en la cual se debe fabricar
dos productos llamados A y B. Sea “Xa” la cantidad a fabricar del producto A y “Xb” La
cantidad a fabricar del producto B, La confección de cada unidad de estos productos requiere de
la utilización de 5 y 2 horas respectivamente. Si se dispone de un total de 100 horas, las cuales
deben usarse en su totalidad, entonces la expresión matemática (restricción) que representa esta
afirmación será:

5 Xa + 2 Xb = 100 horas

2. Se puede usar todo el recurso o un poco menos. En la mayoría de las situaciones de negocio,
no es obligatorio que se usen todos los recursos (en este caso horas de mano de obra). Más bien
la limitación es que se use, cuando mucho, o como máximo, lo que se tiene disponible, por tanto
la relación es: “uso” <= disponibilidad del recurso. En este caso la afirmación anterior puede
escribirse como

5 Xa + 2 Xb <= 100 horas

Es importante anotar que la forma estándar para presentar una restricción coloca los términos
con variables del lado izquierdo y solo una constante numérica del lado derecho.

3. Se debe fabricar (usar) una cantidad mínima o superior. Si, por ejemplo, las exigencias del
mercado requieren que la cantidad a fabricar de A sea por lo menos el doble de la de B, esto
puede escribirse como

2
INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

Xa >= 2Xb lo que se puede reescribir como Xa – 2 > Xb = 0

Ahora procederemos ha desarrollar un modelo completo de Programación Lineal

C. CONSTRUCCIÓN DEL MODELO DE P.L.

SUPOSICIONES EN LOS MODELOS DE PROGRAMACIÓN LINEAL.
Los modelos de programación lineal consideran las siguientes suposiciones o condiciones en su desarrollo:
1. Debe haber linealidad: significa que las relaciones entre las variables, en las restricciones y en la
función objetivo de un problema dado, deben describirse en termino de ecuaciones lineales
(Polinomios de primer grado, es decir variables con exponente 1, sin multiplicación de variables) La
linealidad implica que se cumple con las propiedades de proporcionalidad y aditividad
a) Proporcionalidad.
La contribución de cada variable al valor de la función objetivo Z o al lado izquierdo de las
restricciones funcionales es directamente proporcional al nivel (valor) de la variable (xj). Por
ejemplo, 3 X1 + 2 X2.
b) Aditividad
Cada función en un modelo de programación lineal (ya sea la función objetivo o el lado
izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las
variables respectivas
2. Debe haber certidumbre.
Se entiende que no ocurrirán variaciones en los coeficientes de las variables o bien que tales
variaciones serán insignificantes.
3. Divisibilidad.
Las variables de decisión en un modelo de programación lineal pueden tomar cualquier valor,
incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. Así,
estas variables no están restringidas a sólo valores enteros. Como cada variable de decisión representa
el nivel de alguna actividad, se supondrá que las actividades se pueden realizar a niveles fracciónales.

El siguiente es un procedimiento funcional adaptado del libro Modelos Cuantitativos

para la Administración de Davis/MacKeon.

1. Identificar y definir las variables de decisión, (las Xj) asociadas con el problema, incluyendo las
unidades de medición (¿Qué busca determinar el modelo?)
2. Definir la función objetivo (¿Cuál es el objetivo meta para resolver el problema?)
- Identificar que aspecto económico de la actividad se va a optimizar.
- Identificar los coeficientes de la función objetivo (Coef. de contribución Cj) asociados a
cada variable.
- Definir el tipo de optimización y plantear la función objetivo, verificar las unidades de
medición.
3. Definir las restricciones y limitaciones del problema. (¿Qué cosas limitan o restringen el
problema?)

3
 INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

- Identificar los recursos o requerimientos disponibles, los cuales se constituirán en

miembros derechos de las restricciones (los bi).
- Plantear las restricciones relacionadas con cada uno de los recursos y verificar las
unidades de medición.
4. Definir las condiciones de no negatividad asociadas con las variables de decisión.

Utilice los problemas contenidos

Para Creación de Modelos de PL en el archivo “02a – Problemas x
Modelaje PL-2022”

D. GENERALIDADES DE LOS MODELOS DE P.L. (Pag.31 y 32, Hiller)

D.1 Terminología del modelo de P.L

Ejemplo Inicial Problema General Simbología Convencional
Capacidad de producción Recursos bi = cantidad de recurso i disponible para asignar a
de las plantas las actividades (para i =1,2, … , m)
3 plantas m recursos
Fabricación de Productos Actividades aij =cantidad de recurso i consumido por cada
actividad j.
2 productos n actividades
Tasa de producción del Nivel De La Actividad Xj= nivel de la actividad j, (para j = 1,2, …, n)
producto j. j, Xj
Ganancia Medida Global De Z = medida global de la efectividad.
Efectividad, Z
Cj =incremento en Z obtenido al aumentar una
unidad en el nivel de la actividad j.
Cj, bi y aij se conocen como los parámetros del modelo y son las constantes de entrada al modelo.

E. SOLUCIÓN GRAFICA DE MODELOS DE P.L.

E1. Definiciones:

 Solución: cualquier conjunto de valores específicos para las variables de decisión (X 1, X2,...Xn),
sin importar si es una posibilidad deseada o ni siquiera permitida. No es necesariamente la
respuesta final a un problema, como generalmente lo entendemos.
 Solución Factible: es una solución para la que se satisfacen todas las restricciones.
 Solución óptima: es una solución factible que tiene el valor más favorable de la función
objetivo.

E2. Procedimiento:
4
 INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

Si el problema de PL se restringe a dos variables (dos productos), es posible representarlo y

resolverlo gráficamente.
Paso 1. Consiste en graficar en un solo gráfico todas las restricciones del modelo. Esto nos dará el
espacio de soluciones factibles, es decir aquel que contiene los puntos que satisfacen todas las
restricciones al mismo tiempo (en forma simultánea).
Paso 2: Para encontrar la solución óptima por este método debemos seguir el enunciado que dice:
“por lo menos uno de los puntos de intersección en la frontera del área de soluciones factibles será
una solución óptima” es decir la solución óptima se encontrará en uno de los vértices del polígono
que se forma al graficar las restricciones. La solución óptima estará dada por los valores
(coordenadas) de las variables que nos proporcionan el mayor valor de la función objetivo (Z)
cuando estamos maximizando y el menor cuando estamos minimizando.

Técnica de Prueba y error.

Encuentre las coordenadas de cada uno de los vértices, reemplácelas en la FO (Z=). El mayor valor
de Z identifica el Punto óptimo si estoy maximizando, para minimización seleccionamos el menor
valor. Exprese la solución y la decisión.

Técnica de “Graficar la Función Objetivo”

Grafique la función objetivo y determine cuál de los puntos extremos (vértices) es el punto óptimo.
Encuentre las coordenadas de ese punto (el punto óptimo) y reemplácelo en la función objetivo. De
esta forma ha encontrado la solución al problema planteado. Enuncie la decisión que sugiere el
modelo de P.L.

E3. TIPOS DE SOLUCIONES EN PL.

Tipos de Soluciones en Identificación en:
P.L Método Grafico Método simplex
Si el punto óptimo está en un vértice formado No hay # negativos en el renglón
por la intersección de dos o más restricciones, cero si estoy maximizando y no hay
a. Solución única
( o uno de los límites representados por los #´s positivos si estoy minimizando
ejes)
Se da cuando la línea que representa la función
Si en el renglón cero de la tabla
objetivo en la gráfica es paralela a una de las
b. Soluciones óptima, el coeficiente de una
restricciones. Tendremos varias soluciones
múltiples: variable no básica es cero. (esa
óptimas a lo largo del segmento del polígono,
variable puede entrar a la base)
paralelo a la FO.
Cuando existen dos restricciones que son
c. Problema no Si la solución “óptima” contiene una
mutuamente excluyentes, (restricciones en
factible variable artificial.
conflicto, no hay área común)
Si todos los coeficientes en la
Si en un problema de Maximización, todas las
d. Problema no columna pivote (usados para
restricciones son del tipo (>=) entonces la
acotado: localizar la variable que sale) son
región factible no tiene límite superior.
negativos o cero
e. Soluciones
En algunos problemas la solución es útil solo si se obtienen soluciones enteras
Enteras
Siempre que una o más variables
f. Solución Degenerada (o Degenerada temporal) básicas tengan un valor de solución
igual a cero

5
INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

E4. ANALISIS DE SENSIBILIDAD EN PL, USANDO EL METODO GRAFICO

El análisis de sensibilidad es un procedimiento que normalmente se ejecuta después de que
se obtiene la solución óptima. Esté determina qué tan sensible es la solución óptima a cambios que
se realicen al modelo original. Se puede considerar cambios en la cantidad de recursos (términos libres
o lado derecho de las restricciones), cambios en los coeficientes en la función objetivo o cambios en los
coeficientes de las variables en las restricciones (Se verá en el método simplex)

A. Cambios en los miembros derechos de las restricciones (o cantidad de recursos)

A1.) ¿En cuánto puede aumentar la cantidad disponible de un recurso a fin de mejorar el
valor óptimo de la función objetivo Z?
A2.) ¿En cuánto puede disminuir la cantidad disponible de un recurso sin provocar
cambios en el valor óptimo actual?
Antes de dar respuesta a estas interrogantes clasificaremos las restricciones de un modelo lineal como de
enlace (activas) y de no enlace (inactivas). Una restricción de enlace debe cruzar el punto de solución
óptima. Si ni lo hace la restricción es de no enlace.

Desde el punto de vista Geométrico

Una restricción Activa (de enlace) es aquella que pasa por el punto óptimo.
Una restricción Inactiva (de no enlace) es aquella que no pasa por el punto óptimo.

Una restricción de Activa (de enlace) representa a un recurso escaso ya que la disponibilidad se
utiliza por completo. Por otra parte, una restricción Inactiva (de no enlace) representa un recurso
abundante.

Nos interesan entonces las cantidades en que pueden aumentar los recursos escasos para mejorar la
solución. De igual modo queremos determinar las cantidades en que se pueden disminuir los
recursos abundantes sin que se afecte el óptimo actual.

Consideraciones Generales
1. Si en el punto óptimo (es decir, cuando evaluamos en la solución óptima) el primer
miembro de una restricción es igual al lado derecho, se dice que la restricción es activa u
obligatoria. Entonces, una restricción de igualdad es siempre activa. Una restricción de
desigualdad puede ser activa o no.
2. Si una restricción no es activa, se dice que es inactiva. Para una restricción del tipo , la
diferencia entre el primer miembro y el lado derecho se llama excedente. Para una
restricción del tipo , la diferencia entre el segundo miembro y el primero se llama
holgura.
3. En el punto óptimo, toda restricción de desigualdad de un modelo tiene un valor de
holgura o excedente y para las decisiones factibles este valor es siempre no negativo.
Para una restricción dada, la holgura o el excedente valen cero si y sólo si la restricción
es activa

6
INVESTIGACION DE OPERACIONES – 2022 Ing. Oscar Pitti A.

** Revisemos el ejemplo de la fabricación de pinturas para exteriores e interiores.

B. Cambios en los coeficientes de la función objetivo.
En un problema de la vida real, las tasas de contribución (utilidad o costo) en las funciones
objetivos fluctúan de manera periódica, al igual que la mayoría de los gastos de una
empresa.
En general se puede aumentar o disminuir el coeficiente de la F.O. de cualquier variable, y
el punto óptimo puede seguir siendo el mismo, si el cambio no es demasiado grande. Sin
embargo, cuando un coeficiente aumenta o disminuye en exceso, entonces, la solución
óptima estaría en un punto vértice diferente. ¿Cuánto puede cambiar el coeficiente de la
función objetivo, antes de que otro punto vértice se convierta en óptimo?
Esto lo veremos cuando utilicemos WinQSB