ANTECEDENTES HISTORICOS

Durante la segunda guerra mundial el problema de la asignación de recursos escasos en una

economía de guerra motivo el desarrollo de nuevas técnicas de la investigación de
operaciones, como la programación lineal permitiendo la aplicación de la metodología
científica en los procesos tácticos y estratégicos para la optimización de los recursos
limitados en la toma de decisiones de la milicia.

Otro hecho relevante ocurrió en 1947 cuando George Dantzig desarrollo el método
SIMPLEX, este fue un progreso metodológico muy significativo porque empezaron las
primeras aplicaciones a nivel de la industria.

Sin embargo estas técnicas se consolidaron en el campo industrial hasta los años cincuenta
cuando la tecnología estuvo disponible lo que permitió sistematizar los procesos de gestión
para la generación de información cuantitativa en las decisiones empresariales.

Si bien muchas aplicaciones de la programación lineal ocurrieron en los años cincuenta, no

fue sino hasta los inicios de la década de los sesenta que se consolidaron los primeros
programas académicos que ponían énfasis en esta área, por lo que hasta mediados de esta
misma década se graduaron las primeras generaciones, especialistas en Investigación de
Operaciones y a finales de la misma década de los sesenta se hizo extensiva en las
organizaciones la aplicación de estas técnicas para la optimización de los procesos porque
los expertos capacitados formalmente empezaron a ser contratados en el campo industrial.

Actualmente existen muchas aplicaciones en diversos campos donde la programación lineal

ha sido exitosa en la optimización de los procesos de las organizaciones, lo que ha derivado
en la publicación de una gran cantidad de libros.

OBJETIVO DEL CURSO

El Curso tiene por objetivo: Facilitar el aprendizaje de la Programación Lineal Aplicada,

potenciando en el estudiante su capacidad de razonamiento sistemático con un enfoque
integrador en la creación de escenarios para una efectiva toma de decisiones en el
planteamiento de soluciones cuantitativas para los problemas que se presenten en las
organizaciones.

Hay aspectos en el objetivo planteado que se deben resaltar como es la toma de decisiones
que es fundamental en cualquier actividad humana y su éxito depende de que se haga
asertivamente.

La toma de decisiones, es un proceso en el que se identifican tres elementos esenciales:

1. Es intuitiva, este aspecto se ve enriquecido con la experiencia

2. Es casuística, se refiere a la oportunidad de la decisión, es decir a la "suerte" y
3. Es sistemática, es decir, utiliza técnicas y la metodología científica para el
procesamiento de la información;
La sumatoria de estos tres aspectos dará como resultado una toma de decisiones asertiva y
por consecuencia exitosa.

El proceso de la toma de decisiones se inicia cuando se observa un problema,

inconscientemente quizá, primero se define el problema y después se formula el objetivo,
se reconocen las restricciones y se evalúan las alternativas. Después se selecciona el curso
de acción aparentemente "mejor", aquel que nos llevará a la solución “óptima”.

Este proceso de análisis es formal e informal y toma dos formas básicas: cualitativo y
cuantitativo. Las habilidades en el análisis cualitativo son inherentes a la persona y
generalmente aumentan con la experiencia. Las habilidades en el análisis cuantitativo se
adquieren por el estudio y aplicación de las técnicas de planeación, tal como la
programación lineal aplicada (PLA).

En Resumen, la PLA proporciona bases cuantitativas para la toma de decisiones. Eleva la

habilidad para hacer planes a corto, mediano y largo plazo. Es una herramienta de tipo
metodológico que utiliza las matemáticas y un enfoque científico para el análisis y
solución de problemas desde un punto de vista integrador.

TERMINOLOGÍA BÁSICA

Es importante establecer la terminología de algunos conceptos básicos iniciales, con el fin

de estandarizar el significado y de esta manera facilitar el aprendizaje de las unidades
temáticas de la obra.

Sistema.- Conjunto de elementos que trabajan agrupadamente para el objetivo general del
todo.

Enfoque de sistemas.- Es la manera de pensar acerca de los sistemas totales y sus

componentes

Eficiencia.- la forma correcta de realizar una tarea

Objetivo.- Resultado a alcanzar susceptible de ser medido

Problema.- diferencia o desviación entre un estado real contra un plan o estado deseado

Resolución de Problemas.- Proceso de identificar una diferencia entre algún estado actual
y uno deseado y emprender acciones para resolver la diferencia.

Proceso de resolución de problemas.- Conjunto de siete pasos a seguir para llegar a una
solución del problema en cuestión.

1. Identificación y definición del problema

 2. Determinar alternativas de solución (planteamiento de escenarios)
3. Establecimiento de criterios para evaluar las alternativas de solución planteadas
4. Evaluación de las alternativas de solución
5. Elegir la mejor alternativa
6. Implantación de la alternativa seleccionada
7. Evaluación de los resultados y retroalimentación del proceso

Modelo.- Es la representación de la realidad del rendimiento de un sistema. La

modelización es pensar analizar estructurar y seguir secuencias lógicas.

Decisión.- Es una elección razonada entre alternativas

Restricciones.- Limitaciones que se imponen a un problema

Programación Lineal.- Técnica de la investigación de operaciones para determinar la

asignación óptima de recursos escasos.
Optimización.- Determinar la mejor solución del rendimiento de un sistema. (ejemplo:
maximizar utilidades o minimizar costos)

Proceso de formulación de un modelo de programación lineal.- El modelo de

programación lineal consta de cuatro partes: las variables de decisión, los parámetros, la
función objetivo y las restricciones y los pasos a seguir para facilitar la formulación son los
siguientes:
1. Leer y releer el planteamiento del problema tantas veces como sea posible, con el
fin de comprender el problema
2. Dar respuesta a las siguientes preguntas:

1. ¿Cuáles son las variables de decisión? Defina las variables de decisión con
precisión utilizando nombres descriptivos y definiendo las unidades de medida
2. Cuáles son los parámetros? son los valores numéricos constantes dados. Defina
los parámetros con precisión descríbalos de forma precisa.
3. ¿Cuál es el objetivo? ¿Cuál es la función objetivo? Es decir, ¿qué se quiere del
problema? ¿De qué manera se relaciona el objetivo con las variables de
decisión? ¿Es un problema de maximización o minimización? El objetivo debe
describirse como un resultado a alcanzar susceptible de ser medido.
4. ¿Cuáles son las restricciones? Es decir, ¿qué requerimientos se deben cumplir?
¿Debería utilizar un tipo de restricción de desigualdad o igualdad? ¿Cuáles son
las conexiones entre las variables? Escribirlas antes de plantearlas de forma
matemática.

Algoritmo.- Es una serie de pasos que lograrán una determinada tarea

Matemática.- Es la ciencia de los órdenes de patrones, y también el idioma de la

ciencia. La matemática es el único idioma que comparten todos los seres humanos
independientemente de su cultura, religión o sexo. 
 Intuición.- Es un modo de pensamiento rápido y se acrecienta con la experiencia

Variable de decisión.- Representan las unidades de medida (cantidad, kilogramo,

dinero, entre otros) desconocidas que deben determinarse con la solución del modelo.

Parámetro.- son los valores que describen la relación entre las variables de decisión.

Función Objetivo.- Se define como la efectividad del modelo como función de las
variables de decisión.

Contribución a las utilidades.- Es la diferencia entre los Ingreso ( Precio de Venta) y

los costos de producción (Directos e Indirectos)

Límite.- Extremos de la región factible

Región factible.- Área que satisface todas las restricciones, incluyendo las condiciones
de no-negatividad
Tabla simplex.- Presentación tabular de las restricciones en forma de igualdades del
modelo de programación lineal

Variables artificiales.- Variables ficticias que se suman a los

modelos con restricciones del tipo = y/o ≥ para facilitar la
identificación de una solución inicial

Variables de holgura.- Variables que siempre se suman a

restricciones del tipo ≤ para convertirlas en igualdades

Variables Superfluas.- Variables que siempre se restan a

restricciones del tipo ≥ para convertirlas en igualdades

Vértice.- intersección de dos o más restricciones que identifica los puntos extremos que
delimitan el área factible

Condiciones de no negatividad.- Se refiere a que las variables de decisión solo pueden

tener valores no negativos, es decir, positivos y/o ceros

Función objetivo.- Representa la medición del desempeño por maximizar o minimizar

1. 1. DEFINICIÓN DE LOS PRINCIPALES CONCEPTOS DE

INVESTIGACIÓN DE OPERACIONES.

La mejor manera de entender los principales conceptos de la investigación de operaciones

(IO) es examinando sus características más importantes.
1. La IO se aplica a un vasto campo de problemas en las organizaciones porque en
cualquiera de sus áreas siempre se presentan:

a) Necesidades que satisfacer

b) Los recursos ( materia prima, recursos humanos, tiempo, costo, maquinaria,
tecnología, capacidades, entre otros) son limitados para satisfacer plenamente las
necesidades
c) Se tiene el objetivo de optimizar (minimizar o maximizar) los recursos a la
satisfacción plena de las necesidades.

2. La IO aplica la metodología científica. Inicia observando y definiendo un problema

(diferencia entre un estado real y un estado deseado) y posteriormente, se formula un
modelo (matemático) que abstrae la esencia del problema real, se establece la hipótesis
de que este modelo es una representación suficiente y precisa de las características
esenciales de la situación, de modo que las conclusiones (soluciones) que se obtengan a
partir del modelo también serán válidas para el problema real.

3. La IO utiliza modelos en su aplicación. un modelo es una abstracción selectiva de la

realidad. G,D. Eppen y F.J. Gould en su libro Investigación de Operaciones en la
Ciencia Administrativa describen siete razones que justifican su uso:

a) Los modelos nos obligan a definir explícitamente el (los) objetivo (s) del problema
en estudio.
b) Los modelos nos obligan a identificar y definir los tipos de decisiones que influyen
en dichos objetivos.
c) Los modelos nos obligan a identificar y registrar las interacciones entre todas esas
decisiones y sus respectivas ventajas y desventajas.
d) Los modelos nos obligan a pensar cuidadosamente en las variables que se van a
incluir y a definirlas en términos que sean cuantificables.
e) Los modelos nos obligan a considerar que datos son pertinentes para la
cuantificación de dichas variables y a determinar las interacciones entre ellas.
f) Los modelos nos obligan a reconocer las restricciones (limitaciones), del objetivo
previamente definido.
g) Los modelos permiten que comuniquemos las ideas y los conocimientos, facilitando
así el trabajo en equipo.

4. Otra característica de la IO es su enfoque integrador, esto es, intenta resolver los

conflictos de interés entre los componentes de la organización de manera que sea lo
mejor para esta, como un todo. Esto no implica que el estudio de cada problema deba
dar consideración a todos los aspectos de la organización; más bien, los objetivos que se
persiguen deben ser coherentes con los de la organización.

5. La IO es una técnica matemática que optimiza (maximizar o minimizar) los recursos

para el problema bajo estudio
6. La IO es una herramienta que genera información cuantitativa por lo tanto representa la
parte sistemática de la toma de decisiones, conjuntamente con muchas otras técnicas.

7. Todas estas características conducen a otra todavía y es la aplicación de la IO por

grupos interdisciplinarios concurrencia de muchas disciplinas), es evidente que no debe
esperarse que ningún individuo sea un experto en todos los aspectos del trabajo de IO;
esto requerirá de un grupo de individuos que tengan diversas formaciones y habilidades.
El equipo también necesita tener la experiencia necesaria y la variedad de habilidades
para considerar propiamente las muchas ramificaciones del problema en toda la
organización y ejecutar efectivamente todas las fases del estudio de la IO.

Los siguientes conceptos contemplan muchas de las características descritas y resultan una
base útil para una mejor comprensión de la naturaleza de la IO

Método científico por el cual la administración ejecutiva dispone de una base cuantitativa
para las decisiones de operaciones bajo su control (Mores-Kimball 1943).

La aplicación del método científico por parte de equipos interdisciplinarios a problemas que
implican el control de sistemas organizados (hombre y máquina) para brindar las soluciones
que mejor cumplan el propósito de la organización en su totalidad (Ackoff- Sasieni 1968).

Abordaje científico para la solución de problemas en la administración ejecutiva (Wagner

1969).

Toma de decisiones óptimas, y su modelización, en sistemas deterministas y probabilísticos

que tienen su origen en la vida real. Estas aplicaciones-en el gobierno, los negocios, la
ingeniería, la economía y las ciencias naturales y sociales-se caracterizan principalmente
por la necesidad de distribuir recursos limitados. En estas situaciones, el análisis científico,
como por ejemplo el brindado por la IO/CA, puede proporcionar información importante
(Hiller-Lieberman 1974).

Rama de la matemática aplicada al proceso de toma de decisiones. (Gross 1979).

La investigación de operaciones (comúnmente llamada IO) proporciona a los gerentes

bases cuantitativas para la toma de decisiones. IO eleva la habilidad de un gerente para
hacer planes a largo plazo y para resolver los problemas diarios de llevar un negocio, una
unidad gubernamental o una institución privada. (Levin-Kirkpatrick 1983

La investigación de Operaciones es la aplicación de métodos científicos a problemas

complejos que surgen de la dirección y administración de grandes sistemas de hombres,
máquinas, materiales y dinero en la industria, los negocios, el gobierno y la defensa
(Operational Research Society) de la Gran Bretaña

Derivado del análisis de las características planteadas y de las definiciones de otros autores
se conceptualiza la Investigación de Operaciones (IO) como:
Los conceptos descritos son complementarios a la terminología básica desarrollada en la
Introducción del presente libro y todos son importantes por lo que debemos concebirlos
como una plataforma sólida para facilitar el aprendizaje y dominar la aplicación de la
metodología científica en la solución de los variados problemas que se presenten en las
organizaciones.

1.2. UBICACIÓN DE LA INVESTIGACIÓN DE OPERACIONES EN

LAS ORGANIZACIONES

La ubicación de la Investigación de Operaciones (IO) dentro de las organizaciones es muy

importante por varias razones:

1. La primera, que el costo inicial de organizar un grupo de IO e instruir y capacitar al

personal es significativo,

2. la segunda, la IO debe ser aplicada, y esta necesidad se satisface mejor mediante un

patrocinio al más alto nivel. Desde luego, no habrá que rendir informes al mismo, pero
si será indispensable que la IO se encuentre contiguo o cercano a él en la jerarquía
administrativa.

3. Otra razón por la que resulta importante el lugar que ocupa el grupo de IO dentro de las
organizaciones es que debe contar con un acceso fácil a los datos que necesita para
visualizar los problemas operativos en toda su integridad. Esta necesidad tiende a elevar
la ubicación del grupo de I.O. en la escala administrativa.

4. Otra razón es que la IO es una técnica de la planeación y la decisión de su aplicación es

estratégica de su seguimiento e integración del equipo de trabajo corresponde a la
planeación táctica y de su ámbito de aplicación es de la planeación operativa

Su sitio exacto dependerá de quien la patrocine y del tipo de problemas a resolver. Pero
cualquiera que sea el lugar que se le asigne dentro de la estructura administrativa, siempre
será posible que el grupo pueda organizar equipos para la solución de problemas, que
tengan libre movimiento dentro de las áreas operativas y administrativas y además de fácil
acceso a las tecnologías de la información ya que se requiere de la velocidad de las
computadoras y del software adecuado para obtener soluciones a problemas complejos.

1.3. METODOLOGÍA DE LA INVESTIGACIÓN DE

OPERACIONES

La metodología científica surgió a través del tiempo, a partir de la experiencia práctica de

muchos científicos –astrónomos, químicos, físicos y biólogos. En general se reconoce a Sir
Francis Bacon como el primero que describió formalmente el método. La intención original
fue tener una guía para la investigación en las ciencias físicas, pero el método se adapta,
hoy en día, fácilmente a cualquier tipo de problema e investigación.

Para una aplicación exhaustiva de la metodología científica se requiere:

a) Estar bien informado.- deben conocerse todos los hechos y relaciones pertinentes.

b) Conocer todas las alternativas.- El método científico supone que pueden identificarse
todas las alternativas posibles de solución a un problema.

c) Ser objetivo.- en los negocios esto significa: ser un optimizador, maximizando los
beneficios y minimizando los costos, pero en la realidad lo que se buscan son
soluciones satisfactorias.

Las etapas de la metodología científica en un estudio de investigación de operaciones son:

1. Definir el problema.- En este primer paso de la metodología se debe realizar un

estudio del sistema y la conceptualización integral del problema en cuestión. Esto
incluye definir el objetivo, las restricciones, las interrelaciones del área bajo estudio y
otras áreas de la organización, los diferentes cursos de acción posibles, los limites de
tiempo para tomar una decisión, entre otros. Este proceso de definir el problema es
crucial ya que afectara en forma significativa la relevancia de las conclusiones del
estudio. Es casi imposible obtener la respuesta "correcta" al partir del problema
"incorrecto".

2. Formular el modelo matemático.- Después de la definición del problema, el

siguiente paso es construir un modelo del problema ó del sistema en estudio en
 investigación de operaciones es un modelo matemático (simbólico). Un modelo
matemático es un conjunto de ecuaciones lineales que describen un sistema ó problema.
Los modelos matemáticos tienen muchas ventajas sobre una descripción verbal del
problema. Una ventaja obvia es que el modelo matemático describe un problema en
forma mucho más concisa. También facilita simultáneamente el manejo del problema
en su totalidad y el estudio de todas sus interrelaciones. Un modelo matemático forma
un puente para poder emplear técnicas matemáticas poderosas, además de la
computadora. El modelo matemático generalmente contiene dos clases de ecuaciones:
la función objetivo y las restricciones. La descripción de un sistema mediante un
modelo hace posible analizar el sistema y ensayar diferentes alternativas sin interrumpir
un sistema real. Otra ventaja es que un modelo tiende a hacer más explicito el
problema, y puede aclarar realizaciones importantes y que datos son necesarios para el
análisis de un sistema.

3. Derivar una solución del problema a partir del modelo.- Una vez formulado el
modelo, el siguiente paso es obtener una solución al problema a partir del modelo, esto
se lleva a cabo aplicando algún algoritmo de solución para determinar la solución
óptima del modelo. Las solución del modelo puede obtenerse usando ciertas
herramientas y técnicas: tales como programas de programación lineal (LINDO, WIN
QSB, TORA, entre otros).

4. Probar el modelo y la solución.- Después de obtener una solución del modelo y la

solución deben probarse, es decir, validar el modelo y la solución. Esto puede hacerse
en dos pasos:

a) Usando datos pasados, haciendo una comparación entre el rendimiento real del
sistema y el rendimiento indicado por el modelo;

b) Permitiendo operar el sistema sin cambios y comparando su rendimiento con

aquel del modelo y su solución puede juzgarse con base en estas comparaciones.
Si se requiere se deben hacer las adecuaciones necesarias antes de pasar al
siguiente paso.

5. Establecer controles sobre la solución.- Una vez que un modelo y su solución se

consideran aceptables deben colocarse controles sobre la solución, esos controles se
establecen para detectar cualquier cambio significativo de las condiciones en las cuales
se basa el modelo. Debe establecerse algún mecanismo para detectar cualquier cambio
del sistema tan pronto como sea posible, de manera que el modelo pueda revisarse
continuamente y refleje esos cambios.

6. Implantación. Poner la solución a trabajar.- Poner la solución a trabajar es la última

fase de un estudio de IO en esta fase el grupo de IO por un periodo prudente lleva a
cabo pruebas piloto previas a la implantación, se lleva a cabo un monitoreo para
retroalimentar la propuesta, antes de liberarla de forma definitiva. A continuación se
resumen los seis pasos de la metodología:
1.4. DEFINICIÓN Y SUPUESTOS DEL MODELO DE
PROGRAMACIÓN LINEAL.

La programación lineal (PL) es una herramienta matemática de la Investigación de

Operaciones utilizada para la optimización de los recursos en cualquier organización, es
aplicable a un vasto campo de problemas. El denominador común que determina si la
programación lineal puede ayudar a tomar una decisión correcta es la presencia de varias
alternativas entre las que la organización debe elegir, y además la presencia de algunos
factores limitativos (la maquinaría y el equipo de la planta, el material disponible, mano de
obra, tiempo, capacidades, entre otros) que le impiden elegir todas las alternativas
simultáneamente. Los requerimientos de una decisión que debe seleccionarse entre varías
alternativas, ligadas a la presencia de factores limitativos, son comunes a muchos
problemas en las organizaciones y explican el uso creciente de la programación lineal,
como una técnica para resolverlos.

La programación lineal puede definirse como la técnica matemática para determinar la

mejor asignación de los recursos limitados de la empresa. La programación lineal usa un
modelo matemático para representar el problema que se estudia. La palabra lineal se refiere
a la forma de expresiones matemáticas (ecuaciones de primer grado) del modelo.

Programación, como ya se indicó, no se refiere a la programación en computadora: más

bien es, en esencia, un sinónimo de planear. Así, la programación lineal significa
planeación de actividades representada por un modelo matemático lineal.

Algunos especialistas podrían definir la programación lineal acorde con su formación, es

decir:

Un matemático podría ser más técnico al definirla, y diría que es un método de solución de
problemas en el que una función objetivo debe maximizarse o minimizarse cuando se
consideran ciertas restricciones.

Un economista podría definir la programación lineal como un método para la asignación de

recursos limitados en tal forma que se satisfagan las leyes de la oferta y la demanda de los
productos de la empresa.
Un hombre de negocios consideraría los métodos de la programación lineal como uno de
los instrumentos de la administración para buscar las soluciones de los problemas de
acuerdo con los objetivos claramente definidos de la empresa.

Independientemente de la forma en que definamos la programación lineal se necesitan

cinco requerimientos básicos antes de que esta técnica pueda emplearse en la solución de
los problemas:

a) Hay que expresar un objetivo bien definido, que pueda servir para maximizar la
contribución unitaria, utilizando los recursos disponibles, o bien puede producir el costo
más bajo posible usando una cantidad limitada de factores productivos. Por lo tanto el
primer requerimiento es que se defina claramente una función objetivo en forma
matemática

b) Segundo, debe haber otros recursos alternativos de acción. En un problema de

programación lineal, debe ser posible escoger una solución que satisfaga la función
objetivo.

c) Otro requerimiento es que las ecuaciones y desigualdades deben describir el problema

en forma lineal. En la programación lineal, la linealidad es un término matemático que
se usa para la descripción de sistemas de ecuaciones simultáneas de primer grado, que
satisfagan tanto la función objetivo como las restricciones. Las restricciones (o
limitaciones), se expresan matemáticamente con ecuaciones o desigualdades.
Esencialmente, el tercer requerimiento exige que los objetivos de la empresa y sus
restricciones se expresen como ecuaciones o desigualdades lineales.

d) Otra condición necesaria es que sea posible establecer relaciones entre las variables a
través de formulaciones matemáticas que puedan describir el problema y todas las
relaciones entre las variables. Para expresarlo de otro modo, el cuarto requerimiento
consiste en que, las variables del problema deben interrelacionarse.

e) La quinta condición consiste en que haya un suministro limitado de recursos.

Por lo que la programación lineal proporciona un método sistemático para evaluar cada
solución particular hasta alcanzar la óptima, es decir, la programación lineal trata de
problemas de asignación óptima de recursos limitados entre actividades competitivas.

En resumen la programación lineal se define como:

Matemáticamente el problema de programación lineal se representa así:

Para toda j = 1,2, ….. n

Para toda i = 1,2,…....m

Donde:

Z = función objetivo a optimizar (maximizar o minimizar).

Xj = j-ésima variable de decisión (al inicio del modelo no se conoce su valor pero si se
define su significado y su unidad de medida).
Cj = vector de utilidades o costos, coeficiente de ganancia (ó costo) de la j-ésima variable
(Es una constante que debe identificarse su valor).
Aij = Matriz de coeficientes tecnológicos, coeficiente de la j-ésima variable en la i-ésima
restricción (Es una constante que representa la cantidad unitaria de recurso i necesaria para
producir una unidad de producto j).
bi = Vector de disponibilidad de recursos, limitación de la capacidad de la i-ésima
restricción (Es una constante que representa la cantidad total de recurso i disponible).
Xj ≥ 0 = Condiciones de no negatividad.

El problema de Programación Lineal puede expresarse en una forma más condensada

haciendo uso de sumatorias:
 ( ≥ = ≤)

Para toda j = 1,2, ….. n

Para toda i = 1,2,…....m

SUPUESTOS O CARACTERÍSTICAS DEL MODELO DE

PROGRAMACIÓN LINEAL

Los supuestos o características de la programación lineal, proporcionalidad, aditividad,

divisibilidad y certidumbre, están implícitas en la formulación de cualquier modelo
matemático, sin embargo, vale la pena hacer hincapié en ellas para que sea más sencillo
evaluar si esta técnica es adecuada para un problema dado:

Proporcionalidad.-La proporcionalidad es un supuesto o característica sobre la función

objetivo y sobre las restricciones, como se resume a continuación:

Supuesto o característica de proporcionalidad: La contribución de cada actividad

al valor de la función objetivo Z es proporcional al nivel de actividad Xj, como lo
representa el término CjXj en la función objetivo. De manera similar, la
contribución de cada actividad al lado izquierdo de cada restricción es proporcional
al nivel de actividad Xj, en la forma en que lo representa el término AijXj en la
restricción, por ejemplo: si se necesitan 2 horas-hombre y 10 unidades de materia
prima para hacer un escritorio, se requerirán 20 horas-hombre y 100 unidades de
materia prima para 10 escritorios, o sea, la medida de efectividad y el recurso usado
debe ser proporcional al nivel de cada actividad tomada individualmente.

Aditividad.- Este supuesto o característica garantiza que el costo o utilidad total es la suma
de los costos o utilidades individuales sobre la función objetivo y sobre las restricciones,
que la contribución total a la j-ésima restricción es la suma de las contribuciones
individuales de cada actividad, como se resume a continuación:

Supuesto o característica de aditividad: La medida total de efectividad y cada

recurso total empleado resultante del desarrollo conjunto de las actividades debe ser
igual a la suma respectiva de estas cantidades resultantes de cada actividad
considerada individualmente, o sea cada actividad es independiente y puede precisar
la cantidad de recursos necesarios en cada nivel de las distintas actividades,
ejemplo: si una máquina requiere 2 y 3 horas para hacer los productos 1 y 2
respectivamente para producir los productos 1 y 2 requerirá 5 horas.

Divisibilidad.- El siguiente supuesto o característica se refiere a los valores permitidos para

las variables de decisión:
 Supuesto o característica de divisibilidad: Las variables de decisión en un modelo
de programación lineal pueden tomar cualquier valor, incluyendo valores no
enteros, que satisfagan las restricciones y las condiciones 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 fraccionales.

Certidumbre.- El último supuesto o característica se refiere a los parámetros del modelo,

es decir, a los coeficientes Cj en la función objetivo, los coeficientes Aij en las restricciones
y los coeficientes bi en el lado derecho de las restricciones.

Supuesto o característica de certidumbre: Se supone que los valores asignados a

cada parámetro de un modelo de programación lineal son constantes conocidas.
Como ya se dijo anteriormente, el modelo matemático intenta ser sólo una
representación idealizada del problema real. Por lo general se requieren
aproximaciones y las características para que el problema se pueda manejar. El
análisis de sensibilidad compensa, de alguna manera, cuando las características no
se llegan a cumplir cabalmente.

Los modelos de programación lineal son muy variados y adoptan muchas formas. Esta
diversidad puede confundir y hace difícil reconocer cuándo puede aplicarse la
programación lineal para estudiar problemas administrativos. La capacidad para reconocer
la aplicabilidad de la programación lineal es una aptitud administrativa y desarrollar esta
aptitud requiere de constancia y disciplina para obtener experiencia y sensibilidad.

La programación lineal es una técnica determinista de análisis para elegir la mejor entre
muchas alternativas. Con frecuencia, seleccionar una alternativa incluye satisfacer varios
criterios al mismo tiempo. Por ejemplo, cuando se compra una pieza de pan se tiene el
criterio de frescura, tamaño, tipo (blanco, integral, de centeno u otro), costo y rebanado o
sin rebanar. Se puede ir un paso más adelante y dividir estos criterios en dos categorías;
restricciones y el objetivo.

Las restricciones son las condiciones que debe satisfacer una solución que está bajo
consideración. Si más de una alternativa satisface todas las restricciones, el objetivo se usa
para seleccionar entre todas las alternativas factibles. Cuando se elige una pieza de pan,
puede quererse un paquete de pan blanco rebanado y hecho no antes del día anterior. Si
varias marcas satisfacen estas restricciones, puede aplicarse el objetivo de un costo mínimo
y escoger el más barato.

Existen muchos problemas que se ajustan a este molde de tratar de minimizar o maximizar
un objetivo que está sujeto a una lista de restricciones. Un corredor de inversiones, por
ejemplo, trata de maximizar el rendimiento sobre los fondos invertidos pero las posibles
inversiones están restringidas por las leyes y las políticas bancarias. Un hospital debe
planear que las comidas para los pacientes satisfagan ciertas restricciones sobre sabor,
propiedades nutritivas, tipo y variedad, al mismo tiempo que se trata de minimizar el costo.
Un fabricante, al planear la producción futura, busca un costo mínimo al mismo tiempo
cómo cumplir restricciones sobre la demanda del producto, la capacidad de producción, los
inventarios, el nivel de empleados y la tecnología, entre otros. La programación lineal es
una de las técnicas más poderosas y útil para la solución de estos y de muchos otros
problemas en las organizaciones.

1.4.1 CONCEPTO DE FORMULACIÓN DE MODELOS.

Ya sea simple o complejo, un modelo es una representación que idealiza, simplifica y

abstrae selectivamente la realidad, la creación de modelos incluye una gran cantidad de arte
e imaginación así como de conocimientos técnicos.

Existen tres tipos de modelos:

a) Modelo físico.- Los ingenieros construyen modelos de automóviles, los arquitectos

urbanistas modelos de ciudades. En ambos casos se trata de modelos físicos.

b) Modelo analógico.- El segundo tipo de modelo lo empleamos tan a menudo que con
frecuencia no lo reconocemos. Estos modelos representan un conjunto de relaciones a
través de un medio diferente, pero análogo. El mapa de carreteras es un modelo análogo
del terreno correspondiente, el velocímetro de un vehículo representa la velocidad
mediante el desplazamiento análogo de una aguja sobre una escala graduada.

c) Modelo simbólico.- Es el más abstracto, en el cual todos los conceptos están

representados por variables cuantitativamente definidas y todas las relaciones tienen
una representación matemática, en lugar de física o por analogía. Los modelos
simbólicos toman la forma de cifras, símbolos y matemáticas. Comienzan como
modelos abstractos que formamos en nuestra mente y luego se registran como modelos
cuantitativos. Un tipo de modelo simbólico o matemático que se usa comúnmente en la
programación Lineal es una ecuación. Una ecuación es concisa, precisa y fácil de
comprender. Sus símbolos no sólo son mucho más fáciles de manipular que las
palabras, sino que se escriben más rápidamente. Además de estos atributos, los modelos
simbólicos se prestan a las manipulaciones de las computadoras.

Los modelos simbólicos se inician con números, operan con números y producen números.
Esto es, los números juegan muchos papeles en la creación, solución y uso de los modelos
cuantitativos de decisión.

Los modelos están constituidos por tres conjuntos básicos de elementos: Las variables de
decisión y parámetros, las restricciones y la función objetivo.
a) Variables de decisión y parámetros.- Las cantidades desconocidas que deben
determinarse en la solución del modelo, son las variables de decisión. Los parámetros
son los valores que describen la relación entre las variables de decisión. Los parámetros
permanecen constantes para cada problema, pero varían con problemas distintos.

b) Restricciones.- Para incluir las limitaciones físicas que ocurren en el problema cuyo
modelo se plantea, dicho modelo debe incluir cualesquiera restricciones que limiten las
variables a valores permisibles (factibles). Por lo general, las restricciones se expresan
como funciones matemáticas.

c) Función objetivo.- define la efectividad del modelo como función de las variables de
decisión. Se obtiene la solución óptima del modelo cuando los valores de las variables
de decisión arrojan el mejor valor de la función objetivo, al mismo tiempo que se
satisfacen todas las restricciones.

Los modelos son una representación limitada de la realidad, sin embargo, si ha sido bien formulado
y su resultado se interpreta cuidadosamente, podrá proveer un valioso acervo de información para
quien toma la decisión

A manera de guía, el proceso de construcción de un modelo cuantitativo se puede dividir en

tres etapas:

a) Se estudia el ambiente.- La experiencia puede ser el ingrediente más esencial del éxito,
la experiencia tanto en construcción de modelos como en el trabajo en el ambiente que
se estudia.

b) Se formula una representación selectiva de la realidad.- Implica un análisis

conceptual básico en el que se deben hacer conjeturas y simplificaciones. El proceso de
formulación requiere que el constructor del problema seleccione o aísle del ambiente
aquellos aspectos de la realidad que sean relevantes dentro del ámbito del problema.
Puesto que los problemas que nos interesan implican decisiones, restricciones y
objetivos, deben ser explícitamente identificados y definidos. Una vez que se ha
realizado la formulación lógica se debe elaborar una forma simbólica del modelo. En
cierto sentido, formulación y construcción son procesos integrados, siendo la
formulación el aspecto lógico conceptual y la construcción la expresión de las
relaciones lógicas en el lenguaje simbólico de las matemáticas.

c) Se formula una representación simbólica del modelo.- Las interacciones entre la

formulación y la construcción simbólica por lo común son críticas. Por lo que se
requiere que los modelos sean construidos por grupos heterogéneos o interdisciplinarios
de expertos en varios campos.

El concepto de formulación y construcción del modelo podría ser más explicito con el
siguiente ejemplo:
Considérese a un fabricante quien produce distintos productos y utiliza diferentes materias
primas en el proceso. El desea conocer que tanto tiene que producir de cada producto con el
objetivo de obtener el mayor beneficio global, numeremos los diferentes productos que
fabrica por 1,2,…,n y las materiales requeridos (tales como mano de obra, capital, acero y
otras materias básicas) por 1,2,….,m supóngase que el sistema de unidades se elige en
términos de la cantidad de cada producto fabricado y en forma como pueden medirse los
materiales usados, por ejemplo, la cantidad de acero usado puede medirse en toneladas, la
mano de obra en horas-hombre, y así sucesivamente. Ahora hagamos algunas suposiciones
respecto a la naturaleza del proceso de fabricación considérese primero que, para cada
producto, se requiere una cantidad fija de cada material para hacer una unidad de ese
producto. Sea Aij el número de unidades requeridas del material i para producir una
cantidad del producto j . El referirse a Aij como "fijo" significa que es un
número determinado por i y j solamente y no varía con la cantidad producida del producto
j. A continuación, supóngase que consideramos un período de tiempo fijo durante el cual se
dispone de una cantidad fija de cada material y que dicha cantidad no puede excederse
durante ese tiempo. Sea bi el número de unidades del material i disponible durante el
período de tiempo fijo . Finalmente supóngase que todos los productos fabricados
durante el intervalo de tiempo considerado se venderán y que se conoce el beneficio
unitario de cada producto, el cual es independiente del número de unidades producidas. Sea
Cj el número de unidades de dinero que son el beneficio de la venta de una unidad de cada
producto j . Entonces, si se producen Xj unidades del producto j en el
intervalo de tiempo dado, el beneficio será C1X1 + C2X2 +………CiXj+…..+ CnXn, puesto
que deseamos maximizar el beneficio total sujeto a las condiciones mencionadas, debemos
formular el siguiente problema de programación lineal.

Maximizar Z = C1X1 + C2X2 +………CJXj+…..+ CnXn

Sujeta a: A11X1 + A12X2 +……… A1jXj +…..+ A1nXn (≤, = ó ≥) b1

A21X1 + A22X2 +……… A2jXj +…..+ A2nXn (≤, = ó ≥) b2
……………………………………………………………………..
Ai1X1 + Ai2X2 +……… AijXj +…..+ AinXn (≤, = ó ≥) bi
……………………………………………………………………..
Am1X1 + Am2X2 +……… AmjXj +…..+ AmnXn (≤, = ó ≥) bm
Xj ≥ 0 (j =1,2,….,n)

Para toda j = 1,2, ….. n

Para toda i = 1,2,…....m

Las condiciones Xj ≥ 0 (j =1,2,…., n) están presentes debido a que no

tiene significado hablar de producir una cantidad negativa de un
producto.