Programación

Lineal
APLICACIONES:
Agricultura, industria, transporte,
economía, salud, ciencias sociales,
de la conducta, y áreas militares;
permitiendo importantes beneficios
y ahorros asociados a su
utilización.
 ¿Qué es la Programación
Lineal?
Modelo de la Investigación de operaciones, cuyo
procedimiento o algoritmo matemático resuelve un problema
indeterminado, formulado a través de ecuaciones lineales.

Consiste en optimizar (minimizar o maximizar) una función

lineal, que denominaremos función objetivo, de tal forma que
las variables de dicha función estén sujetas a una serie de
restricciones que expresamos mediante un sistema de
inecuaciones lineales.
Puntos de interés de la PL:

El adjetivo lineal significa que todas las

funciones matemáticas del modelo
deber ser funciones lineales. En este
caso, las palabra programación no se
refiere a programación en
computadoras; en esencia es un
sinónimo de planeación
 Propiedades
La linealidad implica que la PL debe satisfacer 2
propiedades:

1. La proporcionalidad: la contribución de cada variable

en la función objetivo y en las restricciones, debe ser
directamente proporcional al valor de la variable.

2. La aditividad: la contribución total de todas las

variables en la función objetivo y sus requerimientos
en las restricciones, sean la suma directa de las
contribuciones o requerimientos individuales de cada
variable.
Pasos para la solución de
problemas de PL
1. Definición de las variables de decisión que se trata de
determinar.
2. Establecer la función objetivo (la meta) que se trata
de optimizar.
3. Construir las restricciones del modelo que se deben
satisfacer.
4. El rango de las variables.
5. Análisis de Sensibilidad
1. Método Grafico:

Modelo de Programación
Lineal con 2 variables
 Ejemplo:
COMEX
Comex produce pinturas para interiores y exteriores, M1 y M2. La tabla
siguiente proporciona los datos básicos del problema.
Tn de materia prima
Disponibilidad
Pinturas Pinturas
para para
diaria máxima (Tn)
exteriores interiores

Materia prima, M1 6 4 24
Materia prima, M2 1 2 6
Utilidad por Tn (miles de $) 5 4

Una encuesta de mercado indica que la demanda diaria de pintura

para interiores no puede ser mayor que 1 tonelada más que de la
pintura para exteriores. También, que la demanda máxima diaria de
pintura para interiores es de 2 toneladas.
Comex desea determinar la mezcla óptima (la mejor) de productos
para exteriores y para interiores que maximice la utilidad diaria total.
 Variables

X1 = Toneladas producidas diariamente, de

pinturas para exteriores.
X2 = Toneladas producidas diariamente, de
pinturas para interiores.
Función Objetivo

La empresa desea aumentar sus utilidades todo lo posible.

Si Z representa la utilidad diaria total (en miles de dólares),
el objetivo de la empresa se expresa así:

Maximizar Z  5 X 1  4 X 2
Restricciones

Se definen las restricciones que limitan el uso de las

materias primas y la demanda. Las restricciones en
materias primas se expresan verbalmente como sigue:

Según los datos del problema:

Uso de la materia prima M1, por día: 6X1 + 4X2 Tn.

Uso de la materia prima M2, por día: 1X1 + 2X2 Tn.

Ya que la disponibilidad de las materias primas M1 Y M2 se limita
a 24 y 6 Tn, respectivamente, las restricciones correspondientes
se expresan como sigue: 6 X 1  4 X 2  24 (Materia prima M2)
(Materia prima M1)
X 1  2X 2  6
La primera restricción de la demanda indica que la diferencia entre
la producción diaria de pinturas para interiores y exteriores X2 – X1,
no debe ser mayor que 1 Tn, y eso se traduce en X2 – X1 < 1.

La segunda restricción de la demanda estipula que la demanda

máxima diaria de pintura de interiores se limita a 2 Tn, y eso se
traduce como X2 < 2 .

Una restricción implícita es que las variables X1 y X2 no pueden

asumir valores negativos, (de no negatividad): X1 > 0, X2 > 0,
expresan ese requisito.
 El modelo completo del ejemplo es:
6 X 1  4 X 2  24
X 1  2X 2  6
 X1 X 2 1
X22
X1 0
X20

* Cualquier valor de X1 y X2 que satisfaga todas las

restricciones del modelo es una solución factible.

* La solución óptima, es la que produzca la utilidad total

máxima y al mismo tiempo satisfaga todas las
restricciones.
Solución: Método Gráfico de la PL
Comprende 2 pasos:

1. Determinación del espacio de soluciones que

define todas las soluciones factibles del
modelo.

2. Determinación de la solución óptima, entre

todos los puntos factibles del espacio de
soluciones.
Solución de un modelo de maximización
Paso 1  Determinación del espacio de soluciones
factibles:

a) Tener en cuenta las restricciones de no negatividad.

X1 > 0, X2 > 0,

b) Se sustituye cada desigualdad con una ecuación, y se

grafica la recta resultante.
6 X 1  4 X 2  24 6 X 1  4 X 2  24
X 1  2X 2  6 X 1  2X 2  6
 X1  X 2 1  X1  X 2 1
X2 2 X2 2
Solución de un modelo de maximización

Gráfico:

Gráfica
 Solución:

Se deben producir diariamente 3 toneladas

de pinturas para exteriores y tonelada y
media (1.5) de pintura para interiores.

Esta producción diaria da una utilidad de

$21,000.
Método Simplex
Max Z  5 X 1  4 X 2
sujeta :
6 X 1  4 X 2  24
X 1  2X 2  6
 X1 X 2 1
X22
X1 0
X2  0
VARIABLES DE HOLGURA
Tabla Inicial
Columna Pivote
RENGLÓN PIVOTE
Procedimiento para obtener los
nuevos renglones
Procedimiento para la tabla inicial
Método Simplex
Método Simplex
Método Simplex