Unidad 2

Introducción a la
programación lineal con
modelamiento con 2 o
más variables y solución
gráfica para modelos de
2 variables.

Investigación de Operaciones
 Página 1 de 19

1. Introducción
Continuando con el aprendizaje de la unidad anterior, en esta unidad se analizarán más
detalladamente los elementos que componen un modelo matemático de programación
lineal. En particular, nos enfocaremos en la formulación de modelos lineales de 2
variables, definiendo la función objetivo y sus restricciones.

Para el caso de modelos de programación lineal de dos variables se explicará el método

gráfico de solución. Dentro del método gráfico se considerarán dos estrategias para
encontrar la solución óptima: estrategia de los vértices y estrategia de curvas iso-
beneficio. En el caso de modelos con solución factible podemos utilizar cualquiera de las
dos estrategias mencionadas. Al ser estrategias que utilizan lenguaje gráfico es posible
visualizar cómo ambas estrategias operan y permiten encontrar la solución al problema en
el caso de ser posible.

Una vez encontrada la solución óptima, es necesario realizar un análisis de sensibilidad

para evaluar el impacto en la solución encontrada frente a cambios en los parámetros de
la función objetivo o de las restricciones. Estas modificaciones pueden deberse a cambios
en las estimaciones iniciales de los parámetros del modelo o a cambios en el ambiente
externo de la organización.
 Página 2 de 19

2. Problemas en investigación de operaciones

Un problema en investigación de operaciones se relaciona con la manifestación de un
estado no deseado de un sistema o área de una organización. Si un indicador de
desempeño o KPI (Key Performance Indicator) muestra valores fuera de los rangos
deseados es posible identificar la presencia un problema. Lograr identificarlo es el primer
paso para comenzar a estudiar las operaciones de la organización.

Los rangos de normalidad de un indicador muestran la zona en la cual el indicador está en

condiciones normales. Puede existir un límite inferior y un límite superior para un
indicador. Si el indicador (o la variable) se mueve dentro de los límites definidos, se suele
decir que el proceso se encuentra bajo control. En cambio, si el indicador está por sobre el
valor máximo permitido, o si el indicador presenta un valor inferior el valor mínimo
permitido, se dice que el proceso asociado está fuera de control. En cualquiera de estos
casos se evidencia la existencia de un problema.

Indicadores y límites superior e inferior

Fuente: Elaboración propia

Por ejemplo, en el caso del transporte de productos a los clientes de una empresa,
podemos considerar el indicador Promedio del porcentaje de cumplimiento en la fecha de
entrega. Este indicador tendrá un valor adecuado si se encuentra dentro de los valores
aceptables definidos por la empresa. Si el porcentaje de cumplimiento deseado por ella es
al menos un 90%, los valores del indicador bajo el 90% mostrarán una situación problema;
en caso contrario, el proceso estará dentro de los límites considerados normales.
 Página 3 de 19

Los límites de normalidad de un indicador se pueden ir ajustando en el tiempo en función

de los estándares y objetivos de la empresa. Este ajuste puede ocurrir debido a decisiones
internas asociadas a políticas de mejoramiento continuo o a la comparación de los
indicadores de la empresa con la competencia relevante. Normalmente, a medida que
pasa el tiempo, los límites de los indicadores se van haciendo cada vez más exigentes. En
el ejemplo del párrafo anterior, la empresa podría subir el estándar y definir que el
porcentaje de cumplimiento en la fecha entrega debe ser al menos un 95%.

3. Variables de decisión
Las variables de decisión son aquellas variables que se asocian a un determinado
problema y pueden ser de diferente tipo. A continuación, se muestran los tipos de
variables más habituales:

Tipos de variables

Fuente: elaboración propia

 Página 4 de 19

En la siguiente tabla se muestran ejemplos de variables, condición asociada a la variables y

ejemplos de aplicación:

Ejemplos de variables

Fuente: elaboración propia

 Página 5 de 19

4. Función objetivo
La función objetivo relaciona las variables de un problema con un objetivo determinado.
El objetivo puede ser de dos tipos: maximizar o minimizar una cierta función matemática.

Tanto en un problema de minimización como en un problema de maximización puede

ocurrir:

En el último caso, no es posible encontrar alguna solución posible para el problema dado
los recursos disponibles. Que el problema no tenga solución no es fin del proceso de
análisis. Es posible revisar la estructura del modelo (función objetivo y restricciones) y
evaluar si es posible realizar ajustes o cambios en el modelo para que sea factible
encontrar una solución al problema.

5. Restricciones
Las restricciones actúan acotando el espacio de soluciones factible. Por lo general, las
restricciones acotan la disponibilidad de un cierto recurso. Para ejemplificar, siguiendo el
 Página 6 de 19

caso del punto anterior, pueden existir restricciones en la empresa para maximizar su
ganancia. Algunas de ellas pueden ser: restricción del número de horas personas
disponibles para un cierto periodo de tiempo o la restricción del número de horas
máquinas disponibles para un cierto período de tiempo. La noción fundamental es tener
presente que los recursos no son infinitos. Por lo tanto, el objetivo es encontrar el mejor
resultado posible considerando las restricciones asociadas a cada situación problema.

Matemáticamente, las restricciones se representan a través de una inecuación o de una

ecuación. Si es inecuación, la expresión puede ser del tipo mayor (>), mayor o igual (>=),
menor (<), menor o igual (<=). Por ejemplo, 2x + 2y <= 10, 2x < 7, x + y > 15. En el caso de
una restricción del tipo ecuación, la expresión matemática es del tipo igualdad (=). Por
ejemplo, x + y = 10.

Esto lo podemos ver resumido en la siguiente tabla:

Restricciones

Fuente: Elaboración propia

Para representar la disponibilidad de recursos las expresiones matemáticas suelen ser <=.
Por ejemplo, 2x + 2y <= 10 (dos unidades de x más dos unidades de y deben consumir a lo
más 10 unidades de un cierto recurso). Como ejemplo de restricción de igualdad se puede
indicar x + y = 10, entendiéndose que una unidad de x más una unidad de y debe ser igual
a 10 unidades. Una restricción de este tipo podría, por ejemplo, estar asociada a la
demanda de productos. En este caso, la restricción es de igualdad dado que la demanda
debe satisfacerse exactamente en una cierta cantidad.

Si la función objetivo se modela como una expresión lineal, y las restricciones son del tipo
inecuaciones o ecuaciones lineales, el problema de investigación de operaciones
resultante se conoce como un modelo de programación lineal.
 Página 7 de 19

Los modelos de programación lineal pueden tener 2 o más variables. Para el caso de
modelos de dos variables es posible representar el modelo y encontrar la o las soluciones
óptimas a través de representaciones gráficas en un espacio de dos dimensiones (plano
cartesiano con ejes x e y). Si el modelo tiene más de dos variables, no es posible
representar el problema en dos dimensiones y, en ese caso, se utilizan algoritmos
matemáticos de acuerdo con el tipo de problema.

6. Método gráfico para resolver problemas de 2 variables

El método gráfico nos ayuda a representar gráficamente un problema de programación
lineal de dos variables.

El método requiere que se grafiquen en el plano cartesiano todas las restricciones del
problema, sean estas inecuaciones o ecuaciones. Luego se debe graficar la función
objetivo para diferentes valores y visualizar su desplazamiento en el sentido del objetivo
buscado.

Para ilustrar la aplicación del método consideraremos el siguiente problema:

Maximizar función objetivo Z = x + y

sujeto a

Restricción 1: 2x + y <= 10

Restricción 2: x + 2y <= 8

Restricción 3: x >=0

Restricción 4: y >=0
 Página 8 de 19

Recta 1

Recta 2

Fuente: Elaboración propia

Para graficar la restricción 1, en primer lugar, se requiere graficar la ecuación 2x + y = 10.

Para graficar esta recta necesitamos al menos dos puntos. En la ecuación anterior, si x = 0,
y = 10. Así tenemos el primer punto (0,10). Luego, en la misma ecuación, si y = 0, x = 5. El
segundo punto es (5,0). Uniendo estos dos puntos se puede trazar la recta 1.

Para graficar la restricción 2, en primer lugar, se requiere graficar la ecuación x + 2y = 8.

Para graficar la recta asociada necesitamos al menos dos puntos. En la ecuación anterior,
si x = 0, y = 4. Así, tenemos el primer punto (0,4). Luego, en la misma ecuación, si y = 0, x =
8. El segundo punto es (8,0). Uniendo estos dos puntos se puede trazar la recta 2.

Para graficar la restricción 3 se grafica en primera instancia x=0. En este caso, es el eje y (a
lo largo del eje y el valor de x siempre es 0). Para graficar la restricción 4 se grafica en
primer lugar y = 0. Esto corresponde al eje x dado que a lo largo del eje x el valor de y
siempre es 0.

El siguiente paso consiste en graficar las inecuaciones correspondientes a las restricciones

1 y 2. Una inecuación implica encontrar todos los puntos del plano cartesiano que
cumplen una cierta condición. Para la primera inecuación 2x + y <= 10, se deben
 Página 9 de 19

considerar todos los puntos del plano que sean menores o iguales a 10. En términos
simples, corresponde a los puntos que pertenecen a la recta y están arriba de esta, o los
puntos que pertenecen a la recta y están debajo de ella. Para saber cuál zona es la
correcta, se puede reemplazar un punto al azar y ver si se cumple o no la condición. Si
consideramos el punto (0,0) y lo reemplazamos en la inecuación 2 * 0 + 0 <= 10, nos
preguntamos si el lado izquierdo cumple o no la condición del lado derecho. El lado
izquierdo da como resultado 0, y 0 es efectivamente menor o igual que 10. Por lo tanto,
todos los puntos que pertenecen a la recta 1, y que están debajo de la misma, cumplen
para la primera inecuación.

Para graficar la inecuación 2 se repite el mismo procedimiento. Debemos evaluar si los

puntos que pertenecen a la recta y están sobre la misma cumplen la condición. O si los
puntos que pertenecen a la recta, y están debajo de esta, cumplen con la condición. Para
ello, considerando la inecuación x + 2y <= 8, tomaremos un punto al azar. Tomaremos
nuevamente el punto (0,0). Reemplazando: 0 + 2 * 0 <= 8. El lado izquierdo da como
resultado 0. Cero es efectivamente menor o igual que el lado derecho 8. Por lo tanto, la
inecuación da como resultado todos los puntos que pertenecen a la recta 2 y están debajo
de la misma.

Recta 1

Recta 2

Fuente: Elaboración propia

 Página 10 de 19

Para graficar las inecuaciones 3 y 4, consideramos que x >=0 e y >=0 implicando que la
zona que cumple esta condición se encuentra dentro del cuadrante I del plano cartesiano.
En este cuadrante los valores de x e y son mayores o iguales a cero.

Al considerar simultáneamente las cuatro inecuaciones se obtiene la región factible. Esta

región contiene el espacio de soluciones factibles que permitirá encontrar la solución
óptima.

En el ejemplo, la región factible está delimitada por el vértice A, B, C y D.

El paso siguiente es encontrar cada uno de los vértices.

D
C

A B
Fuente: Elaboración propia
 Página 11 de 19

El vértice C es la intersección de la recta 1 y la recta 2. El resultado se obtiene al resolver el

sistema de ecuaciones de dos variables:

2x + y = 10

x + 2y = 8

La intersección de las ecuaciones se encuentra en el punto (x,y) = (4,2).

Para encontrar la solución óptima existen dos estrategias:

• Estrategia de los vértices

• Estrategia de curvas iso - beneficio

Para la estrategia de los vértices es necesario reemplazar cada vértice en la función

objetivo. Si la función objetivo es de maximización, los vértices que al ser evaluados den
el mayor valor en la función objetivo serán considerados como solución óptima. Si la
función objetivo es de minimización, se evacuarán los vértices y se considerarán como
solución óptima aquellos que den como resultado el menor valor en la función objetivo.

Siguiendo con el ejemplo ilustrativo:

Luego de reemplazar los vértices, y dado que la función objetivo es de maximización, con
el vértice C se obtiene el mayor resultado. En C = (4,2), Z = x + y = 4 + 2 = 6 unidades. Por lo
tanto, la solución óptima se encuentra en el vértice C con un Z = 6 unidades.

Para la estrategia de las curvas iso-beneficio es necesario graficar la función objetivo para
diferentes valores de Z.
 Página 12 de 19

Z=2 Z=3 Z=4 Z=5 Z=6

Fuente: Elaboración propia

En la figura se observan las curvas de función objetivo para Z = 2, Z = 3, Z = 4, Z = 5, Z = 6.

Se puede visualizar que, para un mismo valor de Z, sobre la recta se obtiene el mismo
beneficio o valor. A medida que Z aumenta la función objetivo se desplaza hacia la
derecha. El último vértice o punto de la región factible que toca Z, dado los
desplazamientos sucesivos, es el punto C. En el punto C = (4,2) se logra el mayor valor de Z
(Z = 6).

Con ambas estrategias se logra encontrar la solución óptima y el valor de Z o de la función

objetivo.

7. Análisis de sensibilidad
El análisis de sensibilidad tiene como propósito evaluar qué tan sensible es la solución
óptima frente al cambio de algunos de los parámetros del modelo. Se puede estudiar el
cambio en los parámetros de la función objetivo o el cambio en los parámetros de las
restricciones del modelo.
 Página 13 de 19

Siguiendo con el ejemplo ilustrativo del punto anterior, podemos cambiar el parámetro
del lado derecho de la restricción 1. Si consideramos 2x + y <= 12, el gráfico es el siguiente:

Recta 1

Fuente: Elaboración propia

En este caso, la restricción 1 (recta 1) se desplaza hacia la derecha, implicando que la

región factible se actualiza dando origen a una nueva región factible. Es necesario
recalcular los vértices y luego evaluar cada uno de ellos para encontrar la nueva solución
óptima.

Podemos ver qué ocurre si cambia el parámetro del lado derecho de la restricción 2. Si
consideramos x + 2y <= 10.
 Página 14 de 19

Recta 2

Fuente: Elaboración propia

En este caso, la restricción 2 (recta 2) se desplaza hacia arriba, implicando que la región
factible se actualiza dando origen a una nueva región factible. Es necesario recalcular los
vértices y luego evaluar cada uno de ellos para encontrar la nueva solución óptima.
 Página 15 de 19

También, podemos evaluar qué ocurre si cambia algún parámetro de la función objetivo
manteniendo las restricciones en la situación inicial.

Analizaremos qué impacto tiene el cambio en la función objetivo al aumentar el

parámetro de y a 3. Por lo tanto, la función objetivo modificada es Z = x + 3y:

Fuente:

B
Elaboración propia

Como se observa en la figura, en este caso la pendiente de la función objetivo es menor

que en el caso inicial. Se muestra en la figura que para valores sucesivos de Z la función
objetivo se va desplazando hacia arriba. A mayor valor de Z la función se aleja más del
origen. El último vértice que toca la función objetivo a medida que se aumenta Z es el
vértice D (0,4). Por lo tanto, la solución óptima está en el punto (0,4) implicando que

Z = x + 3y = 0 + 3 × 4 = 12 unidades.
 Página 16 de 19

A continuación, analizaremos qué impacto tiene el cambio en la función objetivo al

aumentar el parámetro de x a 3. De esta manera, la función objetivo modificada es

Z = 3x + y

El gráfico de este cambio se muestra a continuación:

Fuente: Elaboración propia

Como se observa en la figura, la pendiente de la función objetivo es más pronunciada que

en el caso inicial. Se observa que a medida que Z aumenta, se desplaza a la derecha. El
último vértice que tocará la función objetivo será el vértice B (5,0). Es decir, la solución
óptima en este nuevo escenario se encuentra en el punto (5,0), con Z = 3x + y = 3*5 + 0 =
15 unidades.
 Página 17 de 19

8. Aplicaciones en las organizaciones

No es suficiente formular un modelo
de programación lineal y resolverlo.
Además, se requiere evaluar distintos
escenarios. Bajo este enfoque es
posible aplicar el modelo en diferentes
situaciones y evaluar qué impactos se
generarían en la organización. De este
modo, las empresas pueden predecir
oportunamente los resultados e
impactos y definir planes de acción
para el logro de sus objetivos.

Teniendo un modelo de programación lineal podemos realizar los siguientes análisis:

• Evaluar el impacto en la solución óptima al efectuar un cambio en algún parámetro

de la función objetivo.
• Evaluar el impacto en la solución óptima al considerar la agregación o eliminación
de recursos. Esto se refleja en cambios en las restricciones del modelo.
Normalmente es el cambio que se genera al modificar el lado derecho de una
restricción.
• Evaluar el impacto en la solución óptima al efectuar un cambio en una restricción.
Este cambio puede afectar el lado izquierdo o el lado derecho de una restricción.
• Evaluar el impacto en la solución óptima al eliminar alguna restricción del modelo.
• Evaluar el impacto en la solución óptima al agregar una nueva restricción al
modelo.
• Evaluar el impacto combinado de los cambios en los parámetros de la función
objetivo, de los cambios en los parámetros de una restricción o del cambio en la
estructura del modelo (agregación o eliminación de restricciones).
 Página 18 de 19

9. Conclusiones
Para modelar un problema de programación lineal se debe definir claramente la función
objetivo y las restricciones del modelo. Una vez formulado el modelo, y si el modelo es de
dos variables, es posible representarlo gráficamente. En este caso, se puede encontrar la
solución óptima aplicando la estrategia de los vértices o la estrategia de curvas iso -
beneficio.

Una vez encontrada la solución óptima, se debe realizar el análisis de sensibilidad para
analizar qué tan sensible es la solución óptima frente a cambios en los parámetros de la
función objetivo o de las restricciones.

Dada la naturaleza cambiante de la empresa y su contexto, las situaciones problemas

deben ser estudiadas permanentemente. Por lo tanto, el proceso de análisis,
modelamiento y desarrollo de soluciones será un proceso continuo y permanente
ajustado a los objetivos de la empresa y a las necesidades de sus clientes.
 Página 19 de 19

10. Referencias bibliográficas

- Hillier. Lieberman. Introducción a la Investigación de operaciones. 9 edición.
McGraw Hill.
- Taha. Investigación de Operaciones. 9 edición. Pearson.

Ingrese aquí el nombre de la

asignatura