PROGRAMACIÓN

LINEAL
Investigación Operativa I
 Introducción
En la vida real, las organizaciones operan con recursos escasos y todas ellas
tienen que tomar decisiones sobre cómo asignar estos recursos. Continuamente
la dirección debe asignar estos recursos escasos para alcanzar las metas de la
organización.

El tipo más común de aplicación abarca el problema general de asignar recursos

limitados entre actividades competitivas de la mejor manera posible (forma
óptima), este problema incluye elegir el nivel de ciertas actividades que compiten
por recursos escasos necesarios para realizarlas. Los niveles de actividad
elegidos dictan la cantidad de cada recurso que consumirá cada una de ellas.

La programación lineal utiliza el modelo matemático para describir el problema.

El adjetivo lineal significa que usa funciones lineales (de orden 1) y la palabra
programación es sinónimo de planeación. Así la programación lineal trata de la
planeación de las actividades para obtener un resultado óptimo, esto es, el
resultado que mejor alcance la meta especificada entre todas las alternativas de
solución.
 Modelos de programación lineal

-Los problemas de Programación Lineal se expresan

mediante un conjunto de relaciones matemáticas que se
conoce como Modelo.

-Los modelos se pueden representar en su forma

estándar o en su forma canónica

El esfuerzo se centra tanto en la construcción

del modelo como en la resolución del mismo.
 Modelos de programación lineal
En el planteamiento del modelo de programación lineal, se
debe distinguir entre recursos, actividad, nivel de actividad,
medida global de efectividad.

En estos problemas se trata de calcular el valor de las

variables que están sujetas a una serie de restricciones
y para las que una determinada función objetivo Z
alcanza su valor máximo o mínimo.
 Forma Estándar

Notación:
 Z: Valor de la medida global de efectividad. También llamada Función Objetivo, es el
criterio y va referido a la minimización de los costos de la actividad, o a la maximización
de beneficios.
 xj: Nivel de la actividad j (para j = 1, 2, …., n)
 cj : Incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
 bi: Cantidad del recurso i disponible para asignar a las actividades (para i = 1, 2, …, m)
 aij: Cantidad del recurso i consumido por cada unidad de la actividad j.
 Forma Canónica
Opt
  (a) Función lineal llamada función objetivo,
Z C X (a ) donde el concepto de optimización puede ser
maximizar o minimizar
s.a :
  
A X  b (b) (b) Restricciones de desigualdad


x0 (c ) (c) Restricciones de no negatividad

Notación:

A= Matriz de coeficientes de las variables en el sistema de ecuaciones

X = Vector solución

b = Lado derecho de la restricción i. Corresponde a la cantidad de recurso disponible

C = Vector de costo o utilidades .Corresponde a la contribución a Z por unidad de
actividad
  x1 
x 
: Vector columna con n componentes, se le denomina
  
2

X   vector de actividades (n componentes que son las

  variables de decisión)
 
 xn 
  n1

C   c1 , c2 , ... , c3 1n precios o costos unitarios (contribuciones unitarias)
: Vector fila con n componentes, se le denomina vector de

b1 
b 
  2
b   : Vector columna con m componentes, se le denomina
  vector disponibilidad de recursos
 
bm 
  m1

0 
0 
   : Vector columna de n ceros
0  
 
 
0
n 1
 a11 a12 a1n 
a a a2 n  : Matriz de m renglones y de n columnas, se le
  21 22
A   denomina matriz de coeficientes tecnológicos.
 
 
am1 am 2 amn  m n

Entonces, matricialmente el problema
* de programación lineal
se puede expresar como:
 x1 
x 
Optimizar :  2

Z =  c1 , c2 , ... , c3  1  n *
 
 
 
 x n 
n1
s.a:

 x1  a11 a12 a1n  b1 

    b 
 x2  a 21 a22 a2n   2
  *    ó   
   
   
 
x     
 n  n1 bm 
a m1 am 2 amn 
m 1
  m n

 x1   0
x    0
 2  
   
   
   
 xn  0
n1 n1
 FORMA CANÓNICA

Opt
 
Z CX (a )
s.a :
  
A X  b (b)

x0 (c )
FORMA ESTÁNDAR
Consumo de recurso por unidad de actividad Cantidad de
actividades recurso
Recurso disponible
1 2 n

1 a11 a12 a1n b1

2 a21 a22 a2n b2

m am1 am2 amn bm

Contribución a
Z por
Los valores xj unidad
son lasde c1 de decisión
variables c2 y los valores de c j, bi , y aijcson
n las constantes de
actividad
entrada al modelo (parámetros del modelo).
 Resolución de un problema de programación
lineal (PPL) mediante el método gráfico
(dos variables de decisión)

 El método de solución gráfica es aplicable sólo a problemas

simples que no excedan de dos variables.

 No obstante, dos variables no son suficientes para describir o

representar problemas reales, pero éste método proporciona
importantes ideas de los procedimientos de solución de P.L.
 Método Gráfico, Ejemplo 1:

Una pequeña empresa de muebles fabrica dos productos: mesas y silla, que se
deben procesar a través de los departamentos de ensamble y acabado.
Ensamble tiene 60 horas disponibles y acabado puede manejar a lo máximo 48
horas de trabajo. La fabricación de una mesa requiere de 4 horas de ensamble y
dos horas de acabado. Cada silla requiere de dos horas de ensamble y cuatro
horas de acabado.

Si la utilidad es de $8 u.m. por mesa y de $6 u.m. por silla. El problema es

determinar la mejor combinación posible de mesas y sillas para producir, para
así vender y obtener la máxima utilidad.

Hay dos limitaciones (restricciones) en el problema: El tiempo disponible de

ensamble y de acabado.
Resumen de Información:
Mesa (u) Silla (u) Horas Directas
Disponibles (hr)
Ensamble 4 (hr) 2 (hr) 60
Acabado 2 (hr) 4 (hr) 48
Utilidad u.m. $8 $6
 Método Gráfico, Ejemplo 1:
Planteamiento del Problema

1.- Definición de Variables de Decisión: Cantidad de sillas y mesas a producir

Xm: cantidad de mesas a producir (u)

Xs cantidad de sillas a producir (u)

2.- Restricciones:

 Departamento de Ensamble: 4 X m  2 X s  60

 Departamento de Acabado: 2 X m  4 X s  48
 Restricción de No Negatividad:
Xm  0
Xs  0
3.- Función Objetivo: Max
U  8X m  6X s
Gráfica: Se dibuja sobre el gráfico las restricciones de No Negatividad, según la
figura siguiente:

Xs

Xm
Cada una de las restricciones se grafican, considerando inicialmente la
desigualdad como una igualdad.

Así, se grafica la primera restricción como la ecuación:

4 X m  2 X s  60
Si : X m  0  X s  30
Si : X s  0  X m  15
Las dos coordenadas anteriores se señalan en la gráfica y se unen con una línea
recta, pero el signo de la desigualad incluye a todos los pares ordenados que
están a la izquierda de dicha recta. La siguiente figura representa dicha
situación:

Restricción 1 Xs

Xm
Para la segunda ecuación, se efectúa el mismo desarrollo, es así:

2 X m  4 X s  48
Si : X m  0  X s  12
Si : X s  0  X m  24

Las dos coordenadas anteriores se señalan en la gráfica y se unen con una línea recta,
pero el signo de la desigualad incluye a todos los pares ordenados que están a la
izquierda de dicha recta. La siguiente figura representa dicha situación:

Xs

Restricción 2

Xm
La intersección de las dos inecuaciones, combinada a la ecuación de no negatividad, genera
la región de soluciones factible (RSF), como se indica en la figura. La región achurada indica
que todos los puntos que están en los bordes y dentro de a región factible, satisfacen
simultáneamente todas las restricciones del PPL.

Restricción 1 Xs

Restricción 2

Xm
 El problema es encontrar uno o más puntos (o soluciones) en la RSF, de manera tal que
maximice la función objetivo original. La solución óptima se debe graficar, a través de
toda la región de soluciones. Así, cada línea de isoganancias se obtiene haciendo la
función objetivo igual a un valor arbitrario, por ejemplo, se elegimos igualar la utilidad a
$48 (u.m.), esta se gráfica (con línea segmentada) de igual manera que las inecuaciones
anteriores. Esta línea de isoganancias representa todas las cantidades posibles de
mesas y sillas que producirán una utilidad total de $48 (u.m.). El problema, finalmente, se
resume en encontrar la línea de isoganancia que tenga la mayor utilidad y que este sobre
la región de soluciones factibles. Lo anterior se realiza, moviendo la línea de isoganancia
en forma paralela a una línea de isoganancia arbitraria, hasta que alcance el último punto
de la RSF.

De esta manera, el último punto factible es el identificado con la letra D, por lo cual, es el punto óptimo
se encuentra por la intersección de las restricciones 1 y 2, así:

4 X m  2 X s  60
2 X m  4 X s  48
 X s  6 (u) sillas
 X m  12 (u) mesas
El valor de la contribución máxima es:

max
U  8X m  6X s
U  $132 (u.m)

Restricción 1
Xs

U=132(um)

Restricción 2

U=48(um)

Xm
 Método Gráfico, Ejemplo 2:

Una pequeña fábrica de muebles, elabora únicamente dos productos: Escritorios y Sillas.
Este fabricante tiene cuatros secciones: sección corte, en la cual se procesan silla y
escritorios; sección armado, en la cual se ensamblan las sillas y escritorios; sección
tapicería, en la cual sólo se incluye el tapiz de las sillas y sección cubiertas, en la cual se
fabrican dichas cubiertas y se colocan en los escritorios. Durante el siguiente periodo de
producción, hay 27.000 minutos disponibles para cada una de las secciones y este
tiempo no se puede alterar dentro de los parámetros del problema. En cada una de las
secciones, se ha establecido que los tiempos estándares fijos que se necesitan para
procesar cada silla son los siguientes: 15; 12; 18,75 minutos, para las secciones de corte,
armado y tapicería, respectivamente; en cambio, para el proceso de cada escritorio se
requiere de: 40; 50; 56,25 minutos, para las secciones de corte, armado y cubierta,
respectivamente. Las contribuciones a la utilidad y a los costos fijos de cada silla son de
$25 (u.m.) y para cada escritorio es de $75 (u.m.).

Se acepta que los costos indirectos totales de los cuatros departamentos son de $20.500
(u.m.) y los costos totales en mano de obra para todos los departamentos es de $13.500
(u.m.), resultando un costo fijo total de $34.000 (u.m.). Se supone que la materia prima es
un costo variable y que no hay costos adicionales. El costo de la materia prima por cada
silla es de $5 (u.m.) y de cada escritorio es de $25 (u.m.). El precio de venta a que se
deberá ofrecer toda la producción es de $30 (u.m.) por cada silla y $100 (u.m) por cada
escritorio (sin considerar el costo indirecto). Se pide maximizar la contribución a la
utilidad.
 Resumen de la información:
Sección Silla (min) Escritorio (min) Disponibilidad
(min)
Corte 15 40 27.000
Armado 12 50 27.000
Tapicería 18,75 - 27.000
Cubierta - 56,25 27.000
Contribución
a la utilidad $ 25 $ 75
(u.m.)
Costo Materia
Prima (u.m) $5 $ 25
Precio Venta
(u.m) $ 30 $ 100
Costo Indirecto: $ 20.500 (u.m.)
Costo Mano de Obra: $ 13.500 (u.m.)
Costo Fijo Total: $ 34.000 (u.m.)
Planteamiento del Problema:

1.- Definición de variables de decisión:

Xs: cantidad de sillas a producir (unidad)
Xe: cantidad de mesas a producir (unidad)

2.- Expresión algebraica de las restricciones:

Corte: 15 X s  40 X e  27.000

Armado: 12 X s  50 X e  27.000

Tapicería: 18,75 X s  27.000

Cubi 56,25 X e  27.000
erta:

Xs  0
No Negatividad:
Xe  0
3.- Expresión algebraica de la función objetivo:

max
U  25 X s  75 X e
Representación Gráfica: Xe Rest 5

Rest 3

Rest 1

Rest 2
Rest 4
E
C

F
Rest 6
A B

Xs

U=30.000 U=47.000
El punto que optimiza el objetivo expresado, se localiza de acuerdo a un análisis de
pendiente (que llamaremos M) de las rectas que la originan y de la función objetivo:

Corte
 15 27.000 3
Xe  *Xs   Contribuci ón  M   0,375
40 40 8
Armado
 12 27.000 6
Xe  *Xs   Contribución  M   0,240
50 50 25
Tapicería

 18,75 27.000
Xe  * Xs   Contribución  M  
0 0
Cubierta
0 27.000
Xe  *Xs   Contribución  M  0
56,25 56,25
Función Objetivo:

 25 U 1
Xe  *Xs   Contribución  M   0.333
75 75 3

Podemos observar que la pendiente de la f.o. esta entre la sección corte y armado (en valor
absoluto), así:

pend _ corte  0,375  pend _ f .o.  0,333  pend _ armado  0,240

Por otra parte, como se aprecia, la f.o. crece mientras más se aleja del origen, se puede ver
que el punto D cumple con las restricciones impuestas por ele problema y optimiza, en este
caso, la contribución a la utilidad. En general, no se requiere analizar el valor de las
pendientes de todas las rectas que intervienen, sino que mediante una inspección ocular se
puede determinar cuales de todas las restricciones se deben analizar para detectar el
óptimo:
De esta manera:

U  $47.500(u.m)
X s*  1.000 (u) sillas
X m*  300 (u) escritorios

En el siguiente cuadro se presenta la relación de venta, costo y utilidad (no su

contribución) en los vértices de la RSF:

A B C D E F
(0; 0) (1.440; 0) (0; 480) (1.000; 300) (250; 480) (1.440; 135)
Costo Fijo 34.000 34.000 34.000 34.000 34.000 34.000
Materia
Prima 0 7.200 12.000 12.500 13.250 10.575

Costo Total 34.000 41.200 46.000 46.500 47.250 44.575

Venta Total 0 43.200 48.000 60.000 55.500 56.700
Utilidad
Total (34.000) 2.000 2.000 13.500 8.250 12.125

Se puede apreciar que si utilizamos el concepto de contribución o utilidad, de igual manera, el

punto D es el de máximo beneficio.
1.- Ejercicio

Min Z = X1 + X2
s.a:
X1 + X 2 ≤ 3
-X1 + X2 ≥ 2
3X1 + X2 ≥ 1
2X1 ≤ -1
X1 irrestricta.

1.- Dejar las ecuaciones con signo igual.

(1) X1 + X 2 = 3
(2) -X1 + X2 = 2
(3) 3X1 + X2 = 1
(4) X1 = -1/2
(5) X1 irrestricta.
2.- Obtener dos puntos para graficar.
Ecuación. Si X1 = 0 Si X2 = 0
(1) X1 + X2 = 3 X1 = 0 X2 = 3 X1 = 3 X2 = 0
(2) -X1 + X2 = 2 X1 = 0 X2 = 2 X1 = -2 X2 = 0
(3) 3X1 + X2 = 1 X1 = 0 X2 = 1 X1 = 1/3 X2 = 0

(2)

(1)

(4)
(3)
3.- Trazar rectas paralelas que representen a la función objetivo.

X1 + X 2 = 0
X1 + X 2 = 1
X1 + X 2 = 3

4.-Obtener la solución Optima.

X1 = -0.5
X2 = 2.5
Z = X 1 + X2 = 2

5.-Comprobar evalúo los vértices en la función Objetivo.

 Vértice Función Objetivo

A X1 = -1 X2 = 4 Z = X1 + X2 = 3

B X1 = -0.5 X2 = 3.5 Z = X1 + X2 = 3

C X1 = -0.5 X2 = 2.5 Z = X1 + X2 = 2