Sesión N° 02:

Programacion Lineal

Ing. Marianella Kong M.B.A.

Copyright © Octubre de 2019 por TECSUP

Repaso sesión anterior
 Logro de la sesión

• Los alumnos podrán aplicar los modelos de la

programación lineal para la optimización de recursos.
 Motivación

• https://www.youtube.com/watch?v=YiECwzULBwA
 Programacion Lineal

• La programación lineal PL es una clase de modelos de

programación matemática destinados a la asignación
eficiente de los recursos limitados en actividades
conocidas, con el objetivo de satisfacer las metas
deseadas (maximizar beneficios o minimizar costos). La
característica distintiva de los modelos de programación
lineal es que las funciones que representan el objetivo y
las restricciones son lineales.
• La programación lineal ayuda a los administradores a
encontrar la mejor solución, en materia de asignaciones,
y les proporciona información sobre el valor de recursos
adicionales.
 Programacion Lineal

• Los resultados y el proceso de optimización se

convierten en un respaldo cuantitativo de las decisiones
frente a las situaciones planteadas. Decisiones en las
que sería importante tener en cuenta diversos criterios
administrativos como:
• Los hechos
• La experiencia
• La intuición
• La autoridad
 ¿COMO RESOLVER UN PROBLEMA
MEDIANTE PROGRAMACIÓN LINEAL?
El primer paso para la resolución de un problema de
programación lineal consiste en la identificación de los elementos
básicos de un modelo matemático, estos son:

•Función Objetivo
•Variables
•Restricciones

El siguiente paso consiste en la determinación de los mismos,

para lo cual proponemos seguir la siguiente metodología:
 Formulación del modelo matemático
Función Objetivo:

La programación lineal es un proceso de optimización.

Con una sola función objetivo se expresa
matemáticamente lo que se intenta maximizar (p. ej.,
las ganancias o el valor presente) o minimizar (p. ej.,
los costos o el desperdicio) en cada caso. La función
objetivo proporciona el sistema de calificaciones
mediante el cual se juzgará en qué medida son
atractivas las diferentes soluciones.
 Formulación del modelo matemático

Variables de decisión:

Representan aquellas selecciones que están bajo el

control de la persona que toma las decisiones.
Resolviendo el problema se obtienen sus valores óptimos.
Por ejemplo una variable de decisión podría ser el número
de unidades de un producto que se fabricarán durante el
mes próximo. La programación lineal se basa en la
suposición de que las variables de decisión son continuas.
 Formulación del modelo matemático

Restricciones:
Son limitaciones que restringe las selecciones permisibles
para las variables de decisión. Cada limitación puede
expresarse matemáticamente en cualquiera de estas tres
formas: 1. Una restricción menor que o igual a (≤), igual a
(=), o mayor que o igual a (≥). 2. Una restricción ≤ impone
un límite superior a cierta función de las variables de
decisión y se emplea con mayor frecuencia en problemas
de maximización. Por ejemplo una restricción ≤ puede
especificar el número máximo de clientes a los cuales es
posible atender. 3. Una restricción = significa que la
función tiene que ser igual a un valor determinado.
Restricciones

• La mejor manera de hallarlas consiste en pensar en un

caso hipotético en el que decidiéramos darle un valor
infinito a nuestras variables de decisión, por ejemplo,
¿qué pasaría si en un problema que precisa maximizar
sus utilidades en un sistema de producción de calzado
decidiéramos producir una cantidad infinita de zapatos?
Restricciones

• Seguramente ahora nos surgirían múltiples

interrogantes, como por ejemplo:
• ¿Con cuánta materia prima cuento para producirlos?
• ¿Con cuánta mano de obra cuento para fabricarlos?
• ¿Pueden las instalaciones de mi empresa albergar tal
cantidad de producto?
• ¿Podría mi fuerza de mercadeo vender todos los
zapatos?
• ¿Puedo financiar tal empresa?
Ejemplo

• La fábrica de Hilados y Tejidos "SALAZAR" requiere

fabricar dos tejidos de calidad diferente T y T’; se
dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg
de hilo c. Para obtener un metro de T diariamente se
necesitan 125 gr de a, 150 gr de b y 72 gr de c; para
producir un metro de T’ por día se necesitan 200 gr de a,
100 gr de b y 27 gr de c.

• El T se vende a $4000 el metro y el T’ se vende a $5000

el metro. Si se debe obtener el máximo beneficio,
¿cuántos metros de T y T’ se deben fabricar?
PASO 1: "FORMULAR EL PROBLEMA"

“Determinar la cantidad de metros diarios de tejido tipo T y

T’ a fabricar teniendo en cuenta el óptimo beneficio
respecto a la utilidad”.
PASO 2: DETERMINAR LA FUNCIÓN OBJETIVO

Función Objetivo

MAX z = 4000XT + 5000XT’

PASO 3: DETERMINAR LAS VARIABLES DE DECISIÓN

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar
PASO 4: DETERMINAR LAS RESTRICCIONES DEL
PROBLEMA

De disponibilidad de materia prima:

• 0,125XT + 0,200XT’ <= 500 Hilo “a”

• 0,150XT + 0,100XT’ <= 300 Hilo “b”
• 0,072XT + 0,027XT’ <= 108 Hilo “c”

De no negatividad

• XT,XT’ >= 0
Paso 5: Modelo Matemático

MAX z = 4000XT + 5000XT’

S.A.
• 0,125XT + 0,200XT’ <= 500 Hilo “a”
• 0,150XT + 0,100XT’ <= 300 Hilo “b”
• 0,072XT + 0,027XT’ <= 108 Hilo “c”
• XT,XT’ >= 0
 PRACTICA DE AULA EJERCICIO 1
1. Una compañía elabora dos productos y cada uno
requiere de componentes y la disponibilidad de
componentes y precio venta se muestra en el siguiente
cuadro.
Se pide presentar el modelo que optimiza el ingreso por
ventas

Producto Componentes Precio Venta

C1 C2 (S/. / Unidad)

P1 1 2 4
P2 3 1 3
(Dispon) unid. 15000 10000
 Solución
Solución:

X i = Unidades del producto i a producir (i = 1, 2)

Max Z = 4 X1 + 3 X 2

Sujeto a:
X1 + 3 X 2  15,000
2 X1 + X 2  10,000
X1 , X 2  0
 EJERCICIO 2

2. Se requiere obtener la máxima cantidad del Producto P3

que se logra del ensamble de una Unidad P1 y una unidad
de P2, las que se elaboran a partir de los componentes C1
y C2 según la siguiente información.

Producto Componentes
C1 C2
P1 1 2
P2 3 1
(Dispon) unid. 15000 10000
 Solución

• Xi= Unidades del Producto i (i=1,2,3)

• Max z= X3

• Sujeto a:
X1 + 3X2 ≤ 15000
2X1 + X2 ≤ 10000
X1 ≤ X3
X2 ≤ X3
X1, X2, X3 ≤ 0
 EJERCICIO 3
• La agencia de publicidad Primer Plano, trata de
determinar un horario de anuncios por TV para la
compañía automotriz BMW. BMW tiene 3 objetivos:
a. Objetivo 1: Por lo menos 40 millones de varones de
altos ingresos (VAI) deben ser anunciados
b. Objetivo 2: Por lo menos 60 millones de personas de
bajos ingresos (PBI) deben ver los anuncios.
c. Objetivo 3: Por lo menos 35 millones de mujeres de
altos ingresos (MAI) deben ver los anuncios.
Primer plano, pueden comprar dos tipos de anuncios: Los
que se muestran en los juegos de futbol y los que se ven
en las telenovelas. Puede gastar, cuando mucho, 600,000
dólares en anuncios.
• Los costos de publicidad y los posibles televidentes para
un anuncio de cada tipo de un minuto se proporcionan
en la siguiente tabla, primer plano tiene que determinar
cuantos anuncios en el futbol y cuantos anuncios en las
telenovelas debe comprar para BMW

MILLONES DE TELEVIDENTES
ANUNCIO
VAI PBI MAI Costo
(dólares)
Futbol 7 10 5 100000
Telenovela 3 5 4 60000
 Solución

• X1 = Numero de minutos de anuncios mostrados en los

juegos de futbol
• X2 = Numero de minutos de anuncios mostrados en las
telenovelas

• Min Z = 100000X1 + 60000X2

• Sujeto a las siguientes restricciones:

7X1 + 3X2 ≥ 40 (Restricción de los VAI)

10X1 + 5X2 ≥ 60 (Restricción de las PBI)
5X1 + 4X2 ≥ 35 (Restricción de los MAI)
100X1 + 60X2 ≤ 600 (Restricción del presupuesto)
X1, X2 ≥ 0
 EJERCICIO 4

• Un Kg de P es el resultado de mezclar A, B y C cuyas

características son las siguientes:

PRODUCTO ELEMENTO 1(%) ELEMENTO 2(%) COSTO (S/. / KG)

A 20 40 70
B 30 15 40
C 10 30 60

• Obtenga la mezcla optima si se desea que un kg. P

tenga al menos 25% y 30% de los elementos
respectivamente.
 SOLUCION

• Min z = 70XA + 40XB + 60XC

• Sujeto a las siguientes restricciones:

• 0.2XA + 0.3XB + 0.1Xc ≥ 0.25 x 1 kg

• 0.4XA + 0.15XB + 0.3Xc ≥ 0.30 x 1 kg
• XA + XB + Xc = 1 kg
• XA ≥ 0, XB ≥ 0, XC ≥ 0
 Conclusiones de la Sesión

• ¿Que aprendimos hoy?

 Bibliografía

• Taha, Hamdy A. (2004). Investigación de operaciones.

México D.F.: Pearson Educación (658.5P/T14).
• Heizer J., Render B. (2007). Dirección de la producción y
de operaciones. Madrid: Pearson Educación.
(658.5P/H36.)
• https://www.fing.edu.uy/inco/cursos/io/archivos/teorico/to
do.pdf
• https://www.gestiondeoperaciones.net/programacion_line
al/que-es-la-investigacion-de-operaciones/