Facultad de Administración y Negocios

INVESTIGACIÓN OPERATIVA
UNIDAD 1: Modelos de Programación Lineal

SEMANA 2:

DOCENTE: ROSARIO RIOS VARILLAS

 Programación Lineal
FO: Max o Min Z = C X
Sujeto a
AXB
Xj  0 ; j = 1, 2,...., n
La Programación Lineal es una herramienta para resolver problemas
de optimización que se caracterizan por tener como función objetivo y
restricciones combinaciones lineales de las variables de decisión.

Conceptos Básicos:
• Variables de Decisión
• Función Objetivo
• Restricciones
• Restricciones de Signo
 Programación Lineal
Consideremos el siguiente ejemplo para describir los conceptos
básicos presentes en todo problema de programación lineal (PPL).
Problema 1.

1.- La compañía GAMMA vende automóviles y camioneta. La cia

obtiene $300 de utilidad por cada automóvil que vende y $400 por
cada camioneta. El fabricante no puede proveer mas de 300
automóviles ni mas de 200 camionetas por mes. El tiempo de
preparación para los distribuidores es de 2 horas por cada autómovil
y 3 horas por cada camioneta. La cia. cuenta con 900 horas de tiempo
de taller disponible cada mes para la preparación de los automóviles y
las camionetas que adquiere.

Tiempo
Utilidad Provision (horas)
X1 Automoviles 300 300 2
X2 Camioneta 400 200 3
900
 Programación Lineal
Variables de decisión:

Se debe comenzar definiendo las variables de decisión relevantes. En

un PPL las variables de decisión deben ser capaces de describir
completamente las decisiones que puedan ser tomadas y todas las
variantes que existan.
Antes de definir las variables de decisión es importante definir las
unidades involucradas en el problema.

En este caso, se habla de unidades de automóviles y camionetas que se

compran y se vendes por mes. De acuerdo a ello, una buena opción
para definir las variables de decisión consiste en asociar las variables al
número de unidades de automóviles y camionetas que se venden y
compran al mes. Por lo tanto, podemos definir:

X1 = Número de automóviles que se compran y vendes por mes.

X2 = Número de camionetas que se compran y vendes por mes.
 Programación Lineal

Función Objetivo:

En un PPL, se debe tomar la decisión de maximizar (usualmente las

utilidades) o de minimizar (usualmente los costos) cierta función de
las variables de decisión.
La función que se va a optimizar se llama Función Objetivo (FO) y en
ella no aparece ningún término independiente o constante. Los
valores de las variables de decisión son independientes de cualquier
constante.

Denotando por Z el valor de la FO para cualquier PPL, la función de

cia. GAMMA es:
Max Z = 300X1 + 400X2

El coeficiente que acompaña a cada variable en la FO se denomina

coeficiente en la función objetivo de la variable y refleja el aporte
unitario de dicha variable a la función objetivo
 Programación Lineal

Restricciones:

En las medidas que las variables crecen, la FO aumenta su valor. Por

lo tanto si se pudiera escoger arbitrariamente el valor de la variables,
la cia. GAMMA podría hacer crecer el valor de sus utilidades en
forma infinita. En la práctica esto no es posible y en el ejemplo el
valor que toman las variables está limitado por las siguientes 3
restricciones:

• Cantidad máxima de automóviles que puede proveer el fabricante.

• Cantidad máxima de camionetas que puede proveer el fabricante.
• Tiempo disponible para preparar automóviles y camionetas.

Luego, el próximo paso consiste en formular matemáticamente las

restricciones anteriores en función de las variables de decisión.
 Programación Lineal

La primera restricción, sólo se refiere a la cantidad de automóviles X1 :

X1  300

De la misma forma la segunda restricción, sólo se refiere a la cantidad de

camionetas X2 :
X2 200
En la tercera restricción, se considera los tiempos tanto de
automóviles como de camionetas. Por lo que la restricción queda:

2X1 + 3X2  900

Restricciones de Signo:

Xi  0
 Programación Lineal

El modelo matemático para este problema de optimización, queda expresado de la

siguiente forma:

Definición de variables:
X1: número de autos vendidas por mes.
X2: número de camionetas vendidas por mes.

F.O: Max Z = 300X1 + 400X2

S a: X1  300 Cantidad de automóviles

X2 200 Cantidad de camionetas
2X1 + 3X2  900 Tiempos tanto de automóviles como de camionetas
Xj  0 j = 1 y 2 No negatividad
Programación Lineal

Generalización:

Dado un conjunto de m desigualdades o ecuaciones lineales, con n variables, se requiere

hallar valores de estas variables que satisfagan las restricciones y maximicen o minimicen
alguna función lineal de las variables

FO: Max o Min Z = C X

Sujeto a
AXB
Ai i=1,2..m Xj  0 ; j = 1, 2,...., n
Programación Lineal

Matemáticamente
Hallar Xj ; j = 1, 2,..., n

Para Max o Min Z = C1 X1 + C2 X2 +...+ Cn Xn

Sujeto a

a11 X1 +...+ a1j Xj +...+ a1n Xn  ó  b1

. . .
. . .
ai1 X1 +...+ aij Xj +...+ ain Xn  ó  bi
. . .
. . .
am1 X1 +...+ amj Xj +...+ amn Xn  ó  bm

Xj  0 j = 1, 2,..., n
 Formulación de modelos

La formulación es el proceso de convertir la descripción cualitativa de un problema en una

forma matemática
Las condiciones que debe reunir un modelo de programación lineal son:
Todas las variables deben ser continuas
Un solo objetivo (maximizar o minimizar)
El objetivo y las restricciones deben ser lineales: cualquier termino es una constante o
una constante multiplicada por una incógnita.
 Temas a tratar

Identificación de variables.
Identificación de datos.
Identificación de la función objetivo.
Identificación de las restricciones.
Formulación matemática.
Ejemplos
 Aplicaciones

Mezclas de alimentos (dietas)

Planeamiento de la producción
Perforación de pozos y producción de petróleo
Distribución
Planeamiento económico y financiero
Planeamiento de mano de obra
Corte y ajuste de material
Inventarios
 Contenido

.
 Método Gráfico.
Introducción

La solución gráfica se emplea generalmente para resolver

modelos de dos variables, ya que resulta bastante difícil dibujar
planos de tres variables, e imposible hacerlo para cuatro o más
variables.

El propósito de este método gráfico es demostrar los

conceptos básicos empleados para desarrollar la técnica
algebraica para la solución de problemas con más de dos
variables.

Se trata de graficar el espacio de soluciones o solución factible,

el cual está conformado por el conjunto de restricciones, tal
como se explicará mas adelante.
Procedimiento

Establecer la formulación del problema a analizar, según los pasos

descritos anteriormente.

Graficar en el plano cartesiano (X,Y) las restricciones del tipo >=, <= ó =,
como si fueran rectas.

Ubicar, mediante la ayuda de flechas sobre las rectas, el espacio de la

solución factible (región factible), el cual está dado por el área común a
todas las restricciones. Se debe cumplir que cada punto dentro o sobre
dicho espacio cumpla con todas las restricciones del modelo
Procedimiento (Cont.)

Se llaman puntos extremos a los vértices de la región de

factibilidad.

Los valores que optimizan la función objetivo siempre se

encuentran en uno de los puntos extremos.

Las restricciones que intervienen en la determinación del

valor óptimo son llamadas “activas”. Las que no intervienen
son las restricciones “inactivas”.
El problema de la industria de juguetes “Galaxia”.

 Galaxia produce dos tipos de juguetes:

* Space Ray
* Zapper

Los recursos están limitados a:

* 1200 libras de plástico especial.
* 40 horas de producción semanalmente.
Requerimientos de Marketing.
* La producción total no puede exceder de 800 docenas.
* El número de docenas de Space Rays no puede exceder al
número de docenas de Zappers por más de 450.

 Requerimientos Tecnológicos.
* Space Rays requiere 2 libras de plástico y 3 minutos de
producción por docena.
* Zappers requiere 1 libra de plástico y 4 minutos de producción
por docena.
Plan común de producción para:
* Fabricar la mayor cantidad del producto que deje mejores
ganancias, el cual corresponde a Space Ray ($8 de utilidad por
docena).

* Usar la menor cantidad de recursos para producir Zappers,

porque estos dejan una menor utilidad ($5 de utilidad por docena).

El plan común de producción consiste en:

Space Rays = 550 docenas x $8 = 4400 dolares
docena

Zappers = 100 docenas x 5 = 500

Utilidad = $4900 por semana

 EL MODELO DE PROGRAMACIÓN
LINEAL PROVEE UNA SOLUCIÓN
INTELIGENTE PARA ESTE PROBLEMA
Solución
 Variables de decisión
* X1 = Cantidad producida de Space Rays (en docenas por semana).
* X2 = Cantidad producida de Zappers (en docenas por semana).

 Función objetivo
•Maximizar la ganancia semanal.
Modelo de Programación Lineal

Max Z = 8X1 + 5X2 (ganancia semanal)

Sujeto a:
2X1 + 1X2 <= 1200 libras(Cantidad de plástico)
3X1 + 4X2 <= 2400 minutos (Tiempo de producción) (40 h x 60 min.)
X1 + X2 <= 800 docenas (Limite producción total)
X1 - X2 <= 450 docenas (Producción en exceso)
Xj >= 0 , j= 1, 2. (Resultados positivos)
Conjunto de soluciones factibles para el modelo lineal.

 El conjunto de puntos que satisface todas las

restricciones del modelo es llamado:

REGION FACTIBLE
 USANDO UN GRAFICO SE PUEDEN
REPRESENTAR TODAS LAS
RESTRICCIONES, LA FUNCION OBJETIVO
Y LOS TRES TIPOS DE PUNTOS DE
FACTIBILIDAD.
 X2

1200
Restricción del plástico: 2X1+X2<=1200
The Plastic constraint

Restricción del total de producción:

X1+X2<=800
600 No Factible
(0,600)

Restricción del
Horas de Factible (480,240 ) exceso de producción:
Producción (550,100 ) X1-X2<=450
3X1+4X2<=2400 )
(0,0 )
(450,0
600
X1
800

Punto Extremo
2X1+X2<=1200

Si..X1 = 0……X2 = 1200……(0,1200)

Si X2 = 0…..X1 = 1200/2
X1 = 600 (600,0)
 Cálculo de Puntos extremos o vértices

Los valores de la función objetivo en cada una de las esquinas del área de soluciones factibles, son las
siguientes: Max Z = 8X1 + 5X2
 Z (0,600) = 3000 Z (450,0) = 3600 Z (0,0) = 0
 Z ( 550,100) = 4900
Intersección de las rectas 2X1 + X2<= 1200 ……..(1)
X1 – X2 <=450 ……….(2)
Sumando (1) y (2) : 3X1 <= 1650
X1 <= 550
Reemplazando X1 en (2) X2 <= 100

 Z ( 480,240) = 5040
Intersección de las rectas 2X1 + X2 <= 1200 ……..(1)
3X1 +4 X2<=2400 ……….(2)

La función objetivo es máxima (Z = 5040) cuando X1= 480 y X2= 240

2.4 Resolución gráfica para encontrar la solución
óptima.