Programación Lineal:

Formulación de modelos
Investigación de Operaciones
Hugo Ibrahim Luna Astorga
 Programación lineal

Es una técnica cuantitativa ampliamente aplicada en

sistemas que presenten relaciones lineales, para utilizar
los recursos escasos de la mejor manera posible.
Problema de Programación lineal

• La Programación Lineal resuelve un tipo muy

especial de problema, uno en el cual todas las
relaciones entre las variables son lineales,
tanto en las restricciones como en la Función
Objetivo
La Formulación y Construcción del Modelo de
programación Lineal implica:

• Definir claramente las variables de decisión y

expresarlas simbólicamente.

• Definir claramente la Función Objetivo, las

restricciones y expresarlas matemáticamente
como funciones lineales.
Problema de Programación lineal

Función Objetivo

R
e
s
t
r
i
c
c
i
o
n
e
s
Problema de Programación lineal

• Xj: simboliza matemáticamente a las variables de decisión.

• Son los valores numéricos que se determinan con la solución del

modelo y representan o están relacionadas con una actividad o acción
a tomar, pueden existir en cualquier cantidad desde 1 hasta n
variables.

• En un modelo de programación lineal las variables de decisión deben

ser capaces de describir completamente las decisiones que puedan
ser tomadas.
Problema de Programación lineal

Cj: Matemáticamente, simboliza el coeficiente de la variable j en la Función

Objetivo. Son datos relevantes e incontrolables ya conocidos.

En la Función Objetivo, representan la cantidad con la cual contribuye cada

unidad de la variable j, al valor total (Z) deseado en el objetivo.
Problema de Programación lineal

• Las restricciones, desde el punto de vista matemático, son

funciones lineales expresadas como igualdades o desigualdades,
que limitan el valor de las variables de decisión a valores
permisibles.

• Representan recursos, condiciones o requerimientos establecidos.

Problema de Programación lineal

• aij: Matemáticamente simboliza el coeficiente, en la

restricción i, de la variable j.
Problema de Programación lineal

• bi: matemáticamente constituye el lado derecho de la

restricción i.

• Representa la cantidad total disponible del recurso limitado i, o

la cantidad total de un requerimiento i establecida.

• Puede existir cualquier cantidad de restricciones por lo tanto i

puede variar desde 1 hasta m.
Problema de Programación lineal

Xj≥0: es una restricción de no negatividad de las j

variables, la cual se le considera siempre presente como una
condición natural en el Modelo Lineal General.
SUPUESTOS

• El hecho de que la función objetivo para un PL debe ser

funciones lineales de las variables de decisión, implica
ciertas condiciones o supuestos

a) Supuesto de aditividad
b) Supuesto de proporcionalidad
c) Supuesto de divisibilidad
d) Supuesto de certidumbre
SUPUESTOS

• Supuesto de aditividad: Es aditivo porque los términos

de su función objetivo y sus restricciones pueden
sumarse (o restarse).

• La contribución de cada variable es independiente del

valor de las otras variables.
SUPUESTOS

• Supuesto de proporcionalidad: La contribución de cada variable al valor

total del objetivo y al lado derecho de cada restricción es proporcional al
valor de la variable.
• En consecuencia, este supuesto elimina cualquier exponente diferente de
1 para las variables en cualquier término de las funciones

Z1 = cX = 3x1 = 3 X se cuadriplica (x4) y Z se cuadriplica (x4)

Z2 = cX = 3x4 = 12
X se duplica (x2) y Z se duplica (x2)
Z3 = cX = 3x8 = 24
Z4 = cX = 3x24 =72
X se triplica (x3) y Z se triplica (x3)
 SUPUESTOS

• Supuesto de divisibilidad: Es divisible porque las variables de decisión pueden

aceptar valores fraccionarios.
• Un problema de PL en el cual algunas de las variables o todas deben ser
enteras recibe el nombre de: problema de programación lineal entera.
• En muchas situaciones donde la divisibilidad no esta presente, el redondeo de
las variables a un entero, en la solución optima del PL, proporciona una solución
razonable.
 SUPUESTOS

• Supuesto de certidumbre: Se requiere conocer con

certeza todos los coeficientes de la función objetivo (Cj)
y de las restricciones (aij, bi). Por lo tanto es un problema
determinístico.
Regiones factibles y solución óptima

• Con el objeto de definir estos conceptos, se usa el termino punto para

señalar una especificación del valor para cada variable de decisión

• La región factible para un PL, es el conjunto de todos los puntos que

satisfacen las limitaciones y las restricciones de signo de la PL
• La solución optima es un punto con el valor de la función objetivo
mas grande o mas pequeña dependiendo si el objetivo es maximizar o
minimizar respectivamente
Ejemplo

• La Wyndor Glass Co. es una empresa dedicada a la elaboración de

artículos de vidrio de alta calidad (puertas y ventanas) los cuales se
hacen en 3 plantas diferentes.
• Planta 1 Molduras y marcos de aluminio
• Planta 2 Molduras y marcos en madera
• Planta 3 Se hace y se ensambla el vidrio.
Ejemplo

• Se tiene un programa de cambio de la producción y se propone

incursionar con 2 nuevos productos.
• Producto 1  Puerta de vidrio con marco en aluminio
• Producto 2  Ventana de vidrio con marco en madera
• Según el dpto. de comercialización toda la producción de éstos puede
colocarse en el mercado.
Ejemplo

• Se debe determinar la tasa de producción de los 2 productos para

maximizar las utilidades sujeto a las limitaciones que tiene la
empresa.
• NOTA: Se fabrican lotes de 20 productos por semana. La tasa de
producción será el número de lotes producidos a la semana.
• Debemos formularnos algunas preguntas
Ejemplo

• ¿Cual es la ganancia por lote de cada tipo de producto?

• ¿De cuántas horas por semana dispone cada planta para la
elaboración de un lote de cada tipo de producto?
• ¿Cual es el requerimiento en horas para producir 1 lote de cada tipo
de producto en cada una de las plantas?

• Toda esta información debe ser recolectada, así:

 Ejemplo

Datos Tiempo de producción Tiempo de

Planta por lote (horas) producción
P1 P2 disponible a la
(puertas) (ventanas) semana (horas)
1 1 0 4

2 0 2 12

3 3 2 18

Ganancia US $ 3000 US $ 5000

por lote
 Ejemplo

Datos
• Interpretando algunos datos:
• El primer dato es el cruce de la planta 1 con las horas para hacer una puerta.
Entonces, se requiere una hora para hacer una puerta de aluminio en la
planta 1.
• En el lado derecho aparece el tiempo que dispone la planta 1 para hacer
trabajos en aluminio. Así, dispone de 4 horas para hace las puertas.
Ejemplo

Formulación del Modelo de Programación

Lineal

• 1° Definición de Variables.
• X1 : Número de lotes del producto 1 fabricados por semana.
• X2 : Número de lotes del producto 2 fabricados por semana.
• 2° Coeficientes de Costo (o de utilidad)
Ejemplo

• 3° Medida de la eficiencia:
• Función Objetivo: F.O.
• Maximizar la ganancia semanal total (en miles de dólares) por la producción
de los 2 productos.
• Z = 30000x1 + 50000x2
• (US$/lote) * (lotes/sem) = (US$/sem)
• Sujeto a: Restricciones de capacidad de producción
Ejemplo

• 4° Término del lado derecho

• Los valores del lado derecho representan usualmente la disponibilidad de un
recurso, en este ejemplo es el tiempo de cada planta (el recurso tiempo).
• 5° Coeficientes tecnológicos
• Los coeficientes técnicos nos indican la tasa de utilización de un recurso en
cada actividad competitiva. En el ejemplo es el uso del tiempo en las puertas
o ventanas.
Ejemplo

• 6° Restricciones funcionales
(horas/lote) * (lotes/sem) = (horas/sem)
R1: Horas disponibles en la planta 1
X1 ≤ 4
R2: Horas disponibles en la planta 2
2X2 ≤ 12
R3: Horas disponibles en la planta 3
3X1 + 2X2 ≤ 18
Ejemplo

• 7° Restricción de signo de las variables:

• Tasas de producción no negativas:
• x1, x2 ≥ 0
Ejemplo

El Modelo de P.L.
• En síntesis, el problema formulado como un modelo de P.L. sería:

Maximizar Z = 30000X1 + 50000X2

Sujeto a X1 ≤4
2X2 ≤ 12
3X1 + 2X2 ≤ 18
X1, X2 ≥ 0