PROGRAMACIÓN LINEAL

Técnica para tomar decisiones de forma que se logre

alcanzar el mejor valor una medida de resultado
cumpliendo con una serie de condiciones, basada en la
construcción de un modelo matemático.

Un resumen del procedimiento:

Modelar (formular)
Resolver el modelo
Elaborar la recomendación sobre la mejor
decisión
Veamos un ejemplo.
 Ejemplo de aplicación
Formulación (modelación)
Ejemplo

Un pequeño negocio vende pack sde productos, los packs tipo A

están compuestos de un cepillo dental y una crema dental y los
packs tipo B están compuestos de tres cepillos y una crema
dental. Cuenta con 20 cepillos y 10 cremas dentales disponibles
para armar los packs que va a vender. Vende los packs tipo A a 15
soles y los tipo B a 25

¿Cómo les conviene utilizar los cepillos y las cremas para obtener
la mayor cantidad posible de dinero vendiendo sus packs de
productos?

Hagamos las preguntas clave para identificar la

decisión involucrada.
Empieza identificando ¿Quién se encuentra en este problema, quien se
encuentra en la necesidad de decidir qué hacer? (quién es el decisor)

¿Qué es lo que debe decidir?

¡Piensa a qué se dedica esta empresa o persona!
Hace dos tipos de productos que son packs
¡Piensa en algo que esta empresa o persona desconozca sobre eso a lo que se
dedica
No sabe cuantos packs A ni cuántos packs B hacer
Dos cantidades desconocidas
Operacionaliza: las cantidades desconocidas las represenatremos
como INCÓGNITAS : x (cantidad de packs A) y (cantidad de packs B)

Nuestro modelo matemático tendrá expresiones que construiremos

usando X e Y.
SE LLAMAN VARIABLES DE DECISIÓN
Para estar más seguro de que tienes la definición correcta de las variables de
decisión revisa lo siguiente:

¿Son cantidades realmente desconocidas? ¿No aparecen como dato del caso?
Si es así , entonces estas en lo correcto.

Recuerda: las variables de decisión son valores DESCONOCIDOS y sus

valores son INDEPENDIENTES de los datos del problema.

Discutamos qué otras variables de decisión podrían haberse mencionado

erróneamente.
Ya identificamos la decisión y definimos las variables de decisión:

Cantidad de packs A (1 cepillo y 1 crema) a preparar. Variable que emplearemos para

representar esta cantidad desconocida: X
Cantidad de packs B (3 cepillos y 1 crema) a preparar. Variable que emplearemos para
representar esta cantidad desconocida: Y

Estas cantidades pueden tomar cualquier valor que a la empresa se le ocurriese?

Podría la empresa hacer mil unidades de cada pack?

No!!!

Por qué?

Por que solo se tienen 10 cremas dentales y 20 cepillos.: ESTO LIMITA, RESTRINGE la
decisión que debe tomar la empresa
Las cremas dentales disponibles

Se emplean en los packs tipo A y en los packs tipo B de la siguiente forma:

Packs A (1 cepillo y 1 crema) : Si se hace un pack A , se emplea 1 crema dental , si se hacen X packs A,
se emplearán X cremas dentales.

Packs B (3 cepillos y 1 crema) : Si se hace un pack B se emplea 1 crema dental , si se hacen Y packs B,
se emplearán Y cremas dentales

Entonces: X +Y será la cantidad total de cremas dentales que se utilizarían y ésta cantidad no puede ser
mas de 10

X + Y ≤ 10 (disponilidad de cremass dentales)

Los cepillos cepillos disponibles

Se emplean en los packs tipo A y en los packs tipo B de la siguiente forma:

Packs A (1 cepillo y 1 crema) : Si se hace un pack A , se emplea 1 cepillo dental , si se

hacen X packs A, se emplearán X cepillos dentales.

Packs B (3 cepillos y 1 crema) : Si se hace un pack B se emplean 3 cepillos dentales, si se

hacen Y packs B, se emplearán 3Y cepillos dentales

Entonces: X + 3Y será la cantidad total de cepillos dentales que se utilizarían y ésta

cantidad no puede ser mas de 20

X + 3Y ≤ 20 (disponilidad de cepillos dentales)

 x0 
y 0 
Números enteros positivos


x  y  10  Número disponible de cremas

x  3 y  20 
 Número disponible de cepillos
 x0 
Los puntos que cumplan todas las restricciones serán
y0   LAS POSIBLES SOLUCIONES (SOLUCIONES FACTIBLES),
 pero pueden ser muchas. DISCUTAMOS ALGUNAS
x  y  10 
x  3y  20 


Pero debemos darle a la empresa la MEJOR

recomendación, ¿Cómo encontramos la
mejor?
 ¿Qué haría que una solución les pareciera mejor que otra?

¿Cuál es el objetivo final de esta empresa?

El objetivo del a empresa es : Obtener la mayor cantidad posible de ingresos (decimos

ingresos por que no tenemos los costos)

Los ingresos totales (en soles) , expresados matemáticamente,

15x + 25y
Y la empresa quiere que estos ingresos sean los máximos

debemos encontrar la solución que permita alcanzar el MAXIMO valor para la

FUNCIÓN G(x,y)= 15x + 25y que llamaremos función objetivo ya que
expresa matemáticamente el objetivo de la empresa.
Ten en cuenta que:

Una cosa es:

EL OBJETIVO de la empresa
Maximizar o Minimizar un resultado

Otra cosa es:

LA FUNCIÓN OBJETIVO
Expresión matemática del
resultado
Maximizar G(x,y)= 15x + 25y

x0 
y0  

x  y  10 
x  3y  20 

 En términos generales los modelos de programación lineal
tienen la siguiente forma:

Optimizar f(x1,x2,x3,…xn) medida de resultado

sujeto a g1(x1,x2,x3,…xn) ≤ b1
g2(x1,x2,x3,…xn) ≤ b2 restricciones (condiciones)

g3(x1,x2,x3,…xn) ≤ bm

donde f:Rn R x єRn g:Rn Rm b єRm

Todas las funciones son LINEALES.

Los elementos del modelo de
programación lineal
Elementos de un modelo de programación lineal:

Variables de decisión:
Representa lo que se debe decidir. Son los valores que
espera el decisor y conformarán la recomendación que
debemos darle: x1,x2,x3,…xn

Función objetivo:
En la función que corresponde a la medida de resultado
que se desea optimizar. Es función de las variables de
decisión. f(x1,x2,x3,…xn)
Restricciones
Expresan la disponibilidad de recursos o condiciones
mínimas que debe cumplir la solución que espera el
decisor.

g1(x1,x2,x3,…xn) ≤ b1
g2(x1,x2,x3,…xn) ≤ b2
g3(x1,x2,x3,…xn) ≤ bm
Parámetros

Son todos los datos que describen la situación que se

modela:

Lados derechos de las restricciones

Coeficientes tecnológicos (coeficientes de las variables en
las restricciones
Contribución a la función objetivo (coeficientes de las
variables en la función objetivo)
Como señalamos antes, todas las expresiones del
modelo son lineales

¿Cómo verificamos que son lineales?

Comprobando que cada una de las funciones de cada una

de las partes del modelo (función objetivo y restricciones)
cumplen las siguientes propiedades:

ADITIVIDAD
PROPORCIONALIDAD

DIVISIBILIDAD
CERTIDUMBRE
 Aditividad
Tanto en la función objetivo como en las restricciones, la contribución de cada
variable es independiente de los valores del resto de las variables, siendo el total
de todas las actividades igual a la suma de cada actividad individual

En el ejemplo:
En la función objetivo: f(X, Y)=15 X +25 Y

Los ingresos que aportan los Packs A se expresa como 15X , este aporte
depende solo de X y se suma (algebráicamente) con el aporte de Y que es 25Y.

Ambos aportes son independientes, no existe en la función objetivo ningún término como
este:
35XY

ya que en esa expresión Los ingresos de X dependen también de Y y no sería LINEAL

Proporcionalidad
La contribución de cada variables es siempre proporcional a su valor tanto en la
función objetivo como en cada restricción.

En el ejemplo,
Tomemos la restricción de disponibilidad de cremas dentales: X + Y ≤ 10

Si se produce 1 pack A se consume 1 crema dental

por 4 el consumo cambia en la

misma proporción

Si se producen 4 packs A se consumen 4 cremas dentales

Si en la restricción existiera una expresión como esta: X2 el modelo no sería lineal ya

que:
Si se produce1 pack A se consume1 crema dental
por 4 el consumo no cambia en la

misma proporción (por 16)

Si se producen 4 productos se consumen 16 cremas dentales

Propiedades:

Certidumbre
Los coeficientes, tanto de la función objetivo como de las restricciones, son
conocidos con exactitud no hay incertidumbre respecto a su valor.

Divisibilidad
Las soluciones son, en general, números reales no necesariamente enteros
(supuesto de divisibilidad).

Existen situaciones en las cuales no tiene sentido la posibilidad de que las

soluciones sean números no enteros (cuando se refieren a objetos indivisibles
como el caso de los packs de productos): Programación Lineal Entera
 Ejemplo de aplicación
Hallando la solución para el problema
formulado
 Una vez hecho el modelo
¿Cómo lo utilizamos para tomar decisiones?
Es importante tener presente que:

Necesitamos hallar el mejor valor de las

incógnitas del modelo: hallar la solución.
¿Cómo?
Hagámoslo primero gráficamente.
 Retomemos el modelo de nuestro primer
ejemplo, el de los packs y encontremos la
solución gráficamente:

Maximizar G(x,y)= 15x + 25y

x0 
y0  

x  y  10 
x  3y  20 

 x 0 
y 0  

xy  10 
x  3y  20 


x0

y0
 x0 
y0  

x  y  10 
x  3y  20 


y
x  y  10
x y

10 0

8 2 8

2 10
 x0 
y0  

x  y  10 
x  3y  20 


y
x  3y  20
x y

5 5

2 6

2 5
 x0
y0
y x  y  10
x  3y  20

x
 x0
y0
x  y  10
x  3y  20
y
Las posibles soluciones (x,y) han de ser números Toma la función OBJETIVO:
enteros positivos. ¿Por qué?. ¿Siempre es así?.
G(x,y)= 15x+25y
y calcula los diversos ingresos:
Las posibles soluciones (x,y) han de pertenecer a la G(2,2) = 30+ 50 = 80 soles
región factible. ¿Por qué?. ¿Puede ser (2,7) una
solución?. ¿Por qué? G(2,4) = 30 + 100 = 130 soles
G(9,1) = 135 + 25 = 160 soles
G(5,5) = 75 + 125 = 200 soles
.......

¿CÓMO AVERIGUAR EN CUÁL DE

LOS PUNTOS SE OBTIENE LOS
MAYORES INGRESOS?

x
y

x y

0 0
G(5,5)= 200
5 -3

Se localiza la recta que esté lo

más arriba posible y que pase por
G(10,0)= 150 x algún punto de la región factible.
G(6,0) = 90 Este punto resulta ser el (5,5)
G(1,5) = 90 G(0,0) = 0 soles
G(6,0) = 90 soles
G(0,0)= 0 G(1,5) = 90 soles
G(10,0) = 150 soles
G(5,5) = 200 soles VALOR
MÁXIMO
y
El punto (5,5) corresponde es
nuestra solución óptima. Es
nuestra recomendación para la
empresa:
Hacer 5 packs de cada tipo.
Con ello sus mejores ingresos
Solución serán 200 soles.
óptima

Pero en este gráfico hay más información que podemos aprovechar,

observemos!!.
y x  y  12

x  3y  20

Con 12 cremas dentales

disponibles, la solución óptima
cambia. Ese cambio, nos lleva a
una solución mejor que la
solución anterior.

G(8,4)= 220