UNIVERSIDAD EVANGÉLICA DE

EL SALVADOR

Facultad de Ciencias Empresariales y Económicas

Investigación de Operaciones

Ing. Nuria Astrid tablas Landaverde

Integrantes:
Brenda Yamileth León León
Elia Fernanda Carranza Ríos
Gabriela Alejandra González Contreras
Elizabeth Abigail Maltez Rodríguez
Ivana Reneé Navarro Fino
 CONTENIDO

INTRODUCCIÓN..................................................................................................................3
OBJETIVOS...........................................................................................................................4
LA PROGRAMACIÓN LINEAL..........................................................................................5
SOLUCIÓN GRÁFICA DE LA PROGRAMACION LINEAL..........................................11
ANÁLISIS DE SENSIBILIDAD EN PROGRAMACIÓN LINEAL.................................15
SOLUCIONES DE PROBLEMAS DE PROGRAMACIÓN LINEAL EN
COMPUTADORA................................................................................................................19
MODELO DE PROGRAMACIÓN LINEAL GENERAL...................................................36
CONCLUSION.....................................................................................................................41
BIBLIOGRAFIA………………………………………………………………………… .42
 INTRODUCCIÓN

Con la presentación de este trabajo de investigación, se conocerá una de las

técnicas de Investigación de Operaciones más importante que es la programación
lineal. Está diseñada para modelos con funciones objetivo y restricciones lineales,
con la cual resuelven situaciones de la vida real en las que se pretende identificar
y resolver dificultades. Y además se desarrollará la solución de un problema con
dos variables de programación lineal a través de la solución grafica de este
método.
 OBJETIVOS

Objetivo General:

Conocer la metodología necesaria para resolver problemas a través de la

programación lineal, aplicando distintos procesos para obtener resultados optimos.

Objetivos Específicos:

 Usar la programación lineal como una herramienta factible en la solución de

problemas matemáticos aplicados a la realidad empresarial.

 Aplicar la programación lineal para maximizar ganancias, disminuir riesgos

y costos.
LA PROGRAMACIÓN LINEAL

Corresponde a un algoritmo a través del cual se resuelven situaciones reales en

las que se pretende identificar y resolver dificultades para aumentar la
productividad respecto a los recursos (principalmente los limitados y costosos),
aumentando así los beneficios.

La técnica de Investigación de Operaciones más importante es la programación

lineal. Está diseñada para modelos con funciones objetivo y restricciones lineales.

1. El objetivo primordial de la Programación Lineal es optimizar, es decir,

maximizar o minimizar funciones lineales en varias variables reales con
restricciones lineales (sistemas de inecuaciones lineales), optimizando una
función objetivo también lineal.

2. Componentes de la Programación lineal:

a) El objetivo (Las metas) que se trata de optimizar
b) Las variables de decisión que se trata de determinar
c) Las restricciones que se deben satisfacer

a. La función objetivo

La función objetivo tiene una estrecha relación con la pregunta general que
se desea responder. Sí en un modelo resultasen distintas preguntas, la
función objetivo se relacionaría con la pregunta del nivel superior, es decir, la
pregunta fundamental. Así, por ejemplo, si en una situación se desean
minimizar los costos, es muy probable que la pregunta de mayor nivel sea la
que se relacione con aumentar la utilidad en lugar de un interrogante que
busque hallar la manera de disminuir los costos.
b. Las variables de decisión

Similar a la relación que existe entre objetivos específicos y objetivo general

se comportan las variables de decisión respecto a la función objetivo, puesto
que estas se identifican partiendo de una serie de preguntas derivadas de la
pregunta fundamental. Las variables de decisión son en teoría factores
controlables del sistema que se está modelando, y como tal, estas pueden
tomar diversos valores posibles, de los cuales se precisa conocer su valor
óptimo, que contribuya con la consecución del objetivo de la función general
del problema.

c. Las restricciones
Cuando hablamos de las restricciones en un problema de programación
lineal, nos referimos a todo aquello que limita la libertad de los valores que
pueden tomar las variables de decisión. La mejor manera de hallarlas
consiste en pensar en un caso hipotético en el que decidiéramos darles un
valor infinito a nuestras variables de decisión, por ejemplo, ¿qué pasaría sí
en un problema que precisa maximizar sus utilidades en un sistema de
producción de pintura decidiéramos producir una cantidad infinita de
pintura? 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 toda la pintura?

¿Puedo financiar tal empresa?

 3. Ejemplo a resolver:

ReddyMikks Produce pintura para interiores y exteriores, M1 y M2. La tabla

siguiente proporciona los datos básicos del problema

Ton de Materia Prima de

Pintura para Pintura para

exteriores interiores
Materia Prima M1 6 4
Materia Prima M2 1 2

Una encuesta de mercado indica que la demanda diaria de pintura para interiores
no puede exceder la de pintura para exteriores en más de una tonelada.
Asimismo, que la demanda diaria máxima de pintura para interiores es de dos
toneladas.
ReddyMikks se propone determinar la (mejor) combinación óptima de pinturas
para interiores y exteriores que maximice la utilidad diaria total.

Para el problema de ReddyMikks necesitamos determinar las cantidades diarias

que se deben producir de pinturas para exteriores e interiores. Así, las variables
del modelo se definen como sigue:

 X1 = Toneladas producidas diariamente de pintura para exteriores

 X2 = Toneladas producidas diariamente de pintura para interiores

La meta de ReddyMikks es maximizar (es decir, incrementar lo más posible) la

utilidad diaria de ambas pinturas.

Los dos componentes de la utilidad diaria total se expresan en función de las

variables X1 + X2 como sigue:
  Utilidad de la pintura para exteriores = 5x1 (en miles de dólares)
 Utilidad de la pintura para interiores 4x2 (en miles de dólares)

Si z representa la utilidad diaria total (en miles de dólares), el objetivo (o meta) de

ReddyMikks se expresa como sigue:

 Maximizar z = 5x1 + 4x2

Definimos las restricciones que limitan el consumo de las materias primas y la

demanda del producto. Las restricciones en las materias primas se expresan
verbalmente como:

El consumo diario de la materia prima M1 es de 6 toneladas por tonelada de

pintura para exteriores, y de 4 toneladas por tonelada de pintura para interiores.
Por lo tanto
 Consumo de materia prima M1 por ambas pinturas= 6X1 + 4X2 toneladas/día
 Consumo de materia prima M2 por ambas pinturas = 1X1 + 2X2 toneladas/día

Las disponibilidades diarias de las materias primas M1 y M2 son de 24 y 6

toneladas, respectivamente. Así pues, las restricciones en las materias primas
son:

 6X1 + 4X2 ≤ 24 (Materia prima M1)

 X1 + 2X2 ≤ 6 (Materia prima M2)

Restricciones
1. a primera restricción en la demanda del producto estipula que la producción
diaria de pintura para interiores no debe exceder a la de pintura para
exteriores en más de 1 tonelada, lo cual se traduce en
 X2 - X1 ≤ 1 (Límite del mercado)
2. La segunda restricción limita la demanda diaria de pintura para interiores a
2 toneladas, es decir,
 X2 ≤ 2 (Límite del mercado)
3. La Tercera restricción implícita (o “sobreentendida”) requiere que todas las
variables, X1 y X2, asuman sólo valores positivos o cero.
 X1 ≥ $ 0
 X2 ≥ $ 0

El modelo completo de ReddyMikks es

Maximizar z = 5x1 + 4x2
6X1 + 4X2 ≤ 24
X1 + 2X2 ≤ 6
- X 1 + X2 ≤ 1
X2 ≤ 2
X2, X1 ≥ 0
Todos los valores de X1 y X2 que satisfacen las cinco restricciones constituyen una
solución factible. De lo contrario la solución es no factible.

Por ejemplo, la solución

 X1= 3 toneladas por día
 X2 = 1 tonelada por día

Es una solución factible porque no viola ninguna de las cinco restricciones.

Este resultado se confirma sustituyendo (X1 = 3, X2= 1) en el lado izquierdo de
cada restricción.
Solución:
6X1 + 4X2 = 6 * 3 + 4 * 1 = 22,
La cual es menor que el lado derecho de la restricción (24).
Otra, la solución
 X1 = 4 toneladas por día

 X2 =1 toneladas por día

Esta no factible porque no satisface por lo menos una restricción, por ejemplo, la
restricción (1): 6 * 4 + 4 *1 =28, la cual es mayor que el lado derecho (24).
La meta del problema es determinar la solución óptima, es decir la mejor solución
factible que maximice la utilidad total z.

SOLUCIÓN GRÁFICA DE LA PROGRAMACION LINEAL

Solución de modelo de Maximización.

Este ejemplo resuelve el modelo de Reddy Mikks del ejemplo 2.1-1.

Paso 1. Determinación del espacio de soluciones factibles. Antes que nada,
considere las restricciones de no negatividad x1≥0 y x2≥0 el eje horizontal x1 y el
eje vertical x2 representan las variables de pintura para exteriores e interiores,
respectivamente. Así pues, las restricciones de no negatividad limitan las variables
al primer cuadrante (sobre el eje x1 y a la derecha del eje x2).

La solución gráfica incluye dos pasos: 1. Determinar el espacio de soluciones

factibles. 2. Determinar la solución óptima de entre todos los puntos localizados en
el espacio de soluciones. A continuación se muestran dos ejemplos para mostrar
cómo se manejan las funciones objetivo de maximización y minimización.
Para tener en cuenta las otras cuatro restricciones, primero sustituya cada
desigualdad con una ecuación, y luego trace la línea recta resultante localizando
dos puntos diferentes. Por ejemplo, después de sustituir 6x1 + 4x2 ≤ 24 con la
línea recta 6x1 + 4x2 = 24,se determinan dos puntos distintos haciendo x1=0 para
obtener x2=(24/4)=6 y luego que x2=0 para obtener De este modo, la línea
6x1+4x2=24 que pasa por los puntos (0,6) y (4,0) es la línea (1) que se muestra en
la figura 2.1. A continuación consideramos el efecto de la desigualdad que divide
el plano (x1,x2) en dos semiplanos, uno a cada lado de la línea trazada. Sólo una
de estas dos mitades satisface la desigualdad. Para determinar el lado correcto
seleccionamos (0,0) como punto de referencia. Si (0,0) satisface la desigualdad,
entonces el lado en que está es el semiplano factible; de lo contrario, es el otro
lado. El uso del punto de referencia (0,0) se ilustra con la restricción
6x1+4x2=24.Como 6*0 + 4*0=0 es menor que 24, el semiplano que representa la
desigualdad incluye el origen. Conviene seleccionar (0,0) por computadora como
punto de referencia porque siempre da un valor de cero al lado izquierdo de la
restricción. Sin embargo, si la línea pasa por el origen, en ese caso debe usarse
como punto de referencia cualquier otro punto que no esté sobre la línea. La
aplicación del procedimiento de punto de referencia a todas las restricciones del
modelo produce las restricciones que se muestran en el grafico. El espacio de
soluciones factibles es el área en el primer cuadrante que satisface todas las
restricciones al mismo tiempo. En el grafico todos los puntos en o sobre el límite
del área ABCDEF definen el espacio de soluciones factibles. Todos los puntos
fuera de esta área son no factibles. x1 = 24 6 = 4. x2 = 24 4 = 6

Solución de modelo de minimización.

PROBLEMA
Una refinería de petróleo tiene dos fuentes de petróleo crudo: crudo ligero, que
cuesta 35 dólares por barril y crudo pesado a 30 dólares el barril. Con cada barril
de crudo ligero, la refinería produce 0,3 barriles de gasolina (G), 0,2 barriles de
combustible para calefacción (C) y 0,3 barriles de combustible para turbinas (T),
mientras que con cada barril de crudo pesado produce 0,3 barriles de G, 0,4
barriles de C y 0,2 barriles de T. La refinería ha contratado el suministro de
900000 barriles de G, 800000 barriles de C y 500000 barriles de T. Hallar las
cantidades de crudo ligero y pesado que debe comprar para poder cubrir sus
necesidades al costo mínimo.

Paso 1: Identificar las variables.

Sean las variables de decisión:

X= número de barriles comprados de crudo ligero.
Y= número de barriles comprados de crudo pesado.
La tabla de producción de cada producto con arreglo al tipo de crudo es Y=
número de barriles comprados de crudo pesado.
Paso 2: Analizar y determinar la función objetivo máxima.

f(x, y)=35x+30y

Paso 3: Establecer las restricciones:

Paso 4: Graficar los datos de las restricciones

Paso 5: Determinar los vértices con las soluciones factibles.

A(0, 3000000)
B intersección de r,s:

C(4000000, 0)

Paso 6: Sustituir los pares ordenados en la función objetiva y determinar la

respuesta correcta.

Valores en función objetivo presenta los valores:

Conclusión

Siendo la solución de mínimo coste la compra de 3.000.000 de barriles de crudo

ligero y ninguno de crudo pesado para un coste de 90.000.000 dólares.

ANÁLISIS DE SENSIBILIDAD EN PROGRAMACIÓN LINEAL

El análisis de sensibilidad o postoptimal para los modelos de Programación Lineal,

tiene por objetivo identificar el impacto que resulta en los resultados del
problema original luego de determinadas variaciones en los parámetros,
variables o restricciones del modelo, sin que esto pase por resolver el
problema nuevamente.

Es decir, ya sea si resolvemos nuestro modelo gráficamente o utilizando el Método

Simplex, lo que se busca es que estas variaciones o sensibilidad hagan uso de la
solución y valor óptimo actual, sin tener la necesidad de resolver para cada
variación un nuevo problema. En especial nos concentraremos en el análisis de
sensibilidad o postoptimal que hace uso de la tabla final del Método Simplex.
Ejemplo Análisis de Sensibilidad (Método Gráfico)

Un productor tabaquero posee 85 hectáreas (ha) de terreno para plantar dos

variedades de tabacos Virginia y Procesado. La variedad Virginia tiene un ingreso
de 9.600 USD/ha y necesita 3 horas/ha de uso de maquinaria y 80 horas/ha de
mano de obra. Además, el Estado limita su explotación a 30 ha como máximo. La
variedad Procesado tiene un ingreso de 7.500 USD/ha y utiliza 2 horas/ha de uso
de maquinaria y 60 horas/ha de mano de obra. La cooperativa local le ha asignado
un máximo de 190 horas de uso de maquinaria y solo se dispone de 5.420 horas
de mano de obra a 12 USD/hora.

Formule y resuelva gráficamente un modelo de Programación Lineal que permita

determinar cuánto se debe plantar de cada variedad de tabaco de manera de
maximizar la utilidad total.

En primer lugar definimos el modelo de optimización para este problema. Esto

consiste en identificar las variables de decisión, función objetivo y restricciones.
Detalle de este procedimiento aplicado a problemas de 2 variables puede ser
consultado en el artículo Programación Lineal (Método Gráfico).

Variables de Decisión:

 X1 = Número de Ha a plantar de la variedad Virginia

 X2 = Número de Ha a plantar de la variedad Procesado

Función Objetivo:

Maximizar (9.600 – 960)X1 + (7.500 – 720)X2 = 8.640X1 + 6.780X2

Restricciones:
 1. X1 ≤ 30

2. X1 + X2 ≤ 85

3. 3X1 + 2X2 ≤ 190

4. 80X1 + 60X2 ≤ 5.420

5. X1, X2 ≥ 0

Una representación gráfica del problema para el productor de tabaco se puede

realizar a través del software Geogebra:
Sabemos según el Teorema Fundamental de la Programación Lineal que en
caso de existir solución óptima ésta se encontrará en un vértice o en un tramo en
la frontera del dominio de soluciones factibles (en el ejemplo área achurada en
color verde). Adicionalmente podemos apreciar que no es tan evidente que el
vértice C reporte una mayor utilidad en la función objetivo que el vértice D, por lo
cual, inspeccionaremos ambos puntos.

En el caso del vértice C éste se encuentra en la intersección de las restricciones 2

y 4. La coordenada respectiva se obtiene al resolver el siguiente sistema de
ecuaciones:

X1 + X2 = 85

80X1 + 60X2 = 5.420

De donde X1=16 y X2=69, lo cual reporta un valor en la función objetivo de

V(P)=8.640*(16)+6.780(69)=606.060.

Análogamente en el caso del vértice D las restricciones activas son 3 y 4:

3X1 + 2X2 = 190

80X1 + 60X2 = 5.420

Luego de resolver el sistema lineal anterior se obtiene X1=28 y X2=53, lo cual

reporta un valor en la función objetivo de  V(P)=8.640*(28)+6.780(53)=601.260.

En consecuencia la solución óptima del problema es X1=16 y X2=69, con valor

óptimo V(P)=8.640*(16)+6.780(69)=606.060.

Una vez resuelto el escenario original a continuación se presentan algunos

análisis adicionales que representan por separado modificaciones en los
coeficientes de la función objetivo y restricciones del problema.
Intervalo Variación Coeficiente Función Objetivo

Determine cuánto podría variar la utilidad por hectárea del tabaco Virginia,
manteniendo constante la utilidad por hectárea del tabaco procesado, de forma
que la actual solución óptima no cambie. Para este caso determine el intervalo de
variación de la utilidad total.

Sea en términos generales la función objetivo Z=C1X1+C2X2, donde inicialmente en

el ejemplo C1=8.640 y C2=6.780. La pendiente de las curvas de nivel de la función
objetivo es -C1/C2. De este modo se conserva la actual solución óptima (vértice C)
en la medida que:

En este caso la utilidad por hectárea del tabaco Virginia puede variar entre 6.780
USD y 9.040 USD, de tal forma que el actual nivel de producción (solución óptima)
sería el mismo. Lo anterior permite concluir que el intervalo de variación para la
utilidad total será  .

SOLUCIONES DE PROBLEMAS DE PROGRAMACIÓN LINEAL EN

COMPUTADORA

SOLUCION DE PROGRAMACION LINEAL CON TORA

Ejemplo:

Una dieta debe contener al menos 16 unidades de carbohidratos y 20 de

proteínas. El alimento A contiene 2 unidades de carbohidratos y 4 de proteínas, el
alimento B contiene 2 unidades de carbohidratos y 1 de proteínas. Si el alimento A
cuesta $1.20 por unidad y el alimento B cuesta $0.80 por unidad, Formular y
resolver el problema de programación lineal que satisfaga el requerimiento de la
dieta al menor costo.
Solución:

PASO 1:

Planteamos el modelo matemático

Z=1.2X₁+0.80X₂

PASO 2:

Plantear las restricciones que nos dicta el ejercicio

2X₁+2X₂ ≥ 16

4X₁+X₂ ≥ 20

X₁, X₂ ≥ 0

PASO 3:

Procedemos a resolver el ejercicio con el programa Tora. Planteando el número

de variable que son X₁ y X₂, y las 4 restricciones dos asociadas a los recursos
limitados y otras dos por las variables que no pueden ser negativas.
PASO 4:

Resolvemos el problema por medio del método de grafica

Al lado izquierdo nos aparecerán los datos registrados inicialmente, y

seleccionamos la opción para obtener la grafica
PASO 5:

Obtenemos la solución.

El valor objetivo de Z es =8, el cual se cumple cuando x1=4 y x2=4. Es decir X1 y

x2 es el número de unidades que debe contener cierto alimento y se logra este
propósito con un costo mínimo de la dieta de 8.00UM.

Representación grafica
SOLUCIÓN DE PROGRAMACIÓN LINEAL CON SOLVER DE EXCEL

Ejemplo:

La compañía Ilumineco produce dos dispositivos para lámparas que son (producto
1 y producto 2) que requieren partes de metal y componentes eléctricos. La
administración desea determinar cuántas unidades de cada producto debe fabricar
para maximizar la ganancia.

Por cada unidad del producto 1 se requiere 1 unidad de partes de metales y 2

unidades de componentes eléctricos y por cada unidad del producto 2 se
necesitan 3 unidades de partes de metal y 2 unidades de componentes eléctricos.

La compañía tiene 200 unidades de partes de metal y 300 de componentes

eléctricos. Cada unidad del producto 1 da una ganancia $1.00 y cada unidad del
producto 2, hasta 60 unidades, da ganancia de $2.00. Cualquier exceso de 60
unidades del producto 2 no genera ganancia, por lo que fabricar más de esa
cantidad esta fuera de consideración.

Solución:

PASO 1:

Elaboramos una tabla en Excel, la cual contenga los datos de cada producto.
Detallando las cantidades de material que se necesitaran para su fabricación, la
cantidad de material disponible y las ganancia que producirían cada uno de los
productos.
PASO 2:

Identificamos la función objetivo. Que es determinar el número de unidades a

fabricar para maximizar las ganancias.

PASO 3:

Establecemos las restricciones. La primera de ella es la cantidad que utilizaremos

de cada recurso y la segunda restricción es de no producir más de 60 unidades
del producto 2 ya que no genera ganancias.
PASO 4:

Establecer los parámetros los cuales son:

1. Variables enteras: Ya que hablamos de fabricar lámparas, es decir no

podemos fabricar una lámpara y la mitad.
2. No negativas: Porque no podemos producir -1 lámpara.
PASO 5:

Procedemos a utilizar solver de Excel.

PASO 6:

Seleccionamos la función objetivo

PASO 7:

Seleccionamos nuestras variables de decisión.

PASO 8:

Agregamos las restricciones.

PASO 9:

Procedemos a resolver, seleccionando conservar solución de solver.

Paso 10:

Obtenemos los resultados.

SOLUCION DE PROGRAMACION LINEAL CON LINGO

Ejemplo:

En un almacén de frutas hay 800kg. De Naranja, 800 kg. De manzanas y 500 kg.
De plátanos. Para su venta se hace 2 lotes (A y B), el lote A contiene 1Kg. De
naranjas, 2 Kg. De manzana y 1Kg de plátanos. El lote B se compone de 2Kg. De
naranjas, 1 Kg de manzana y 1kg. Plátanos. El beneficio por Kg. Que se obtiene
con el A es de 1200 UM. Y con el lote B de 1400UM.

Determinar el número de kilogramos de cada tipo para conseguir beneficios

máximos.

Solución:

PASO 1:

Utilizando los datos con base a la información que hay en el ejercicio se realiza la
siguiente tabla para obtener la función objetivo y las restricciones.

LOTE A LOTE B DISPONIBLE

1 Kg. De naranjas 2 Kg. De naranjas 800 kg.

2 Kg. Manzanas 1 Kg. Manzanas 800 kg.

1 Kg. Plátanos 1 Kg. Plátanos 500Kg.

PASO 2:

Realizamos la función objetivo

F.O Maximizar = 1200X+1400Y

Dónde:

1200 X: UM del lote A

1400 Y: UM del lote B

PASO 3:

Determinamos las restricciones

X+2Y <=800

2X+Y <=800

X+Y <=800

PASO 4:

Resolvemos el ejercicio en el programa LINGO, escribiendo nuestra función

objetivo y las restricciones.
PASO 5:

Damos Click en el icono solve

PASO 6:

La nueva ventana mostrara las posibles soluciones, es decir los kilogramos que
necesitamos para maximizar los beneficios en el lote A y B.

PASO 7:

Sustituimos la función objetivo

F.O Maximizar = 1200X+1400Y

F.O Maximizar = 1200(200)+1400(300)
F.O Maximizar = 660,000 UM
PASO 8:

Comprobamos los resultados obtenidos sustituyendo las ecuaciones planteadas

en las restricciones.

X= 200

Y=300

Sustituyendo:

1. Ecuación

X+2Y <=800
200+2(300)<=800
200+600<=800
800<=800
2. Ecuación

2X+Y <=800
2(200)+300<=800
400+300<=800
700<=800

3. Ecuación

X+Y <=500
200+300<=500
500<=500

SOLUCION DE PROGRAMACION LINEAL CON AMPL

Ejemplo:

Se va a organizar una planta de un taller de automóviles donde van a trabajar

electricistas y mecánicos. Por necesidades de mercado, es necesario que haya
mayor o igual número de mecánicos que de electricistas. En total hay disponibles
30 electricistas y 20 mecánicos. El beneficio de la empresa por jornada es de
$250.00 por electricista y $200.00 por mecánicos. ¿Cuántos trabajadores de cada
clase deben elegirse para obtener el máximo beneficio y cual es este?

Solución:

Sean:

X= No. De electricistas
Y= No. De mecánicos

PASO 1:

Establecer la función objetivo

F(x,y)=250x+200y

PASO 2:

Nos dirigimos a la interfaz de AMPL, declaramos las variables de no negatividad,

la función objetivo y las restricciones.

PASO 3:

Guardamos los datos, una vez ya guardados nos da la respuesta de la solución

óptima.
PASO 4:

Determinar las variables X y la variable Y. Para lo cual escribimos la función

subrayada.

Automáticamente el programa nos da la solución determinando que para obtener

la solución óptima se necesitan de 20 mecánicos y 20 electricistas.
MODELO DE PROGRAMACIÓN LINEAL GENERAL.

El modelo de PL es una representación simbólica (abstracción) de la realidad que

se estudia, se forma con expresiones lógicas matemáticas conteniendo términos
que significan contribuciones: a la utilidad (con máximo), al costo (con mínimo), al
consumo de recurso (disponible con desigualdad <=), al recurso requerido (con
desigualdad >=), recurso especificado (con igual = ). Contiene las siguientes
cuatro partes:

1a parte

Definición con el significado cuantitativo de las variables de decisión

(controlables).

2a parte

Función económica u objetivo a optimizar (máximo o bien mínimo):

3a parte

Sujeta a restricciones:

4a parte

Condición de no negativo a variables:

PROPIEDADES DEL MODELO DE PROGRAMACIÓN LINEAL

Para que un modelo de PL sea válido, debe cumplir las propiedades siguientes:

I. Proporcionalidad.-Significa que la contribución al valor de la función

objetivo y el consumo o requerimiento de los recursos utilizados, son
proporcionales al valor de cada variable de decisión. Así el término 4X 1 es
proporcional, porque contribuye al valor de la función Z con 4, 8, 12, etc.
para los valores 1, 2, 3, etc., respectivamente, de X 1. Se puede observar el
aumento constante y proporcional de 4 conforme crece el valor de X 1. En
contraste, el término no lineal 4X 12, contribuye con 4, 16, 36, etc., para los
mismos valores 1, 2, 3, etc., respectivamente, de la variable X 1; Aquí se
observa que el aumento en la contribución no es constante y por lo tanto no
hay proporcionalidad.
II. Aditividad.- Significa que se puede valorar la función objetivo Z, así como
también los recursos utilizados, sumando las contribuciones de cada uno de
los términos que intervienen en la función Z y en las restricciones.
III. Divisibilidad.- Significa que las variables de decisión son continuas y por lo
tanto son aceptados valores no enteros para ellas. La hipótesis de
divisibilidad más la restricción de no negatividad, significa que las variables
de decisión pueden tener cualquier valor que sea positivo o por lo menos
igual a cero.
IV. Certidumbre.- Significa que los parámetros o constantes son estimados
con certeza, o sea, no interviene una función de probabilidad para
obtenerlos

El modelo de programación lineal es un caso especial de la programación

matemática, pues debe cumplir que, tanto la función objetivo como todas las
funciones de restricción, sean lineales.

APLICACIONES TÍPICAS DE LA PROGRAMACIÓN LINEAL

Aparentemente, las estructuras de organización complejas propias de la sociedad

moderna han reconocido interesantes problemas de optimización tales como la
manera más eficiente de manejar la economía de un país o también la mezcla de
ingredientes de un fertilizante para satisfacer las especificaciones agrícolas a
costo mínimo. Ambos problemas utilizan el modelo de programación lineal
(PL), para optimizar una función lineal condicionada a restricciones lineales, que
essencillo en su estructura matemática, pero poderoso por su gran adaptación
a una amplia variedad de problemas.
La programación lineal es una técnica matemática de resolución de problemas, su
desarrollo representa una ayuda a los administradores para tomar decisiones en
la asignación de recursos. A continuación aparecen algunas aplicaciones típicas
de la PL:

1. Un fabricante desea desarrollar un programa de asignación en producción

y una política de inventario que satisfagan la demanda de ventas de
periodos futuros. Así se podría cumplir la demanda con mínimo costo total
de producción y de inventario.
2. Un analista financiero debe seleccionar una cartera de inversiones a partir
de una diversidad de alternativas en acciones y bonos. Se debe establecer
la cartera que maximice el rendimiento sobre la inversión asignada.
3. Un administrador de mercadotecnia desea determinar la mejor manera
de asignar un presupuesto de publicidad como radio, televisión, periódicos
y revistas. Al gerente le gustaría determinar la combinación de medios
que maximice la efectividad de la publicidad.
4. Una empresa tiene almacenes en varias. ubicaciones en todo el país. Para
un conjunto de demandas de sus productos por parte de sus clientes, la
empresa desearía determinar cuánto debe asignar en embarques a cada
uno de los almacenes y a cada cliente, de manera que los costos totales de
transporte resulten mínimos.

Estas aplicaciones representan unas cuantas situaciones en las que se ha

utilizado con éxito la programación lineal, pero ilustran su potencial en la solución
de problemas. Un estudio detallado revela las características comunes de ellas.
En el ejemplo 1, el fabricante desea minimizar costos; en el 2, el analista
financiero desea maximizar el rendimiento sobre la inversión; en el 3, el gerente de
mercadotecnia desea maximizar la efectividad de la publicidad, y en el ejemplo 4,
la empresa desea minimizar los costos totales de transporte. En todos los
problemas de programación lineal, el objetivo es el máximo o bien el
mínimo de alguna cantidad en la acción de asignar recursos.

Los problemas de programación lineal se caracterizan, además, por las

condiciones impuestas o restricciones de recursos, que limitan el grado en que
se puede cumplir algún objetivo. En el ejemplo 1, el fabricante está limitado por
restricciones que requieren que la demanda de producto quede satisfecha y por
restricciones respecto a la capacidad de producción. El problema de la cartera del
analista financiero está limitado por la cantidad total de fondos de inversión
disponibles y las cantidades máximas que se pueden invertir en cada acción o
bono. La decisión en la selección de medios del gerente de mercadotecnia, está
restringida por un presupuesto de publicidad fijo y por la disponibilidad de los
varios medios. En el problema de transportación, el programa de embarques de
costo mínimo está restringido al suministro de productos disponibles en cada
almacén. La diversidad de condiciones mencionadas, es parte de lo que puede
esperar aquel que decida enfrentar un problema, pues las restricciones son otra
característica general en todo problema de programación lineal.

La estructura matemática general de la programación lineal es la siguiente:

Como podemos ver en el modelo la función que se va maximizar o minimizares la

función objetivo, sujeta a (s.a.) las restricciones.  Xj>= 0, es la condición de no –
negatividad.
Las Xj son las variables de decisión  cuyo valor se desea conocer. Aij, bi, cj son
parámetros.
El vector Cj  [ C1, C2,...Cn] se llama “vector de costos” o “vector de precios”.

PASOS PARA REOLVER UN EJERCICIO DE PROGRAMACION LINEAL.

1. Identificar las incógnitas
2. Escribir la función objetivo
3. Escribir las restricciones como inecuaciones
4. Hacer un gráfico con todas las inecuaciones y ecuaciones, averiguando
soluciones factibles
5. Calcular la solución óptima.

EJERCICIO

Se di spo ne de 60 0 g de un determin ado fárma co pa ra el abo rar

pastil las grande s y peque ñas. La s g rand es pesan 40 g y las
pequ eña s 30 g . Se nece si tan al me nos tre s pastill as gra nde s, y al
men os el doble de pequ eña s que de la s gran des. Cad a pa stilla
gra nde p ropo rciona un bene fi cio de 2 € y la pequ eña de 1 €.
¿C uán ta s pa still as se han de elab ora r de cada cla se pa ra que el
bene fi cio sea máxi mo?
Pas o1 : El ección de las incó gnitas.

x = Pastil las gran des

y = Pastil las peque ñas

Pas o 2 : Función ob jetivo

f(x, y) = 2x + y

Pas o 3 : Re stri ccio nes

40x + 30 y ≤ 600

x ≥ 3

y ≥ 2x

x ≥ 0

y ≥ 0
Pas o 4 : Hal lar el con jun to de solu cio nes fa ctible s

Pas o 5 : Cal cula r la s coo rde nada s de los vérti ces del re cin to
de la s sol ucio nes fa ctibl es.
Pas o 6 : Cal cul ar el valo r de la fu nció n obje ti vo

f(x, y) = 2 · 3 + 16 = 22 €

f(x, y) = 2 · 3 + 6 = 12 €

f(x, y) = 2 · 6 + 12 = 24 €    Má ximo

El má ximo be nefici o es de  24 €, y se obtien e fab ricando  6

pa stilla s gra ndes y 12 peque ña s.
 CONCLUSION

Por lo tanto podemos determinar que a través de la programación lineal

podemos tomar decisiones, no solo de tipo general sino de tipo técnico, Es
decir lo podemos emplear en distintas áreas, desde las actividades que
desarrollamos en la vida diaria así como en el ámbito profesional como por
ejemplo en el área de recursos humanos, producción, compras, ventas o
finanzas, ya que a través de esta herramienta podemos optar por maximizar
los resultados, ganancias, etc. que deseamos obtener y minimizar el tiempo,
costos y recursos a utilizar.
 BIBLIOGRAFIA

Taha Hamdy, Investigación de Operaciones 7° Edición, Pearsun educación,

México 2004
Ejercicios de programación lineal disponibilidad desde:
https://www.youtube.com/watch?v=6ehilOTVQu8
https://www.youtube.com/watch?v=Mk2zZpIXrKc
https://www.youtube.com/results?
search_query=PROGRAMACION+LINEAL+en+lingo
https://www.youtube.com/watch?v=W6xYOWZye-o