F T ra n sf o F T ra n sf o

PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

CLASE Nº02

PROGRAMACION LINEAL
1. Introducción

Muchas decisiones de gestión implican maximizar la cantidad de beneficios mientras se

mantienen iguales los niveles de uso de mano de obra y materiales dentro de ciertos
límites.

El proceso de encontrar combinaciones de diferentes tipos de actividades considerando

un alto aprovechamiento de los recursos se denomina programación. Frecuentemente las
restricciones de uso de los recursos tienen una particular forma algebraica simple
(lineal), ello se denomina programación lineal.

2. Conceptos

Origen de la Investigación Operacional1

Los orígenes de la investigación operacional se remontan a la II Guerra Mundial. El

problema a resolver fue la asignación o distribución óptima de recursos escasos. El
éxito logrado por los militares sirvió para utilizar dichas técnicas en los problemas
industriales. El interés de los científicos y el advenimiento de las computadoras facilitó
el crecimiento de estas herramientas. Un ejemplo de ello fue la contribución de Dantzig
quien desarrolló el método simplex para resolver el problema de la programación lineal
en 1947.

La investigación operacional implica la investigación sobre operaciones. Se aplica a

problemas que tienen que ver como conducir y coordinar operaciones o actividades en
una organización. El proceso básico es la observación cuidadosa del problema y la
construcción de un modelo matemático que abstrae el problema real. Sin embargo hay
algo más que esto, la investigación operacional proporciona a quien toma decisiones,
soluciones positivas y prácticas a los problemas que se le presentan en la organización.

El punto de vista de la investigación operacional es muy amplio y adopta por ello un

punto de vista organizacional. Trata de resolver los problemas o conflictos que surgen
entre los diferentes componentes de la organización como un sistema total. Una de las
características de la investigación operacional es que las soluciones que trata de dar a
los problemas deben ser óptimas.

Debido a los aspectos tan variados de la investigación operacional, el estudio de un

problema se hace no por un individuo sino frecuentemente por un grupo de trabajo y
generalmente este grupo se compone de individuos preparados en áreas diversas.

1
Vélez Ignacio ‘Técnicas de simulación en el análisis de recursos hidrológicos’.

02/09/2010 1
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________
La contribución del enfoque de la investigación operacional es:
- Estructuración del problema real en un modelo abstracto matemático
- Exploración del problema y desarrollo de métodos sistemáticos para
solucionarlo
- Desarrollo de una solución óptima

Problema de Optimización

En un problema de optimización uno busca maximizar o minimizar una cantidad

específica llamada Objetivo, el cual depende de un número finito de variables de
entrada. Estas variables pueden ser independientes unas de otras o pueden estar
relacionadas a través de una o más restricciones.

Ejemplo:

Minimizar z x12 x 22

Sujeto a las restricciones:

x1 – x2 = 3
x2 2

Un programa matemático es un problema de optimización en el cual el objetivo y

restricciones son dadas como funciones matemáticas y relaciones funcionales.

Optimizar z = f(x1, x2, …., xn)

Sujeto a las restricciones:

g1 (x1, x2,…..xn) b1
g2 (x1, x2,…..xn) b2 (1)
.
.
.
gm (x1, x2,…..xn) bm

Donde b1, ….bm son valores conocidos

Cada una de las m restricciones pueden tener uno de los 03 signos: , =, .

Programas lineales

Un programa matemático (1) es lineal si f(x1,x2,…,xn) y cada gi (x1, x2, …,xn)

(i=1,2,….m) son lineales en cada uno de sus argumentos, esto es si:

f(x1, x2,…,xn) = c1x1 + c2x2 + ….+ cnxn (2)

y
gi(x1, x2,…,xn) = ai1x1 + ai2x2 + ….+ ainxn (3)

donde cj y aij (i=1,2,….,m; j=1,2,…,n) son constantes conocidas

02/09/2010 2
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

3. Terminología para las soluciones del modelo2

Hay que tener en cuenta que el término solución no solo significa la respuesta final a un
problema. En Programación Lineal (PL) la convención es distinta, se llamará solución a
cualquier conjunto de valores específicos para las variables de decisión (x1, x2,…xn), sin
importar si es una posibilidad deseable o ni siquiera permitida.

La solución factible es aquella para las que todas las restricciones se satisfacen.

La región factible es la colección de todas las soluciones factibles.

Una solución óptima es una solución factible que lleva al valor más favorable de la
función objetivo.

El valor más favorable significa el valor más grande o más pequeño, dependiendo de si
el objetivo es maximizar o minimizar. Entonces una solución óptima
maximiza/minimiza la función objetivo sobre toda la región factible.

La mayor parte de los problemas tendrán nada más que una solución óptima. Sin
embargo, también es posible tener más de una solución.

Otra posibilidad es que el problema no tenga soluciones óptimas. Esto ocurre sólo si:
- No tiene soluciones factibles
- Las restricciones no impiden que el valor de la función objetivo crezca
indefinidamente en la dirección favorable (positiva o negativa).

4. Suposiciones de un problema de Programación Lineal (PL)

Suposición de proporcionalidad
Es una suposición sobre las actividades individuales que se consideran
independientes unas de las otras. En un modelo de PL el flujo de insumos y
productos es proporcional al nivel de actividad. Esto es, que si se quiere triplicar el
nivel de actividad, simplemente se triplica el flujo de los ‘items’ que se han
establecido para el nivel de actividad unitario.

Suposición de no negatividad
Es posible determinar cualquier nivel de actividad mayor que o igual a cero, sin
embargo, no es posible asignar niveles de actividad negativos.

Suposición de aditividad
Si existe interacción entre algunas actividades que puedan cambiar la medida total
de efectividad o de consumo total de algún recurso, pueden surgir términos de
producto cruzado. La aditividad supone que no existen interacciones de este tipo
entre ninguna de las actividades, de manera que no habrá términos de productos
cruzados en el modelo.

2
Hiller Frederick; Lieberman Gerald ‘Introducción a la Investigación de Operaciones’.

02/09/2010 3
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

La suposición de aditividad (al igual que la de proporcionalidad) se aplica tanto a la

función objetivo como a las funciones del lado izquierdo de las restricciones. La
suposición de aditividad dice que, para cada función, el valor total de la función se
puede obtener sumando las contribuciones individuales de las actividades
respectivas.

Suposición de divisibilidad
Algunas variables de decisión sólo tienen significado físico cuando adquieren
valores enteros. La solución óptima que se obtiene en programación lineal con
mucha frecuencia no es entera. Por esto, la suposición de divisibilidad se refiere a
que las unidades de cada actividad se pueden dividir en cualquier nivel fraccional,
para que se permitan valores no enteros de las variables de decisión.

Suposición de certidumbre
La suposición de certidumbre dice que todos los parámetros del modelo son
constantes conocidas. En los problemas reales, muy pocas veces se satisface por
completo esta suposición. Casi siempre se formula un modelo de programación
lineal para elegir un curso de acción futuro. Entonces los parámetros que se emplean
están basados en una predicción de las condiciones futuras, lo que inevitablemente
conduce a un cierto grado de incertidumbre.

5. Ejemplo: La fabrica de queso3

Enunciado del problema

Una fábrica de queso puede producir dos tipos de productos: ‘Queso regular’ y ‘Queso
Especial’. Ellos necesitan 07 litros de leche y 05 horas-hombre para elaborar 01 kilo del
primer tipo y 13 litros de leche y 03 horas-hombre para elaborar 01 kilo del segundo.
Cada kilogramo del queso regular da $4 de beneficio mientras que la misma cantidad
del queso especial da $7. Si en cada turno hay 182 litros de leche y 60 horas-hombre
disponibles, encontrar la cantidad de cada tipo de queso que ellos deben producir para
maximizar su beneficio total.

Solución

Según la matemática tradicional, nosotros asignaríamos letras a esas variables no

conocidas y examinaríamos las consecuencias.

Supóngase que la fabrica produce en cada turno ‘x’ kg. de queso regular e ‘y’ kg. de
queso especial. Cada posible combinación de x e y puede representar un punto en el
siguiente gráfico (Figura Nº01).

3
Fuente: International Course on Computer Aided Decision Making in Agriculture, Novi Sad,
Yugoslavia, 1991.

02/09/2010 4
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

Figura No.01

No todos los puntos en el gráfico corresponden a una forma factible de operar la fábrica.
Claramente es imposible tener valores negativos de queso, así que x e y deben ser
ambos positivos y/o cero.

Esto restringe en representar el punto en la parte superior derecha del diagrama

cartesiano. Asimismo, existen más restricciones de x e y debido a la disponibilidad de
leche y horas-hombre. Considerando primero la cantidad de leche necesaria para
producir ‘x’ kg de queso regular e ‘y’ kg de queso especial. Un kilo de queso regular
necesita 07 litros, esto es ‘x’ kg necesitan 07 veces x, ó 7x litros. Similarmente ‘y’ kg de
queso especial necesitan 13y litros de leche y por lo tanto la cantidad total de leche
requerida es (7x + 13y) litros. Esto no debe exceder la cantidad disponible de 182 litros
y puede escribirse de forma algebraica:

7x + 13y 182

Con respecto a la mano de obra, 5x horas-hombre son necesarias para hacer ‘x’ kg de
queso regular y 3y para ‘y’ kg de queso especial.

5x + 3y 60

Hay que tener en cuenta que hay solamente 60 horas-hombre disponibles por cada
turno.

Las restricciones pueden ser ahora incorporadas en el gráfico para ver como ellas
restringen las posibles posiciones de los puntos representativos.

Obviamente ‘x’ igual a 0 e ‘y’ igual a 0 es una forma de operar la fábrica dentro de las
restricciones. Si x e y se incrementan, el punto se moverá hasta que la fábrica este
usando toda su capacidad de leche, lo que significa que 7x + 13y 182. Cuando esto
pasa, ni ‘x’ ni ‘y’ pueden incrementarse ya que no habría suficiente leche para abastecer
al proceso de producción de la fábrica. El conjunto de todos los puntos para los cuales
7x + 13y 182 es una línea recta (Figura No.02).

02/09/2010 5
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

Figura No.02

Si procesamos la restricción de mano de obra 5x + 3y 60 de la misma manera

obtendremos (Figura No.03):

Figura No.03

Esto representa los efectos de las restricciones de la cantidad de leche y mano de obra
mediante la cual la fábrica puede ser programada. La ventaja de presentar esto de
manera gráfica permite visualizar el umbral de viabilidad operacional. Cualquier
combinación de ‘x’ kg de queso regular e ‘y’ kg de queso especial debe resultar en un
punto ubicado debajo de ambas líneas. De allí, el área en el diagrama que satisface estas
condiciones se denomina región factible o viable. Ahora se tiene que determinar cual de
esos puntos viables produce el mayor beneficio.

Para este tipo de problema, sólo necesitamos considerar los vértices A, B, C y D de la

región factible como las posibles opciones de operación de la fábrica.

02/09/2010 6
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

Vértice X (kg de queso Y (kg de queso Beneficio (4x + 7y)

regular especial)
A 0.0 14.0 98.0
B 5.3 11.1 98.9
C 12.0 0.0 48.0
D 0.0 0.0 0.0

Como es obvio, uno puede calcular exactamente la mejor combinación, resolviendo

simultáneamente los ecuaciones: 7x + 13y 182 y 5x + 3y 60.

En un problema simple tal como se ha visto es sencillo, sin embargo cuando existen
varias restricciones, es preferible el método gráfico debido a que muestra cual de las
intersecciones de líneas son en efecto vértices.

La conclusión de este análisis es que la fábrica debe producir 5.3 kg de queso regular y
11.1 kg de queso especial en cada turno para maximizar los beneficios.

Algunos otros rasgos que deben tomarse en cuenta:

- x no es negativo
- y no es negativo
- El requerimiento de leche debe ser menor o igual a 182 litros.
- El requerimiento de mano de obra debe ser menor o igual a 60 horas-hombre.
- El problema maximizó el beneficio 4x + 7y (función objetivo).

Si hubiéramos querido minimizar la función objetivo, la respuesta a este caso hubiera

sido encontrada en el vértice D.

Por otra parte, supongamos que el beneficio resultante de hacer x kg de queso regular e
y kg de queso especial es (2x + y) en vez de (4x + 7y) como en el ejemplo, la mejor
combinación sería representada por el vértice C y no en B; mientras que si el beneficio
es (x + 2y) el vértice óptimo sería A.

02/09/2010 7
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________

6. Algunos ejemplos de casos extremos

Puede ocurrir que la solución óptima no sea única, e incluso que no exista, como en los
ejemplos siguientes:

Maximizar g(x, y) = 3x + 4y sujeta a las restricciones:

x + y 14
2x +3y 36
4x + y 16
x 3y 0

Si representamos la región factible: Los vértices serán:

A = (2/3,40/3), B = (6, 8), C = (12, 4)

Observemos que la región factible es NO acotada superiormente.

02/09/2010 8
 F T ra n sf o F T ra n sf o
PD rm PD rm
Y Y
Y

Y
er

er
ABB

ABB
y

y
bu

bu
3.0

3.0
to

to
re

re
Universidad Nacional Agraria La Molina
he

he
k

k
lic

lic
Facultad de Ingeniería Agrícola
C

C
w om w om
w

w
w. w.
A B B Y Y.c A B B Y Y.c
Departamento de Recursos Hídricos
Curso: IA3029 Ingeniería de Sistemas
Ing. Eduardo Chávarri V.
____________________________________________________________________________________
Ejemplo

Minimizar g(x, y) = 3x + 3y sujeta a las restricciones

x+y 5
y x +3
3y x 1
y +2x 16
4y x 22

La región es, en este caso:

Es decir, como buscamos el valor mínimo, todos los puntos comprendidos entre A y E
sirven, es decir, hay in nitas soluciones.

En general, un problema de máximos no tiene solución si la región factible no está

acotada superiormente, y un problema de mínimos no tiene solución si la región no está
acotada inferiormente.

02/09/2010 9