MODELOS DE

PROGRAMACIN LINEAL

INVESTIGACION DE OPERACIONES

AUTOR: Juan carlos Gutirrez Vanegas

 NDICE

2. Modelos de Programacin lineal

2.1. Supuestos de un programa lineal
2.1.1. Proporcionalidad
2.1.2. Aditividad
2.1.3. Divisibilidad
2.1.4. Certidumbre
3. Notacin bsica
4. Problema de la dieta
5. Problema de administracin de inversiones
6. Problema de seleccin de inversiones (problema de la mochila)
7. Problema de Transporte
Glosario de trminos
Referencias
Referencias Bibliogrficas

DESARROLLO TEMATICO

2. Modelos de programacin lineal

En la semana anterior discutimos los elementos clave de lo que ahora entendemos como un
programa lineal, aquellos sin lo cual no estara completa la formulacin de un problema como un
programa lineal, estos son:

Variables de Decisin
Funcin Objetivo
Criterio de Optimizacin
Restricciones

Una vez tenemos todos esos elementos para nuestro problema especfico, podemos decir que
hemos formulado el problema como un PL (programa lineal).

2 POLITCNICO GRANCOLOMBIANO
Sin embargo, hemos sealado algunas caractersticas que deben cumplirse en las funciones
involucradas tanto en la funcin objetivo como en las restricciones, estas deben ser funciones
lineales, lo cual implica una serie de supuestos que ahora vamos a ver en detalle.

2.1. Supuestos de un programa lineal

Al formular un problema como un programa lineal se tiene por supuestas al menos cuatro
hiptesis principales sobre el comportamiento del problema, estas hiptesis se deben satisfacer
al menos en un rango de operacin que permita la implementacin de la solucin obtenida. Como
veremos a continuacin, las hiptesis pueden parecer extremadamente restrictivas, sobretodo
no realistas, pero en la mayora de los casos prcticos los supuestos son razonables y las
soluciones obtenidas con el programa lineal son implementables en el problema real.

Las cuatros hiptesis o supuestos de un programa lineal son:

2.1.1. Proporcionalidad

Esta primera hiptesis es una consecuencia directa del uso de funciones lineales tanto en la
funcin objetivo como en las restricciones, as cada variable de decisin contribuye a la funcin
objetivo con un valor proporcional al valor mismo de la variable y la constante de
proporcionalidad es el coeficiente de dicha variable en la funcin objetivo. Matemticamente lo
podemos expresar as:

Si la funcin objetivo est dada por = $ $ + ' ' + + ) ) + + * * , entonces la

contribucin de la variable ) a la funcin objetivo es de ) ) , si el valor de la variable ) se
disminuye a la mitad, su contribucin tambin lo har; si el valor de la variable ) se duplica, su
contribucin tambin se duplicar. En esto consiste la proporcionalidad.

De la misma forma, si para la -sima restriccin, tenemos una combinacin lineal de las variables
con coeficientes dados por 3$ $ + 3' ' + + 3) ) + + 3* * 3 , entonces la
contribucin de la variable ) a dicha restriccin ser de )3 ) ; as, si el valor de la variable ) se
reduce a la mitad, su contribucin tambin lo har, mientras que si el valor de la variable ) se
duplica, su contribucin tambin se duplicar. Nuevamente tenemos una relacin de
proporcionalidad.

Esta relacin implica que ni en la funcin objetivo ni en las restricciones se consideran economas
de escala, descuentos o costos fijos. Sin embargo, como veremos ms adelante al utilizar otro
tipo de variables, como las variables binarias o las enteras, podremos tener en cuenta este tipo
de efectos.

INVESTIGACIN DE OPERACIONES 3
 2.1.2. Aditividad

Nuevamente, esta hiptesis expresa directamente que las funciones involucradas en la funcin
objetivo y en las restricciones son combinaciones lineales de las variables, porque la base de la
hiptesis es que la contribucin total, ya sea en la funcin objetivo o en las restricciones, es la
suma directa de las contribuciones de cada variable. Lo que tal vez no es evidente en dicha
hiptesis es que implcitamente indica que no existe ningn tipo de interaccin entre las variables,
mucho menos efectos de suplementariedad o sustitucin.

2.1.3. Divisibilidad

Esta es una hiptesis clave para el algoritmo de solucin que vamos a utilizar en este curso. Las
variables pueden tomar cualquier valor real mayor o igual a cero, es decir, son variables continuas
no negativas. As, cada variable de decisin se puede dividir en infinitos valores reales, no estn
restringidas a tomar valores enteros.

Como en el caso de la proporcionalidad, ms adelante nos permitiremos utilizar variables binarias

o enteras, en donde el supuesto de divisibilidad no aplica, sin embargo, cuando se hace uso de
este tipo de variables nos salimos del campo de aplicacin de la programacin lineal y entramos
en uno nuevo que se conoce como programacin entera mixta. Desafortunadamente, en este
curso introductorio no discutiremos los algoritmos de solucin para este tipo de problemas pero
s construiremos modelos con variables de este tipo.

2.1.4. Certidumbre

Esta hiptesis puede ser la ms controversial de todas, porque asegura que todos los parmetros
del problema; los coeficientes en la funcin objetivo, los coeficientes de cada variable en cada
una de las restricciones y los lados derechos de todas las restricciones son conocidos de antemano
con total certeza, que no existe ningn tipo de incertidumbre sobre el valor que cada uno de
dichos parmetros va a tomar. Es decir, todos los elementos estocsticos o probabilsticos de cada
uno de los factores del problema estn representados por un equivalente determinstico en el
problema.

Ahora veremos cmo se aplican esos principios en diferentes familias de problemas, pero primero
debemos tener un lenguaje comn para modelar problemas.

3. Notacin bsica

A lo largo del curso nos enfrentaremos con diferentes modelos lineales, pero debemos manejar
un lenguaje comn para todos ellos. Existen diferentes formas en las cuales se puede escribir un
programa lineal y cada una de ellas ser til en alguna situacin especfica. Por el momento es

4 POLITCNICO GRANCOLOMBIANO
suficiente para nosotros conocer la forma cannica expresada con subndices, vectores y
matrices.

Para las variables de decisin utilizaremos el vector columna , cuyos componentes denotaremos
con ) , en donde el ndice estar en el rango de 1 hasta , donde representa el nmero de
variables de decisin del problema.

Para los coeficientes de la funcin objetivo utilizaremos el vector columna , cuyos componentes
denotaremos con ) , nuevamente el ndice estar en el rango de 1 hasta .

Para los coeficientes de las diferentes restricciones utilizaremos una matriz de dimensin ,
donde representa el nmero de restricciones y el nmero de variables de decisin del
problema. Las componentes de la matriz, que llamaremos , las denotaremos por 3) .

Finalmente, para el lado derecho de las restricciones utilizaremos el vector columna , con
componentes 3 , en donde el ndice estar en el rango de 1 hasta .

Con esta notacin ya definida, podemos escribir un problema de minimizacin de las siguientes
maneras:

En forma matricial:

Min = A
.

En forma explcita:
Min = $ $ + ' ' + + * *
.
$$ $ + $' ' + + $* * $
'$ $ + '' ' + + '* * '

G$ $ + G' ' + + G* * G
$ 0, ' 0, , * 0

INVESTIGACIN DE OPERACIONES 5
 Utilizando sumatorias:
*

Min = ) )
)K$
.
*
3) ) 3 = 1, ,
)K$
) 0 = 1, ,

Anlogamente, para un problema de maximizacin podemos utilizar cualquiera de las tres

siguientes formas:

En forma matricial:

Max = A
.

En forma explcita:
Max = $ $ + ' ' + + * *
.
$$ $ + $' ' + + $* * $
'$ $ + '' ' + + '* * '

G$ $ + G' ' + + G* * G
$ 0, ' 0, , * 0

Utilizando sumatorias:
*

Min = ) )
)K$
.
*
3) ) 3 = 1, ,
)K$
) 0 = 1, ,

6 POLITCNICO GRANCOLOMBIANO
Ahora consideraremos una serie de problemas que habitualmente se resuelven con
programacin lineal. Cada uno de los modelos que presentamos a continuacin posee una
estructura caracterstica y por lo tanto es importante que nos familiaricemos con ella para lograr
as mejorar nuestras habilidades para construir modelos lineales en cada nuevo problema al que
nos enfrentemos.

4. Problema de la dieta

Este problema est considerado, histricamente, como una de las aplicaciones militares dio inicio
a la investigacin de operaciones. A mediados de la dcada del cuarenta, Stigler (Stigler, 1945)
plante una solucin heurstica para un problema de alimentacin del ejrcito estadounidense,
que consista en planear las raciones de cada soldado para que fueran lo ms econmicas posible
mientras cumplan con todos los requerimientos nutricionales. Este problema fue luego resuelto
de manera ptima utilizando el algoritmo Simplex, que veremos ms adelante, y
sorprendentemente la solucin de Stigler estaba alejada del ptimo en tan slo 24 centavos de
dlar al ao por soldado.

De manera general, podemos enunciar el problema de la siguiente forma:

Tenemos diferentes tipos de alimento, digamos $ , ' , , * , que contienen diferentes

cantidades de nutrientes y que existen diferentes tipos de dichos nutrientes, digamos
$ , ' , , G . El costo por unidad para el alimento tipo est dado por ) y el requerimiento
diario de cada nutriente est representado por 3 , en unidades adecuadas en cada caso.
Finalmente, cada unidad de alimento contiene una cantidad 3) de nutriente . La idea es
encontrar una combinacin de alimentos que suplan las necesidades diarias de nutrientes al
mnimo costo.

La formulacin general del problema anterior es la siguiente:

Se definen como variables de decisin como la cantidad de alimento, de cada tipo, a utilizar cada
da. Formalmente se tiene una variable por cada tipo de alimento y se define as:

) : Cantidad de alimento tipo , en las unidades adecuadas para cada tipo, que se incluir cada
da en la dieta. = 1, ,

La funcin objetivo est dada por el costo total de la dieta y en funcin de las variables de decisin
se representa como:

= $ $ + ' ' + + * *

Por tratarse de un costo, el criterio de optimizacin es el de minimizacin.

INVESTIGACIN DE OPERACIONES 7
 El conjunto de restricciones est formado por una restriccin para cada tipo de nutriente, pero
todas ellas con la misma forma, por ejemplo para el nutriente tipo tenemos que:

3$ $ + 3' ' + + 3* * 3

Finalmente, se agregan las restricciones de no negatividad y el problema toma la forma cannica

definida anteriormente, esto es:

Min = $ $ + ' ' + + * *

.
$$ $ + $' ' + + $* * $
'$ $ + '' ' + + '* * '

G$ $ + G' ' + + G* * G
$ 0, ' 0, , * 0

Ahora veamos un ejemplo particular, supongamos que debemos alimentar una pequea granja
de gallinas y tenemos dos opciones de concentrado para este propsito, el concentrado Corn y el
concentrado Flakes, con estos alimentos debemos garantizar los requerimientos de protenas,
potasio y sodio de los animales. En la siguiente tabla se resume el aporte de cada tipo de
concentrado a cada requerimiento, as como el nivel mnimo requerido por cada animal y el precio
por libra de cada tipo de concentrado.

Tabla 1. Datos para el ejemplo del problema de dieta

Corn Flakes Requerimiento

Tipo concentrado
mnimo

Protenas (g) 8 12 10

Potasio (mg) 150 100 120

Sodio (mg) 750 700 720

Costo por libra ($) 600 500

Fuente: Elaboracin propia

8 POLITCNICO GRANCOLOMBIANO
La idea es encontrar la combinacin de alimentos ms econmica a comprar que garantice los
requerimientos mnimos de los animales.

Veamos entonces como queda la formulacin del problema:

Variables de decisin

Las cantidades sobre las cuales se tiene control en este problema son las cantidades de cada tipo
de alimento que se pueden comprar, por lo tanto definimos:

$ : Cantidad de alimento Corn a incluir en la dieta diaria

' : Cantidad de alimento Flakes a incluir en la dieta diaria

Funcin objetivo y criterio de optimizacin

El objetivo en este problema es encontrar la combinacin ms econmica, por lo tanto la funcin

objetivo est relacionada con el costo del alimento y como se busca el costo ms bajo, el criterio
es de minimizacin, por lo tanto queda:

Min = 600$ + 500'

Restricciones

Las restricciones en este tipo de problemas tienen que ver con los requerimientos mnimos de
cada nutriente, en este caso protenas, potasio y sodio, as que tenemos:

Para las protenas: 8$ + 12' 10

Para el potasio: 150$ + 100' 120

Para el sodio: 750$ + 700' 720

Finalmente, debemos incluir la restriccin de no negatividad:

$ 0, ' 0

Y ya tenemos la formulacin completa de nuestro problema de dieta, la cual tiene la forma

descrita en la formulacin general.

INVESTIGACIN DE OPERACIONES 9
 5. Problema de administracin de inversiones

En 1972, Broaddus (Broaddus, 1972) present un artculo en donde explicaba cmo utilizar la
programacin lineal en el ambiente financiero, su objetivo era que los banqueros entendieran la
importancia de la herramienta en la administracin ptima de las inversiones. El ejemplo de
Broaddus fue sumamente sencillo, lo veremos ms adelante, pero primero veamos la formulacin
general del problema:

Se tiene un capital de K unidades monetarias el cual se debe invertir, por un nico periodo, en
una de las n opciones disponibles, digamos P$ , P' , , PW ; cada una de las opciones tiene un
rendimiento porcentual asociado, para el periodo bajo consideracin de $ , ' , , W . Por las
caractersticas de cada tipo de inversin existen lmites inferiores y/o superiores para cada una,
es decir, el capital invertido en la opcin PY no puede ser inferior a LY ni superior a UY . Estos lmites
no siempre existen para todas las opciones y algunas de ellas pueden tener uno u otro de los
lmites. El objetivo es encontrar la mejor forma de invertir el capital de manera que se maximice
la ganancia efectiva del periodo en consideracin.

La formulacin general del problema anterior es la siguiente:

Se definen como variables de decisin como la cantidad de dinero invertido en cada opcin, es
decir, se tiene una variable por cada tipo de inversin y se define as:

) : Cantidad de dinero invertida en la opcin ) = 1, ,

La funcin objetivo est dada por la ganancia efectiva en el periodo bajo consideracin y en
funcin de las variables de decisin se representa como:

= $ $ + ' ' + + * *

Por tratarse de una ganancia, el criterio de optimizacin es el de maximizacin.

El conjunto de restricciones est formado por una restriccin del presupuesto total y dos
restricciones para cada tipo de inversin. La del presupuesto total queda de la forma:

$ + ' + + *

Mientras que las de los lmites de cada inversin, por ejemplo para la opcin ) , se escriben como:

) )

) )

Finalmente, las restricciones de no negatividad son redundantes si todas las variables ya tienen
definido un lmite inferior, as el problema toma la forma de:

10

10 POLITCNICO GRANCOLOMBIANO
 Max = $ $ + ' ' + + * *
.
$ + ' + + *
$ $

* *
$ $

* *

Ahora s veamos un ejemplo particular, basado en el presentado por Broaddus en 1972.

Suponga que un banco tiene 100 millones para invertir, parte de ese dinero se puede poner en
prstamos y la otra parte en bonos. Los prstamos tienen una rentabilidad mayor, digamos del
10% E.A., comparada con la rentabilidad de los bonos, digamos 5%. Sin embargo, los bonos se
pueden vender en el mercado casi inmediatamente por lo cual representan liquidez. Por
compromisos comerciales y de regulacin, no se puede invertir ms de 50 millones en prstamos
y por razones de liquidez, al menos el 25% del capital se debe invertir en bonos. El banco desea
maximizar su ganancia con su plan de inversiones.

Veamos entonces la formulacin del problema:

Variables de decisin

Las variables sobre las cuales toma la decisin en este problema son las cantidades a invertir en
cada opcin, por lo tanto definimos:

$ : Cantidad de dinero, en millones, invertida en prstamos

' : Cantidad de dinero, en millones, invertida en bonos

Funcin objetivo y criterio de optimizacin

El objetivo en este problema es encontrar el plan de inversiones que produzca la mayor ganancia,
por lo tanto la funcin objetivo est relacionada con la rentabilidad de cada inversin y el criterio
es de maximizacin, por lo tanto queda:

Max = 0.10$ + 0.05'

Restricciones

La primera restriccin tiene que ver con el presupuesto disponible, por lo tanto la suma de las dos
inversiones no puede superar el capital disponible, esto es:

$ + ' 100

INVESTIGACIN DE OPERACIONES 11
 Las otras restricciones tienen que ver con los lmites, inferior y superior, que define el banco para
cada inversin

Lmite inferior para los prstamos: $ 0

Lmite inferior para los bonos: ' 25

Lmite superior para los prstamos: $ 50

Lmite superior para los bonos: ' 100

Y ya tenemos la formulacin completa de nuestro problema de inversin, la cual tiene la forma

descrita en la formulacin general.

6. Problema de seleccin de inversiones (problema de la mochila)

Un problema en apariencia muy similar al anteriormente discutido es aquel en donde se tiene un

capital, o cualquier otro tipo de recurso, y se desea invertir en una serie de opciones con el fin de
obtener la mayor rentabilidad de la inversin. La diferencia con el problema anterior radica en
que en este caso cada proyecto tiene un valor fijo de inversin, no se puede decidir invertir ms
o menos que lo estipulado por cada proyecto. De la misma forma, al final del periodo de inversin
cada proyecto paga una determinada cantidad de dinero y esta no es modificable. El origen exacto
del problema no es muy claro pero se ha rastreado hasta los aos 30. Existen diferentes
variaciones del problema, pero en general el problema, en su versin binaria (0-1), se pude
describir as:

Se tiene un capital de K unidades monetarias el cual se debe invertir, por un nico periodo, en una
de las opciones disponibles, digamos $ , ' , , * ; cada una de las opciones, digamos la opcin
) , requiere una inversin inicial fija ) y al final del periodo bajo consideracin otorga un pago
de ) . El objetivo es encontrar la mejor forma de invertir el capital de manera que se maximice la
ganancia efectiva del periodo en consideracin.

La formulacin general del problema contiene un elemento nuevo, las variables de decisin estn
restringidas a tomar uno de dos valores posibles, lo que se conoce como variables binarias. Para
definir las variables de decisin, ya no consideramos la cantidad de dinero invertido en cada
opcin, porque ste es un parmetro fijo, en su lugar definimos una variable que nos indica si la
en la opcin ) se invierte o no. As, se tiene una variable por cada tipo de inversin y se define
as:

12

12 POLITCNICO GRANCOLOMBIANO
 0 si no se invierte en la opcin )
) = = 1, ,
1 si se invierte en la opcin )

Este tipo de variables se conoce como variables binarias y no cumplen con el principio de
divisibilidad de la programacin lineal, lo que ocasiona que este modelo ya no sea un programa
lineal. A este tipo de modelos se les conoce como programa entero mixto.

La funcin objetivo est dada por la ganancia total y en funcin de las variables de decisin se
representa como:

= $ $ + ' ' + + * *

Ntese que por tratarse de variables binarias, la ganancia de cada proyecto se incluye totalmente
o no se incluye en absoluto, no hay ganancias parciales por proyecto. Por tratarse de una
ganancia, el criterio de optimizacin es el de maximizacin.

En la versin inicial del problema se tiene una nica restriccin, la del presupuesto total y esta
queda de la forma:

$ $ + ' ' + + * *

Finalmente, no se tienen restricciones de no negatividad porque las variables estn restringidas

al conjunto {0,1}, as el problema toma la forma de:

Max = $ $ + ' ' + + * *

.
$ $ + ' ' + + * *
) 0,1 = 1, ,

Ya en un ejemplo concreto, suponga que usted dispone de 30 millones para invertir y que le
presentan un portafolio con 4 opciones, cada opcin requiere una inversin inicial y produce una
pago total al final de un ao como se muestra en la siguiente tabla:

Tabla 2. Datos para el ejemplo del problema de la mochila

Proyecto P1 P2 P3 P4

Inversin Inicial 7 15 6 12
(millones)

Pago total (millones) 10 26 10 24

Fuente: Elaboracin propia

INVESTIGACIN DE OPERACIONES 13
 Su objetivo es encontrar la combinacin de proyectos en los cuales debe invertir para maximizar
su ganancia.

La formulacin para esta instancia del problema quedara:

Variables de decisin

La decisin en este problema es si un proyecto se incluye o no en la inversin, por lo tanto

definimos, para cada proyecto:

0 si no se invierte en la opcin )
) =
1 si se invierte en la opcin )

Donde el ndice recorre el rango de 1 a 4.

Funcin objetivo y criterio de optimizacin

El objetivo en este problema es encontrar el plan de inversiones que produzca la mayor ganancia,
por lo tanto la funcin objetivo est relacionada con la ganancia de cada proyecto y el criterio es
de maximizacin, por lo tanto tenemos que:

Max = 10$ + 26' + 10n + 24p

Restricciones

La nica restriccin la que tiene que ver con el presupuesto disponible, por lo tanto la suma de
todas las inversiones no puede superar el capital disponible, esto es:

$ + ' + n + p 30

Finalmente, debemos incluir la restriccin que indica que las variables son binarias:

) 0,1 = 1, ,4

Y ya tenemos la formulacin completa de nuestro problema de inversin, la cual tiene la forma

descrita en la formulacin general.

7. Problema de Transporte

Este tal vez es uno de los problemas de programacin lineal ms conocidos y utilizados. Los
orgenes del problema se puede rastreas hasta 1781 (Monge, 1781). En este problema se trata de
encontrar la mejor manera de transportar productos entre los almacenes o plantas de produccin
y los clientes finales. Cada trayecto utilizado tiene un costo unitario asociado y la idea es encontrar
el plan de envos que minimice el costo total de transporte. Aunque la formulacin original

14

14 POLITCNICO GRANCOLOMBIANO
trataba con envos entre ciudades o puertos diferentes, la formulacin se puede aplicar a
problemas de produccin en donde los envos se refieren precisamente a la demanda del
producto sin que esto incluya ningn tipo de transporte. Existe una formulacin en el rea de
flujo en redes que es tal vez mucho ms conocida y sobre la cual se pueden aplicar algoritmos
muy eficientes para encontrar la solucin al problema. Sin embargo, nosotros usaremos la
formulacin como programa lineal. La descripcin general del problema, considerando un nico
tipo de producto, se puede resumir as:

Se tiene un conjunto de orgenes (plantas, puertos, almacenes, ciudades) en donde se tiene, o

produce, un nico tipo de producto que debe ser enviado a un conjunto de destinos, cada uno
con su propia demanda del producto. Cada origen tiene una oferta 3 y cada destino una
demanda de ) . Existen medios de transporte entre cada origen y cada destino, pero cada
combinacin conlleva un costo unitario diferente, digamos que entre el origen y el destino el
costo unitario de transporte es de 3) . La idea es encontrar el plan de envos ptimo que satisface
todas las demandas al menor costo.

La formulacin general del problema de transporte es la siguiente:

Se definen como variables de decisin como la cantidad de producto enviado desde cada origen
a cada destino, esto es:

3) : Cantidad de producto enviada desde el origen al destino = 1, , , = 1, ,

Ntese que ahora la variable de decisin tiene dos subndices, as por ejemplo la variable $,$ se
debe entender como la variable que corresponde al envo desde el origen 1 al destino 1 y no como
la undcima variable del problema. Entonces en total se tiene una variable por cada combinacin
origen-destino.

La funcin objetivo est dada por el costo total de todos los envos y en funcin de las variables
de decisin se representa como:

= $$ $$ + $' $' + + $* $* + '$ '$ + '' $' + + '* '* + + G* G*

Lo cual utilizando la notacin de sumatoria se puede simplificar a:

G *

= 3) 3)
3K$ )K$

Por tratarse de un costo, el criterio de optimizacin es el de minimizacin.

El conjunto de restricciones est formado por dos subconjuntos, uno que garantiza que no se
sobrepasan las ofertas de cada origen y otro que garantiza que todas las demandas son
satisfechas. Para las ofertas tenemos que:

INVESTIGACIN DE OPERACIONES 15
 $$ + $' + + $* $
'$ + '' + + '* '


G$ + G' + + G* G

Lo que nuevamente usando sumatorias se puede escribir como:

*

3) 3 = 1, ,
)K$

Por otra parte, para las demandas tenemos que:

$$ + '$ + + G$ $
$' + '' + + G' '


$* + '* + + G* *

Lo que usando sumatorias se puede escribir como:

G

3) ) = 1, ,
3K$

Finalmente, se agregan las restricciones de no negatividad y el problema toma la forma de:

G *

Min = 3) 3)
3K$ )K$
.
*

3) 3 = 1, ,
)K$
G

3) ) = 1, ,
3K$
3) 0 = 1, , , = 1, ,

Para finalizar con un ejemplo puntual del problema considere la siguiente situacin:

Suponga que una pequea compaa compra su principal insumo en el exterior y le llega por barco
a los puertos de Buenaventura, Tumaco y Urab. A cada puerto llegan al mes 25, 15 y 10 toneladas
del insumo respectivamente. Sus plantas de produccin se localizan en Cartago y Envigado y cada
una demanda mensualmente 25 toneladas del insumo. En la siguiente tabla se muestran los
costos unitarios, por tonelada, para transportar el insumo entre cada puerto y cada planta.

16

16 POLITCNICO GRANCOLOMBIANO
 Tabla 3. Datos para el ejemplo del problema de transporte

Cartago Envigado

Buenaventura 35000 75000

Tumaco 42000 66000

Urab 82000 40000

Fuente: Elaboracin propia

La compaa desea encontrar el plan de envos que minimice sus costos totales de transporte.

La formulacin para este problema quedara:

Variables de decisin

La decisin en este problema es la cantidad a enviar desde cada puerto a cada planta, por lo tanto
definimos:

3) : Cantidad de producto enviada desde el puerto a la planta = 1, 2, 3, = 1, 2

Funcin objetivo y criterio de optimizacin

El objetivo en este problema es encontrar el plan de envos con el menor costo total, por lo tanto
la funcin objetivo est relacionada con el costo de cada trayecto y el criterio es de minimizacin,
por lo tanto tenemos que:

Min = 35000$$ + 75000$' + 42000'$ + 66000'' + 82000n$ + 40000n'

Restricciones

Para los puertos tenemos restricciones sobre la cantidad a enviar desde cada uno, es decir:

Para Buenaventura tenemos que: $$ + $' 25

Para Tumaco tenemos que: '$ + '' 15

Para Urab tenemos que: n$ + n' 10

INVESTIGACIN DE OPERACIONES 17
 Finalmente, para cada planta tenemos que satisfacer la demanda, es decir:

Para Cartago tenemos que: $$ + '$ + n$ 25

Para Envigado tenemos que: $' + '' + n' 25

Finalmente, debemos incluir la restriccin de no negatividad:

3) 0 = 1, 2, 3, = 1, 2

Y ya tenemos la formulacin completa de nuestro problema de inversin, la cual tiene la forma

descrita en la formulacin general.

18

18 POLITCNICO GRANCOLOMBIANO
GLOSARIO DE TRMINOS

Aditividad

Supuesto fundamental en los programas lineales que establece que la suma de las contribuciones
individuales de cada variable de decisin, a travs de sus coeficientes asociados, equivale a la
contribucin total del conjunto de variables de decisin.

Certidumbre

Supuesto fundamental en los programas lineales que establece que los valores de todos los
parmetros de un programa lineal son conocidos con total certeza, es decir, no existen
parmetros estocsticos en el programa lineal.

Coeficientes de la funcin objetivo

Se refiere al conjunto de constantes que acompaan a las variables de decisin en la funcin

objetivo, es decir, los coeficientes de la combinacin lineal que se constituye en la funcin
objetivo.

Coeficientes tecnolgicos

Se refiere al conjunto de constantes que acompaan a las variables de decisin en cada una de
las restricciones del problema, es decir, los coeficientes de cada una de las combinaciones lineales
que se encuentran en las restricciones. Generalmente se denomina a la matriz que contiene a
todos estos coeficientes como A.

Combinacin lineal

Es una funcin polinmica de grado mayor o igual a 1, es decir, en cada trmino aparece a lo sumo
una variable de decisin y su exponente es siempre menor o igual a 1. Es de la forma: t + $ $ +
' ' + + * *

INVESTIGACIN DE OPERACIONES 19
 Criterio de optimizacin

En programacin lineal se tiene dos tipos de criterios de optimizacin: maximizacin, se busca el

valor ms grande que pueda tomar la funcin objetivo sujeta al conjunto de restricciones
minimizacin, se busca el valor ms pequeo que pueda tomar la funcin objetivo sujeta al
conjunto de restricciones

Divisibilidad

Supuesto fundamental en los programas lineales que establece que las variables de decisin
pueden tomar cualquier valor que satisfaga el conjunto de restricciones, es decir su dominio son
los nmeros Reales. Si se restringe el valor a un subconjunto de los enteros, o a uno equivalente,
se trata de un programa entero mixto.

Forma cannica de un PL

En la teora clsica de la programacin lineal, la forma cannica se refiere a un problema en donde

el criterio de optimizacin es de maximizacin y todas las restricciones, exceptuando la de no
negatividad, son de menor o igual. Para algunos autores el criterio de optimizacin puede ser de
minimizacin si todas las restricciones son de mayor o igual.

Funcin objetivo

En programacin lineal se refiere a la funcin lineal que se busca optimizar, maximizar o minimizar,
en una regin acotada por el conjunto de restricciones lineales.

PL o LP

Se refiere a un Programa Lineal o genricamente a la Programacin Lineal.

Proporcionalidad

Supuesto fundamental en los programas lineales que establece que para cada variable, tanto la
contribucin en la funcin objetivo como en cada una de las restricciones sea directamente
proporcional al valor de la variable, es decir, se produce a travs de coeficientes constantes.

20

20 POLITCNICO GRANCOLOMBIANO
Restricciones

Expresin matemtica que contiene un signo de desigualdad, en algunos casos de igualdad, y por
lo tanto restringe el dominio de las variables de decisin.

Restriccin lineal

Caso especfico de una restriccin en donde la funcin que involucra las variables de decisin es
lineal en dichas variables.

Restriccin de no negatividad

Conjunto de restricciones, una para cada variable de decisin, que garantiza que el programa
lineal cuente siempre con variables acotadas para establecer la factibilidad de la solucin. Sin
embargo, siempre es posible trabajar con variables negativas o libres ya que por medio de
transformaciones lineales se pueden reformular con variables no negativas.

Variables de decisin

Son las variables definidas en la formulacin del programa lineal cuyos valores determinan el valor
de la funcin objetivo y el de cada una de las restricciones. Son indeterminadas cuyo valor ser
proporcionado por la solucin del problema.

INVESTIGACIN DE OPERACIONES 21
 REFERENCIAS

Referencias Bibliogrficas

Broaddus, A. (1972). LINEAR PROGRAMMING: A New Approach to Bank Portfolio Management.

FEDERAL RESERVE BANK OF RICHMOND MONTHLY REVIEW, 58(11), 111. Recuperado de
https://fraser.stlouisfed.org/docs/publications/frbrichreview/pages/65726_1970-1974.pdf

Monge, G. (1781). Mmoire sur la thorie des dblais et des remblais. Histoire de lAcadmie
Royale des Sciences de Paris. Les Mmoires de Mathmatique et de Physique pour la mme
anne, 666704.

Stigler, G. J. (1945). The Cost of Subsistence. Journal of Farm Economics, 27(2), 303.
http://doi.org/10.2307/1231810

22

22 POLITCNICO GRANCOLOMBIANO