La Programación Lineal (LP) es una herramienta para resolver problemas de optimización que se

caracterizan por tener como función objetivo y restricciones combinaciones lineales de las variables
de decisión. La principal ventaja radica en que existe un algoritmo eficiente (SIMPLEX) para resolver
este tipo de modelos.

Función Objetivo

En un problema de LP, se debe tomar la decisión de maximizar (usualmente las utilidades) o de

minimizar (usualmente los costos) cierta función de las variables de decisión. La función a maximizar
o minimizar se denomina función objetivo.

Variables de Decisión

Se debe comenzar definiendo las variables de decisión relevantes. En un modelo de programación

lineal las variables de decisión deben ser capaces de describir completamente las decisiones que
puedan ser tomadas y todas las variantes que existan. Antes de definir las variables de decisión es
importante definir las unidades involucradas en el problema.

RESTRICCIONES: Expresadas como ecuaciones restrictivas, representan los recursos limites del
sistema.

Restricción de Signo

Para completar la formulación del modelo es importante definir si existe alguna restricción de signo
para cada variable de decisión. Si una variable de decisión xi debe cumplir condiciones de no-
negatividad, debemos agregar la restricción xi ≥ 0. Si la variable de decisión xi puede asumir valores
positivos y negativos se dice que la variable xi no tiene restricción de signo

Un problema de programación lineal (LP) es un problema de optimización para el cual debemos tener
presente lo siguiente:

1. Se maximiza (o minimiza) una función lineal de las variables de decisión. La función que es
maximizada o minimizada se denomina función objetivo.

2. Los valores de las variables de decisión deben satisfacer un conjunto de restricciones. Cada
restricción debe ser una ecuación o desigualdad lineal.

3. Existe una restricción de signo asociada a cada variable. Para toda variable xi, la restricción de
signo especifica si xi debe ser no-negativa (xi ≥ 0)o bien sin restricción de signo.
El Supuesto de Divisibilidad requiere que cada variable de decisión pueda tomar valores
fraccionarios.

En el ejemplo anterior, el supuesto se traduce en que es aceptable producir 2.4 sillas ´o 1.6 mesas.
Evidentemente, el supuesto de divisibilidad no se satisface en el ejemplo. En este caso se puede
proceder a formular el modelo como un problema de programación lineal entera (ILP), problema en
el cual una o más variables deben ser enteras. Este tipo de problema se estudiaría más adelante.
Cuando no se satisface el supuesto de divisibilidad, una posibilidad es redondear la solución obtenida
a un valor entero, sin embargo no existen garantías que dicha solución sea la mejor.

El Supuesto de Certeza exige que cada parámetro: coeficientes de la función objetivo, coeficientes
del lado derecho, etc. sean conocido con certeza, es decir, no se acepta incertidumbre en sus valores.
Es claro que es muy difícil que un problema cumpla exactamente con todos los supuestos. Sin
embargo, un modelo puede ser útil aunque difiera de la realidad si se es consistente con los
requerimientos más estrictos del problema y se tienen presente las limitaciones al interpretar los
resultados.

La región factible para un LP es el conjunto de puntos que satisfacen todas las restricciones (Incluidas
las de signo) de un problema de LP.

En el caso de un problema de maximización, una solución óptima del LP es un punto de la región

factible que está asociado al mayor valor posible de la función objetivo. Similarmente, para un
problema de minimización, una solución óptima es un punto que está asociado al menor valor posible
de la función objetivo. La mayoría de los problemas de LP tienen solo una solución óptima. Sin
embargo, existen muchos problemas de LP que no poseen solución ´optima o bien poseen varios o
infinitos valores óptimos.

Los puntos de la región factible se denominan soluciones factibles. El conjunto de los vértices del
recinto se denomina conjunto de soluciones factibles básicas y el vértice donde se presenta la
solución óptima (máxima o mínima) se llama solución óptima.

Solución Básica: es aquella donde las variables tienen valor son igual a cero.

Se define la región factible como el conjunto de todas las soluciones factibles; es decir, Definición:
Una solución óptima es una solución factible que da el valor más favorable de la función objetivo.
Si existe solución factible, existe solución básica factible.
Divisibilidad: Todas las variables pueden asumir cualquier valor real.

Si las variables solo tienen sentido en el caso de tomar valores discretos pero tomar un valor real
elevado (superior a 10) en la solución óptima, es aceptable considerarlas como continuas y redondear
su valor

Muchas actividades en el mundo real pueden variar de forma continua, es decir son divisibles
infinitamente. Por ejemplo, la cantidad de carbón quemado por hora puede ajustarse a cualquier valor
dentro de unos límites razonables. Sin embargo, hay actividades reales que sólo pueden tomar valores
enteros, por ejemplo el número de viajes de carbón necesarios para trasladar cierta carga de un lugar
a otro o el número de equipos informáticos que debe adquirir una empresa.

Si la actividad real no es divisible de forma infinita; pero el nivel normal de actividad es un número
grande, las condiciones de divisibilidad pueden servir como una aproximación conveniente. En
general, esto significa que el valor de la solución es de decenas o mayor. Los valores fraccionarios
tan sólo se redondean al entero más cercano. Por el contrario, si el nivel normal de actividad es
relativamente pequeño, digamos menor que 10, se necesita recurrir a la programación entera.