Carrera de Administracin de Empresas

INVESTIGACION OPERATIVA

Tema:
Programacin Lineal


Docente:
Lic. Mario Ninaquispe Soto

Integrantes:
Cobos Caldas, Diego
Giraldez Coro, Jennyfer
Salcedo Portocarrero, Yessenia



Lima, septiembre de 2014.

INVESTIGACION OPERATIVA 2

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Programacin lineal
El desarrollo de la programacin lineal ha sido clasificado como uno de los avances
cientficos ms importantes de mediados del siglo xx. Su efecto desde 1950 ha sido
extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles
o millones de dlares a muchas compaas o negocios, incluso empresas medianas, en los
distintos pases industrializados del mundo; su aplicacin a otros sectores de la sociedad
se ha ampliado con rapidez. Una proporcin muy grande de los programas cientficos en
computadoras est dedicada al uso de la programacin lineal.

La programacin lineal es un proceso de optimizacin. Para demostrar cmo se resuelven
problemas en la administracin de operaciones por medio de la programacin lineal, es
preciso explicar primero varias caractersticas comunes de todos los modelos de
programacin lineal y las suposiciones matemticas que se aplican a ellos:

Funcin objetivo
Una expresin en el modelo de programacin lineal que enuncia matemticamente lo que
se intenta maximizar (por ejemplo, las utilidades o el valor presente) o minimizar (por
ejemplo, los costos o el desperdicio).

Variables de decisin

Las variables que representan las opciones que estn bajo el control de la persona que
toma las decisiones.

Restricciones
Las limitaciones que restringen las opciones permisibles para las variables de decisin.

Regin factible
Regin que representa todas las combinaciones permisibles de las variables de decisin en
un modelo de programacin lineal.

Parmetro
Un valor que la persona a cargo de tomar la decisin no puede controlar y que no cambia
cuando se implementa la solucin.

Certidumbre
Palabra que se utiliza para describir que un hecho se conoce sin lugar a duda.

Linealidad
Caracterstica del modelo de programacin lineal que implica proporcionalidad y
aditividad; no puede haber productos ni potencias de las variables de decisin.


INVESTIGACION OPERATIVA 3

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
No negatividad
Suposicin de que las variables de decisin deben ser positivas o cero.

EJEMPLO DE UN PROBLEMA

Giapetto s Woodearving inc., manufactura dos juguetes de madera
soldados y trenes. Un soldado se vende en 27 dlares y requiere 10 dorares de
materia prima. Cada soldado que se fabrica incrementa la mano de obra
variable y los costos globales de Giapetto en 14 dlares. Un tren se vende en 21
dlares y utiliza 9 dorales su valor en materia prima .todos los trenes
fabricados aumentan la mano de obra variable y los costos globales de Giapetto en 10
dlares. La fabricacin de soldados y trenes de madera requiere dos tipos de mano de
obra especializada: carpintera y acabados. Un soldado necesita dos horas de trabajo de
acabado y una hora de carpintera. Un tren requiere una hora de carpintera. Todas las
semanas, Giapetto consigue todo el material necesario, pero solo 100 horas de trabajo de
acabado y 80 de carpintera.
La demanda de trenes es ilimitada pero se venden cuando mucho 40 soldados por
semana. Giapetto desea maximizar las utilidades semanales (ingresos-costos). Disee un
modelo matemtico para la situacin de Giapetto que se use para maximizar las utilidades
semanales de la empresa.
SOLUCION. Al desarrollar el modelo para Giapetto se exploran las caractersticas que
comparten todos los problemas de programacin lineal.

Variables de decisin. Se empieza por definir las variables de decisin pertinentes. En
cualquier modelo de programacin lineal, las variables de decisin deben describir por
completo las decisiones que se tienen que tomar (en este caso, Giapetto).
Evidentemente, Giapetto debe decidir cuntos soldados y trenes se debe fabricar cada
semana. Sin olvidar lo anterior, se define
X
1
= cantidad de soldados fabricados cada semana
X
2
= cantidad de trenes fabricados a la semana

Funcin objetivo. En cualquier problema de programacin lineal, el que toma las
decisiones desea maximizar (por lo regular, los ingresos o las utilidades) o reducir al
mnimo (casi siempre, los costos) algunas funciones de las variables de decisin. La
funcin que se desea maximizar o minimizar recibe el nombre de funcin objetivo. En lo
que se refiere al problema de Giapetto, se observa que los costos fijos (como la renta o los
seguros) no dependen de los variables X1 y X2. Sera una tontera que Giapetto fabricara
ms soldados de los que pueden venderse, as que se supone que todos los juguetes
producidos se vendern. Entonces,


INVESTIGACION OPERATIVA 4

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Ingresos por semana=ingresos por semana proporcionados por los soldados
+ingresos por semana proporcionados por los trenes
= (dlares/soldado) (soldados/semana)+(dlares/tren)(trenes/semana)
=27
x1
+ 21
x2


Asimismo,
Costos de la materia prima a la semana= 10
x1
+ 9
x2

Otros costos variables a la semana= 14
x1
+ 10
x2

Entonces, Giapetto quiere maximizar
(27
x1
+ 21
x2
)-(10
x1
+ 9
x2
)-(14
x1
+ 10
x2
)=3
x1
+ 2
x2

Otra manera de ver que Giapetto quiere maximizar 3
x1
+ 2
x2
es observar que
Ingresos semanales=contribucin semanal a la utilidad por parte de los soldados
- costos no fijos semanales
+ Contribucin semanal a la utilidad por parte de los trenes
= (contribucin a las utilidades/soldado) (soldados/semana)
+ (Contribucin a las utilidades/tren) (trenes/semana)
Tambin,
Contribucin a las utilidades/ soldado = 27-10-14=3
Contribucin a las utilidades/ tren= 21-9-10=2

Entonces, al igual que antes, se obtiene

Ingresos semanales- costos no fijos semanales=3
x1
+ 2
x2

Por consiguiente, el objetivo de Giapetto es escoger X
1
y X
2
para maximizar 3X
1
+ 2X
2
. Se
utiliza la variable Z para denotar el valor de la funcin objetivo de cualquier PL. La funcin
objetivo de Giapetto es
Maximizar z=3X
1
+ 2X
2

(De aqu en adelante se abrevia maximizar con Max y minimiza con min). El
coeficiente de una variable en la funcin objetivo se denomina coeficiente de la variable
de la funcin objetivo. Por ejemplo, el coeficiente de la funcin objetivo para x
1
es 3, y el
coeficiente de la funcin objetivo para X
2
es 2. En este ejemplo (y en muchos otros
problemas), el coeficiente de la funcin objetivo para cada variable es simplemente la
contribucin de la variable a la utilidad de la compaa.
Restriccin. A medida que X
1
y X
2
se incrementan, la funcin objetivo de Giapetto se hace
ms grande. Esto quiere decir que si Giapetto fuera libre para escoger cualquier valor para
X
1
y X
2
, la compaa podra tener unas utilidades arbitrariamente grandes al escoger X
1
y
X
2
, muy grandes. Desafortunadamente, los valores de X
1
y X
2
, estn controlados por las
siguientes tres restricciones (con frecuencia llamadas limitaciones):

INVESTIGACION OPERATIVA 5

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Restriccin 1. Se pueden usar cada semana no ms de 100 horas de tiempo de acabado.
Restriccin 2. Cada semana se pueden usar no ms de 80 horas de tiempo de carpintera.
Restriccin 3. Debido a la demanda limitada, cuando mucho se deben producir cada
semana 40 soldados.
Se supone que la cantidad de materia prima en existencia es ilimitada, as que no hay
restriccin alguna relacionada con esto.
El siguiente paso en el planteamiento de un modelo matemtico para el problema de
Giapetto es expresar las restricciones 1 a 3 en trminos de las variables de decisin
X
1
y X
2
. Para expresar la restriccin de 1 de acuerdo con X
1
y X
2
, obsrvese que
Total de hrs de acabado/semana= (horas de acabado/soldado) (soldados
fabricados/semana)
+ (Horas de acabado/tren) (trenes fabricados/semana)
=2(X
1)
+1(X
2
)=2X
1
+ X
2
Entonces, la restriccin 1 se expresa como
2X
1
+ X
2
100
Obsrvese que las unidades de todos los trminos en (2) son horas de acabado por
semana. Para que una restriccin sea razonable, todos los trminos de la restriccin
deben tener las mismas unidades. De lo contrario, uno est sumando peras con manzanas,
por lo que la restriccin no tendra significado alguno.
Para expresar la restriccin 2 en trminos de X
1
y X
2
, ntese que
Horas totales de carpintera/semana= (horas de carpintera/soldado) (trenes/semana)
+ (Horas de carpintera/tren)(trenes
fabricados/semana)
= 1(X
1
) + 1(X
2
)=X
1
+ X
2

Entonces, la restriccin 2 se expresa como
2X
1
+ X
2
80
Obsrvese una vez que las unidades de todos los trminos en (3) son las mismas (en este
caso, horas de carpintera a la semana).
Por ltimo, el hecho de que cuando mucho se venden a la semana (40) soldados, se
expresa limitando la produccin semanal de soldados a mximo 40 de ellos. As se tiene la
siguiente restriccin:
X
1
40

INVESTIGACION OPERATIVA 6

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Por consiguiente, las ecuaciones (2) a (4) expresan las restricciones 1 a 3 en trminos de
las variables de decisin; se designan con el nombre de restricciones para el problema de
programacin lineal de Giapetto. Los coeficientes tecnolgicos. La razn del nombre es
que los coeficientes tecnolgicos reflejan a menudo las tecnologas utilizadas para
producir distintos productos. Por ejemplo, el coeficiente tecnolgico de X
2
en (3) es 1, lo
cual indica que un soldado requiere de una hora de carpintera. El nmero en el segundo
miembro de cada restriccin se denomina segundo miembro de la restriccin (smr). Con
frecuencia el smr representa la cantidad de un recurso que est disponible.
Restricciones de signo. S que dar respuesta a las preguntas siguientes para cada variable
de decisin con el fin de completar la formulacin de un problema de programacin lineal:
la variable de decisin puede asumir solo valores no negativos, o bien, la variable de
decisin puede asumir valores tanto positivos como negativos?
Si una variable de decisin X
1
0. Si una variable X
i
puede asumir tanto valores positivos
como negativos (o cero), entonces se dice que X
i
no tiene restriccin de signo (se abrevia
con frecuencia (nrs). Por lo que se refiere al problema de Giapetto, es evidente que X
1
0
y X
2
0. Pero algunas variables podran ser nrs en otros problemas. Por ejemplo, si X
i

representa un saldo en efectivo de la empresa, entonces X
i
podra ser considerada
negativa si la empresa debe ms dinero del que tiene a mano. En este caso sera
conveniente clasificar X
i
como nrs. Otros usos de la variable nrs se tratan en la seccin
4.12.
Si se combinan las restricciones de signo X
1
0 y X
2
0 con la funcin objetivo (1) y las
restricciones (2) a (4), se obtiene el modelo de optimizacin siguiente:
max Z=3x
1
+2x
2
(Funcin objetivo) (1)
Sujeto a (s.a)
2X
1
+ X
2
100 (Restriccin de acabado) (2)
X
1
+ X
2
80 (Restriccin de carpintera) (3)
X
1
40 (Restriccin por la demanda de soldados) (4)
X
1
0 (Restriccin de signo)+ (5)
x
2
0 (Restriccin de signo) (6)
sujeto a (s.a) quiere decir que los valores de las variables de decisin X
1
y X
2
deben
satisfacer todas las limitaciones y todas las restricciones de signo.




INVESTIGACION OPERATIVA 7

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Ejercicios propuestos
1. El granjero Jones ti ene que determinar cuntos acres de maz y de
tri go hay que sembrar este ao. Un acre de tri go produce 25 bushel
de tri go y requiere 10 horas semanal es de trabajo. Un acre de maz
produce 10 bushel de maz y requiere 4 horas de semanales de
trabajo. Se puede vender todo el tri go a 4 dlares el bushel y todo el
maz 3 dl ares el bushel . Se dispone de 7 acres y 40 horas semanales
de trabajo. Di sposi ci ones gubernamental es especifican una
producci n de maz de por lo menos 30 bushel durante el ao actual.
Sea x
1
= nmero de acres con si embra de maz y x
2
= nmero de acres
con si embra de tri go. Uti li ce estas vari ables de deci sin y plantee una
PL cuya solucin l e indique al agri cultor Jones como maxi mizar el
i ngreso total a parti r del tri go y el maz.
Solucin:
i . Funcin Objetivo: Maxi mi zar el ingreso total en funcin de l os
nmeros de acres de maz y trigo.

ii. Variables:
X
1
= nmero de acres con si embra de ma z
X
2
= nmero de acres con si embra de tri go
iii. Restricciones:
R1: se di spone de 7 acres.
R2: se di spone de 40 horas de trabajo semanales.

Max
Z
= 10*3X
1
+ 25*4X
2
Max
Z
= 30 X
1
+ 100X
2




INVESTIGACION OPERATIVA 8

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
s.a.
X
1
+ X
2
7
10X
1
+ 4X
2
40
10X
1
30
X
1,
X
2
0

2. Truckco fabri ca dos tipos de cami ones: el 1 y el 2. Cada camin debe
pasar por el tal ler de pintura y el tall er de ensambl e. Si el tal ler de
pintura estuviera destinado del todo a pintar cami ones tipo 1,
entonces se podr an pintar 800 por d a; si el tall er de pintura
estuviera dedi cado por completo a pintar l os camiones tipo 2,
entonces se podr an pintar 700 por d a. Si el tall er de ensamble se
dedi cara sol o a ensambl ar 1500 por da; si el tall er de ensamble se
dedi cara sol o a ensambl ar motores para los cami ones tipo 1,
entonces se podr an ensambl ar 1500 por da; si el tal l er de ensamble
se dedi cara solo a ensamblar motores para camiones ti po 2, entonces
se podr an ensamblar 1200 por d a. Cada camin ti po 1 contribuye
con 300 dl ares a l as uti lidades; cada camin tipo 2 contribuye con
500 dlares. Pl antee un PL que maximi ce las util idades de Truckco.
Solucin:
i . Funcin Objetivo: Maxi mi zar las uti li dades de Truckco en funcin
de los camiones tipo 1 y 2 a produci r.

ii. Variables:
X
1
= nmero de camiones ti po 1
X
2
= nmero de camiones ti po 2
iii. Restricciones:
R1: camiones tipo 1 / 800 + camiones tipo 2/ 700 1 d a de pintura
R2: camiones tipo 1 / 1500 + cami ones ti po 2/ 1200 1 da de ensambl ado


INVESTIGACION OPERATIVA 9

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA
Max
Z
= 300X
1
+ 500X
2
s.a
X
1
/800 + X
2
/700 1
X
1
/1500 + X
2
/1200 1
X
1,
X
2
0

Unos grandes almacenes encargan a un fabricante pantalones y chaquetas deportivas.
El fabricante dispone para la confeccin de 750 m de tejido de algodn y 1000 m de
tejido de polister. Cada pantaln precisa 1 m de algodn y 2 m de polister. Para cada
chaqueta se necesitan 1.5 m de algodn y 1 m de polister. El precio del pantaln se
fija en 50 y el de la chaqueta en 40 .
Qu nmero de pantalones y chaquetas debe suministrar el fabricante a los
almacenes para que estos consigan un beneficio mximo?


Eleccin de las incgnitas.
x = nmero de pantalones
y = nmero de chaquetas

Funcin objetivo
f(x,y)= 50x + 40y
Restricciones
Para escribir las restricciones vamos a ayudarnos de una tabla:

pantalones chaquetas disponible
algodn 1 1,5 750
polister 2 1 1000
x + 1.5y 750 2x+3y 1500
2x + y 1000
Como el nmero de pantal ones y chaquetas son nmeros natural es,
tendremos dos restricci ones ms:
x 0
y 0