PROGRAMACIN LINEAL

Elementos de modelacin

El modelo matemtico de un problema industrial es un sistema de ecuaciones y

expresiones matemticas relacionadas que describen la esencia del problema.

Variables de decisin: x1, x2, . . . ,xn

Funcin objetivo: z = f (x1, x2, . . . , xn)
Representa la medida de desempeo adecuada.
Es una funcin matemtica de las variables de decisin.
Ej: z = 4x1 + 2x2 + 3x3

Restricciones: Limitaciones que se puede imponer sobre los valores de las

variables de decisin.
Casi siempre en forma de ecuaciones o desigualdades.
Ej: 2x1 + 3x2 + x3 9

Parmetros: Las constantes en las restricciones y en la funcin objetivo.

Modelo matemtico: Es el problema de elegir los valores de las variables de decisin de

manera que se optimice la funcin objetivo, sujeta a las
restricciones dadas.

Despus de encontrar una solucin ptima se lleva a cabo el anlisis postoptimal, que
implica llevar a cabo un anlisis de sensibilidad para determinar qu parmetros son los
ms sensibles. Parmetros sensibles son aquellos cuyos valores no se pueden cambiar
sin que la solucin ptima cambie.

Esquema de un modelo de Programacin Lineal

Un programa matemtico es lineal si su modelo tiene la siguiente forma:
Optimizar : z f ( x1 , x2 , . . . , xn )
funcin objetivo
z c1 x1 c2 x2 cn xn
maximizar

o minimizar

Sujeta a las siguientes restricciones :

a11 x1 a12 x2 a1n xn b1
a21 x1 a22 x2 a2 n xn b2

Restricciones


funcionales
am1 x1 am 2 x2 amn xn bm

xj 0 Restricciones de no negatividad (si se da el caso)

Donde:
z = valor de la medida global de efectividad
xj = nivel de la actividad j (variable de decisin)
cj = incremento en z que resulta al aumentar una unidad en el nivel de la
actividad j.
Parmetros bi = cantidad de recurso i disponible para asignar a las actividades
aij = cantidad del recurso i consumido por cada unidad de la actividad j.

del modelo

Construccin del modelo matemtico:

Responder a las siguientes preguntas:

1) Qu busca determinar el modelo? Cules son las variables del sistema?

2) Cul es el objetivo (meta) que necesita alcanzarse para determinar la solucin ptima
(mejor) de entre todos los valores factibles de las variables?
3) Qu restricciones deben imponerse a las variables a fin de satisfacer las limitaciones
del sistema representado por el modelo?

Resolucin por el Mtodo Grfico

El mtodo grfico para resolver un programa lineal con dos variables se comprende mejor
concentrndose primero en las restricciones y posteriormente en la funcin objetivo. Para
determinar qu valores de x1 y x2 satisfacen todas las restricciones, considere una
restriccin a la vez. Cada restriccin permite ciertos valores de x1 y x2 que satisfacen la
restriccin. Estos valores se denominan valores factibles. Aquellos valores que no
satisfacen la restriccin se llaman valores infactibles.
Cualquier punto que est dentro de la regin factible (espacio de soluciones) es una
solucin factible y da origen a valores para x1 y x2 que satisfacen todas las restricciones.
Tambin se puede ver que la regin factible est limitada por lneas rectas que se juntan
en puntos llamados puntos de esquina. La solucin ptima del modelo, cuando sta es
nica, se encuentra en uno de los puntos de esquina.

Para encontrar la solucin ptima se puede usar uno de los dos siguientes mtodos:
Mtodo 1: Mtodo de los puntos de esquina
a. Calcular las coordenadas de cada uno de los puntos de esquina del espacio de
soluciones.
b. Evaluar cada punto de esquina en la funcin objetivo.
c. Encontrar el valor ptimo de z.

Mtodo 2: Mtodo de las rectas de nivel

a. Seleccionar cualquier punto dentro de la regin factible.
b. Trazar la lnea de la funcin objetivo a travs del punto elegido.
c. Determinar el lado de mejora de la lnea de la funcin objetivo.
d. Mover la lnea de la funcin objetivo en forma paralela a s misma en la direccin
de mejora hasta que la lnea est a punto de dejar la regin factible. (El punto
extremo final es la solucin ptima al programa lineal.)

Anlisis de sensibilidad
Una vez resuelto el modelo matemtico podemos clasificar las restricciones en dos
grupos:

De enlace (forman la solucin ptima)

De no enlace (no forman la solucin ptima)
En las restricciones de enlace trabajamos con recursos escasos, en las de no enlace
trabajamos con recursos abundantes.

Casos de Anlisis

a) Cambios en la disponibilidad de recursos

b) Precio sombra: Es el grado en que cambiara el valor ptimo de la funcin
objetivo si el lado derecho de una restriccin variara favorablemente en una
unidad. Los precios sombra son cero para cualquier restriccin que no se satisfaga
como igualdad (hay holgura).
c) Cambios en los coeficientes de la funcin objetivo.

Casos especiales en la Programacin Lineal

1) Alternativas ptimas
Ocurre siempre que el modelo tiene ms de una solucin factible ptima.

2) Solucin no acotada
Ocurre cuando el espacio de soluciones no est acotado y, en esa direccin, no es posible
encontrar un punto ptimo. Esto hace que el valor de la funcin objetivo tampoco est
acotado.

3) Solucin infactible
Ocurre cuando el modelo no tiene un espacio factible.

Ejercicios:

1. Una compaa posee una pequea fbrica de pinturas que produce colorantes para
interiores y exteriores de casas para su distribucin al mayoreo.
 Se utilizan 2 materiales bsicos, A y B, para producir las pinturas. La disponibilidad
mxima de A es de 6 toneladas diarias; la de B es de 8 toneladas por da. Los
requisitos diarios de materia prima por tonelada de pintura para interiores y exteriores
se resumen en la tabla que sigue.

Toneladas de materia prima Disponibilidad

por tonelada de pintura mxima
Exterior Interior (Toneladas)
Materia prima A 1 2 6
Materia prima B 2 1 8

Un estudio del mercado ha establecido que la demanda diaria de pintura para interiores
no puede ser mayor que la pintura para exteriores en ms de una tonelada. El estudio
seala asimismo, que la demanda mxima de pintura para interiores est limitada a 2
toneladas diarias.
El precio al mayoreo por tonelada es $3 000 para la pintura de exteriores y $ 2 000
para la pintura de interiores.
Cunta pintura para exteriores e interiores debe producir la compaa todos los das
para maximizar el ingreso bruto?

2. Un fabricante de materia prima para industrias prepara un programa de produccin

para sus dos productos, 1 y 2, utilizando la informacin concerniente a sus tiempos de
produccin dados en la tabla siguiente. Por ejemplo, cada tonelada del producto 1
requiere de 2 horas en el proceso A. Las horas disponibles empleadas por semana son:
para el proceso A, 70 horas; para el B, 40 horas; para el C, 90 horas. Las utilidades
para los productos 1 y 2 son de $4 y $6 por tonelada, respectivamente. a) Formule el
modelo de programacin lineal con el fin de maximizar la utilidad. b) Resulvalo
utilizando el mtodo grfico. c) Elabore un anlisis de sensibilidad completo.
Proceso A Proceso B Proceso C
Tonelada Producto 1 2 horas 1 hora 1 hora
Tonelada Producto 2 1 hora 1 hora 3 horas

3. Una compaa extrae minerales de un yacimiento. El nmero de horas de minerales A

y B que puede ser extrado por cada tonelada de los filones I y II est dado en la tabla
siguiente junto con los costos por tonelada. Si la compaa debe extraer al menos 3000
libras de A y 2500 de B. Cuntas toneladas de cada filn deben ser procesadas con el
fin de minimizar el costo? Cul es el costo?

Filn I Filn II
Mineral A 100 lb 200lb
Mineral B 200lb 50lb
Costo por tonelada $50 $60

4. Resolver el siguiente modelo de PL:

Maximizar z 3 x1 2 x2
Sujeta a x1 4
2 x2 12
3 x1 2 x2 18
x1 , x2 0
 5. Resolver el siguiente modelo de PL:

Maximizar z 2 x1 x2
Sujeta a x1 x2 10
2 x1 40
x1 , x2 0

6. Resolver el siguiente modelo de PL:

Minimizar z 4 x1 5 x2
Sujeta a 3 x1 x2 18
5 x1 5 x2 60
6 x1 4 x2 60
x1 , x2 0

7. Fresh Food Farms, Inc., tiene 50 acres de tierra en la cual plantar cualquier cantidad de
maz, soya, lechuga, algodn y brcoli. La siguiente tabla muestra la informacin
relevante perteneciente a la produccin, el costo de plantacin, el precio de venta
esperado y los requerimientos de agua para cada cultivo:

PRODUCCIN COSTO PRECIO DE VENTA AGUA REQUERIDA

CULTIVO (kg/acre) ($/kg) ($/kg) (litros/kg)
Maz 640 1.00 1.70 8.75
Frijoles de soya 500 0.50 1.30 5.00
Lechuga 400 0.40 1.00 2.25
Algodn 300 0.25 1.00 4.25
Brcoli 350 0.60 1.30 3.50

Para la prxima temporada, hay 100 000 litros de agua disponible y la compaa ha
contratado vender al menos 5120 kilogramos de maz. Formule un programa lineal
para determinar una estrategia de plantacin ptima para Fresh Food Farms, Inc.

8. Sunco Oil produce 3 tipos de gasolina (1, 2 y 3). Cada tipo de gasolina se produce
mezclando 3 tipos de petrleo crudo (1, 2 y 3). La tabla da los precios de venta por
barril de las gasolinas y los precios de compra, por barril, del petrleo crudo. Sunco
puede comprar hasta 5000 barriles de cada tipo de petrleo crudo diariamente.

Precios de Precios de ndice de Contenido de

venta por compra por Octano Azufre
barril [$] barril [$]
Gasolina 1 70 Crudo 1 45 Crudo 1 12 0.5%
Gasolina 2 60 Crudo 2 35 Crudo 2 6 2.0%
Gasolina 3 50 Crudo 3 25 Crudo 3 8 3.0%

Los 3 tipos de gasolina difieren en su ndice de octano y en su contenido de azufre. La

mezcla de petrleo crudo que se utiliza para obtener la gasolina 1 tiene que tener un
ndice de octano promedio de por lo menos 10 y a lo ms 1% de azufre. La mezcla de
petrleo crudo que se utiliza para obtener la gasolina 2 tiene que tener un ndice de
octano promedio de por lo menos 8 y a lo ms 2% de azufre. La mezcla de petrleo
crudo que se utiliza para obtener la gasolina 3 tiene que tener un ndice de octano
promedio de por lo menos 6 y a lo ms 1% de azufre. La transformacin de un barril
de petrleo en un barril de gasolina cuesta 4 dlares, y la refinera de Sunco puede
producir diariamente, hasta 14000 barriles de gasolina. Los clientes de Sunco
necesitan diariamente las siguientes cantidades de cada tipo de gasolina: gasolina 1,
3000 barriles, gasolina 2, 2000 barriles, gasolina 3, 1000 barriles. La compaa se
siente comprometida a cumplir con estas demandas. Sunco tiene la posibilidad de
estimular la demanda de sus productos mediante la publicidad. Cada dlar invertido
diariamente en la publicidad para cierto tipo de gasolina, aumenta la demanda diaria en
este tipo de gasolina en 10 barriles. Por ejemplo, si Sunco decide gastar diariamente
20 dlares para promover la gasolina 2, la demanda diaria de la gasolina 2 se
incrementar en 20(10) = 200 barriles. Formule un modelo de programacin lineal que
permita a Sunco maximizar sus ganancias diarias (ganancias = ingresos - costos).
 PROGRAMACIN ENTERA

Un problema de Programacin entera (PE) es un programa de PL en el cual algunas de las

variables, o todas, tienen que ser nmeros enteros no negativos.

Puede tratarse de un problema de programacin entera pura o de programacin entera

mixta.

El PL que se obtiene al omitir todas las restricciones enteras para las variables se llama
relajacin PL del PE.

La regin factible para cualquier PE tiene que estar incluida en la regin factible del PL
correspondiente (es decir, sin considerar valores enteros).

z ptima relajacin PL z ptima PE

Restricciones o bien

Se dan dos restricciones de la forma

(1) f(x1, x2, . . . , xn) 0

(2) g(x1, x2, . . . , xn) 0

Se quiere satisfacer por lo menos una de ellas. Para conseguirlo se hace lo siguiente:

(1) f(x1, x2, . . . , xn) My

(2) g(x1, x2, . . . , xn) M (1 y)

Donde y es una variable 0 1 y M es un nmero que se escoge suficientemente grande

para asegurar que se satisfacen f(x1, x2, . . . , xn) M y g(x1, x2, . . . , xn) M para todos los
valores de x1, x2, . . . , xn que a su vez satisfacen las otras restricciones del problema.

Restricciones si entonces

En muchas aplicaciones se presenta la situacin siguiente: se desea estar seguro de que se

debe satisfacer la restriccin g(x1, x2, . . . , xn) 0, si se satisface una restriccin f(x1,
x2, . . . , xn) > 0, mientras que si no se satisface f(x1, x2, . . . , xn) > 0, entonces g(x1, x2, . . . ,
xn) 0 puede o no puede satisfacerse. En resumen, se quiere estar seguro de que

(1) f(x1, x2, . . . , xn) > 0 implica

(2) g(x1, x2, . . . , xn) 0.

Para asegurar esto, se incluyen las siguientes restricciones en la formulacin:

(1) f(x1, x2, . . . , xn) My

(2) g(x1, x2, . . . , xn) M (1 y)
 y=01

M es un nmero suficientemente grande.

Programacin Entera y funciones lineales por partes

Una funcin lineal por partes es una funcin que consta de varios segmentos rectilneos.
Se puede aprovechar la programacin entera para modelar funciones lineales por partes.
Mediante el uso de variables 0 1, se puede representar funciones lineales por partes en
una forma lineal.
Supngase que una funcin lineal por partes f(x) tiene los puntos de ruptura b1, b2, . . . ,bn.
Para algn k (k = 1, 2, . . . ,n 1), bk x bk+1. Entonces, para algn nmero zk (0 zk
1), se puede escribir x como

x = zkbk + (1 zk)bk+1

Ya que f(x) es lineal para bk x bk+1, podemos escribir

f(x) = zkf(bk) + (1 zk) f(bk+1)

Si una funcin por partes f(x) aparece en el modelo matemtico, debemos realizar los
siguientes pasos:

Paso 1
Reemplazar f(x) = z1f(b1) + z2f(b2) + . . . + znf(bn).

Paso 2
Aadir las restricciones siguientes:

x = z1b1 + z2b2 + . . . + znbn

z1 y1,
z2 y1 + y2,
z3 y2 + y3, . . . . ,
zn-1 yn-2 + yn-1,
zn yn-1

y1 + y2 + . . . + yn-1 = 1
z1 + z2 + . . . + zn = 1

yi = 0 1 (i = 1, 2, . . . , n 1)
zi 0 (i = 1, 2, . . . , n)
Ejercicios de PE

1. Stockco considera cuatro inversiones. La inversin 1 proporcionar un valor actual

neto (VAN) de 16 000 dlares; la inversin 2 un VAN de 22 000 dlares; la inversin 3
un VAN de 12 000 dlares; y la inversin 4 un VAN de 8 000 dlares.
Cada inversin requiere cierto flujo de caja en el momento actual: la inversin 1, 5 000
dlares; la inversin 2, 7 000 dlares; la inversin 3, 4 000 dlares; y la inversin
4, 3 000 dlares respectivamente. Se dispone de 14 000 dlares para la inversin.
Formule un PE cuya solucin dir a Stockco cmo maximizar el VAN obtenido de las
inversiones 14.

2. Modifique la formulacin de Stockco para considerar cada una de las siguientes

restricciones:

1. Stockco puede invertir en a lo ms dos inversiones.

2. Si Stockco invierte en la inversin 2, tambin tendr que invertir en la inversin 1.
3. Si Stockco invierte en la inversin 2, no podr invertir en la inversin 4.

3. Gandhi Cloth Company puede fabricar tres tipos de ropa: camisas, camisetas y
pantalones. Para poder fabricar cada tipo de ropa, Gandhi tiene que disponer de la
maquinaria adecuada. Hay que rentar la maquinaria requerida para fabricar cada tipo
de ropa, a la siguiente tarifa: maquinaria para camisas, 200 dlares por semana:
maquinaria para camisetas, 150 dlares por semana; maquinaria para pantalones, 100
dlares por semana. La fabricacin de cada tipo de ropa tambin requiere las
cantidades de tela y de trabajo que se dan en la Tabla 1. Cada semana se disponen de
150 horas de trabajo y de 160 yardas cuadradas de tela. En la Tabla 2 se dan los
costos unitarios variables y los precios de venta para cada tipo de ropa.
Formule un PE cuya solucin maximizar las ganancias semanales de Gandhi.

Tabla 1
Requerimientos de recursos
para el Ejemplo de Gandhi
TRABAJO TELA
(Horas) (Yardas cuadradas)
Camisas 3 4
Camisetas 2 3
Pantaln 6 4

Tabla 2
Informacin acerca del ingreso
y del costo para el Ejemplo de Gandhi

PRECIO DE COSTO
VENTA VARIABLE
(dlares) (dlares)
Camisas 12 6
Camisetas 8 4
Pantaln 15 8
4. Hay seis ciudades (ciudades 16) en el Condado de Kilroy. El condado debe
determinar en qu lugar construir estaciones de bomberos. El condado quiere
construir una mnima cantidad de estaciones de bomberos para asegurar que por lo
menos una estacin est dentro de 15 minutos (tiempo de viaje) de cada ciudad. En la
Tabla 3 se muestran los tiempos requeridos (en minutos) para viajar entre las ciudades
del Condado de Kilroy. Formule un PE que dir a Kilroy cuntas estaciones de
bomberos habra que construirse y en dnde.

Tabla3
Tiempo requerido para
viajar entre ciudades en
el condado de Kilroy
HACIA
DE Ciudad 1 Ciudad 2 Ciudad 3 Ciudad 4 Ciudad 5 Ciudad 6
Ciudad 1 0 10 20 30 30 20
Ciudad 2 10 0 25 35 20 10
Ciudad 3 20 25 0 15 30 20
Ciudad 4 30 35 15 0 15 25
Ciudad 5 30 20 30 15 0 14
Ciudad 6 20 10 20 25 14 0

5. Dorian Auto considera la fabricacin de tres tipos de automviles: compacto, mediano

y largo. En la Tabla 4 se presentan los recursos requeridos por, y las ganancias
proporcionadas por, cada tipo de automvil.
En la actualidad se cuenta con 6000 toneladas de acero y 60 000 horas de trabajo.
Para que la produccin de un tipo de automvil sea econmicamente factible, hay
que fabricar por lo menos 1 000 automviles de este tipo. Formule un PE para
maximizar la ganancia de Dorian.

Tabla 4
Recursos y ganancias para
tres tipos de automviles
COMPACTO MEDIANO GRANDE
Acero requerido 1.5 toneladas 3 toneladas 5 toneladas
Trabajo requerido 30 horas 25 horas 40 horas
Ganancia Proporcionada 2 000 dlares 3 000 dlares 4 000 dlares

6. Euing Gas produce dos tipos de gasolina (gasolina 1 y gasolina 2) a partir de dos tipos
de petrleo (petrleo 1 y petrleo 2). Cada galn de gasolina 1 debe contener por lo
menos 50 porciento de petrleo 1, y cada galn de gasolina 2 debe contener por lo
menos 60 porciento de petrleo 1. Se puede vender cada galn de gasolina 1 a 12
centavos, y cada galn de gasolina 2 a 14 centavos.
Actualmente, se dispone de 500 galones de petrleo 1 y de 1 000 galones de petrleo
2. Se puede comprar hasta 1 500 galones extra de petrleo 1 a los siguientes precios:
los primeros 500 galones, a 25 centavos/galn; los siguientes 500 galones, a 20
centavos/galn; y los siguientes 500 galones, a 15 centavos/galn.
Formule un PE que maximizar las ganancias (ingresos costos de compra) de Euing.