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.

Programacin lineal

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA

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.
INVESTIGACION OPERATIVA
2

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA

Linealidad
Caracterstica del modelo de programacin lineal que implica
proporcionalidad y aditividad; no puede haber productos ni potencias de
las variables de decisin.
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
X1= cantidad de soldados fabricados cada semana
X2= cantidad de trenes fabricados a la semana
INVESTIGACION OPERATIVA
3

UNIVERSIDAD NACIONAL TECNOLGICA DEL CONO SUR DE LIMA

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,
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)
=27x1 + 21x2
Asimismo,
Costos de la materia prima a la semana= 10x1 + 9x2
Otros costos variables a la semana= 14x1 + 10x2
Entonces, Giapetto quiere maximizar
(27x1 + 21x2)-(10x1 + 9x2)-(14x1 + 10x2)=3x1 + 2x2
Otra manera de ver que Giapetto quiere maximizar 3 x1 + 2x2 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=3x1 + 2x2

INVESTIGACION OPERATIVA
4

Por consiguiente,
el objetivo DEL
de CONO
Giapetto
escoger
UNIVERSIDAD
NACIONAL TECNOLGICA
SUR DEes
LIMA

X 1 y X2 para
maximizar 3X1 + 2X2. Se utiliza la variable Z para denotar el valor de la
funcin objetivo de cualquier PL. La funcin objetivo de Giapetto es
Maximizar z=3X1 + 2X2
(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 X2 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 X1 y X2 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 X2, la compaa podra tener
unas utilidades arbitrariamente grandes al escoger X 1 y X2, muy grandes.
Desafortunadamente, los valores de X1 y X2, estn controlados por las
siguientes tres restricciones (con frecuencia llamadas limitaciones):
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
X1 y X2. Para expresar la restriccin de 1 de acuerdo con X 1 y X2,
obsrvese que
Total de hrs de acabado/semana= (horas de acabado/soldado) (soldados
fabricados/semana)
+

(Horas

de

fabricados/semana)
=2(X1)+1(X2)=2X1 + X2
Entonces, la restriccin 1 se expresa como
2X1 + X2 100
INVESTIGACION OPERATIVA
5

acabado/tren)

(trenes

Obsrvese
que lasTECNOLGICA
unidades de
todos
UNIVERSIDAD
NACIONAL
DEL
CONOlos
SURtrminos
DE LIMA

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 X1 y X2, ntese que
Horas totales de carpintera/semana= (horas de carpintera/soldado)
(trenes/semana)
+ (Horas de carpintera/tren) (trenes
fabricados/semana)
= 1(X1) + 1(X2)=X1 + X2
Entonces, la restriccin 2 se expresa como
2X1 + X2 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:
X1 40
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 X2 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 10. Si una variable Xi 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
INVESTIGACION OPERATIVA
6

se refiereNACIONAL
al problema
de Giapetto,
es evidente
que
UNIVERSIDAD
TECNOLGICA
DEL CONO
SUR DE LIMA

X 1 0 y X20. 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 X1 0 y X20 con la funcin
objetivo (1) y las restricciones (2) a (4), se obtiene el modelo de
optimizacin siguiente:
max Z=3x1+2x2 (Funcin objetivo)

(1)

Sujeto a (s.a)
2X1 + X2100 (Restriccin de acabado)

(2)

X1 + X280 (Restriccin de carpintera)

(3)

X1

40 (Restriccin por la demanda de soldados)

X1

0 (Restriccin de signo)+
x20 (Restriccin de signo)

(4)
(5)
(6)

sujeto a (s.a) quiere decir que los valores de las variables de decisin
X1 y X2 deben satisfacer todas las limitaciones y todas las restricciones
de signo.

Ejercicios propuestos
1. El granjero Jones tiene que determinar cuntos acres de
maz y de trigo hay que sembrar este ao. Un acre de
trigo produce 25 bushel de trigo y requiere 10 horas
semanales de trabajo. Un acre de maz produce 10 bushel
de maz y requiere 4 horas de semanales de trabajo. Se
puede vender todo el trigo a 4 dlares el bushel y todo el
maz 3 dlares el bushel. Se dispone de 7 acres y 40
horas semanales de trabajo. Disposiciones
INVESTIGACION OPERATIVA
7

gubernamentales
especifi
una
UNIVERSIDAD
NACIONAL TECNOLGICA
DELcan
CONO
SURproduccin
DE LIMA

de maz de
por lo menos 30 bushel durante el ao actual. Sea x 1 =
nmero de acres con siembra de maz y x 2 = nmero de
acres con siembra de trigo. Utilice estas variables de
decisin y plantee una PL cuya solucin le indique al
agricultor Jones como maximizar el ingreso total a partir
del trigo y el maz.

Solucin:
i.

Funcin Objetivo: Maximizar el ingreso total en

funcin de los nmeros de acres de maz y trigo.

ii.

Variables:

X 1 = nmero de acres con siembra de maz

X 2 = nmero de acres con siembra de trigo
iii.

Restricciones:

R1: se dispone de 7 acres.

R2: se dispone de 40 horas de trabajo semanales.
Max Z = 10*3X 1 + 25*4X 2
Max Z = 30 X 1 + 100X 2

s.a.
X1 + X2 7
10X 1 + 4X 2 40
10X 1 30
X1, X2 0

INVESTIGACION OPERATIVA
8

2. Truckco
fabrica
dos tipos
camiones:
el
UNIVERSIDAD
NACIONAL
TECNOLGICA
DELde
CONO
SUR DE LIMA

1 y el 2. Cada
camin debe pasar por el taller de pintura y el taller de
ensamble. Si el taller de pintura estuviera destinado del
todo a pintar camiones tipo 1, entonces se podran pintar
800 por da; si el taller de pintura estuviera dedicado por
completo a pintar los camiones tipo 2, entonces se
podran pintar 700 por da. Si el taller de ensamble se
dedicara solo a ensamblar 1500 por da; si el taller de
ensamble se dedicara solo a ensamblar motores para los
camiones tipo 1, entonces se podran ensamblar 1500 por
da; si el taller de ensamble se dedicara solo a ensamblar
motores para camiones tipo 2, entonces se podran
ensamblar 1200 por da. Cada camin tipo 1 contribuye
con 300 dlares a las utilidades; cada camin tipo 2
contribuye con 500 dlares. Plantee un PL que maximice
las utilidades de Truckco.

Solucin:
i.

Funcin Objetivo: Maximizar las utilidades de

Truckco en funcin de los camiones tipo 1 y 2 a
producir.

ii.

Variables:

X 1 = nmero de camiones tipo 1

X 2 = nmero de camiones tipo 2
iii.

Restricciones:

R1: se dispone de 7 acres.

R2: se dispone de 40 horas
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
INVESTIGACION OPERATIVA
9

precisa 1 NACIONAL
m de algodn
y 2 m de
cada
UNIVERSIDAD
TECNOLGICA
DELpolister.
CONO SURPara
DE LIMA

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

1,5

750

polister

1000

x + 1.5y 750
2x+3y 1500
2x + y 1000
Como el nmero de pantalones y chaquetas son nmeros
naturales, tendremos dos restricciones ms:
x 0
y 0

INVESTIGACION OPERATIVA
10