República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

Universidad Nacional Experimental de los Llanos Occidentales
Ezequiel Zamora
(UNELLEZ)

BACHILLERES:

Aguilar G. Avimalex C.I 13.041.659

Aguilar G. Mary B C.I 12.648.250

DOCENTE

Salmar Infante

VII semestre Contaduría Publica

Sección F 01 F/S
 Sabaneta, 09 de Marzo de 2019

PROGRAMACIÓN LINEAL

La programación lineal es un conjunto de técnicas racionales de análisis y de

resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.

La Programación Lineal es un procedimiento o algoritmo matemático mediante el

cual se resuelve un problema indeterminado, formulado a través de ecuaciones
lineales, optimizando la función objetivo, también lineal.

Consiste en optimizar (minimizar o maximizar) una función lineal, denominada

función objetivo, de tal forma que las variables de dicha función estén sujetas a
una serie de restricciones que expresamos mediante un sistema de inecuaciones
lineales.

ESTRUCTURAS Y SUPOSICIONES IMPLICITAS DE LA PROGRAMACION

LINEAL

Aunque la modelación es solo una aproximación a la realidad, para intentar

planear un modelo de tipo lineal es necesario que el problema acepte las
suposiciones básicas de proporcionalidad, aditividad y divisibilidad que subyacen
en el modelo de PL.

Proporcionalidad

La proporcionalidad nos indica que si una actividad se duplica, también

se duplican el costo asociado a ella o el consumo de recursos necesario para
producirla.

Aditividad

La aditividad supone que si se realizan dos actividades distintas, simplemente se

deben sumar los efectos que cada una de ellas produce sobre los recursos. En
estos modelos nunca habrá términos en los que aparezca el producto de las
variables. Decir que un modelo (ecuación) es lineal implica que existe tanto la
proporcionalidad como la aditividad.
Divisibilidad

La divisibilidad se refiere a que las variables pueden tomar cualquier valor

como resultado decimal. Por ejemplo, $43 253.57, o la mitad de esto o las 2/3
partes de esto. Estrictamente la solución de ese tipo de problemas debe verse
como un problema de programación entera. En la práctica se puede usar la PL y
se ajustan los resultados a valores enteros o simplemente se redondea.

Conjunto convexo

De manera simplificada, podemos decir que un conjunto de puntos es convexo si

tomados cualquier par de puntos de este conjunto, todos los puntos del segmento
directo que los une pertenecen al conjunto en cuestión.

MODELOS DE PROGRAMACIÓN LINEAL EN PLANEACIÓN AGREGADA

La planeación agregada es un proceso para determinar una estrategia de forma

anticipada que permita satisfacer los requerimientos (demanda) del sistema, al
mismo tiempo que optimiza los recursos del mismo; cuyo desarrollo se lleva a
cabo en el corto y mediano plazo.

Existen diversos métodos empleados en la creación de un plan agregado, entre

los que se destacan la programación lineal, reglas de decisión por búsqueda,
programación por objetivos, programación dinámica, o métodos heurísticos
(ensayo y error). La programación lineal por sus características innatas de
modelación libre, se constituye como una herramienta poderosa de resolución de
planes agregados, de manera que puede considerar tantas restricciones como la
realidad del sistema lo presenten, al mismo tiempo que se enfoca en soluciones
óptimas, a diferencia de los métodos heurísticos de comparación de alternativas.

A lo largo del tiempo se han desarrollado modelos de programación lineal

aplicados a la planeación agregada, tales como el método de transporte de
Bowman, el método de Hanssman-Hess, que permite concluir que pueden
desarrollarse tantos modelos como existan casos de estudio, y variarán de
acuerdo a las restricciones que consideren, haciendo modelos más o menos
robustos.

EL PROBLEMA DEL TRANSPORTE

Es una de las más conocidas aplicaciones de la Programación Lineal. Se presenta
cuando por ejemplo necesitamos tomar decisiones con respecto a las mejores
rutas de distribución de artículos desde centros productivos hasta bodegas o
almacenes.
El siguiente ejemplo nos ayudara a comprender las características de este tipo de
situación.

Ejemplo

Una compañía embotelladora tiene plantas ubicadas en Medellín, Bogotá y

Cartagena. La capacidad de cada una de las plantas es:

La empresa surte a cuatro distribuidoras localizadas en diferentes zonas del país.

La demanda esperada de cada uno de los distribuidores es la siguiente:

El costo de transportar una caja de cada planta a cada distribuidor es:

MEZCLA:

Es un tipo de modelo que aparecen por ejemplo en aquellas situaciones en las

cuales una empresa dispone para un periodo dado de cantidades limitadas B¡ de
m recursos (materia prima, maquinaria, dinero, habilidades humanas entre otros)
que utiliza para la producción de n tipos de artículo, cada uno de los cuales utiliza
los recursos en cierta combinación. Es decir se conocen los valores aij que indican
el número de unidades del recurso i necesaria para producir una unidad del
articulo j. también se conocen los valores Cj que son las utilidades unitarias (o
costos unitarios) del producto j.

El problema consiste entonces en determinar la cantidad Xj a producir de cada

uno de los artículos que compiten por el uso de los recursos, de tal forma que se
obtenga un máximo de producción o un máximo de beneficio, o un mínimo de
costo u otro objetivo´

Hay un tipo de problema que aparece cuando debemos decidir cómo mezclar n
recursos (ingredientes) para producir uno o más artículos (mezcla) la característica
clave es que los elementos tienen una composición particular de m elementos y
deben combinarse de tal manera que la mezcla tengan determinado porcentaje o
valores de los elementos.
PUNTO DE EQUILIBRIO

En todo negocio un aspecto imprescindible consiste en evaluar la ganancia

potencial de un producto o servicio, ya sea nuevo o existente. Se considera que
los costos asociados a la producción de un producto o prestación de un servicio se
puede dividir básicamente en 2 categorías: costos fijos (independientes del
volumen de producción dentro de un rango de producción relevante) y costos
variables (que varían directamente con el volumen de producción, asumiendo una
relación lineal o proporcional). En este contexto el punto de equilibrio determina
cuál debe ser el número de unidades vendidas que permite equiparar los ingresos
totales con los costos totales, es decir, aquel volumen de ventas que evita
pérdidas y ganancias.

Dado lo anterior queda de manifiesto la importancia de la evaluación del punto de

equilibrio.

Sea el costo total de producir un bien o prestar un servicio, donde

es el costo fijo y los costos variables ( es el costo unitario y la cantidad
vendida). Adicionalmente sea el ingreso total, donde es el precio
unitario. El punto de equilibrio en términos de las unidades vendidas está dado
por:

Es el punto donde los ingresos totales recibidos se igualan a los costos asociados
con la venta de un producto (IT = CT). Un punto de equilibrio es usado
comúnmente en las empresas u organizaciones para determinar la posible
rentabilidad de vender determinado producto. Para calcular el punto de equilibrio
es necesario tener bien identificado el comportamiento de los costos; de otra
manera es sumamente difícil determinar la ubicación de este punto.

Sean IT los ingresos totales, CT los costos totales, P el precio por unidad, Q la
cantidad de unidades producidas y vendidas, CF los costos fijos, y CV los costos
variables. Entonces:

Si el producto puede ser vendido en mayores cantidades de las que arroja el punto
de equilibrio tendremos entonces que la empresa percibirá beneficios. Si por el
contrario, se encuentra por debajo del punto de equilibrio, tendrá pérdidas.
PROBLEMAS DE LOS PATRONES DE CORTE DE MATERIALES

Una empresa produce papel en rollos de 90 cm. de ancho y 100 m. de largo, pero
muchas veces recibe pedidos para despachar rollos de dimensiones menores. En
este momento necesita cumplir con la siguiente orden de producción:

La compañía desea determinar la forma de cortar los rollos estándar, de tal

manera que se produzca el mínimo sobrante de papel.

Elabore el modelo matemático de P.L. para este problema.

Construcción del modelo:

Obviamente la solución a este problema implicara que sea necesario despachar

dos o más rollos para obtener la longitud pedida de cada uno de los anchos, ya
que el rollo estándar solo mide 100 m. de largo. También aceptemos que el papel
sobrante es todo rollo inferior a 25 cm.

Para entender mejor la lógica de solución del problema, determinemos todas las
formas en que se puede cortar un rollo de ancho de 90 cm., para obtener anchos
de 75, 35 y 25 cm.

Si tomamos como referencia un metro del rollo de ancho estándar, las posibles
formas de corte son:

Observemos que hay cuatro modalidades de corte, en cada una de las cuales se
obtiene un número de franjas de los anchos necesarios, con un desperdicio
determinado.

Las actividades alternativas a desarrollar son las cuatro modalidades de corte,

cada una con su sobrante asociado por cada metro. Las características de los
cuatro cortes posibles, se resumen en la siguiente tabla, en donde como se dijo
los datos son para cada metro de ancho de 90 cm. que se corte en cada
modalidad.

Podemos definir las variables del modelo como:

Xi: número de metros del rollo estándar cortados en la modalidad i.
Sj: número de metros del ancho j, cortados en exceso sobre lo pedido (j=1, 2,3).
Con lo cual al modelo puede plantarse así:
Minimizar: Sobrante: 0.15X1 + 0.20X2 + 0.05X3 + 0.15X4
Sujeta a: Cantidad necesaria de cada ancho
1X1 > 200
2X2 + 1X3 > 500
2X3+3X4 > 300
Con Xi > 0, i, Sj > 0, j

Si escribiéramos las restricciones como igualdades, puede presentarse el caso de

que el problema no tenga solución factible, al ser imposible encontrar modalidades
de corte que produzcan exactamente las cantidades pedidas de cada ancho.

Una alternativa para no usar las relaciones mayor o igual y en cambio utilizar
relaciones de igualdad, es introducir al lado izquierdo de las restricciones las
variables Sj para indicar el número de metros de ancho j, cortado en exceso sobre
lo pedido.

METODOS DE SOLUCION GRAFICA MODELOS DE PROGRAMACION LINEAL

DE DOS VARIABLES

El método gráfico se emplea para resolver problemas que presentan sólo 2

variables de decisión. El procedimiento consiste en trazar las ecuaciones de las
restricciones en un eje de coordenadas X1, X2 para tratar de identificar el área de
soluciones factibles (soluciones que cumplen con todas las restricciones). La
solución óptima del problema se encuentra en uno de los vértices de esta área de
soluciones creada, por lo que se buscará en estos datos el valor mínimo o máximo
del problema.

EJEMPLO:

Una compañía de auditores se especializa en preparar liquidaciones y auditorías

de empresas pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones
pueden realizar mensualmente para maximizar sus ingresos. Se dispone de 800
horas de trabajo directo y 320 horas para revisión. Una auditoría en promedio
requiere de 40 horas de trabajo directo y 10 horas de revisión, además aporta un
ingreso de 300 dls. Una liquidación de impuesto requiere de 8 horas de trabajo
directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.

OBJETIVO: Maximizar el ingreso total.

VARIABLE DE DECISION: Cantidad de auditorías (X 1).

Cantidad de liquidaciones (X2).

RESTRICCIONES: Tiempo disponible de trabajo directo

Tiempo disponible de revisión

Número máximo de liquidaciones.

Maximizar

Sujeto a:

La solución óptima siempre se encuentra en uno de los vértices del conjunto de

soluciones factibles. Se analizan estos valores en la función objetivo. El vértice
que representa el mejor valor de la función objetivo será la solución óptima.

MODELO DE PROGRAMACIÓN LINEAL CON DOS VARIABLES

Básicamente, un modelo de programación lineal de 2 variables es el que se nos

presenta cuando queremos optimizar un proceso en el cual están inmiscuidos 2
factores los cuales influyen directamente en los resultados de estudio.

A continuación las 3 variantes que existen de Programación Lineal las cuales son
las siguientes:

1. Programación entera
Como se puede ver, una limitación importante que impiden otras muchas
aplicaciones es la suposición de divisibilidad, es la que plantea que las variables
de decisión pueden tomar valores no enteros.

En muchos problemas prácticos, las variables de decisión solo tienen un sentido

real si su valor es entero. Por ejemplo, con frecuencia es necesario asignar
personas, máquinas o vehículos a las actividades, en cantidades enteras,
entonces si el hecho de exigir valores enteros es la única diferencia que tiene el
problema con la formulación de programación lineal, estamos en presencia de un
problema de programación entera (PE).

2. Programación entera binaria

Se han desarrollado numerosas aplicaciones de programación entera, que

involucran una extensión directa de programación lineal en la que debe eliminarse
la suposición de divisibilidad. Sin embargo, existe otra área de aplicación que
puede ser mucho más importante, como el problema que incluye un cierto número
de “decisiones sí o no” interrelacionadas

3. Programación entera mixta

Si en un problema de programación lineal, solo es necesario que alguna de las

variables tenga valores enteros (y la suposición de divisibilidad se cumple para el
resto o sea que permite variables con valores decimales) el modelo se conoce
como uno de programación entera mixta (PEM).

Este tipo de situación surge cuando la formulación original del problema se ajusta
a un problema de programación entera o a uno de programación lineal, excepto
por ciertas diferencias menores que incluyen relaciones combinatorias en el
modelo.

REGION ACOTADA

La región factible puede estar acotada, como en la figura, o no acotada. Cuando

está acotada, se representa gráficamente como un polígono con un número de
lados menor o igual que el de restricciones (en la figura, el polígono acotado tiene
cuatro lados, y las restricciones también son cuatro).

Se llama solución óptima a la que maximiza o minimiza la función objetivo. Esta

solución si es única siempre se encuentra en un vértice o punto extremo de la
región factible.
La solución de un problema de programación lineal, en el supuesto de que exista,
debe estar en la región determinada por las distintas desigualdades. Esta recibe el
nombre de región factible, y puede estar o no acotada.

Región factible acotada Región factible no acotada

La región factible incluye o no los lados y los vértices, según que las
desigualdades sean en sentido amplio (o) o en sentido estricto (< o >).

Si la región factible está acotada, su representación gráfica es un polígono

convexo con un número de lados menor o igual que el número de restricciones.

PROBLEMA NO ACOTADO:

En las iteraciones del Método Simplex un problema no acotado se detecta cuando

al calcular el criterio de factibilidad o mínimo cociente que determina la variable
que deja la base, todas las entradas en la columna de la variable no básica
entrante son negativas o cero, por tanto no existe denominador válido (mayor a
cero) que permita determinar el eje.

Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de
solución que presentan. Éstos pueden ser:

 FACTIBLES: Si existe el conjunto de soluciones o valores que satisfacen

las restricciones. Estas a su vez pueden ser: con solución única, con solución
múltiple (si existe más de una solución) y con solución no acotada (cuando no
existe límite para la función objetivo).
 NO FACTIBLES: Cuando no existe el conjunto de soluciones que cumplen
las restricciones, es decir, cuando las restricciones son inconsistentes.

CASOS DE SOLUCIONES

Los programas lineales con dos variables suelen clasificarse atendiendo al tipo de
solución que presentan. Éstos pueden ser:
FACTIBLES: Si existe el conjunto de soluciones o valores que satisfacen las
restricciones. A su vez, pueden ser:

CON SOLUCIÓN ÚNICA: En una urbanización se van a construir casas de dos

tipos: A y B. La empresa constructora dispone para ello de un máximo de 1800
millones de pesetas, siendo el coste de cada tipo de casa de 30 y 20 millones,
respectivamente. El Ayuntamiento exige que el número total de casas no sea
superior a 80. Sabiendo que el beneficio obtenido por la venta de una casa de tipo
A es 4 millones y de 3 millones por una de tipo B, ¿cuántas casas deben
construirse de cada tipo para obtener el máximo beneficio?.
 Variables: x = nº de casas tipo A ; y = nº de casas tipo B
 Función objetivo: Maximizar Z = f(x,y) = 4x + 3y

 Conjunto de restricciones: El coste total 30x + 20y 1800. El Ayuntamiento

impone x + y 80. De no negatividad: x 0,y 0.

CON SOLUCIÓN MÚLTIPLE: Si existe más de una solución

Maximizar la función Z = f(x,y) = 4x + 2y sujeta a las restricciones 2x + y 4 , x - y

1 , x 0 , y 0.

Los valores de la función objetivo en cada uno de los vértices son:

f(O)=f (0,0) = 0, f(A) = f (1,0) = 4; f (B)=f (5/3,2/3) = 8, f(C) = f (0,4) = 8

La función objetivo alcanza el valor máximo en los vértices B y C, por tanto, en

todos los puntos del segmento BC. Hay infinitas soluciones, solución múltiple, que
corresponden a los puntos del segmento situado entre dos vértices de la región
factible. En estos casos, como ya vimos en el capítulo anterior, la función objetivo
es paralela a una de las restricciones.

SOLUCIONES INFINITAS

Un problema de Programación Lineal con dos variables puede tener una solución,
infinitas o ninguna, como se puede comprender observando los ejemplos gráficos
siguientes.

Supongamos que se pretende maximizar la función z:

En el gráfico 1 la solución es única se alcanza el máximo en el punto B

En el gráfico 2 hay infinitas soluciones porque el máximo se alcanza en todos los
puntos entre A y B y en el gráfico 3 no existe solución pues la función no alcanza
nunca el máximo debido a que el recinto no está acotado superiormente.

IDENTIFICACIÓN GRAFICA DE RESTRICCIONES

Aunque para la infinidad de problemas que pueden modelarse para ser resueltos
mediante la Programación Lineal se presentan muy diferentes restricciones,
podemos decir que las limitantes de un modelo de P.L. se agrupan en seis tipos
principales, que son:

Restricciones de capacidad: Relacionadas con los recursos de infraestructura

del sistema, como son las horas de mano de obra, de máquina, el espacio, etc.

Restricciones de entradas: Limitan el valor de las variables debido a la

disponibilidad de recursos como: materia prima, dinero, etc.

Restricciones de mercado: Son reflejo de los valores máximos o mínimos en las

ventas o en el uso del producto o en el nivel de la actividad a realizar.

Restricciones de composición: Son expresiones de las mezclas de los

ingredientes, que definen usualmente la calidad de los productos o resultados.

Restricciones de balance de materiales: Expresan las salidas de un proceso en

función de las entradas, tomando en cuenta generalmente cierto porcentaje de
merma o desperdicio en el proceso.

Restricciones internas: Son las que se escriben para definir el valor de una
variable que surge en la formulación del problema, no siendo variable de decisión,
sino una variable auxiliar creada para hacer más expedita la construcción del
modelo.

RESTRICCIONES ACTIVAS Y NO ACTIVAS.

Una restricción será activa, si al sustituir los valores de las variables de la
alternativa óptima en dicha restricción, el valor resultante en su miembro izquierdo
es igual al valor desmiembro derecho (RHS). Un caso especial es el de la
restricción de igualdad, donde este tipo de restricción siempre es activa.
Si una restricción no es activa, se dice que es inactiva. Esto es cuando al sustituir
los valores de las variables de la alternativa óptima en la restricción en cuestión, el
valor resultante del lado izquierdo (de la restricción) no coincide con el valor del
lado derecho de la restricción.

CONJUNTO FACTIBLE

Es el conjunto de todos los valores no negativo de las variables de decisión que

satisface todas las restricciones simultáneamente. Es decir, que un conjunto
factible es el conjunto de puntos que pertenecen a la intersección de los conjuntos,
solución de las inecuaciones cuando se tienen dos puntos de región factible.

PUNTO EXTERNO

Desde el punto de vista gráfico, los puntos extremos son los puntos de solución
factible que ocurren en los vértices o esquinas de la región factible. Con
problemas de dos variables, los puntos extremos están determinados por la
intersección de las líneas de restricción.

SOLUCIÓN ÓPTIMA

Se llama solución óptima aquella que maximiza o minimiza la función objetivo.

Esta solución si es única siempre se encuentra en un vértice o punto extremo de
la región factible.

La solución óptima de la forma estándar de un programa lineal es la misma que la

solución óptima de la formulación original del programa lineal. Desde el punto de
vista gráfico, los puntos extremos son los puntos de solución factible que ocurren
en los vértices o esquinas de la región factible.

MÉTODO SIMPLEX

El modelo Simplex es un método algebraico sistemático e iterativo utilizado para

resolver modelos de Programación Lineal, que examinan los vértices de un
conjunto convexo, hasta encontrar la alternativa óptima que resuelve el modelo.

El algoritmo simplex está diseñado para localizar la solución óptima

concentrándose en un número seleccionado de las soluciones básicas factibles
del problema. Siempre empieza en una solución básica factible y después trata de
encontrar otra solución básica factible que mejorará el valor del objetivo.

Procedimiento:

Todas las restricciones del modelo deben ser transformadas a igualdades, para
poder establecer una solución básica factible inicial, y así poder resolver un
sistema de ecuaciones simultáneas utilizando la Función Objetivo como la
referencia para establecer la solución óptima. El espacio dentro del cual se
encuentra delimitada el área definida por todas las restricciones define lo que se
conoce como polígono de Soluciones Factibles. Cada vértice de dicho Polígono
corresponde a una alternativa que resuelve el sistema de ecuaciones y variables,
y la Solución óptima del mismo estará localizada en uno de sus vértices.

EJERCICIO DEL MÉTODO SIMPLEX

EJEMPLO DE MAXIMIZACIÓN UTILIZANDO EL MÉTODO SIMPLEX

Continuando con el problema anterior los pasos para resolver el problema por el
método simplex son:
1. Expresar el problema en forma estándar
Max 40F + 30S + S1 + S2 + S3
0.4F +0.5S + S1 = 20
0.2S + S2 = 5
0.6F +0.3S +S3 = 21
F,S,S1,S2,S3 >= 0

2. Obtener el renglón z que consiste en convertir al función objetivo en valores

negativos.
Max z = 40F+30S+S1+S2+S3
z = -40F-30S = O

3. Resumir la forma estándar en una tabla simplex

4. Se encuentran las intersecciones de la primera variable (la más negativa) para

determinar el renglón pivote.
En este caso se toma la columna donde se encuentra el -40 y cada uno de los
valores de la solución se divide dentro de los valores de dicha columna,
escogiendo el menor valor y toda esa fila se convertirá en la fila pivote como se
puede observar en la siguiente tabla:

5. Se hacen los cálculos correspondientes

a. La nueva fila pivote es la S3 el objetivo es convertir el valor de 0.6 en 1 para lo cual
se divide toda la fila dentro de 0.6 y se coloca en la nueva tabla.
b. El resto de valores que se encuentran arriba o abajo de 0.6 deben convertirse en
0. Para este caso se desea convertir el 0.4 en 0 por lo cual se convierte el 0.4 en
negativo se multiplica por el valor correspondiente en la nueva fila pivote que es 1 y
se le suma el valor de esa posición en la tabla antigua que en este caso es 0.4 en
resumen (-0.4*1+0.4 = 0) y asi sucesivamente con cada una de las filas:

6. Como no se tienen todavía las variables de z en positivo, entonces hay que repetir
los pasos 4 y 5 hasta que todos los valores de z sean positivos:

Como se puede observar en la tabla anterior todos los valores de z son positivos, lo
cual quiere decir se ha llegado a encontrar la solución óptima del problema que es
producir 20 toneladas de aditivo para combustible y 25 toneladas de base para
solvente para obtener una ganancia máxima de $ 1,600*.

* Si observa se obtuvieron los mismos resultados que el método gráfico y algebraico

anteriormente descritos