Introduccin a la Programacin Lineal.

En cualquier empresa, muchas de las decisiones que se toman tienen por

objeto hacer el mejor uso posible (optimizacin) de los recursos de la
misma. Por recursos de una empresa entendemos la maquinaria que sta
posea, sus trabajadores, capital financiero, instalaciones, y las materias
primas de que disponga. Tales recursos pueden ser usados para fabricar
productos (electrodomsticos, muebles, comida, ropa, etc.) o servicios
(horarios de produccin, planes de marketing y publicidad, decisiones
financieras, etc.). La Programacin Lineal (PL) es una tcnica matemtica
diseada para ayudar a los directivos en la planificacin y toma de
decisiones referentes a la asignacin de los recursos.
Como ejemplos de problemas donde la Programacin Lineal desarrolla un
papel fundamental, podramos citar:
1. A partir de los recursos disponibles, determinar las unidades a
producir de cada bien de forma que se maximice el beneficio de la empresa.
2. Elegir materias primas en procesos de alimentacin, para obtener
mezclas con unas determinadas propiedades al mnimo coste.
3. Determinar el sistema de distribucin que minimice el coste total de
transporte, desde diversos almacenes a varios puntos de distribucin.
4. Desarrollar un plan de produccin que, satisfaciendo las demandas
futuras de los productos de una empresa, minimice al mismo tiempo los costes
totales de produccin e inventario.
Caractersticas de un problema de Programacin Lineal
Las tcnicas de Programacin Lineal han sido ampliamente utilizadas en
mbitos tan diferentes como el militar, industrial, financiero, de marketing, e
incluso agrcola. A pesar de tal diversidad de aplicaciones, todos los
problemas de Programacin Lineal tienen cuatro propiedades comunes:
1.

2.

3.

4.

Pretenden optimizar (maximizar o minimizar) alguna cantidad (funcin objetivo).

As, por ejemplo, el principal objetivo de un banquero sera maximizar
beneficios, mientras que el principal objetivo de una empresa transportista
podra ser minimizar los costes de los envos.
Habr que tener en cuenta las restricciones que limitan el grado en el cual es
posible modificar las variables que afectan a nuestra funcin objetivo. As, a la
hora de decidir cuntas unidades de cada bien se han de producir, deberemos
considerar, entre otras, las limitaciones de personal y maquinaria de que
disponemos.
El problema debe presentar distintas alternativas posibles: si una compaa produce
cuatro bienes diferentes, la direccin puede usar Programacin Lineal para
determinar las cantidades de recursos que asigna a la produccin de cada uno
de ellos (podra optar por hacer una asignacin ponderada, dedicar todos los
recursos a la produccin de un nico bien abandonando la produccin del resto,
etc.).
En Programacin Lineal, la funcin objetivo debe ser una funcin lineal, y las
restricciones deben ser expresables como ecuaciones o inecuaciones lineales.

Planteamiento de un problema de Programacin Lineal

Ejemplo: Una empresa fabrica dos modelos de mesas para ordenador, M 1 y
M2. Para su produccin se necesita un trabajo manual de 20 minutos para el
modelo M1 y de 30 minutos para el M2; y un trabajo de mquina de 20
minutos para M1 y de 10 minutos para M 2. Se dispone de 100 horas al mes
de trabajo manual y de 80 horas al mes de mquina. Sabiendo que el

beneficio por unidad es de 1,5 y 1 para M 1 y M2, respectivamente,

planificar la produccin para obtener el mximo beneficio.
Nos limitaremos ahora a plantear formalmente
resolveremos ms adelante):

el problema (ya lo

Llamando: X = n unidades producidas al mes de M 1, e Y = n unidades

producidas al mes de M2, nuestra funcin objetivo sera:
Maximizar:
Z(X,Y) = 1,5X + Y
y las restricciones vendrn dadas por:
Sujeto a:
20X + 30Y <= 100*60
20X + 10Y <= 80*60
X >= 0
Y >= 0
Las dos ltimas restricciones, si bien no constan de forma explcita en el
enunciado, s figuran de forma implcita, pues el nmero de mesas a
producir no puede ser inferior a 0.
Supuestos bsicos de la Programacin Lineal
Desde un punto de vista tcnico, hay cinco supuestos que debe cumplir todo
problema de programacin lineal:
1. Los coeficientes, tanto de la funcin objetivo como de las
restricciones, son conocidos con exactitud y adems no varan durante el
perodo de tiempo en que se realiza el estudio (supuesto de certidumbre).
2. Tanto en la funcin objetivo como en las restricciones hay
proporcionalidad: si para la produccin de un bien empleamos 5 horas de un
determinado recurso (mano de obra, maquinaria, etc.), para producir diez
unidades de dicho bien sern necesarias 50 horas del mismo recurso.
3. Aditividad de actividades: tanto en la funcin objetivo como en las
restricciones, la contribucin de cada variable es independiente de los valores
del resto de las variables, siendo el total de todas las actividades igual a la suma
de cada actividad individual. As, por ejemplo, si producimos dos tipos de
bienes, uno que nos reporte un beneficio de 20 /unidad, y otro que nos reporte
un beneficio de 10 /unidad, la produccin de un bien de cada tipo supondr un
beneficio total de 30 .
4. Las soluciones del problema sern, en general, nmeros reales no
necesariamente enteros (supuesto de divisibilidad). Para aquellos problemas en
los cuales slo tenga sentido obtener soluciones enteras (cuando las soluciones
se refieran a objetos indivisibles), se usarn tcnicas de Programacin Lineal
Entera (PLE).
5. Las variables de nuestro modelo tomarn siempre valores positivos
(supuesto de no negatividad), dado que no tiene sentido hablar de cantidades
negativas de objetos fsicos.
Resolucin grfica de un problema de Programacin Lineal
El mtodo grfico de resolucin tan slo es aplicable a problemas con dos
variables (X e Y). Para aquellos casos en que el nmero de variables del
problema sea superior a dos, no ser posible encontrar la solucin a partir
de un grfico bidimensional y, por tanto, tendremos que usar mtodos de
resolucin ms complejos. An as, el mtodo grfico es de un gran valor
pedaggico dado que nos permite vislumbrar de una forma intuitiva las

ideas bsicas de la Programacin Lineal.

Volviendo al ejemplo de las mesas de ordenador, dado que en l tenemos
slo dos variables, podremos representar cada una de las restricciones en el
plano real. Estas restricciones son semiespacios (por ser lineales), la
interseccin de los cuales se denomina regin factible (rea de color verde
en la figura):

La teora matemtica establece que, dado un problema de

Programacin Lineal que tenga solucin, sta vendr dada por uno de
los vrtices (o puntos extremos) del polgono que configura la regin
factible. Por tanto, ser suficiente hallar las coordenadas de dichos
vrtices (intersecciones de rectas) y determinar (sustituyendo en la
funcin objetivo) cul de ellos es la solucin ptima. En nuestro
ejemplo, tendramos slo cuatro puntos candidatos a ser solucin del
problema (los cuatro vrtices del polgono), sustituyendo sus
coordenadas en la funcin objetivo obtenemos:
Z(0,0) = 0; Z(0,200) = 200; Z(210,60) = 375; y Z(240,0) = 360
Como en este caso buscbamos maximizar Z(X,Y), concluiremos que
el punto ptimo es el (210,60), dado que con l obtenemos el valor
mximo de la funcin objetivo. As pues, la solucin a nuestro dilema
ser fabricar 210 mesas de tipo M1 y slo 60 de tipo M2, con ello
conseguiremos unos beneficios de 375 .
Casos especiales
A la hora de resolver un problema de Programacin Lineal, nos
podramos encontrar con cualquiera de estas cuatro situaciones
especiales que conviene conocer:
No Factibilidad: Podra ocurrir que el problema propuesto no tuviese
solucin. ste sera el caso en que las restricciones fuesen incompatibles, i.e.,
que ningn punto del plano (o, en general, del espacio real n-dimensional)
puede cumplir simultneamente todas las limitaciones a las que estamos
sometidos, es decir, la regin factible es un conjunto vaco.

 No Acotacin: En ocasiones, podemos encontrarnos con problemas

que no tengan una solucin finita; as por ejemplo, en un problema de
maximizacin podramos tener alguna variable que pudiese incrementarse
indefinidamente sin violar ninguna de las restricciones, permitiendo a la funcin
objetivo tomar valores tan grandes como se desee. Grficamente, tendramos
una regin factible no acotada.
Redundancia: Algunas restricciones pueden estar de ms por no
aportar nada nuevo a la forma de la regin factible, ya que hay otras que
resultan ser ms restrictivas (esto suele ocurrir en problemas extensos, donde
resulta difcil reconocer restricciones redundantes).
Soluciones Mltiples: Un problema de Programacin Lineal puede
tener ms de una solucin ptima (e incluso infinitas). En el caso grfico de dos
variables, si dos vrtices consecutivos de la regin factible son solucin ptima
del problema, entonces todos los puntos del segmento comprendido entre ellos
tambin sern ptimos.

Ejemplos de resolucin grfica

Ejemplo 1: La tabla adjunta muestra las unidades de nitrgeno (N) y de
fsforo (P) que contiene cada kilo de los abonos A y B. Se desea obtener un
abono que, como mnimo, contenga 9 unidades de N y 9 unidades de P. El
precio de A es de 10 /kg. y el de B es de 20 /kg. Calcular las cantidades
que deben comprarse de A y de B para satisfacer las necesidades
minimizando el coste. Resolver el mismo ejercicio suponiendo que el precio
de B es de 30 /kg.
Llamando X = n kilos de A, e Y = n kilos de B,
Minimizar: Z(X,Y) = 10X + 20Y
Sujeto a: 3X + Y >= 9
X + 3Y >= 9
X , Y >= 0

Evaluando Z(X,Y) en cada uno de los vrtices:

Z(0,9) = 180; Z(9/4,9/4) = 67,5; Z(9,0) = 90

Por tanto, la solucin ptima es utilizar 9/4 kilos de A y 9/4 kilos de B, lo

que supone un coste (mnimo) de 67,5 . Si ahora consideramos la nueva
funcin
objetivo
Z(X,Y) = 10X + 30Y, al evaluar en los vrtices (las restricciones no han
cambiado), obtenemos: Z(0,9) = 270; Z(9/4,9/4) = 90; Z(9,0) = 90 ->
tendremos infinitas soluciones ya que cualquier punto del segmento que une
los dos ltimos vrtices (stos incluidos) ser un ptimo, obtenindose en
ellos un coste (mnimo) de 90 .
Ejemplo 2: Unos grandes almacenes desean liquidar 200 camisas y 100
pantalones de la temporada anterior. Para ello lanzan dos ofertas, A y B: la
oferta A consiste en un lote de una camisa y un pantaln, que se vende a 30
; y la oferta B consiste en un lote de tres camisas y un pantaln, que se
vende a 50 . No se desea ofrecer menos de 20 lotes de la oferta A ni
menos de 10 de la B. Cuntos lotes ha de vender de cada tipo para
maximizar la ganancia?.
Sean:
X = n lotes tipo A
Y = n lotes tipo B
Maximizar: Z(X,Y) = 30X + 50Y
Sujeto a:
3X + Y <= 200
X + Y <= 100
X >= 20
Y >= 10
Evaluando en los vrtices:
Z(20,80) = 4.600; Z(50,50) = 4.000; y Z(190/3,10) = 2.400

Observar que, en este caso, se hace innecesario calcular Z(20,10), pues es

claro que su valor ser inferior al de Z(20,80) y al de Z(190/3,10). En
definitiva, pues, tendremos que la empresa debe vender 20 lotes de tipo A y
80 de tipo B, con lo que tendr una ganancia (mxima) de 4.600 .