Introducción a la Programación Lineal (PL)

Como hemos visto, las relaciones y las características entre las variables del problema que se
trate definen los tipos de programación matemática.
 
Si todas las funciones del problema (objetivo y restricciones) son lineales, se tiene un problema
de programación lineal (PL).

La programación lineal

Generalización del modelo de PL y terminología

Referencias
LECCIÓN 1 de 3

La programación lineal

La programación lineal se refiere a un conjunto de técnicas

matemáticas que intentan optimizar, es decir, obtener la máxima
mejora posible en cualquier problema de tipo económico, social,
industrial o de otras disciplinas. Esa máxima mejora se expresa
mediante una función objetivo que está sujeta a restricciones o
limitaciones de recursos.

En la presente lectura nos centraremos en:

el planteamiento de un programa lineal;

las características del modelo de PL.

Formulación del modelo

Como la programación lineal es un modelo matemático abstracto de un problema físico, es necesario utilizar
símbolos matemáticos para representar las cantidades físicas del problema.
Antes de generalizar el planteamiento de un problema de PL en términos matemáticos, haremos referencia a
un ejemplo. Se trata de identificar en el problema los elementos fundamentales del modelo de PL:

1 las variables de decisión;

2 la función objetivo;

3 las restricciones.

Problema

Una empresa fabrica y vende dos tipos de productos, A y B, para lo que dispone de una máquina que trabaja
8 horas diarias y de un total de 9 kg de materia prima por día para fabricarlos.

Se desea determinar el número de productos diarios a fabricar de cada tipo para obtener el máximo
beneficio, sabiendo que el beneficio por cada producto A es de $2000 y por cada producto tipo B es de
$3000. Además, se conocen los datos de la siguiente tabla que representan las horas de trabajo de máquina
empleadas para cada producto y la materia prima necesaria para cada uno.

Tabla 1: Datos de los recursos que se necesitan para la producción

Recursos  Producto A Producto B

Horas máquina 1 2

Materia prima 3 1
Fuente: adaptado de Davis y McKeown, 1995.

 La empresa te solicita que determines:

1 la cantidad de productos a fabricar de cada tipo para maximizar la ganancia;

2 ¿a cuánto asciende la ganancia máxima?

No olvidemos que nuestro objetivo, en esta lectura, no es resolver el problema, sino plantearlo. En primer
lugar, nos preguntamos:

¿Cuáles son las variables de decisión?

Esto es lo primero que tenemos que definir para hacer compatibles las variables de decisión con la función
objetivo y las restricciones.

En otras palabras: queremos que las variables de decisión tengan el mismo sentido en todo el problema,
que no cambien su significado al introducirlas en la función objetivo y en las restricciones.

Para entender un poco más qué plantear y cómo, podemos preguntarnos, además:

¿Qué es lo se quiere optimizar?, ¿bajo qué condiciones?

Estas son preguntas fundamentales para definir las variables de decisión en consonancia con la función
objetivo y las restricciones. Si se quiere maximizar los beneficios, es evidente que la función objetivo tendrá
que estar en relación directa con las variables de decisión: a mayor valor de estas, más crecerán los
beneficios.

Por lo tanto, si llamamos Z a la función beneficio: Z=f(x,y), que se lee: Z está en función de x y de y,
refiriéndonos al problema planteado, entonces definiremos:
x: cantidad de productos tipo A;

y: cantidad de productos tipo B.

Pues la función Z varía de acuerdo con la cantidad de productos tipo A y tipo B que se fabrican y
comercializan (estamos simplificando aquí el problema, se supone que los costos de producción ya están
contemplados en el beneficio neto). También estamos en condiciones de plantear la función objetivo:

Maximizar Z = 2000x + 3000y.

Analicemos brevemente esta ecuación: si se venden, por ejemplo, 10 productos tipo A, la empresa ganará
por su venta $20 000 y si se venden, por ejemplo, 3 productos tipo B, la empresa ganará por ellos $9000. El
beneficio o ganancia total será de $29 000 (esto es solo un ejemplo).

Con este análisis, nos aseguramos la coherencia que las variables de decisión siguen teniendo en la función
objetivo, es decir, siguen teniendo el mismo sentido que les dimos al principio (siguen siendo cantidades o
unidades de productos), solo que Z ahora está expresada en $, que es, en definitiva, su verdadera magnitud,
ya que hablamos de beneficios.

Pero si nos quedamos aquí, podríamos decir que las ganancias de la empresa se harían cada vez más
grandes si se fabrican y venden grandes cantidades de los productos A y B, especialmente el B, que es el
que más ganancia deja. Entonces la función objetivo crecería sin límites. Eso no es real, porque existen
restricciones. En este caso, son restricciones de tiempo en horas máquina y de kilogramos de materia
prima.

¿Cómo armamos las restricciones?

Reiteramos: las variables de decisión no tienen que perder su sentido en el problema. Parece evidente,
entonces, que, por ahora, dos de las restricciones serán las siguientes. Una restricción será de horas
máquina (leer bien el primer párrafo del problema), que, en este caso, no deben exceder las 8 h, y la otra
restricción es de kilogramos de materia prima, que no deben exceder los 9 kg.

Intentemos, entonces, armar las restricciones, que en este caso consistirá en un sistema de inecuaciones:
 x + 2y < = 8, restricción de horas máquina;

3x + y < = 9, restricción de kilogramos de materia prima.

Es fundamental identificar cuáles magnitudes están relacionadas en cada inecuación. Lo que queremos
decir es que podemos tener magnitudes distintas, y de hecho las tenemos, en ambas inecuaciones: una
inecuación se refiere a horas; mientras que la otra, a kilogramos. Lo importante es que cada inecuación dé
cuenta de la misma magnitud. Siempre es importante verificar esto.

Analicemos lo expuesto:

x + 2y < = 8, ¿la magnitud horas máquina se conserva en ambos miembros de la desigualdad?

Primer miembro: x +2y, ¿son horas o cantidades?

x: si se fabrican, por ejemplo, 2 unidades del producto A, y cada unidad demanda 1 hora de maquinaria,
entonces 1 x 2 = 2: 2 unidades del producto A consumirán 2 h de máquina de las 8 disponibles.

2y: si cada producto tipo B demanda 2 h máquina, entonces, si, por ejemplo, se fabrican 3 productos tipo B,
se utilizarán 2 x 3 = 6 h máquina.

De esa forma, el primer miembro está expresado en horas y el segundo también. Por lo tanto, hay coherencia
en la misma inecuación. En esta suposición, no quedarían horas máquina sin utilizar. El mismo análisis
podemos hacer con la segunda inecuación que nos dará como resultado kg en ambos miembros. Para
finalizar este análisis y poder resumir el planteo del problema, no debemos olvidar lo siguiente:

Las variables de decisión nunca pueden ser negativas.

Estamos hablando de un problema de PL, matemáticamente hablando, pueden resolverse sistemas en los
que las variables sean negativas, pero, en problemas de la vida diaria, eso no es viable.

Realizado este análisis, planteamos el problema de la siguiente manera:

 Maximizar: z= 2000x + 3000y, sujeta a las restricciones:

x + 2y < = 8;

3x + y < = 9;

x,y > = 0.

A x > = 0 e y > = 0 se las llama restricciones de no negatividad.

LECCIÓN 2 de 3

Generalización del modelo de PL y terminología

En general:

Un problema de programación lineal consiste en optimizar (maximizar o minimizar) la función:

Z = F(x₁, x₂, ...,xn) = c₁x₁ + c₂x₂ + ... + cnxn,

sujeto a: 

a11x1 +a12x2 +... + a1nxn ≤ = ≥ b

a21x1 +a22x2 +... + a2nxn ≤ = ≥ b2

am1x1 +am2x2 +... + amnxn ≤ = ≥ bm;

x1, x2,..., xn≥ 0.

A la función Z = F(x1, x2, ...,xn) = c1x1 + c2x2 + ... + cnxn, se la denomina función objetivo o función criterio. 

Los coeficientes c1, c2, ..., cn son números reales y se llaman coeficientes de beneficio o coeficientes de
costo. Son datos de entrada del problema.
x1, x2, ..., xn son las variables de decisión (o niveles de actividad) que deben determinarse.

Las desigualdades ai1x1 +ai2x2 +... + ainxn ≤ bi, con i = 1, ..., m,se llaman restricciones.

Los coeficientes aij, con i = 1, ..., m y j = 1, ..., n, son también números reales conocidos y se les denomina
coeficientes tecnológicos.

El vector del lado derecho, es decir, los términos bi,  con i = 1, ..., m,  se llama vector de disponibilidades o
requerimientos y son también datos conocidos del problema.

Las restricciones xj ≥ 0,con j = 1, ..., n, se llaman restricciones de no negatividad.

Al conjunto de valores de (x1, x2, ...,xn) que satisfacen simultáneamente todas las restricciones se le
denomina región factible. Cualquier punto dentro de la región factible representa un posible programa de
acción. 

La solución óptima es el punto de la región factible que hace máxima o mínima la función objetivo.
(Calmaestra, 2001, https://goo.gl/aoWUMa).

Características del modelo de PL

Siguiendo a Davis y McKeown (1995), podemos enumerar las siguientes características del modelo de PL.

1 Un solo objetivo: no necesitamos ocuparnos de un objetivo a la vez. O se maximiza una única

función o se minimiza una única función.

2 Restricciones: la maximización o minimización de un objetivo está sujeta a restricciones. La

disponibilidad de los recursos escasos limita la producción a niveles que puedan alcanzarse
con los recursos disponibles.
 “Si no existiera esta restricción sería posible fabricar una cantidad
ilimitada de productos, lo cual por supuesto es totalmente irreal. Esas
limitaciones de los niveles de producción se denominan restricciones”
(Davis y McKeown, 1995, p. 25).

3 Proporcionalidad: o linealidad. La relación entre la función objetivo y las variables de decisión

(nivel de fabricación de cada producto) debe ser proporcional. Igualmente, la relaciones entre
las restricciones y el nivel de fabricación de los productos también deben ser proporcionales
(lineales).

“Aunque podría parecer que la consideración de linealidad es poco

razonable, sigue siendo cierto que muchos problemas prácticos en
realidad son lineales, o que pueden representarse con un modelo
expresado en términos de un problema de programación lineal (PL)”
(Davis y McKeown, 1995, p. 25).

4 Divisibilidad: la producción de cierto tipo de productos puede expresarse mediante fracciones.

5 Aditividad: la función objetivo muestra que las partes de la misma contribuyen a la función
objetivo en forma aditiva.

6 No negatividad de los productos: los productos fabricados no son valores negativos.

Además de estos requerimientos, por lo general también se considera que todos los parámetros se conocen
con certidumbre, es decir, que las utilidades, la disponibilidad de recursos escasos y las relaciones entre los
niveles de producción y los usos delos recursos no están sujetas a ninguna incertidumbre. (Davis y
McKeown, 1995, p. 26).

Para comprenderlo mejor te invito a ver el siguiente video. 

Video 1: Introducción a la programación lineal (PL)

temporarily blocked
Pardon the inconvenience, but our servers have
detected a high number of errors from your
connection. To continue, please verify that you
are a human:

I'm not a robot

reCAPTCHA
Privacy - Terms
LECCIÓN 3 de 3

Referencias

Calmaestra, L.  (2001). Programación lineal [publicación en línea]. Recuperado de

http://recursostic.educacion.es/descartes/web/materiales_didacticos/prog_lineal_lbc/definicion_pl.htm 

Davis, K., y McKeown, P. (1995). Introducción a los modelos de programación lineal. En Autores, Modelos
Cuantitativos para Administración (pp. 23-61). México: Grupo Editorial Iberoamérica.