01 Clase de PL

Matemática Aplicada Programación Lineal
INECUACIONES LINEALES
Sistemas de Inecuaciones Lineales con dos incógnitas
a) b)
Facultad de Ciencias Contables

Curso: Matemática Aplicada, Ciclo 2016 - II 1
Resolver los sistemas de inecuaciones siguientes, dibujando la solución
a) b)

Programación Lineal (PL)
La Programación Lineal (PL) es un procedimiento matemático para determinar la
asignación óptima de recursos escasos.
Un modelo de programación lineal busca maximizar o minimizar una función lineal,
sujeta a un conjunto de restricciones lineales.
Un modelo de programación lineal esta compuesto de:
1. Variables y parámetros de decisión. Las variables de decisión son las

incógnitas (o decisiones) que deben determinarse resolviendo el modelo. Los
parámetros son los valores conocidos que relacionan las variables de decisión
con las restricciones y función objetivo.
2. Restricciones. Para tener en cuenta las limitaciones tecnológicas, económicas
y otras del sistema, el modelo debe incluir restricciones (implícitas o explícitas)
que restrinjan las variables de decisión a un rango de valores factibles.
3. Función objetivo. La función objetivo define la medida de efectividad del
sistema como una función matemática de las variables de decisión.
La solución óptima será aquella que produzca el mejor valor de la función objetivo,
sujeta a las restricciones.
DEFINICIÓN. Una función f(X1, X2, X3, ...... Xn) es una función lineal de X 1, X2, ... Xn
si y sólo si para algún conjunto de constantes C 1, C2, C3, ...... Cn, f(X1, X2, ...... Xn) =
C1 X1, C2 X2, C3 X3, ...... Cn Xn
Ejemplo, f( X1, X2) = 2 X1 + X2 es una función lineal de X1 y X2, pero

f( X1, X2) = X12 X2 no es una función lineal de X1 y X2.
DEFINICIÓN. para cualquier función lineal f(X 1, X2, ...... Xn) y cualquier número b, las
desigualdades f(X1, X2, ...... Xn) ≤ b y f(X1, X2, ...... Xn) ≥ b son desigualdades lineales.
Así, 2 X1 + 3 X2 ≤ 3 y 2 X1 + 3 X2 ≥ 3 son desigualdades lineales, pero

X12 X2 ≥ no es una desigualdad lineal.
Cuando se formula un problema de toma de decisiones como un programa lineal, se

deben verificar las siguientes condiciones:
1. La función objetivo debe ser lineal. Vale decir que se debe verificar que todas
las variables estén elevadas a la primera potencia y que sean sumadas o
restadas (no divididas ni multiplicadas);
2. El objetivo debe ser ya sea la maximización o minimización de una función
lineal. El objetivo debe representar la meta del decisor; y
3. Las restricciones también deben ser lineales. . Asimismo, la restricción debe
adoptar alguna de las siguientes formas ( , , ó =, es decir que las
restricciones de PL siempre están cerradas).

¿El siguiente problema es un problema de PL?
Max X2
sujeta a:
X1 + X2  0
X12 - 4  0
Aunque la segunda restricción parece "como si" fuera una restricción no lineal, esta
restricción puede escribirse también de la siguiente forma:
X1  -2, y X2  2.
En consecuencia, el problema es de hecho un problema de PL.
Forma estandar del modelo

La formulación en PL para un problema general de asignación de recursos a
actividades, consiste en elegir valores de x1,x2,....,xn para:
Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,

sujeta a las restricciones:
(s.a.)
a11x1 + a12x2 +....+ a1nxn < b1
a21x1 + a22x2 +....+ a2nxn < b2

.
am1x1 + am2x2 +....+ amnxn < bm
X1 ≥ 0, X2 ≥0, ..., Xn ≥0.

Definición de Región factible, para un P.L. es el conjunto de todos los puntos que
satisfacen las restricciones y las restricciones de signo del P.L.
Definición de solución optima, para un problema de maximización, una solución

óptima para un P.L., es un punto de la región factible con el mayor valor de la función
objetivo. Similarmente para uno de minimización será el valor mínimo de la F.O.
Definición. Un conjunto de puntos S es un conjunto convexo si el segmento

rectilíneo que une cualquier par de puntos de S se encuentra dentro de S.
A B
A B
A B
C D
(a) (b) (c) (d)

Definición. Para cualquier conjunto convexo S, un punto P de S es un extremo si
para cada segmento rectilíneo que se encuentra completamente en s y que pasa por
el punto P, P es un extremo del segmento rectilíneo.
Por ejemplo en la figura (a) cada punto de la circunferencia es un punto extremo del
círculo. En (b) A, B, C, D son puntos extremos

Ejemplo:
Giepetto S.A. fabrica dos tipos de juguetes: soldados y trenes. Se vende un soldado a
S/. 27 y se gasta S/. 10 en materia prima. Cada soldado producido aumenta los
costos variables de mano de obra y los costos generales en S/. 14
Se vende un tren a S/. 21 y se gasta S/. 9 en materia prima. Cada tren producido
aumenta los costos variables de mano de obra y los costos generales en S/. 10. Cada
juguete necesita dos tipos de trabajo especializado: carpintería y acabado. Un
soldado requiere dos horas de acabado y una hora de carpintería. Un tren requiere 1
hora de acabado y 1 hora de carpintería. Cada semana, Giapetto puede conseguir
toda la materia prima que se necesita, pero solo dispone de 100 horas de acabado y
80 de carpintería. La demanda de los trenes no tiene límites, pero se venden a lo más
40 soldados semanalmente. Giapetto quiere maximizar su ganancia semanal
(ingresos - costos). Formule un modelo matemático para la situación de Giapetto
¿qué se puede utilizar para que Giapetto pueda maximizar su ganancia semanal?
Al crear este modelo se exploran las características comunes a todos los problemas
de programación lineal.
Variables de decisión. Las variables de decisión tienen que presentar todas las
decisiones que tomar (¿?) Giapetto tiene que decidir cuantos soldados y trenes tiene
que fabricar cada semana. Entonces definimos:
X1 = el número de soldados a producir cada semana.

X2 = el número de trenes a producir cada semana.
Función Objetivo. En cualquier problema de P.L., la persona que toma la decisión

quiere maximizar (ingresos o ganancias ) y minimizar (costos) . La función que hay
que maximizar o minimizar se llama función objetivo .
Se debe:
Maximizar (Ingr. Sem.) – (costos compra mat. prima) – (otros costos variables).
Ingr. semanales = ingreso semanal de soldados + ingresos semanal por trenes

=(dólar/soldado)(soldado/semana) + (dólar/tren)(tren/ semana)
= 27 X1 + 21 X2
costos: costos semanales de materia prima = 10X1 + 9X2

otros costos semanales variables = 14X1 + 10X2

¿Qué se quiere maximizar?
(27X1 + 21 X2 ) – (10X1 + 9X2 ) – (14X1 + 10X2) = 3X1 + 2 X2
otra forma de plantear:
= 27 – 10 - 14= 3
= 21 – 9 – 10 = 2
Entonces se tiene:
Ingresos semanales – costos variables semanales = 3X 1 + 2 X2
Restricciones: al aumentar X1 y X2, crece la F.O.( se puede fabricar y vender y

obtener una ganancia arbitrariamente grande). Pero los valores de las variables están
limitadas por las restricciones.
Restricción 1 No se puede usar mas de 100 horas de acabado cada semana.

Restricción 2 No se puede usar mas de 80 horas de carpintería cada semana.
Restricción 3 Debido a la demanda limitada, se tienen que producir a lo más 40
soldados por semana.
Se supone que la cantidad de materia prima disponible es ilimitada, por lo tanto, no

hay ninguna restricción.
Se tiene que representar de manera matemática el problema (F.O.y restricciones)
Horas totales acabado/sem =(h.de Acabado/soldado)(soldado hechos/semana) + (h.

de Acabado/tren)(trenes hechos/semana)
= 2(X1)+ 1(X2) = 2X1 + X2 ≤100
Horas totales carpinteria/sem = (h.decarpinteria/soldado)(soldado hechos/semana) +

(h. de carpinteria/tren)(trenes hechos/semana)
= 1(X1)+ 1(X2) = 1X1 + X2 ≤80

Ahora se expresa que se pueden vender a lo más 40 soldados por semana, limitando
la producción semanal de soldados a 40. este proporciona la siguiente restricción:
X1 ≤ 40
Restricciones de signo (o de no negatividad ) para completar la formulación de un

problema de P.L., hay que contestar la siguiente pregunta para cada variable de
decisión:
Si una variable de decisión X i solamente toma los valores no negativos añadimos la

restricción de signo Xi ≥ 0 . si una variable X i puede tomar valores positivos y
negativos (inclusive cero) no tiene restricción de signo.

Entonces el problema se presenta:
Max Z = 3X1 + 2 X2 ( F.O.) (1)
2X1 + X2 ≤100 (restricción de acabado) (2)

1X1 + X2 ≤80 (restricción de carpintería) (3)
X1 ≤40 (restricción de demanda de soldados) (4)
X1 ≥ 0 (restricción de signo) (5)
Sujeto a (s.a) significa que los valores de las variables de decisión X 1 y X2 tienen que
satisfacer todas las restricciones, incluyendo las restricciones de signo.
SOLUCIÓN GRAFICA
Evaluamos cada punto extremo

Y encontramos el mayor valor de Z = 3X 1 + 2 X2 . para encontrar la solución óptima
se grafica una línea recta que corresponde a todos los puntos con un mismo valor de
Z. En un problema de Maximización a tal línea se le llama línea de isoutilidades
(Minimización se le llama línea de isocostos)
Ejemplo:
Tomemos el punto (20,0) en Z = 3(20) + 2(0) = 60

Como 3X1 + 2 X2 = 60 entonces X2 = 30 – 3/2 X1 ,
entonces la línea de isoutilidad 3X1 + 2 X2 = 60 tiene una pendiente de –3/2.
Observando los puntos de intersección de las rectas ecuaciones (2) y (3), al resolver
simultaneamente estas dos ecuaciones, se tiene (X 1 = 20 y X2 = 60) que es la
solución óptima al problema.
El valor óptimo se obtiene sustituyendo los valores de Xi en la función objetivo

ecuación (1).
El valor óptimo de Z= 3(20) + 2(60) = 180

Problema de Minimización.
Audi auto fabrica autos de lujo y camiones. La Cia opina que sus clientes mas
probables son hombres y mujeres de ingresos altos. Para llegar a estos grupos, la
Cia., lanza un campaña ambiciosa de publicidad por TV y decide comprar publicidad
de 1 minuto en dos tipos de programas: series cómicas y juegos de futbol. 7 millones
de mujeres de ingresos altos y 2 millones de hombres de ingresos altos ven cada
comercial en series cómicas. 2 millones de mujeres de ingresos altos y 12 millones
de hombres de ingresos altos ven cada comercial de futbol. Un comercial de 1 minuto
en una serie cómica cuesta 50,000, y uno de 1 minuto en un juego de fútbol, cuesta
100,000. Audi quisiera que por lo menos 28 millones de mujeres de ingresos altos y
24 millones de hombres de ingresos altos vieran los comerciales.
Use P.L. para determinar como Audi puede alcanzar sus requerimientos publicitarios
a un costo mínimo.
Variables:
X1 : # de comerciales de 1 minuto en series de Tv
X2 : # de comerciales de 1 minuto en partidos de futbol
F.O. Min costos = Min Z= 50 X1 + 100 X2
Restricciones:
7X1 + 2 X2 >= 28
2 X1 + 12 X2 >= 24
X1 ≥ 0
X2 ≥ 0

PROGRAMACIÓN LINEAL – CASOS ESPECIALES
Se verán tres tipos de PL que no tienen soluciones óptimas únicas:
1. P.L. con número infinito de soluciones óptimas (soluciones óptimas alternativas

o múltiples)
2. P.L. que no tienen soluciones factibles.
3. P.L. no acotados: hay puntos de la región factible con valores de Z
arbitrariamente grandes (en problemas de Max.)
P.L. DE SOLUCIONES ÓPTIMAS ALTERNATIVAS O MÚLTIPLES:

Ejemplo
Una Cia. Automotriz produce automóviles y camiones. Cada vehículo tiene que pasar
por taller de pintura y de montaje. Si el taller de pintura pintara solo camiones, se
podrían pintar 40 camiones al día, y si pintara solo autos se pintarían 60 al día. Si el
taller de montaje produjera solo autos, podrían fabricar 50 autos al día, y si produjera
solo camiones podrían fabricar 50 camiones. Cada camión aporta a la utilidad $300,
y cada auto $200. Utilice P.L. para determinar la producción diaria que maximizará la
ganancia de la Cia.
Variables:
(se pide determinar la producción)
X1 : # de camiones a producir
X2 : # de autos a producir
(la utilidad es .... , entonces se max)
Max Z = 3X1 + 2 X2 (en cientos $) (1)
Restricciones (se tienen dos restricciones):
Restricción 1, la fracción del día que el taller de pintura está trabajando es menor que
o igual a1
Entonces:
Fracción del día que el taller

de pintura trabaja en camiones = (Fracción de día/camión) (camiones/día)= 1/40X1
de pintura trabaja en autos = 1/60X2
de montaje trabaja en camiones = 1/50X1
de montaje trabaja en autos = 1/50X2
1/40X1 + 1/60X2 ≤1 (restricción de taller de pintura) (2)
1/50X1 + 1/50X2 ≤ 1(restricción de taller de montaje) (3)
X2 ≥ 0 (restricción de signo) (5

Escogemos como línea de isoutilidades, la que pasa por el punto (0,20), ya que
Z=3X1 + 2 X2= Z=3(20) + 2(0)= 60, examinando las siguientes líneas de isoutilidad se
obtiene la óptima (óptimas), uno de los puntos (40,0), Z=3X 1 + 2 X2= Z=3(40)= 120.
X2
B
60
D
50
40
30
E
20
10
A
X1
F 10 20 30 40 50 C
El P.L. de la Cia. Tiene un número infinito de soluciones óptimas. Esto se debe a que
al salir una línea de isoutilidad de la región factible corta todo un segmento rectilíneo,
correspondiente a la solución obligatoria (segmento de recta AE).

P.L. NO FACTIBLE.
Es posible que la región factible de un P.L. esté vacía. Ya que la solución óptima de
un P.L. es un punto en la región factible, un P.L. no factible no tiene solución óptima.
Ejemplo:
Suponga que los distribuidores de autos requiere que la compañía automotriz del
ejemplo anterior produzca por lo menos 30 camiones y 20 autos. Encuentre la
solución óptima para el nuevo P.L.
Se añaden las restricciones:
X1 ≥ 30
X2 ≥ 20
Entonces:
B
60
D
50
40
30
E
20
10
A
X1
F 10 20 30 40 50 C
Es obvio que no existe punto que satisfaga todas las restricciones, por lo que
decimos que se trata de un P.L. no factible.
El ejemplo no es factible con las nuevas restricciones ya que se requieren más

tiempo en el taller de pintura que el que se dispone.

P.L. NO ACOTADO.
Para un problema de maximización, un P.L. no acotado se presenta cuando es

posible encontrar puntos en la región factible con valores arbitrariamente grande para
quien toma las decisiones.
Para un problema de minimización, un P.L. es no acotado si existen puntos en la

región factible, con valores de Z arbitrariamente pequeños. Un problema de
minimización no es acotado, si nunca salimos de la región factible, al movernos en la
dirección en que decrece Z.
Resuelva gráficamente.
Max Z = 2X1 - X2 (1)
s.a.
X1 - X2 ≤1 (2)
2X1 + X2 ≥ 6 (3)
X1, X2 ≥ 0 (4)
X2
D
B
6
A C
X1
F 1 2 3 4 5
cualquier línea de isoutilidad corta a la región factible ( se debe a que cualquier línea
de isoutilidad es mas inclinada que la recta X 1 - X2=1)

Ejercicios:
Identifique cuál de los casos corresponde a los siguientes P.L.
1. Max Z = X1 + X2
s.a.
X1 + X 2 ≤ 4
X1 - X 2 ≥ 5
X1, X2 ≥ 0
2. Max Z = 4X1 + X2
s.a.
8X1 + 2X2 ≤ 16
5X1 + 2X2 ≤ 5
X1, X2 ≥ 0
3. Max Z = -X1 + 3X2

s.a.
X1 - X 2 ≤ 4
X1 - 2X2 ≥ 4
X1, X2 ≥ 0
4. Max Z = 3X1 + X2
s.a.
2X1 + X2 ≤ 6
X1 – 3 X 2 ≤ 9
X1, X2 ≥ 0
5. Max Z = 4X1 + X2
s.a.
8X1 + 2X2 ≤ 16
5X1 + 2X2 ≤ 12
X1, X2 ≥ 0

FORMULACIÓN DE DIFERENTES MODELOS
Ejemplo1. En Piura se pretende hacer inversiones cuantiosas en el cultivo de palta,

limón, mango y mango papaya. Se persiguen dos objetivos, uno es el reducir el
desempleo y otro aumentar las exportaciones. La producción promedio se da en el
siguiente cuadro.
Tipo de planta Producción promedio anual Observación

(en unidades) (en Kg)
Palta 350 150 Una vez al año
Limón 230 200 Una vez al año
Mango 150 50 Una vez al año
Mango papaya 400 150 Una vez al año
El precio promedio en el extranjero del año anterior fue de $10/kg palta, $4/kg limón,
$15/kg mango y $7/kg mango papaya. Se tiene una extensión de terreno de
250,000m2 de tierra del estado ideal para cultivo. Los estudios han determinado que
las siguientes extensiones mínimas son necesarias para estos productos.
Tipo de planta Extensión mínima de cultivo por

plantón
Palta 4 m2
Limón 5 m2
Mango 3 m2
Mango papaya 6 m2
Los costos de sembrar los plantones es de: $2 palta, $0.5 limón, $1 mango y $1.5
mango papaya (incluyen la compra del plantón más su cuidado y mantenimiento) cada
árbol empieza a producir aproximadamente a los tres años de ser plantado. Cada
árbol de palta requiere de 36 horas-hombre/año; 72horas-hombre/año el de limón,
50horas-hombre/año el de mango y 100horas-hombre/año el de mango papaya.
El gobierno pretende hacer una inversión de 20 millones de dólares, pensando

exportar toda la producción a partir del 3er año. El desempleo se ha calculado en 500
personas, y el gobierno ha delineado que este proyecto emplee al menos 200
personas.
¿Cuántos árboles de cada planta deberán sembrarse con el objetivo de maximizar el

valor de la exportación futura (VEF)?
Variables:
X p: # de árboles de palta a sembrarse
Xl : # de árboles de limón a sembrarse
X m: # de árboles de mango a sembrarse
X mp: # de árboles de mango a sembrarse

El VEF se denotará: precio*Kg producidos* X i
Donde i = palta, limon, mango, mango papaya
Maximizar VEF= (10) (150) X p + (4) (200) X l + (15)(50) X m + (7)(150) X mp
La restricción de extensión de restricción de terreno

4 X p + 5 X l + 3 X m + 6 X mp ≤ 250,000m2
La restricción de inversión inicial

2 X p + 0.5 X l + 1 X m + 1.5 X mp ≤ 20,000,000
La condición de empleo mínimo:

Se hará la conversión del mínimo de empleados a horas laborales producidas al año.
∑(horas-hombre/año-arb. i) (arb i) ≥ (horas-hombre- dia/dia año)

36 X p + 72 X l + 50 X m + 100 X mp ≥ 8x 200x365
Restricciones de no negatividad:
X p , X l , X m , X mp ≥ 0 y entero
Ejemplo 2. planeación de producción.
Se procesan tres productos a través de tres operaciones diferentes. Los tiempos

(minutos) requeridos por cada unidad de producto, la capacidad diaria de
operaciones (minutos por día) y el beneficio por unidad vendida de cada producto en
$ son:
Operación Tiempo por unidad (minutos) Capacidad de

Producto 1 Producto 2 Producto 3 operación
(min. por día)
1 1 2 1 430
2 3 0 2 460
3 1 4 0 420
Ganancia por 3 2 5
unidad $
Los tiempos cero indican que el producto no requiere de operación dada. Todas la
unidades producidas se venden. Los beneficios dados son valores netos después de
deducir los costos. Determinar el la producción diaria óptima que logre el máximo
beneficio.
Las variables se identifican como:
Xi = número diario de unidades que debe fabricarse de cada producto.

Max Z = 3X1 + 2X2 + 5X3
s.a.
X1 + 2X2 + X2 ≤ 430
3X1 + 0X2 + 2X2 ≤ 460
X1 + 4X2 + 0X2 ≤ 420
X1, X2 , X 3 ≥ 0
Ejemplo 3. Un Fabricante de juguetes prepara un programa de producción para dos

juguetes, muñecas y soldados, con base en la información concerniente a los tiempos
de producción dados en la tabla siguiente:
Juguetes Maquina A Maquina B Acabado

Muñecas 2h 1h 1h
Soldados 1h 1h 3h
Las horas disponible por semana para la operación de la máquina A, 70 horas; para
la máquina B, 40 horas; para acabado 90 horas. Las utilidades en cada muñeca y
soldados son de $4 y $6, respectivamente. ¿cuántos juguetes de cada uno se debe
producir por semana a fin de maximizar la utilidad?
Ejemplo 4. Un fabricante produce dos tipos de parrillas para asar, parrilla1 y parrilla2,
para su producción, las parrillas requieren del uso de las máquinas A y B. El número
de horas necesarias para cada parrilla es de 2h en maq. 1 y 4h en maq.2 para la
parrilla1, la parrilla2 requiere 4h en maq.1 y 2h en maq.2.
Cada máquina puede usarse durante las 24 horas del día y las utilidades de los
modelos son de $4 y $6 respectivamente. ¿cuántas debe producirse para obtener
una utilidad máxima?
Ejemplo 5. Una dieta debe contener al menos 16 unidades de carbohidratos y 20 de

proteínas. El alimenta A contiene 2 unidades de carbohidratos y 4 de proteínas; el
alimento B contiene 2 unidades de carbohidratos y 1 de proteínas. Si el alimento A
cuesta $1.2 por unidad y el B $0.80 por unidad. ¿cuántas unidades de comprarse
para minimizar el costo? Diseñe como un P.L.
Ejemplo 6. Ejemplo de soluciones optimas múltiples:
Maximizar Z = 2X + 4Y
s.a.
X - 4y ≤ -8
X + 2Y ≤ 16
X≥0
Y≥0

Ejemplo 7. Suponga que un que un distribuidor de Tv tiene almacenes A y B y
bodegas C y D , el costo de enviar un tv de C a A es de $18 y de C a B es $9, de D a
A es $24 y de D a B es $15. Suponga que el almacén A ordena 25 Tv y el B ordena
30 Tv. La bodega C tiene 45 Tv y la bodega D 40 Tv disponibles. Minimice los costos
y determine el costo mínimo.
Ejemplo 8.
Suponga ahora que el almacén A requiere que se envíen por lo menos 25 Tv, y el B
que se le envíen por lo menos 30 Tv. Determine el nuevo modelo.
Ejemplo 9. Tres fabricas (fabrica 1, 2 , y 3) están dispuestas a lo largo de un rio.

Descargan dos tipos de contaminantes: 1 y 2 en el rio. Se podría reducir la
contaminación del rio si se procesaran los desechos de cada fábrica. El
procesamiento de una tonelada de desechos de la fábrica 1 cuesta $15, y cada
tonelada de desechos procesados de la fábrica 1 reducirá la cantidad de
contaminante 1 en 0.10 tonelada y la cantidad contaminante 2 en 0.45 tonelada. El
procesamiento de desechos de la fábrica 2, cuesta $10 y cada toneladas de
desechos procesados de la fábrica 2 reducirá la cantidad de contaminante 1 en 0.20
toneladas y la cantidad de contaminante 2 en 0.25 ton. El proceso de 1 ton. de
desechos de la fábrica 3, cuesta $20, y cada ton. de desechos procesados en la
fábrica 3 reducirá la cantidad de contaminante 1, en 0.40 ton. y la cantidad de
contaminante 2 en, 0.30 ton. El estado requiere reducir la cantidad de contaminante 1
en por lo menos 30 ton. Y de contaminante 2 en por lo menos 40 ton.
Formule el P.L. que minimizará el costo de reducir la contaminación en las cantidades

deseadas.
Ejemplo 10 LG produce dos modelos de Tv curvo, en la misma línea de ensamblaje, que consta de
tres estaciones. Los tiempos de ensamble se dan en la siguiente tabla:
Estación de trabajo Minutos por unidad de:

Tv1 Tv2
Estación 1 6 4
Estación 2 5 5
Estación 3 4 6
Se sabe que cada estación tiene una disponibilidad máxima de 480 minutos por día.
Sin embrago las estaciones de trabajo requieren mantenimiento diario, que constituye
al 10%, 14% y 12% de los 480 minutos totales de que se dispone diariamente en las
estaciones 1, 2 y 3 respectivamente.
La empresa desea determinar el número de unidades diarias producidas a fin de
minimizar la suma de los tiempos inactivos de las tres estaciones.
Resuelva este problema tomando en cuenta que tiene soluciones múltiples.
Nota: El tiempo de mantenimiento debe ser restado del tiempo total disponible en
cada estación


01 Clase de PL

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

01 Clase de PL

Uploaded by

Copyright:

Available Formats

Matemática Aplicada Programación Lineal

Facultad de Ciencias Contables

Facultad de Ciencias Contables

Un modelo de programación lineal esta compuesto de:

1. Variables y parámetros de decisión. Las variables de decisión son las

Ejemplo, f( X1, X2) = 2 X1 + X2 es una función lineal de X1 y X2, pero

Así, 2 X1 + 3 X2 ≤ 3 y 2 X1 + 3 X2 ≥ 3 son desigualdades lineales, pero

Cuando se formula un problema de toma de decisiones como un programa lineal, se

Facultad de Ciencias Contables

Forma estandar del modelo

Optimizar (maximizar o minimizar) Z = c1x1 + c2x2 +....+ cnxn,

a21x1 + a22x2 +....+ a2nxn < b2

am1x1 + am2x2 +....+ amnxn < bm

X1 ≥ 0, X2 ≥0, ..., Xn ≥0.

Definición de solución optima, para un problema de maximización, una solución

Definición. Un conjunto de puntos S es un conjunto convexo si el segmento

(a) (b) (c) (d)

Facultad de Ciencias Contables

Facultad de Ciencias Contables

X1 = el número de soldados a producir cada semana.

Función Objetivo. En cualquier problema de P.L., la persona que toma la decisión

Ingr. semanales = ingreso semanal de soldados + ingresos semanal por trenes

costos: costos semanales de materia prima = 10X1 + 9X2

Facultad de Ciencias Contables

(27X1 + 21 X2 ) – (10X1 + 9X2 ) – (14X1 + 10X2) = 3X1 + 2 X2

otra forma de plantear:

Restricciones: al aumentar X1 y X2, crece la F.O.( se puede fabricar y vender y

Restricción 1 No se puede usar mas de 100 horas de acabado cada semana.

Se supone que la cantidad de materia prima disponible es ilimitada, por lo tanto, no

Se tiene que representar de manera matemática el problema (F.O.y restricciones)

Horas totales acabado/sem =(h.de Acabado/soldado)(soldado hechos/semana) + (h.

= 2(X1)+ 1(X2) = 2X1 + X2 ≤100

Horas totales carpinteria/sem = (h.decarpinteria/soldado)(soldado hechos/semana) +

= 1(X1)+ 1(X2) = 1X1 + X2 ≤80

Restricciones de signo (o de no negatividad ) para completar la formulación de un

Si una variable de decisión X i solamente toma los valores no negativos añadimos la

Facultad de Ciencias Contables

Max Z = 3X1 + 2 X2 ( F.O.) (1)

2X1 + X2 ≤100 (restricción de acabado) (2)

Evaluamos cada punto extremo

Tomemos el punto (20,0) en Z = 3(20) + 2(0) = 60

entonces la línea de isoutilidad 3X1 + 2 X2 = 60 tiene una pendiente de –3/2.

El valor óptimo se obtiene sustituyendo los valores de Xi en la función objetivo

El valor óptimo de Z= 3(20) + 2(60) = 180

Facultad de Ciencias Contables

F.O. Min costos = Min Z= 50 X1 + 100 X2

Facultad de Ciencias Contables

Se verán tres tipos de PL que no tienen soluciones óptimas únicas:

1. P.L. con número infinito de soluciones óptimas (soluciones óptimas alternativas

P.L. DE SOLUCIONES ÓPTIMAS ALTERNATIVAS O MÚLTIPLES:

(la utilidad es .... , entonces se max)

Max Z = 3X1 + 2 X2 (en cientos $) (1)

Restricciones (se tienen dos restricciones):

Fracción del día que el taller

Facultad de Ciencias Contables

Facultad de Ciencias Contables

Se añaden las restricciones:

El ejemplo no es factible con las nuevas restricciones ya que se requieren más

Facultad de Ciencias Contables

Para un problema de maximización, un P.L. no acotado se presenta cuando es

Para un problema de minimización, un P.L. es no acotado si existen puntos en la

Max Z = 2X1 - X2 (1)

Facultad de Ciencias Contables