Universidad Mariano Glvez de Guatemala

Sede Universitaria Chiquimula

Maestra Direccin y Gestin del Recurso Humano
Ingeniera Claudia Esmeralda Villela
Mtodos Cuantitativos

Modelos Programacin Lineal

Erick Rigoberto Medina Cordn

3228- 09-1280

Chiquimula, 31 de julio del 2,016

ndice

Contenido
Introduccin................................................................................................................. i
I.

Modelos de Programacin Lineal..........................................................................3

A.

Definicin.............................................................................................................. 3

B.

Supuestos de la programacin lineal....................................................................4

C. Formulacin de modelos de programacin lineal..................................................6

D. Forma estndar de los modelos de programacin lineal.......................................8
E.

Otras formas de modelos de Programacin Lineal................................................9

F.

Solucin grfica de modelos lineales con dos variables.....................................10

G. . Modelo de Programacin lineal por el Mtodo grafico......................................10

H. Comparacin del mtodo Grfico y el mtodo Simplex......................................12
II.

CONCLUSIONES................................................................................................... 18

Bibliografa................................................................................................................ 20

Introduccin
Se conoce como programacin lineal a la tcnica de la matemtica que
permite la optimizacin de una funcin objetivo a travs de la aplicacin de
diversas restricciones a sus variables. Se trata de un modelo compuesto, por lo
tanto, por una funcin objetivo y sus restricciones, constituyndose todos estos
componentes como funciones lineales en las variables en cuestin. A lo largo de la
historia han existido diversos acontecimientos importantes relativos a la
programacin lineal, como son estos:

Durante la Segunda Guerra Mundial se mantuvo en secreto y fue utilizada

como mecanismo para poder gestionar y planificar todos los gastos. De esta
manera se pretenda, gestionar mejor los recursos propios y reducir lo mximo
posible lo que eran los costos del ejrcito.

Tres se consideran sus padres o creadores: el hngaro-estadounidense John

von Neumann, el profesor norteamericano George Dantzig y el matemtico de
origen ruso Leonid Kantorvich, que recibi el Premio Nobel de Economa en
1975.
Los modelos de programacin lineal contemplan que las variables de decisin (es
decir, la funcin objetivo y las restricciones) mantienen un comportamiento de tipo
lineal. Esto hace que, a travs de su mtodo, se puedan simplificar los clculos y
obtener un resultado prximo a la realidad.
Adems de todo lo expuesto, no podemos pasar por alto tampoco la existencia de
otra serie importante de conceptos que estn en relacin a la citada programacin
lineal. En este caso, nos estamos refiriendo a tres en concreto:

La Solucin factible, bajo esta denominacin se encuentra un recinto, que

puede estar acotado o no y que est determinado por lo que viene a ser el
conjunto de las restricciones de todos los semiplanos. Tambin es conocida por el
nombre de regin de validez.
La Solucin ptima. Se da en llamar as a lo que es el conjunto de todos los
vrtices del recinto. Hay que subrayar adems que, en concreto, esa puede ser
mnima o mxima segn cada caso.
EL Valor del programa lineal, en este caso, este viene a ser el valor que la
mencionada funcin objetivo toma en lo que es el vrtice de la solucin ptima.

I.

Modelos de Programacin Lineal

A. Definicin
Segn el autor (Anderson, 2005) muchas personas clasifican el desarrollo de
la Programacin Lineal (PL) entre los avances cientficos ms importantes de
mediados del siglo XX. En la actualidad es una herramienta comn que ha
ahorrado miles o millones de dlares a muchas compaas y negocios,
incluyendo industrias medianas

en

distintos

pases

del

mundo. Cul

es

la naturaleza de esta notable herramienta y qu tipo de problemas puede

manejar? Expresado brevemente, el tipo ms comn de aplicacin abarca el
problema general de asignar recursos limitados entre actividades competitivas de
la mejor manera posible (es decir, en forma ptima). Este problema de asignacin
puede surgir cuando deba elegirse el nivel de ciertas actividades que compiten por
recursos escasos para realizarlas. La variedad de situaciones a las que se puede
aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de
instalaciones productivas a los productos, hasta la asignacin de los recursos
nacionales a las necesidades de un pas; desde la planeacin agrcola, hasta
el diseo de una terapia de radiacin; etc. No obstante, el ingrediente comn de
todas estas situaciones es la necesidad de asignar recursos a las actividades.
Con frecuencia, seleccionar una alternativa incluye satisfacer varios criterios al
mismo tiempo. Por ejemplo, cuando se compra una pieza de pan se tiene el
criterio de frescura, tamao, tipo (blanco, integral u otro), costo y rebanado o sin
rebanar. Se puede ir un paso ms adelante y dividir estos criterios en dos
categoras: restricciones y el objetivo. Las restricciones son las condiciones que
debe satisfacer una solucin que est bajo consideracin. Si ms de una
alternativa satisface todas las restricciones, el objetivo se usa para seleccionar
entre todas las alternativas factibles. Cuando se elige una pieza de pan, pueden
quererse 100 gr. de pan blanco rebanado y hecho no antes de ayer. Si
varias marcas satisfacen estas restricciones, puede aplicarse el objetivo de un
costo mnimo y escoger las ms barata.
3

Existen muchos problemas administrativos que se ajustan a este molde de tratar

de minimizar o maximizar un objetivo que est sujeto a una lista de restricciones.
Un corredor de inversiones, por ejemplo, trata de maximizar el rendimiento sobre
los fondos invertidos pero las posibles inversiones estn restringidas por
las leyes y las polticas bancarias. Un hospital debe planear que las comidas para
los pacientes satisfagan ciertas restricciones sobre sabor, propiedades nutritivas,
tipo y variedad, al mismo tiempo que se trata de minimizar el costo. Un fabricante,
al planear la produccin futura, busca un costo mnimo al mismo tiempo cmo
cumplir restricciones sobre la demanda del producto, la capacidad de produccin,
los inventarios, el nivel de empleados y la tecnologa. La PL se ha aplicado
con xito a estos y otros problemas.
La PL es una tcnica determinista, no incluye probabilidades y utiliza
un modelo matemtico para describir el problema. El adjetivo lineal significa que
todas las funciones matemticas del modelo deben ser funciones lineales. En este
caso, la palabra programacin no se refiere a programacin en computadoras; en
esencia es un sinnimo de planeacin. As, la PL trata la planeacin de las
actividades para obtener un resultado ptimo, esto es, el resultado que mejor
alcance la meta especificada (segn el modelo) entre todas las opciones de
solucin. Aunque la asignacin de recursos a las actividades es la aplicacin ms
frecuente, la PL tiene muchas otras posibilidades. De hecho, cualquier problema
cuyo modelo matemtico se ajuste al formato general del modelo de PL es un
problema de PL.

B. Supuestos de la programacin lineal

Segn el autor (Beneke , 2006) existe un nmero de suposiciones realizadas
en cada modelo. La utilidad de un modelo est directamente relacionada con la
realidad de los supuestos. El primer supuesto tiene que ver con la forma lineal de
las funciones. Ya que el objetivo es lineal, la contribucin al objetivo de cualquier
decisin es proporcional al valor de la variable de decisin. Producir dos veces
ms de producto producir dos veces ms de ganancia, contratando el doble de

pginas en las revistas doblar el costo relacionado con las revistas. Es

una Suposicin de Proporcin.
Adems, la contribucin de una variable a la funcin objetivo es independiente
de los valores de las otras variables. La ganancia con una computadora Notebook
es de $10,750.00, independientemente de cuantas computadoras Desktop se
producen. Este es un Supuesto de Adicin.
Anlogamente, ya que cada restriccin es lineal, la contribucin de cada variable
al lado izquierdo de cada restriccin es proporcional al valor de la variable e
independiente de los valores de cualquier hora variable.
Estas suposiciones son bastante restrictivas. Veremos, sin embargo, que ser
claros y precisos en la formulacin del modelo puede ayudar a manejar
situaciones que parecen en un comienzo como lejanos a estos supuestos.
El siguiente supuesto es la Suposicin de ser Divisible. Es posible tomar una
fraccin de cualquier variable. Por ejemplo, en un problema de marketing, qu
significa comprar 2.67 avisos en la televisin? Es posible que la suposicin de ser
divisible sea insatisfecha en este ejemplo. O puede ser que tales unidades de 2.67
avisos correspondan a 2,666.7 minutos de avisos, en cuyo caso redondeando la
solucin seran 2,667 minutos con una mnima duda que est cercana a la
solucin ptima. Si la suposicin de divisible no es vlida, entonces se usar la
tcnica de Programacin Lineal Entera.
La ltima suposicin es el Supuesto de Certeza. La Programacin Lineal no
permite incertidumbre en los valores. Ser difcil que un problema cumpla con
todas las suposiciones de manera exacta. Pero esto no negar la factibilidad de
uso del modelo. Un modelo puede ser an til aunque difiera de la realidad, si se
es consistente con los requerimientos ms estrictos dentro del modelo y se tiene
claras sus limitaciones al interpretar los resultados.
Existen limitaciones prcticas para el uso de la PL. Una se relaciona con los
clculos. En general se necesita una computadora. Desafortunadamente, las
5

calculadoras, aun las programables, son poco tiles, puesto que la PL tiene
necesidad de gran cantidad de memoria o almacenamiento. Si no se tiene acceso
a una computadora, se estar limitado a problemas muy sencillos. La otra
limitacin se refiere al costo de formular un problema de PL. En teora, podra
usarse PL, por ejemplo, para hacer las compras semanales de abarrotes. Sin
embargo, sera necesario conocer todas las compras posibles que pueden
realizarse (stas seran las variables), adems de cada restriccin como sabor,
nmero de comidas, vitaminas y protenas. Es obvio que el costo de obtener todos
estos datos excede lo que se podra ahorrar si se hicieran las compras ptimas.
Antes de emprender una aplicacin de PL, debe considerarse la disponibilidad y el
costo de los datos necesarios.

A Formulacin de modelos de programacin lineal

Segn el autor (Moya, 2007) aunque se ponga en duda, la parte ms difcil de
PL es reconocer cundo sta puede aplicarse y formular el problema
matemticamente. Una vez hecha esa parte, resolver el problema casi siempre es
fcil.
Para formular un problema en forma matemtica, deben expresarse afirmaciones
lgicas en trminos matemticos. Esto se realiza cuando se resuelven "problemas
hablados" al estudiar un curso de lgebra. Algo muy parecido sucede aqu al
formular las restricciones. Por ejemplo, considrese la siguiente afirmacin: A usa
3 horas por unidad y B usa 2 horas por unidad. Si deben usarse todas las 100
horas disponibles, la restriccin ser:
3A + 2B = 100
Sin embargo, en la mayora de las situaciones de negocios, no es obligatorio
que se usen todos los recursos (en este caso, horas de mano de obra). Ms bien
la limitacin es que se use, cuando mucho, lo que se tiene disponible. Para este
caso, la afirmacin anterior puede escribirse como una desigualdad:
3A + 2B ? 100
Para que sea aceptable para PL, cada restriccin debe ser una suma de
variables con exponente 1. Los cuadrados, las races cuadradas, etc. no son
6

aceptables, ni tampoco los productos de variables. Adems, la forma estndar

para una restriccin pone a todas las variables del lado izquierdo y slo una
constante positiva o cero del lado derecho. Esto puede requerir algn reacomodo
de los trminos. Si, por ejemplo, la restriccin es que A debe ser por los menos el
doble de B, esto puede escribirse como:
A ? 2B A ? 2B ? 0
Ntese que pueden moverse trminos de un lado a otro de las desigualdades
como si fuera un signo de igualdad. Pero al multiplicar una desigualdad por ?1, el
sentido de esta desigualdad se invierte. Puede ser necesario hacer esto para que
los coeficientes del lado derecho sean positivos. Por ejemplo, si se quiere
que A sea por lo menos tan grande como B ? 2, entonces:
Una nota final sobre desigualdades: es sencillo convertir una desigualdad en
una ecuacin. Todo lo que se tiene que hacer es agregar (o restar) una variable
extra. Por ejemplo:
B? A ? 2

es lo mismo que

B?A+S=2

En donde S representa la diferencia, o la holgura, entre B? A y 2. S se

llama variable de holgura. Por otro lado, se restara una variable de supervit en el
caso siguiente:
A ? 2B ? 0

es lo mismo que

A ? 2B ?S = 0

Algunos mtodos de solucin (como el Mtodo Smplex) y la mayora de

los programas de
ORCourseware,

computadora
que

acompaa

(como

el

MathProg,

al libro "Introduccin a

que

viene

en

el

la Investigacin

de

Operaciones" de los autores Hillier y Lieberman) requieren que todas las

desigualdades se conviertan en igualdades.
La metodologa de PL requiere que todas las variables sean positivas o cero,
es decir, no negativas. Para la mayora de los problemas esto es real, no se
querra una solucin que diga: prodzcanse menos dos cajas o contrtense
menos cuatro personas.

Mientras que no existe un lmite en el nmero de restricciones que puede tener

un problema de PL, slo puede haber un objetivo. La forma matemtica del
objetivo se llama funcin objetivo. Debe llevar consigo el maximizar o minimizar
alguna medida numrica. Podra ser maximizar el rendimiento, la ganancia, la
contribucin marginal o los contactos con los clientes. Podra ser minimizar el
costo, el nmero de empleados o el material de desperdicio. Con frecuencia el
objetivo es evidente al observar el problema.
Como el valor de la funcin objetivo no se conoce hasta que se resuelve el
problema, se usa la letra Z para representarlo. La funcin objetivo tendr,
entonces, la forma:
Maximizar

Z = 4A + 6B

Minimizar

Z = 2x1 + 5x2

Se analiza una aplicacin para ilustrar el formato de los problemas de

Programacin Lineal.

A Forma estndar de los modelos de programacin lineal

Segn el autor (Weber, 2006) supngase que existe cualquier nmero
(digamos m) de recursos limitados de cualquier tipo, que se pueden asignar entre
cualquier nmero (digamos n) de actividades competitivas de cualquier clase.
Etiqutense los recursos con nmeros (1, 2, ..., m) al igual que las actividades (1,
2, ..., n). Sea xj (una variable de decisin) el nivel de la actividad j, para j = 1,
2, ..., n, y sea Z la medida de efectividad global seleccionada. Sea cj el incremento
que resulta en Z por cada incremento unitario en xj (para j = 1, 2, ..., n). Ahora sea
bi la cantidad disponible del recurso i (para i = 1, 2, ..., m). Por ltimo defnase aij
como la cantidad de recurso i que consume cada unidad de la actividad j (para i =
1, 2, ..., m y j = 1, 2, ..., n). Se puede formular el modelo matemtico para el
problema general de asignar recursos a actividades. En particular, este modelo
consiste en elegir valores de x1, x2, ..., xn para:
Maximizar Z = c1x1 + c2x2 + ... + cnxn,
sujeto a las restricciones:

a11x1 + a12x2 + ... + a1nxn ? b1

a21x1 + a22x2 + ... + a2nxn ? b2
am1x1 + am2x2 + ... + amnxn ? bm y
x1 ? 0,

x2 ?0,

...,

xn ? 0

sta se llamar nuestra forma estndar (porque algunos libros de texto adoptan
otras formas) para el problema de PL. Cualquier situacin cuya formulacin
matemtica se ajuste a este modelo es un problema de PL.
En este momento se puede resumir la terminologa que usaremos para los
modelos de PL. La funcin que se desea maximizar, c1x1 + c2x2 + ... + cnxn, se
llama funcin objetivo. Por lo general, se hace referencia a las limitaciones
como restricciones. Las primeras m restricciones (aquellas con una funcin del
tipo ai1x1 + ai2x2 + ... + ainxn, que representa el consumo total del recurso i)
reciben el nombre de restricciones funcionales. De manera parecida, las
restricciones xj ? 0 se llaman restricciones de no negatividad. Las variables xj son
las variables de decisin. Las constantes de entrada, aij, bi, cj, reciben el nombre
de parmetros del modelo.

A Otras formas de modelos de Programacin Lineal.

Segn el autor (Camm & Evans, 2006) es conveniente agregar que el modelo
anterior no se ajusta a la forma natural de algunos problemas de programacin
lineal. Las otras formas legtimas son las siguientes:
1. Minimizar en lugar de maximizar la funcin objetivo:
Minimizar Z = c1x1 + c2x2 + ... + cnxn,
2. Algunas restricciones funcionales con desigualdad en el sentido mayor o igual:
ai1x1 + ai2x2 + ... + ainxn, ? bi,

para algunos valores de i,

3. Algunas restricciones funcionales en forma de ecuacin:

ai1x1 + ai2x2 + ... + ainxn, = bi,

para algunos valores de i,

4. Las variables de decisin sin la restriccin de no negatividad:

xj no restringida en signo para algunos valores de j.

Cualquier problema que incluya una, varias o todas estas formas del modelo
anterior tambin se clasifica como un problema de PL, siempre y cuando stas
sean las nicas formas nuevas introducidas. Puede ser que la interpretacin que
se ha dado de asignacin de recursos limitados entre actividades que compiten no
se aplique, pero independientemente de la interpretacin o el contexto, lo nico
que se necesita es que la formulacin matemtica del problema se ajuste a las
formas permitidas. Se ver que estas otras cuatro formas legales se pueden
reescribir en una forma equivalente para que se ajuste al modelo que se present.
Entonces, todo problema de PL se puede poner en nuestra forma estndar si se
desea.

C. Solucin grfica de modelos lineales con dos variables

Para la solucin grfica de programas lineales con dos variables, lo que se
tiene que hacer es trazar un eje de coordenadas cartesianas, para graficar las
desigualdades dadas por el problema, despus encontrar el rea de Soluciones
Factibles y proceder a graficar la funcin objetivo para conocer el valor ptimo
(maximizar o minimizar) que ser la solucin del problema.

D. . Modelo de Programacin lineal por el Mtodo grafico

Maximizar

Z = f(x,y) = 3x + 2y

sujeto a:

2x + y 18
2x + 3y 42
3x + y 24
x0,y0

1.

Inicialmente se dibuja el sistema de coordenadas asociando a un eje la

variable "x" y al otro la "y" (generalmente se asocia 'x' al eje horizontal e 'y' al
vertical), como se puede ver en la figura.

2.

Se marca en dichos ejes una escala numrica apropiada a los valores que
pueden tomar las variables de acuerdo a las restricciones del problema. Para ello
10

en cada restriccin se hacen nulas todas las variables excepto la correspondiente

a un eje concreto, determinndose as el valor adecuado para dicho eje. Este
proceso se repite para cada uno de los ejes.
3.

A continuacin se representan las restricciones. Comenzando con la

primera, se dibuja la recta que se obtiene al considerar la restriccin como
igualdad. Aparece representada como el segmento que une A con B y la regin
que delimita sta restriccin viene indicada por el color AMARILLO. Se repite el
proceso con las dems restricciones, quedando delimitadas la regin de color
AZUL y ROJO para la segunda y tercera restriccin respectivamente.

4.

La regin factible es la interseccin de las regiones delimitadas tanto por el

conjunto de restricciones, como por las condiciones de no negatividad de las
variables, es decir, por ambos ejes de coordenadas. Dicha regin factible est
representada por el polgono O-F-H-G-C, de color VIOLETA.
Grafica No. 1. Representacin del Mtodo Grafico

11

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.

Punto extremo

Coordenadas (x,y)

Valor objetivo (Z)

(0,0)

(0,14)

28

(3,12)

33

Como

existe

(6,6)

30

una

regin

(8,0)

24

factible,

5.

se procede a determinar sus puntos extremos, o vrtices del polgono que

representa.
Tabla No.1 Ejemplo de Mtodo Grafico

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
6.

Finalmente, se evala la funcin objetivo (3x + 2y) en cada uno de esos

puntos (resultado que se recoge en la tabla siguiente). Como el punto G
proporciona el mayor valor a la funcin Z y el objetivo es maximizar, tal punto
constituye la solucin ptima: Z = 33 con x = 3 e y = 12.

12

E. Comparacin del mtodo Grfico y el mtodo Simplex

Las

sucesivas

tablas

construidas

durante

el

mtodo

Simplex

van

proporcionando el valor de la funcin objetivo en los distintos vrtices de la regin

factible, ajustndose, a la vez, los coeficientes de las variables iniciales y de
holgura.
En la tabla inicial se ha calculado el valor de la funcin objetivo en el vrtice O,
cuyas coordenadas (0,0) se corresponden con el valor que tienen las variables
bsicas, siendo el resultado 0.
Tabla No.2 Ejemplo de Mtodo Grafico y Mtodo Simplex

Base
P3
P4
P5
Z

Cb
0
0
0

Tabla II. Iteracin n2

3
2
P0
P1
P2
18
2
1
42
2
3
24
3
1
0
-3
-2

0
P3
1
0
0
0

0
P4
0
1
0
0

0
P5
0
0
1
0

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
Grafica No. 2 Comparacin del Mtodo Grafico y Mtodo Simplex

13

Mtodo

grafico Recuperado

del http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de
enero 2015.
La variable que entra a la base en el mtodo Simplex determina hacia qu
nuevo vrtice se realiza el desplazamiento. En este ejemplo, como entra P1
(correspondiente a 'x'), el desplazamiento se lleva a cabo por la arista OF hasta
llegar al vrtice F, donde se calcula el valor que toma la funcin Z. Este paso se
produce en la segunda iteracin del mtodo Simplex, mostrado en la Tabla II. En
ella se ha calculado el valor que corresponde al vrtice F obtenindose un valor Z
= 24 para la funcin.
Tabla III . Iteracin n 3
3

Base

Cb

P0

P1

P2

P3

P4

P5

P3

1/3

-2/3

P4

26

7/3

-2/3

P1

1/3

1/3

24

-1

Tabla No.3 Ejemplo de Mtodo Grafico y Mtodo Simplex

Mtodo grafico Recuperado del
http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
14

Grafica No. 3 Comparacin del Mtodo Grafico y Mtodo Simplex

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
Se realiza un nuevo desplazamiento por la arista FH, hasta llegar a H (datos
en la Tabla III). En esta tercera iteracin se calcula el valor de la funcin en el
vrtice H, obtenindose Z = 30.
Tabla No.4 Ejemplo de Mtodo Grafico y Mtodo Simplex
Tabla IV . Iteracin n 4
3

Base

Cb

P0

P1

P2

P3

P4

P5

P2

-2

P4

12

-7

P1

-1

30

-1

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
Grafica No. 4 Comparacin del Mtodo Grafico y Mtodo Simplex
15

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
Se contina el proceso a travs de la arista HG, hasta llegar al vrtice G. Los
datos obtenidos se reflejan en la Tabla IV. En este punto acaba el proceso,
pudindose comprobar que la solucin no mejora al desplazarse por la arista GC
hasta el vrtice C (no supera el valor actual de la funcin).
Tabla No.5 Ejemplo de Mtodo Grafico y Mtodo Simplex
Tabla V. Iteracin n 5
Base

Cb

P3

P4

P5

P2

0
12

1
0

2
1

P5

1/2
-

P1

7/4
3/4

-1/4

33

5/4

1/4

16

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.
Grafica No. 5 Comparacin del Mtodo Grafico y Mtodo Simplex

Mtodo grafico Recuperado del

http://www.phpsimplex.com/ejemplo_metodo_grafico.htm 25 de enero
2015.

El valor mximo de la funcin objetivo es 33, y corresponde a los valores x = 3

e y = 12 (coordenadas del vrtice G).
Con el mtodo Grfico es necesario calcular el valor de la funcin objetivo en
todos los vrtices de le regin factible, mientras que el mtodo Simplex acaba en
cuanto halla el valor ptimo.

17

II.

CONCLUSIONES

1. La programacin lineal es una tcnica poderosa para tratar problemas de

asignacin de recursos escasos entre actividades que compiten, al igual
que otros problemas cuya formulacin matemtica es parecida. Se ha
convertido en una herramienta estndar de gran importancia para muchas
organizaciones industriales

y de negocios. An ms, casi cualquier

organizacin social tiene el problema de asignar recursos en algn contexto

y cada vez mayor el reconocimiento de la aplicabilidad tan amplia de esta
tcnica.
2. Sin embargo, no todos los problemas de asignacin de recursos limitados
se pueden formular de manera que se ajusten a un modelo de
18

programacin lineal, ni siquiera como una aproximacin razonable. Cuando

no se cumplen una o ms de las suposiciones de programacin lineal, tal
vez sea posible aplicar otro tipo de modelos matemticos, por ejemplo, los
modelos de programacin entera o de programacin no lineal.
3. Para lograr maximizar los beneficios en una empresa, productora, etc. es
necesario un complejo proceso o mtodo, en este caso sera la
programacin lineal. No es algo que se debe calcular o estimar ya que
puede interferir en la poltica econmica de una empresa y afectar en su
desarrollo.
4. La programacin lineal no puede ser puesta en prctica sin antes tener
nociones de conocimiento y practica bsicas de los sistemas lineales, ya
que stos son las bases de las programaciones lineales. La programacin
lineal se resuelve mediante los sistemas lineales.
5. La programacin lineal no solo es utilizada en mbitos relacionados con las
matemticas sino en situaciones de la vida diaria, en los cuales uno desea
desenvolverse y prosperar; es uno de los mtodos ms eficientes.

19

Bibliografa

Anderson, S. D. (2005). Metodos Cuantitativos para los Negocios. Mexico:

Thomson.
Beneke , R. (2006). Programacion lineal para las empresas. Espaa: AEDOS.
Camm, J., & Evans, J. (2006). Management Sciencie and Desicion Tecnology.
Mexico: Mc Graw Hill.
Moya, M. (2007). La programacion lineal. Costa Rica: EUNED.
Weber, J. (2006). Matematica para Administracion y Economia. Mexico: Hala.

20