¿Cuáles son los supuestos de la programación lineal?

Linealidad, aditividad, divisibilidad y certidumbre. Todos deben cumplirse para que el problema sea válido bajo este enfoque.

Programación lineal en economía: optimización de recursos y método simplex

Q: ¿Dónde se encuentra la solución óptima en el método gráfico?

Siempre en uno de los vértices de la región factible o a lo largo de uno de sus bordes si hay múltiples soluciones óptimas.

Resumen

El documento explica la programación lineal como herramienta para optimizar la asignación de recursos limitados en la toma de decisiones empresariales. Describe el planteamiento del problema (variables de decisión, función objetivo y restricciones), sus pasos metodológicos y los supuestos que debe cumplir. Incluye el enfoque gráfico, el teorema de los puntos esquina y el inicio del método simplex tabular.

Puntos clave

Un problema de programación lineal busca maximizar o minimizar una función objetivo lineal sujeta a restricciones lineales.
Sus componentes son las variables de decisión, la función objetivo y las restricciones, además de la no negatividad.
Los supuestos críticos son linealidad, aditividad, divisibilidad y certidumbre.
En el enfoque gráfico, la región factible es la intersección de los semiplanos definidos por las restricciones.
La solución óptima se encuentra en un vértice de la región factible o a lo largo de uno de sus bordes.
El método simplex tabular es un algoritmo iterativo que parte de la forma estándar con variables de holgura.

Resumen generado con IA a partir del documento. Ponte a prueba

Concepto Fundamental

Es una de las herramientas matemáticas más poderosas y utilizadas en los modelos de optimización. Su objetivo principal es ayudar a las empresas y organizaciones a tomar decisiones eficientes, asignando recursos limitados (dinero, tiempo, mano de obra, maquinaria o materia prima) de la manera más óptima posible.

2.1 Planteamiento del Problema de Programación Lineal

Es una estructura matemática utilizada para maximizar (ganancias, eficiencia, rendimiento) o minimizar (costos, tiempo, desperdicio) una función lineal, sujeta a una serie de restricciones también lineales.

1. Componentes Esenciales del Planteamiento

1. Variables de Decisión (X₁, X₂, ..., Xₙ): Son las incógnitas que representan las cantidades que el tomador de decisiones debe determinar. Ejemplo: cantidad de productos a fabricar o número de horas máquina a utilizar.

2. Función Objetivo: Es la meta expresada matemáticamente de forma lineal. Puede ser:

Maximizar (Z): beneficios, utilidades, ingresos.
Minimizar (Z): costos, egresos, distancias, riesgos.

3. Restricciones: Son las limitaciones físicas, económicas, técnicas o contractuales que restringen los valores que pueden tomar las variables de decisión. Se expresan mediante inecuaciones (≤, ≥) o ecuaciones (=) lineales.

2. Pasos Metodológicos para el Planteamiento

Para traducir un problema del mundo real (texto) a un modelo matemático, se recomienda seguir estos pasos en forma secuencial:

Definir las variables: responder a las preguntas ¿qué tengo que decidir o calcular? Definir las unidades de medida (piezas/mes, toneladas, horas).
Identificar el objetivo: determinar si busca maximizar o minimizar y respecto a qué métrica (dinero, tiempo, unidades).
Construir la función objetivo: asociar los costos o beneficios unitarios correspondientes a cada variable de decisión.
Identificar y redactar las restricciones: traducir los límites de recursos (materia prima, mano de obra, demanda, capacidad) en expresiones algebraicas.
Añadir condiciones de entorno: incluir siempre la no negatividad y, si el problema lo requiere, restricciones enteras (programación entera).

3. Supuestos Críticos de la Programación Lineal

Para que un problema de optimización sea válido bajo este enfoque, debe cumplir obligatoriamente con cuatro supuestos:

Linealidad (proporcionalidad): la contribución de cada variable es estrictamente proporcional a su valor (sin economías de escala ni rendimientos decrecientes).
Aditividad: las contribuciones se suman directamente; no existen interacciones ni multiplicaciones entre variables (no se permite X₁ · X₂).
Divisibilidad: las variables pueden tomar cualquier valor real o fraccionario (si no, se requiere programación entera).
Certidumbre: todos los coeficientes (Cⱼ, Aᵢⱼ, bᵢ) son conocidos con certeza y son constantes durante el periodo de análisis.

4. Componentes Clave del Enfoque Gráfico

1. Las restricciones y la región factible: cada restricción (límites de tiempo, presupuesto o materia prima) se representa como una línea recta en un plano bidimensional (x₁, x₂). Las desigualdades (≤ o ≥) dividen el plano en dos mitades. La intersección de todos los semiplanos válidos genera la región factible: cualquier punto dentro de esta región cumple con todos los límites de recursos.

2. Líneas de iso-ganancia / iso-costo (isolíneas): la meta del problema se grafica sobre una recta llamada línea de contorno o iso-ganancia / iso-costo. Al cambiar el valor del beneficio o costo, la recta se desplaza de forma paralela en el plano.

Maximizar: la recta se desplaza hacia afuera del origen hasta el último punto de contacto con la región factible.
Minimizar: la recta se desplaza hacia el origen hasta el punto más bajo alcanzable.

5. Teorema Fundamental (Puntos Esquina)

Geométricamente, la solución óptima siempre se encuentra en uno de los vértices (esquinas) de la región factible, o a lo largo de uno de sus bordes si hay múltiples soluciones óptimas. Esto reduce la búsqueda de infinitas posibilidades a evaluar solo un número finito de intersecciones exactas.

6. Método Simplex Tabular

Es un algoritmo iterativo utilizado para resolver modelos de optimización de recursos mediante programación lineal. Su objetivo principal es maximizar ganancias o minimizar costos encontrando la asignación óptima de recursos limitados (tiempo, dinero, materia prima o mano de obra).

Componentes Esenciales

Función objetivo: ecuación a maximizar (Z) o minimizar. Ejemplo: Z = c₁x₁ + c₂x₂.

Restricciones de recursos: inecuaciones que limitan la capacidad. Ejemplo: a₁x₁ + a₂x₂ ≤ B₁.

Algoritmo y Pasos del Método Simplex

Forma estándar: sumar variable de holgura (sₙ) para restricciones ≤ e igualar Z a cero (Z − c₁x₁ − c₂x₂ = 0).
Tabla inicial: vaciar los coeficientes en una matriz estructurada.
Criterio de optimalidad (variable de entrada): elegir el coeficiente más negativo en la fila de Z (columna pivote). La variable