QUÉESUNAECUACI

ÓN?

Según l os exper tos en Matemática, una ecuación 

( concepto derivado del
l
atí
n aequat i
o) const i
tuye una i
gualdad 
donde apar ece como mí nimo 
una
i
ncógnita que exige serdev el
ada porquien r esuelve elej er
cici
o.Se conoce
como mi embr os 
acadaunadel asexpresi
ones algebraicas quepermitenconocer
l
osdat os( esdecir,l
osv al
oresyaconocidos)yl asincógni tas(l
osv al
oresqueno
sehandescubi er
to)vi
nculadosatravésdediversasoper acionesmat emáticas.

TI
POSDEECUACI
ONES

ECUACI
ONESPOLI
NOMI
CAS

1.Ecuaci
onesdepri
mergradool i
neal
es
Sondeltipo 
ax+b=0  ,cona≠0,ócual qui
erotraecuaci
ónenl
aquealoper
ar,
tr
asponertér
minosysi
mplif
icaradopt
anesaexpr
esión.
 (x+1)2 =x2 
-2
 x2 +2x+1=x2 -2
 2x+1=- 2
 2x+3=0

2.Ecuaci
onesdesegundogr adoocuadrát
icas
Sonecuacionesdel
tipo 
ax2 +bx+c=0, cona≠0.
Ecuaci
onesdesegundogr adoincompl
etas
 ax2 =0
 ax2 +b=0
 ax2 +bx=0

3.Ecuaci
onesdetercergr
ado
Sonecuacionesdel
tipo 
ax3 
+bx2 
+cx+d=0,
cona≠0.

4.Ecuaci
onesdecuar t
ogr ado
Sonecuacionesdel
tipo ax4 +bx3 
+cx2 
+dx+e=0,
cona≠0.

5.Ecuaci
onesbicuadr
adas
Sonecuacionesdecuart
ogradoquenot
ienet
érmi
nosdegr
adoi
mpar
.
ax4 
+bx2 +c=0, cona≠0.

6.Ecuaci
onesdegradon
Engeneral
,l
asecuacionesdegradonsondel
afor
ma:
a1xn 
+a2xn-1 
+a3xn-2 +..
.+a0 
=0

MÉTODOALGEBRAI
CODESUMAYRESTA

Est
emét
odoseapl
i
caenl
aresol
uci
óndesi
stemasdedosecuaci
onescondos
i
ncógnitasoincl
usocont r
es.
Enesenciaconsisteprimeroenv ersialgunadel asincógni
tastieneelmismo
coefi
cient
eenambasecuaci ones,
sinoesasísetratadeacomodarpar aqueasílo
sea.Luego,rest
andoosumandomi embroami embr olasecuaci
ones,seobt i
ene
unaecuaciónconunai ncógni
tamenos,estoqui
eredecirqueser edujoelnúmero
deincógnit
as,deal
líel
nombr edereducci
ónoeli
mi naci
ón.

Pasospar
aresol
verel
mét
ododesumayr
est
a

Lospasosasegui rson:
1.-Preparamosambasecuaci ones,mul ti
pli
cando( di
vidiendo)porunaconst ante
(número)adecuadapar aqueunadel asincógnitastengaelmi smocoef iciente,
salvosignoquepuedeserposi tivo(onegativ
o),enambasecuaci ones.
2.-Restamos( osumamos) ,segúnsi gnodelcoef i
ciente,miembroami embr o
ambasecuaci onesyconel lodesapareceunai ncógnit
a,asír educi
moselnúmer o
deecuaci ones,ennuest r
ocasoaunaecuaci ón.
3.-Resolvemosl aecuaciónobteni
da.
4.-Luegoaest eresult
adololl
evamosacual quieradelasdosecuaci onesinicial
es
paraobt enerlaotraincógni
ta(opodemosempl earlami smat écni
capar adespejar
l
aotrai
ncógni
ta)
.
5.
-Veri
fi
carl
asoluci
ónobt
eni
da,
enambasecuaci
ones.

METODODESUSTI
TUCI
ON

Básicamente,el mét ododesust i
tución consist
een:
1.Despej arunai ncógni taenunadel asecuaci
ones,quequedaráenf unciónde
l
aotraincógni t a( seguir
emost eniendounaecuación).
2.Enl aot raecuaci ónquenohemosut i
li
zado,sesusti
tuyelamismai ncógni
ta
por
 elvalor obt enidoenel paso1.
3.Despej arlaúni cai ncógnit
aquenosquede.Obt enemoselv al
ornumér icode
unaincógni ta.
4.Sust i
tuirlaincógni tadespejadaenelpaso3porsuv al
ornumérico(también
obt
enidoenel paso3)enl aecuaci ónobteni
daenel paso1.
5.Oper arpar aobt enerel val
ornumér icodelaotrai
ncógnita.

MÉTODODEI
GUALACI
ÓN

 ¿Porquésel lamamét ododei gual

ación?
Este mét odo consiste en despej arla mi sma incógnit
a de las dos ecuaciones y
posteri
ormenteigualar(deahísunombr e)lossegundosmi embrosdeesosdespej es,val
e
decirl
asdosexpr esionesal gebraicasresul
tantes.
Deest emodoquedaunaecuaci óndepr imergradoconunasol aincógnitaquedebes
resolv
er,hall
andolai ncógnita.Sust it
uyendoesev alorenlasdosecuacionesorigi
nalesy
despejandolaotraincógnita,resolveráselsist
emai ni
cial
.
 Pasospar aresolverunsi stema
1. Sedespejalamismai ncógni t
aenambasecuaci ones.
2. 
Seigualanlasexpresiones, conl oqueobtenemosunaecuaci ónconunai ncógnit
a.
3.
 Seresuelvelaecuación.
4.
 Elvalorobtenidosesusti
tuy
eencualquier
adel asdosexpresi
onesenl
asqueapar
ecí
a
despejadalaotraincógni
ta.
5.
 Losdosv aloresobteni
dosconst
it
uyenlasoluci
óndelsi
stema.

MÉTODOALGEBRAI
CODEDETERMI
NANTES

Seempl
eaest
emét
odocuandol
asecuaci
onesdelsi
stemaposeencoef
ici
ent
es,
vamosa
consi
der
arel
sigui
ent
esi
stema:

Elpasosi
gui
ent
eesai
slarl
oscoef
ici
ent
esdel
asi
ncógni
tasa,bycenelor
denenque
apar
ecenpar
ahal
l
arl
asol
uci
ónal
sist
ema

Unmét
odopar
aresol
verelsi
stemadeecuaci
onesl
i
neal
esesmedi
ant
eelcál
cul
ode
det
ermi
nant
es(
Δ).

Enest
ecasoset
rabaj
acondet
ermi
nant
esdel
afor
ma(
2x2)
,est
osedet
ermi
napor
que
haydosel
ement
osenl
asf
il
asydosel
ement
osenl
ascol
umnas.

Elr
esul
tadoseal
canzaconunamul
ti
pli
caci
óncr
uzada:alpr
imerpr
oduct
osel
erest
ael
segundo

Conest
oseobt
ienel
asol
uci
ónal
sist
emamedi
ant
elar
elaci
ón:
 METODODEELI
MINACI
ÓNDEGAUSS

Esunmét odonumér icoqueseut i

li
zapar areduci runamat ri
z.Esdeci r,par
al levar
l
amat r
izal af ormaescal onadar educi daporr englones.Hayot rosmét odoscomo
Gauss- Jor dánoMont ante.El mét odoconst adedosf ases:
1.)L apr imer acuy of inesescal onarl amat r
iz:est olohacedei zquierdaader echa
ydear ribahaci aabaj o.
2.)L asegundadonder educe:est olohacedeabaj ohaciaar ribaydeder echaa
i
zqui erda
Ensuapl icaci ónsol or equiereoper acionesel ement al
esder englón.Elusode
el i
minaci ón Gaussi ana no sol o se l i
mi taar esolversistemas de ecuaci ones
linealessi not ambi énsepuedeapl i
caralcál cul odei nversasdemat ri
cesoal a
compar aci óndeespaci osgener ados.Esdeci r
,esunmét odogenér i
coyporl o
tanto,nodebesuponerquel amat rizesunamat ri
zaument adadeunsi stema.
Hast aelmoment o,eselmét odoquer equieremenosoper acionesar i
tmét icas
cuandoseapl icaaunamat rizgener al.
Pasosdel algor it
modeEl iminaciónGaussi ana:
FasedeEscal onami ento:
1.)De termi nel apr imer acol umna( al aizquierda)nocer o.
2.) Sie lpr imerel ement odel acol umnaescer o,inter
cambi eelr englónporun
rengl óni nferi
orquenot engacer oenesaposi ción.
3.)Pore limi naci ón,obt engacer osabaj odelel ement odel antero( pi
vote)enl os
rengl onesdebaj odeél .
4.)Cubr aelr englónyl acol umnadet rabajoyr epitaelprocesocomenzandoenel
paso1.
FasedeReducci ón:
5.)Come nzandoconelul t
imor englónnocer oav ancehaci aar r
ibaescalandoel
rengl ón par a obt enerun 1 del antero( pi vote)yhaga cer os arri
ba de ´ el
util
izandoel imi naci ón.

EJERCI
CIO
Empleeelmétododeel i
minaci
óndegausspar
ahal
l
alasol
uci
ónalsi
gui
ent
e
si
stemadeecuaci
ones.

Pri
meroprocedemosar eal
i
zarl
amatr
iz
3 – 0, 1-0,2=7,85
0,
1+7-0, 3=- 19,
3
0,
3– 0,2+10 =71, 4
Luegomedianteoperaci
onesdefi
l
asycolumnaspr
ocedemosael
i
minarl
afi
l
a2
delapr
imeracolumna
3 – 0, 1-0,2=7,85
0,1
0,
1+7-0, 3=- 19,
3 F2=F2- ( F1)
3
0,
3– 0,2+10 =71, 4
Entoncestenemos:
3 – 0, 1 -0, 2 =7, 85
0+7, 0033-0, 2933=- 19, 5617
0,3– 0, 2 + 10 =71, 4
Asimi smocont inuamosconl aoper aciondef i
laspar a eli
minarelter
minodela
0,3
fi
la3del apr i
mer acol umnaapl i
cando F3=F3- ( F1)
3
Entoncestenemos:
3 – 0, 1 - 0, 2= 7, 85
0+7, 0033-0, 2933=- 19, 5617
0–0, 1900+10, 0200=70, 6150
Parat er
minarconl ael imi nacióndebemosel iminarelt érmi
nodel afil
a3del a
0,1900
segundacol umnaapl icandoF3=F3+ (F2)
7,0033
Entoncesel si
stemaser educeaunsi stemadef ormat r
iangul
ar,t
eni
endo:
3 – 0, 1 -0, 2 = 7, 85
0 +7, 0033-0,2933=- 19, 5617
0 0 +10, 0200=70, 0843
Unav ezquesehanr ealizadol asoper aci
onesdef il
asycol umnasy apodemos
resol
verlasecuaci onesmedi antesusti
tución.
3x1 – 0, 1x2 -0, 2x3 = 7, 85
0 +7, 0033x2-0, 2933x3 =- 19,5617
0 0 +10, 0200x3 =70, 0843

70,0843
x3= =7, 00003
10,0200
Susti
tuyendox3enl asegundaecuaci óntenemos:
7,0033x2-0, 2933( 7,00003)= -19, 5617
Despejandot enemos:
-19,5617+0,2933( 7,00003)
x2= = -2, 50000
7,
00003
Porulti
mosust i
tuimosx2yx3enl apr i
meraecuación,ent
oncesset
iene:
3x1 – 0, 1(-
2,50000)-0, 2(7,
00003)= 7, 85
Despejandox1set iene:
7,85+0,2( 00003)
7, +0,
1( -
2,50000)
x1= =3,00000
3
Entoncespr ocedemosar eali
zarlacompr obacion:
3(3,
00000) – 0, 1(-2,50000)-0, 2(7,00003)=7,84999=7,85
0,
1(3,00000)+7( -
2,50000)-0, 3(7,00003)=- 19,
3000=-19,
3
0,
3(3,00000)– 0, 2(-2,50000)+10( 7,00003) =71,4003=71,4

SOLUCI
ONESGRÁFI
CAS,
MÉTODOSYTÉCNI
CAS
A.MÉTODOGRÁFI
CO

Elmét
odogr
áfi
coesunpr
ocedi
mient
o desol
uci
óndepr
obl
emasdepr
ogr
amaci
ón
l
ineal,muylimitadoencuant oalnúmer odev ariabl
es( 2siesungr áfi
co2Dy3si
es3D)per omuyr icoenmat eri
adeinterpr
etaciónder esult
adosei ncl
usoanálisi
s
desensi bi
li
dad.Est econsisteenr epresentarcadaunadel asr estr
icci
onesy
encontrarenl amedi dadeloposibleelpolígono( pol
iedro)facti
ble,comúnment e
l
lamado elconj unto sol
ución o región f acti
ble,en elcualpor r azones
tr
igonomét r
icasenunodesusv ér
ti
cesseencuent ralamej orrespuesta(sol
ución
ópti
ma) .

Elprocesoder esol ucióndeunsi stemadeecuaci onesmedi ant eelmét odogr áfico

seresumeenl assi gui ent esf ases:
 Sedespej alai ncógni ayenambasecuaci
t ones.
 Se const ruye,par a cada una de l as dos f unci ones de pr imergr ado
obt eni das, latabl adev alorescor respondi ent es.
 Ser epr esent angr áf i
cament eambasr ect asenl osej escoor denados.
Enest eúl timopasohayt resposi bi
lidades:
1.Siambasr ect assecor t
an,l ascoor denadasdelpunt odecor tesonl os
úni cosv aloresdel asi ncógni tasxey .Si st emacompat i
bl edet er minado.
2.Siambasr ect assoncoi ncident es,elsi stemat ienei nf initassol uciones
quesonl asr espect iv
ascoor denadasdet odosl ospunt osdeesar ecta
enl aquecoi nci denambas.Si stemacompat ibleindet er mi nado.
3.Siambasr ect assonpar alelas,elsi st emanot ienesol ución.Si st
ema
incompat ible.
SOLUCI ONESGRÁFI CAS
SOLUCI ÓNÓPTI MAMÚLTI PLE
Unadel asv ariantesquepuedepr esent arunej erciciodepr ogr amaci ónl ineal
consisteenl acant i
daddesol ucionesópt i
mas,gr ancant idaddeel l
ospr esent a
másdeunasol uciónópt i
ma, esdeci runasol uci ónenl acuall af unci ónobj etivoes
exactament ei gualenunacombi naci óncuant it
at ivadev ar iablesdi ferente.Est os
problemasdebendeaf ront arsedet almaner aquepr i
meelanál isisdesensi bil
idad,
esdeci runav ezencont radasmúl tiplessol ucionesi gual essedebepr ocederal
compor tami ent o delconsumo de l osr ecur sosyr estricci ones,ev i
dent ement e
prevaleciendo elconcept o de pr oduct ividad de l osr ecur sosmásl imi t
adosy
costosos.
EJEMPLO:Laebani ster í
a" SALAZAR LTDA"har ecibido unagr an cant i
dad de
partespr ef abr icadaspar al ael abor acióndemesas,si nembar gonohapodi do
i
niciarunpl andepr oducci ónenf ocadoaest asporl aal tademandaquet ienede
sus pr oduct os r estant es.Las mesas que pueden el abor arse de l as par tes
prefabricadassondedosmodel os,model oAyB, yest asnor equi er enmásqueser
ensambl adasypi ntadas.Est asemanasehadet ermi nadodedi car10hor asde
ensambl ey8depi nt urapar aelabor arl amay orcant idaddemesasposi bles
teni
endoencuent aquecadamesamodel oAr equi erede2hor asdeensambl ey1
depi ntur ar espect i
vament e,yquecadamesamodel oBr equi er ede1hor ade
ensambl ey2depi nt urar espect i
vament e.Sielmar gendeut il
idadesde$20000
porcadamesamodel oAy$10000porcadamesamodel oB.Det ermi neelmodel o
adecuadodepr oducci ónpar aest asemana.
Variables
X=Cant i
daddemesasmodel oAaf abr icarest asemana
Y=Cant i
daddemesasmodel oBafabri
carest
asemana
Restr
icci
ones
2X+Y<=10     "Hor
asdeensamble"
X+2Y<=8      "
Horasdepintur
a"
X,Y=>0        
"Denonegativi
dad"
Funci
ónobjeti
vo
Zmax=20000X+10000Y
Lagráfi
caresult
anteser
ía:

Comonospodemosdarcuent amedi ant el ageomet ríaendosv ért

icesl al í
nea
i
magi nariaper pendicul
aral afunci ónobj etivonoat ravi
esaelconj untosol ución,
porendeendospunt ossepr esent ansol ucionesópt imas, quesonl ospunt osByC.
SOLUCI ÓNÓPTI MANOACOTADA
Otra de l as v ari
antes que pr esent an l os model os de pr ogramaci ón l ineal
correspondeal osmodel osdesol uciónópt imanoacot ada,esdeci rpr oblemas
coni nf i
nitassol ucionesópt i
mas.Hayquer econocerqueenl av idar ealgr anpar t
e
deest ospr oblemassedebenaunmalpl anteami entodel asr est r
icciones,si n
embar go es común que est et i
po de pr oblemas sean ev aluados en l av i
da
académi ca.
SOLUCI ÓNI NFACTI BLE
Elcasodel asol ucióninfact i
bleesmást ípicodel opensado,ycor respondeal os
casosenl oscual esnoexi stensol ucionesquecumpl encont odasl asr estricciones.
Esmuycomúnv erestef enómenopr oduct odei nv i
ablespr opor cionesdeof ertay
demanda.
EJEMPLO:Lacompañí adegal l
etas" CAROLA"deseapl anificarl apr oducci ónde
gall
et asquet endráqueent regarasucl ient eendossemanas,elcont ratoi ndica
quel acompañí a"CAROLA"secompr omet eaent regarporl omenos300caj asde
gall
et ascual qui eraseasut ipo( present aciónD, present aci
ónNounacombi nación
deambaspr esentaciones) ,cadacaj adegal l
etaspr esentaciónDt i
eneunt i
empo
deel abor aciónde2hor as, yunt iempodehor neadode3hor as, mient r
ascadacaj a
depr esent aciónN t i
eneunt iempodeel aboraciónde3hor asyunt iempode
horneadode1hor a.Lacompañí acuent aest asdossemanascon550hor aspar a
el
abor aciónycon480hor asdehor neado.Teni endoencuent aqueelmar gende
uti
li
dad de cada caj a de gal
letaspr esent
aci
ón D yN esde $8500 y$8100
respectiv
ament e,deter
minemedi anteunmodelodeprogramaci
ónl
inealelpl
ande
producciónquemaxi micel
asut i
l
idades.
Variables
X=Cant i
daddecaj asdegallet
aspr esentaci
ónDaproduci
ren2semanas
Y=Cant i
daddecaj asdegallet
aspr esentaci
ónNaproduci
ren2semanas
Restricci
ones
2X+3Y<=550
3X+Y<=480
X+Y=>300
FunciónObj et
ivo
Zmax=8500X+8100Y
Lagr áfi
caresultant
eesl asi
guiente:

Evi
dent ement enoexi st
ef ormaal gunadesat isf
acert odasl asr estricci
ones,por
endeseconcl uyequenoexi stesol uci ónf actible.
REDUNDANTESOSOBRANTES
Exi
st enenl osmodel osdepr ogr amaci ónl inealunt i
poder est r
iccionesqueno
j
ueganr olalgunoenl adet er
mi naci óndelconj untosol ución(dei gualmaner aenl a
sol
uci ónópt ima) ,
loquel levaadeduci rqueest assonr edundant es.
B.MÉTODOSI MPLEX
ElMét odo Si mpl exes un mét odo anal í
ti
co de sol uci
ón de pr oblemas de
programaci ón li
nealcapaz de r esolvermodel os más compl ejos que l os
resueltosmedi anteelmét odogr áf icosinr estr
icci ónenelnúmer odev ari
ables.
ElMét odoSi mplexesunmét odoi ter
ativoqueper miteirmej orandol asolución
encadapasoPar alaapl i
caci óndelmét odoSi mpl exset r
ansf ormaelmodel o
de pr ogramaci ón or i
ginal,f ormado por r est r
icci
ones f unci onales de
desigual dad,enunmodel odef or maest ándar ,integradoporr est ri
ccionesde
i
gual dad equi valentes.Est a conv ersión se l ogra con l ai ntroducción de
variables de hol guras.Elmét odo delsi mpl exse ut il
iza,sobr et odo,par a
resolverpr oblemasdepr ogramaci ónlinealenl osquei ntervienent r
esomás
variables.El ál
gebr amat r
icialyel procesodeel imi nacióndeGauss- Jordanpar a
resolverunsi stemadeecuaci onesl inealesconst i
tuyenl abasedelmét odo
simpl ex.
FASESDELMÉTODOSI MPLEX
1.Conv ertirl
asdesi gual dadeseni gual dades
2.Igual arlaf unciónobj etivoacer o
3.Escr ibirlatablai nicial si
mpl ex
4.Encont rarlav ari
abl ededeci siónqueent r
aenl abaseyl avari
abledehol gura
quesal edel abase
5.Encont rarloscoef icientesdel anuev at abla.
¿ QUEESUNAMATRI ZI DENTI DAD?
Lamat ri
zi dént i
caoi dent i
dadesunamat ri
zcuadr ada( queposeeelmi smo
númer ot antodecol umnascomodef ilas)deor dennquet ienet odosl os
element osdi agonal esi gualesa uno ( 1)yt odosl osdemáscomponent es
i
gual esacer o.Lai mpor tanciadelat eor í
ademat ri
cesenelMét odoSi mpl exes
fundament al
,dadoqueelal gorit
mosebasaendi chat eor í
aparal aresol ución
desuspr oblemas.
VARI ABLESDEHOLGURAYEXCESO
ElMét odo Si mplex t rabaj a basándose en ecuaci ones y l as restri
cciones
i
nicialesquesemodel anmedi antepr ogr amaci ónlinealnol oson,parael lohay
que conv ert
irest as i necuaci ones en ecuaci ones ut il
izando unas v ariables
denomi nadasdehol gurayexcesor elaci onadasconelr ecur
soalcualhace
referenci al ar estri
cci ónyqueenelt abul ado finalr epresentael" Slackor
surplus"alquehacenr eferencialosf amosospr ogramasder esoluciónde
i
nv estigaci óndeoper aciones,est asv ariablesadqui erenungr anv alorenel
análisisdesensi bi
lidadyj ueganunr olf undament alenl acreaci
óndel amat ri
z
i
dent idadbasedel Simpl ex.

C.MÉTODODEDOSFASES

1°FASE:
Ser esuel
veelpr obl
emaar
ti
fi
cial
.Sielprobl
emaori
ginaltienesol
uci
ón
fact
iblealtérmi
no delapri
mer afase,sehal
lal
asol uci
ón ópt
imadel
problemaart
if
ici
al.
 2°FASE:
Seinici
acuandoeltérminodelapri
merafasei
ndi
caviabi
li
daddelpr
oblema
ori
ginal,
est
enot i
enesoluci
óncuando(Xi≠0);
porl
otanto(Z≠0).
Resolverelprobl
emaor i
ginalapart
irdelasoluci
ón fact
ibl
ehall
adao
sol
uciónbásicai
nici
al.

D.MÉTODODELAGRANM

Ini
ciarde acuer do alagr egar( o sust r
aer)v ari
ables de holguraal as
restr
iccionesacadar estri
cciónyagr egarunav ari
ablesarti
fi
cial
es.
Asoci aracadav ariablearti
fici
aluna( M),quecor r
espondealmay orv al
or
posiblequecual quierot roquepuedaapar ecerenl oscálculos.Paral a
funciónobj eti
voor iginal:
Siel problemaesdemi n=>M +
Siel problemaesdemáx=>M –
Resol verelnuev opr oblema.
Seencuent raunasol uciónfacti
bledelproblema, cuandotodasl asvar
iables
arti
fi
ci al
esest ánf ueradel abase.Lasol uciónópt i
maseencuent r
aporun
númer ocualquieradei t
eracionesluegoquel asv ar
iablesart
if
ici
alesdejaron
l
abase

1.
1. PLANTEAMI
ENTOSDEMODELOSDEPROGRAMACI
ÓNLI
NEAL

LaPr ogramaci ónLi neal(LP)esunaher r

ami ent apar ar esolverpr oblemasdeopt imización
que se car acteri
zan port enercomo f unción obj et ivo yr est ri
cciones combi naciones
l
inealesdel asv ariabl
esdedeci si
ón.Lapr inci
palv ent ajar adi
caenqueexi steunal gor i
tmo
efi
ciente( SIMPLEX)par aresol verestet i
podemodel os.[Luenber ger,D.G.( 1989).]
VariablesdeDeci si ón
Sedebecomenzardef ini
endol asv ar i
ablesdedeci siónr elevant es.Enunmodel ode
programaci ón l i
neal l as v ar
iables de deci sión deben ser capaces de descr i
bir
compl etament elasdeci sionesquepuedansert omadasyt odasl asvar i
antesqueexi stan.
Antesdedef i
nirl
asv ari
ablesdedeci siónesi mpor tant edef i
ni rlasuni dadesi nvolucradas
enel problema.
FunciónObj et
ivo
Enunpr oblemadeLP, sedebet omarl adeci sióndemaxi mizar( usualment elasut i
li
dades)
odemi nimizar(usual ment el oscost os)ci ertaf unci óndel asv ari
ablesdedeci sión.La
funciónamaxi mizaromi nimizarsedenomi naf unci ónobj eti
v o.Ant esdef ormul arel
model omat emáticoconv i
ener esumi rlosdat osdel probl ema.
Restricci
ones
Enlamedi daquel asv ari
abl esx1yx2cr ecen,laf unci ónobj etivoaument asuv alor.Porlo
tantosisepudi eraescogerar bit
rari
ament eelv alordex1yx2,l amuebl eríapodr íahacer
crecerar bit
rari
ament eelv alordesusut ili
dades.Ev ident ement e,enl apr ácti
caest onoes
posible.

Restr
icci
óndeSi gno
Para compl et
arl afor
mulaci
ón delmodel
o es impor t
ant
e def
ini
rsiexi st
e alguna
rest
ri
ccíondesignopar
acadavar
iabl
ededecisi
ón.
Siunav ari
abl
ededeci si
ónxidebecumplircondi
cionesdeno-negat
ivi
dad,debemos
 agregarl
arest
ri
ccíonxi≥0.Sil
avari
abl
ededeci
si
ónxipuedeasumirv
alor
esposi
ti
vosy
negati
vossedi
cequel avari
abl
exinoti
ener
est
ri
cci
óndesigno(
srs)
.

Sol
uciónFact i
ble:Lasoluciónquesat isf
acet odaslasrest
ri
cci ones.
Regi
ónFact i
ble: Conjunt
odet odaslassolucionesfact
ibl
es.
Sol
uciónÓpt i
ma:Esunasol uciónfacti
bleysuv al
ordelafunci ónobj
eti
voesmay
orqueel
delr
estodesol ucionesf act
ibles.
Val
orOptimo: El valordelafunciónquecor respondealasol uciónópti
ma.
Sol
uciónAlternativa:Cuandoexi st
emásdeunasol uci
ónópt ima.
Opti
moúni co:Cuandonoexi steotr
oóptimo.
Opti
mosinl ímite:Cuandoel pr obl
emanot i
eneunópt i
mof init
o.

MODELO DETRANSPORTE
Elobjet
ivopr
imordi
aldelmodelodet ransport
eesbuscarmini
mizarel
cost odeenvíodela
canti
daddeelementosqueseenv i
arandecadafuenteacadadesti
no,talquesemi ni
mice
elcostodeltr
ansport
etotaldel osenv í
os,almi
smot i
emposedebesat i
sfacert
antolos
l
ímitesdelaofer
tacomolosr equeri
mi ent
osdelademanda
 Sedebecont arconlossiguientescomponent
es:

1.El
niv
eldeof
ertaqueti
enecadafuent
eylacanti
daddedemandaencadadestino.
2.El
costodet
ranspor
teuni
tar
iodelamercancí
aenvi
adoporel
proveedoracadadesti
no.

Comosoloexi
steunamer cancíayeldest
inopueder
ecogersudemandadev
ari
asf
uent
es
(
prov
eedor
es).(Render
,2006)

 Tambi
énesnecesar
iosat
isf
acerci
ert
asr
est
ri
cci
ones:

1.Noenviarmásdel acapacidadespecif
icadadesdecadapunt
odesuminist
ro(
ofer
ta)
.
2.Env
iarbienessol
ament eporlasrutasváli
das.
Cumpl
ir(
oexceder)losrequeri
mi ent
osdebi enesenl
ospuntosdedemanda.

 Apl
i
caci
onesdel
model
odet
ranspor
te:

ElModel
odeTr
anspor
tenosól
oesapl
i
cabl
ealmov
imi
ent
odepr
oduct
os,si
noque
t
ambi
én,
comomodel
osepuedeapl
i
caraot
rasár
east
alescomo:

 Pl
ani
fi
caci
óndel
apr
oducci
ón
 Cont
rol
dei
nvent
ari
os
 Cont
rol
depr
oveedor
es
 Ot
ras(Render
,2006)

Sol
uci
óndel
model
odet
ranspor
te:

Exi
stenv
ari
osal
gor
it
mosespecí
fi
cospar
alar
esol
uci
óndeunpr
obl
emadet
raspor
teyson:
  Regl
adel
aesqui
nanor
oest
e(MEN)
 Mét
odoporapr
oxi
maci
óndeVogel
(MAV)
 Mét
ododecost
omí
nimo(
MCM)
 Mét
ododel
pasosecuenci
al
 Mét
ododedi
str
ibuci
ónmodi
fi
cada(
DIMO)

Lar
egl
adel
aesqui
nanor
oest
e,elmét
ododeapr
oxi
maci
óndeVogelyelmét
ododel
cost
omí
nimosonal
ter
nat
ivaspar
aencont
rarunasol
uci
óni
nici
alf
act
ibl
emi
ent
rasqueel
mét
ododelescal
ónyelDI
MO sonal
ter
nat
ivaspar
apr
ocederdeunasol
uci
óni
nici
al
f
act
ibl
eal
aópt
ima.

Port
ant
o,elpr
imerpasoesencont
rarunasol
uci
óni
nici
alf
act
ibl
e,quepordef
ini
ciónes
cual
qui
erdi
str
ibuci
óndeof
ert
asquesat
isf
agat
odasl
asdemandas.

Unav
ezobt
eni
daunasol
uci
ónbási
caf
act
ibl
e,elal
gor
it
mopr
ocedepasoapasopar
a
encont
rarunmej
orv
alorpar
alaf
unci
ónobj
eti
vo.Lasol
uci
ónópt
imaesunasol
uci
ón
f
act
ibl
edecost
omí
nimo.(Render
,2006)

Par
aapl
i
carl
osal
gor
it
mos,
pri
mer
ohayqueconst
rui
runat
abl
adet
ranspor
te.

METODODELAESQUI
NANOROESTE

  Esunal
gor
it
moespecí
fi
cocapazdesol
uci
onarpr
obl
emasdet
ranspor
teodi
str
ibuci
ón
medi
antel a consecuci
ón de una sol
uci
ón bási
ca i
nici
alque sati
sfaga t
odas l
as
r
estr
icci
onesexistent
essinqueestoi mpl
iquequeseal canceelcost
oópt i
mot ot
al.
(
Ayuso,2007)

Estemét odoti
enecomov ent
ajaf
rent
easussi mil
aresl
arapi
dezdesuejecuci
ón,yes
uti
l
izadoconmay orfr
ecuenciaenejer
cici
osdondeelnúmerodefuent
esydesti
nosson
muyel ev
ados.(
Ayuso,2007)

Elmétodocomienzaenlaesqui
nanor
oesteosuperi
ori
zqui
erdadel
atabl
a(v
ari
ablex1)o
seadondecomi enzanl
osvalor
eselpri
merelementodelatabl
aarr
ibayalaizqui
erda.
(Ay
uso,2007)

Despuésdeaj ust
arl
ascanti
dadesdeof er
taydemandaparatodasl
asfil
asy 
col
umnas
nosaturadas,l
acant
idadmáximafacti
bleseasi
gnaalpr
imerel
ement
onosatur
ado enla
nuevacol umnao fi
la;elmétodo f
inal
izacuando l
asfi
las olacolumnasesatur
an.
(Ayuso,
2007)

 I
ndi
caci
onespar
aimpl
ement
arel
mét
ododel
aesqui
nanor
oest
e:

1.Se est
ructur
a una tabl
a de of
ert
as que muestr
al a di
sponi
bil
i
dad de l
os
pr
oveedores 
ylasdemandasoloquerequi
erenl
ospr
oveedor
es.

2.Seini
cial
aesqui
nanoroest
e.Det
ermi
naalmáxi
mol
omí
nimoent
rel
aof
ert
ayl
a
demanda,
equi
tat
ivament
e.

3.Rest
ablezcalaof ertaylademandaysat ureconcer oselrestodel asf i
l
asó
col
umnasendondel aofert
aól ademandaquedesatisf
echa.
4.Muévase a la derecha o haci
a abaj
o,según aquedado l
a disponi
bil
idad par
a
asi
gnar.
(Puchades,2008)

5.ser epi
tennuevamentelospasosdel3al5r ecí
procament
ehastallegaral
a
esquinainf
eri
order
echaenlaquesesat
uranf
il
aycolumnaal mismot
iempo.

6.paracal
cul
arelcost
ototal
 delMétododel
a esqui
nasemul t
ipl
i
cacadaunadelas
var
iabl
esubicadaenlatabl
a yluegosesumalosresul
tadosy encont
rar
emosel
tot
alcost
o.(
Puchades,
2008)

Nota:
Nosepuedesatur
arf
il
aycolumnaal
mismot
iempo,
anoserqueseal
aúl
ti
maf
il
ay
col
umna;
alsat
urarf
il
asycolumnas

 MÉTODODEVOGEL
Elmét ododeapr oximaci
óndeVogelesunmét odoheurí
sti
coder esol
ucióndepr obl
emas
det ranspor
tecapazdeal canzarunasol
uciónbásicanoarti
fi
cialdeinicio,est
emodel o
requieredelareali
zaci
óndeunnúmer ogeneral
mentemayordeiteraci
onesquel osdemás
mét odosheur í
sti
cosexistent
esconestef i
n,sinembargoproducemej oresresul
tados
i
nicialesquelosmi smos.

ALGORI
TMODEVOGEL
Elmét odo consi
ste en l
areal
i
zaci
ón de un algori
tmo que consta de 3 pasos
fundament
alesy1másqueasegur
aelci
clohast
alaculminaci
óndel
mét odo.
PASO1
Det
erminarparacadafi
laycol
umnaunamedi
dadepenal
i
zaci
ónr
est
andol
osdoscost
os
menoresenfil
asycolumnas.
PASO2
Escogerlafi
laocolumnaconlamayorpenal
i
zaci
ón,esdeci
rquedelarest
areal
i
zadaen
el"Paso1"sedebeescogerelnúmer
omay or
.Encasodehaberempat
e,sedebeescoger
arbi
trar
iamente(
ajuici
oper
sonal)
.
PASO3
Del afil
aocolumnademay orpenali
zaci
óndeter
mi nadaenelpasoanteri
ordebemosde
escogerl acel
daconelmenorcost o,yenest aasi gnarlamayorcant
idadposibl
ede
unidades.Unavezsereal
iz
aest epasounaofer
taodemandaquedar ásati
sfechaporende
set achar
álafi
l
aocol umna,encasodeempat esoloset achar
á1,
larest
antequedarácon
ofertaodemandaigualacero(0).
PASO4:
DECI
CLOYEXCEPCI
ONES

 Siquedasint
acharexact
ament
eunaf
il
aocol
umnaconcer
oof
ert
asodemanda,
det
enerse.

 Siquedasint
acharunaf
il
aocol
umnaconof
ert
aodemandaposi
ti
va,det
ermi
ne
l
asv ari
abl
esbási
casenlafi
l
aocolumnaconelmétododecostosmínimos,
det
enerse.

 Sit
odaslasfi
l
asycol umnasquenosetachar
ontienencer
oof er
taydemanda,
det
ermi
nelasvar
iabl
esbási
cascer
oporel
métododelcost
omí ni
mo,det
ener
se.

 Sinosepresent
aningunodeloscasosanter
ior
esv
uel
vaalpaso1hast
aquel
as
ofer
tasyl
asdemandassehayanagotado.

 MÉTODODELCOSTOMÍ
NIMO
Elmét odo delcost o míni
mo o mét odo de l
os mínimos costos es un al
gori
tmo
desarroll
adoconelobj et
ivoderesolv
erprobl
emasdetranspor
teodi st
ri
buci
ón,ar
roj
ando
mejoresr esul
tadosquemét odoscomoeldel aesqui
nanoroeste,dadoqueseenfocaen
l
asr ut
asquepr esent
anmenor escost
os.
Eldi
agramadef luj
odeestealgori
tmoesmuchomássenci l
l
oquelosanter
iores,dadoque
setr
atasimplementedelaasignaci
óndel
amay orcant
idaddeuni
dadesposibles(sujet
aa
l
asrestri
cci
onesdeofert
ay /
odemanda)alaceldamenoscostosadetodalamat r
izhasta
fi
nal
izarelmétodo.

ALGORI
TMODELCOSTOMÍ
NIMO
PASO1
Del amat r
izseel i
gelaruta(cel
da)menoscostosa(encasodeunempat e,est
eserompe
arbit
rari
ament e)yseleasignalamay orcant
idaddeunidadesposi
ble,canti
dadquesev e
restr
ingi
day aseaporl asr est
ri
cci
onesdeof ert
aodedemanda.Enest emi smopasose
procedeaaj ustarl
aofertaydemandadel afi
laycol
umnaaf ect
ada,restándol
elacant
idad
asignadaal acelda.
PASO2
Enestepasosepr ocedeael
imi
narl
afi
laodesti
nocuyaofert
aodemandasea0después
del"Paso1",sidadoelcasoambassonceroarbit
rar
iament
eseeli
gecualel
i
minaryla
rest
antesedejacondemandauofer
tacer
o(0)segúnseaelcaso.
PASO3
Unavezenest
epasoexist
endosposi
bil
i
dades,l
apr
imer
aquequedeunsol
orengl
óno
col
umna,si
est
eeselcasosehal
l
egadoalfi
nalel
mét
odo,"
det
ener
se"
.
Lasegundaesquequedemásdeunr
engl
ónocol
umna,siest
eeselcasoi
nici
ar
nuev
amenteel
"Paso1"
.
PASO4:
DECI
CLOYEXCEPCI
ONES
-Siquedasi
ntacharex
act
ament
eunaf
il
ao col
umnacon cer
o of
ert
ao demanda,
det
ener
se.
 

-Siquedasintacharunafi
l
aocolumnaconof
ert
aodemandaposit
iva,determinel
as
var
iabl
esbási
casenlafi
laocol
umnaconel
mét
ododecost
osmí
nimos,detenerse.
 

-Si
todasl
asfi
lasycol
umnasquenoset
acharonti
enenceroof
ert
aydemanda,
det
ermi
ne
l
asvari
abl
esbási
cascer
oporelmét
ododelcost
omí ni
mo,det
ener
se.
 

-Sinosepresent
aningunodeloscasosant
eri
oresv
uel
vaalpaso1hast
aquel
asof
ert
as
ylasdemandassehayanagot
ado.