Attachment

Materia: Investigación de Operaciones
UNIDAD I:
Programación Lineal y Conceptos Matemáticos Básicos
UNIDAD II:
MÉTODO GRÁFICO Y MODELOS
LINEALES.
UNIDAD I:
TABLA DE CONTENIDO
I. Competencia general ......................................................................................................... 3
II. Competencias específicas ................................................................................................ 17
Referencias ............................................................................................................................. 64
UNIDAD I:
I. Competencia general
Asertivo en dar solución a modelos lineales de decisión aplicando el Método Gráfico.
Modelo lineal
Los modelos lineales son un tipo de estadística multivariante (o multivariable), pero ni mucho
menos el único. El análisis multivariante se centra en estudiar conjuntos de variables y su peso en
los análisis para poder descartar las menos representativas.
Utilidades del modelo lineal:
1. verificar la existencia de la relación lineal
2. estimar (contrastar) la (una) relación lineal concreta (estructural).- supone actuar sobre
los coeficientes de la relación lineal.
3. predecir la variable y en función de x o (x1x2 ... xk )
Representación del modelo

UNIDAD I:
El método grafico
El método gráfico es un procedimiento de solución de problemas de programación lineal muy
limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es 3D) pero muy rico en
materia de interpretación de resultados e incluso análisis de sensibilidad. Este consiste en
representar cada una de las restricciones y encontrar en la medida de lo posible el polígono
(poliedro) factible, comúnmente llamado el conjunto solución o región factible, en el cual por
razones trigonométricas en uno de sus vértices se encuentra la mejor respuesta (solución óptima).
La programación Lineal (PL) es una técnica de modelado matemático, diseñada para optimizar el
empleo de recursos limitados. Se aplica exitosamente en muchas áreas como en el ejército, en la

UNIDAD I:
agricultura, la industria, los transportes, la economía, los sistemas de salud, en el ejército e
incluso en los sistemas conductuales y sociales
La utilidad de esta técnica se incrementa mediante el uso y disponibilidad de programas de
computadora altamente eficientes. De hecho la PL, debido a su alto nivel de eficiencia
computacional, es la base para el desarrollo de algoritmos de solución de otros tipos (más
complejos) de modelos de IO, incluyendo la programación entera, no lineal y estocástica.
Para formular un modelo lineal se debe tener presente que la función objetivo y todas las
restricciones deben ser lineales y todas las variables deben ser continuas (pueden asumir valores
fraccionales).
Los modelos de PL que se resuelven por el método geométrico o grafico solo son apropiados para
casos en que el número de variables son a lo más dos.
Vamos a ver su aplicabilidad con los siguientes ejemplos:
Ejemplo 1:
1. el problema:
La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad
diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c.
Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c;
para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de b y 27 gr de c.
El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe obtener el máximo
beneficio, ¿cuántos metros de T y T’ se deben fabricar?

UNIDAD I:
2. La modelización mediante programación lineal
Variables
XT: Cantidad de metros diarios de tejido tipo T a fabricar
XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar
Restricciones
0,12XT + 0,2XT’ <= 500 Hilo “a”
0,15XT + 0,1XT’ <= 300 Hilo “b”
0,072XT + 0,027XT’ <= 108 Hilo “c”
Las restricciones de no negatividad no son necesarias en este ejemplo dado que se trata de un
ejercicio de maximización, cuando el ejercicio sea de minimización lo más recomendado es
incluirlas.
Función objetivo
ZMAX = 4000XT + 5000XT’
La solución mediante método gráfico
Paso 1: graficar las restricciones: Para iniciar con el trazado de las restricciones es indispensable
igualar las restricciones a 0, de esta manera podemos mediante despeje de ecuaciones iniciar con
la tabulación que nos otorgará las coordenadas para esbozar cada una de las gráficas. Además
dado que se trabajará en el plano cartesiano sería prudente renombrar las variables:
UNIDAD I:
XT = x
XT' = y
Igualamos las restricciones,
0,12X + 0,2y = 500
0,15X + 0,1y = 300
0,072X + 0,027y = 108
Acto seguido iniciamos con la primera restricción, hallamos las primeras dos coordenadas. Para
hallar las coordenadas regularmente llevamos una de las variables a cero, para de esta manera
despejar más fácilmente la segunda.
Por ejemplo, para un x = 0
0,12(0) + 0,2y = 500
0,2y = 500
500/0,2 = y
2500 = y
y para un y = 0
0,12x + 0,2(0) = 500
0,12x = 500
x = 500/0,12
x = 4167
UNIDAD I:
Seguimos con la segunda restricción,
0,15X + 0,1y = 300

UNIDAD I:
Tercera restricción,
0,072X + 0,027y = 108
En el siguiente gráfico se muestra el polígono solución de color gris, en este conjunto es donde
cada coordenada cumple con todas las restricciones, las cuales se caracterizan por ser
restricciones de menor o igual y esta característica se representa con una flecha hacía abajo.
UNIDAD I:
Una vez se llega a este punto es indispensable saber que las soluciones óptimas se alojan en los
vértices del polígono solución (color gris) y que identificar a la solución óptima es cuestión de
elegir la mejor alternativa dependiendo de las herramientas disponibles (tecnológicas y
conocimientos matemáticos).
La primera opción es la geométrica, esta depende de trazar la ecuación que representa a la
función objetivo (este paso consiste en realizar el mismo procedimiento de las restricciones).
Función objetivo,
ZMAX = 4000x + 5000y
luego igualamos a 0.
4000x + 5000y = 0
luego tabulamos para obtener las coordenadas necesarias para esbozar la gráfica correspondientes
a la ecuación (en esta ocasión es recomendable más de dos coordenadas, incluyendo la
coordenada (x = 0, y = 0)
UNIDAD I:
Una vez se ha esbozado la función objetivo (línea negra) sacamos replicas perpendiculares a esta
que se encuentren con cada vértice, y solo en el caso en que la línea imaginaria perpendicular a la
función objetivo no corte el polígono solución se ha encontrado la solución óptima. En otras
palabras trasladamos la función objetivo por todo el polígono conservando la perpendicularidad
con la original, la detenemos en los vértices y evaluamos si esta corta o no el conjunto solución.
UNIDAD I:
Claramente solo en el punto "B", es decir en el vértice formado por la intersección de las
ecuaciones 1 y 2, la línea imaginaria no corta la polígona solución, entonces es este punto el
correspondiente a la coordenada óptima.
Para hallar el valor de esta coordenada es indispensable recurrir a la resolución de ecuaciones
lineales 2x2, y se pueden considerar varios métodos de solución entre ellos:
Método por sustitución
- Método por igualación
- Método por reducción o Eliminación
- Método por eliminación Gauss
- Método por eliminación Gauss - Jordán
- Método por determinantes La riqueza de las matemáticas nos deja suficientes alternativas, para
mi gusto el método de reducción o eliminación es muy sencillo de aplicar.
El método por reducción o eliminación consiste en igualar los coeficientes de una de las variables
multiplicando una o las dos ecuaciones, teniendo en cuenta que estos coeficientes queden iguales
pero con signos contrarios
Ecuación 1 0,12x + 0,2y = 500
Ecuación 2 0,15x + 0,1y = 300 multiplicamos por (-2)
Ecuación 3 (2*(-2)) -0,30x - 0,2y = -600
Sumamos 1 y 3 -0,18x = -100
Despejamos "x" x = -100 / (-0,18)
x = 555,55
UNIDAD I:
Ahora, reemplazamos x = 555,55 en cualquiera de las dos ecuaciones originales con el objetivo
de despejar "y".
Ecuación 1 0,12x + 0,2y = 500
Reemplazamos "x" 0,12(555,55) + 0,2y = 500
Despejamos "y" 66,666 + 0,2y = 500
0,2y = 500 - 66,666
0,2y = 433,334
y = 433,334 / 0,2
y = 2166,67
De esta forma hemos obtenido los valores para "x" y "y".
Recordemos que x y y fueron los nombres que recibieron las variables originales XT y XT'
x = XT
y = XT'
XT = 555,55
XT' = 2166,67
y la contribución obtenida (reemplazando las variables en la función objetivo) es de:
Zmax = 4000XT + 5000XT'
Zmax = 4000(555,55) + 5000(2166,67)
Zmax = 13.055.550
UNIDAD I:
Ejemplo 2:
La compañía de galletas "CAROLA" desea planificar la producción de galletas que tendrá que
entregar a su cliente en dos semanas, el contrato indica que la compañía "CAROLA" se
compromete a entregar por lo menos 300 cajas de galletas cualquiera sea su tipo (presentación D,
presentación N o una combinación de ambas presentaciones), cada caja de galletas presentación
D tiene un tiempo de elaboración de 2 horas, y un tiempo de horneado de 3 horas, mientras cada
caja de presentación N tiene un tiempo de elaboración de 3 horas y un tiempo de horneado de 1
hora. La compañía cuenta estas dos semanas con 550 horas para elaboración y con 480 horas de
horneado.
Teniendo en cuenta que el margen de utilidad de cada caja de galletas presentación D y N es de
$8500 y $8100 respectivamente, determine mediante un modelo de programación lineal el plan
de producción que maximice las utilidades.
Variables
X = Cantidad de cajas de galletas presentación D a producir en 2 semanas
Y = Cantidad de cajas de galletas presentación N a producir en 2 semanas
Restricciones
2X + 3Y <= 550
3X + Y <= 480
X + Y => 300
Función Objetivo
Zmax = 8500X + 8100Y

UNIDAD I:
La gráfica resultante es la siguiente:
Evidentemente no existe forma alguna de satisfacer todas las restricciones, por ende se
concluye que no existe solución factible
Ejemplo 3:
La compañía "CONGELADORES MAJO" pretende fabricar dos tipos de congeladores
denominados A y B. Cada uno de ellos debe pasar por tres operaciones antes de su
comercialización: Ensamblaje, pintura y control de calidad. Los congeladores tipo A
requieren 2 horas de ensamblaje, 3 kg de pintura y 4 horas de control de calidad; los
congeladores tipo B requieren 3 horas de ensamblaje, 6 kg de pintura y 5 horas de control
de calidad. El margen contributivo por cada congelador tipo A y B es de $102000 y
$98000 respectivamente.
UNIDAD I:
La compañía dispone como máximo semanalmente 300 horas de ensamblaje, 840 kg de
pintura y 450 horas de control de calidad. Con base en la información suministrada
determine las unidades a producir semanalmente de cada referencia para maximizar las
utilidades.
Las variables:
X = Cantidad de congeladores tipo A a producir semanalmente
Y = Cantidad de congeladores tipo B a producir semanalmente
Las restricciones:
2X + 3Y <= 300
3X + 5Y <= 840
4X + 5Y <= 450
Función Objetivo
Zmax = 102000X + 98000Y
La grafica resultante
UNIDAD I:
La solución óptima corresponde a:
X = 150
Y=0
y la función objetivo quedaría.
Zmax = $15300000
Claramente podemos observar como la restricción 1 y la restricción 2 no determina el
conjunto solución, por ende se denominan restricciones redundantes o sobrantes.
II. Competencias específicas
 Aplica el método de Gauss-Jordan para solucionar sistemas de ecuaciones lineales.
El Método de Gauss – Jordan o también llamado eliminación de Gauss – Jordan, es un

método por el cual pueden resolverse sistemas de ecuaciones lineales con n números de
variables, encontrar matrices y matrices inversas, en este caso desarrollaremos la primera
aplicación mencionada.
UNIDAD I:
Para resolver sistemas de ecuaciones lineales aplicando este método, se debe en primer
lugar anotar los coeficientes de las variables del sistema de ecuaciones lineales en su
notación matricial:
Entonces, anotando como matriz (también llamada matriz aumentada):
Una vez hecho esto, a continuación se procede a convertir dicha matriz en una matriz
identidad, es decir una matriz equivalente a la original, la cual es de la forma:
Esto se logra aplicando a las distintas filas y columnas de las matrices simples operaciones de
suma, resta, multiplicación y división; teniendo en cuenta que una operación se aplicara a todos
los elementos de la fila o de la columna, sea el caso.
Obsérvese que en dicha matriz identidad no aparecen los términos independientes, esto se debe a
que cuando nuestra matriz original alcance la forma de la matriz identidad, dichos términos
resultaran ser la solución del sistema y verificaran la igualdad para cada una de las variables,
correspondiéndose de la siguiente forma:
d1 = x
d2 = y
d3 = z
UNIDAD I:
Ahora que están sentadas las bases, podemos explicar paso a paso la resolución de sistemas de
ecuaciones lineales por medio de este método.
Para ilustrarnos más veremos los siguientes ejemplos:
Ejemplo 1: Sea el sistema de ecuaciones:
Procedemos al primer paso para encontrar su solución, anotarlo en su forma matricial:
Una vez hecho esto podemos empezar a operar con las distintas filas y columnas de la matriz para
transformarla en su matriz identidad, teniendo siempre en cuenta la forma de la misma:
Lo primero que debemos hacer es transformar el 2 de la 1ª fila de la matriz original en el 1

de la 1ª fila de la matriz identidad; para hacer esto debemos multiplicar toda la 1ª fila por
el inverso de 2, es decir ½.
UNIDAD I:
Luego debemos obtener los dos ceros de la primera columna de la matriz identidad, para
lograr esto, buscamos el opuesto de los números que se ubicaron por debajo del 1 de la
primera columna, en este caso el opuesto de 3 que será -3 y el opuesto de 5 que será -5.
Una vez hecho esto, se procederá a multiplicar los opuestos de estos números por cada
uno de los elemento de la 1ª fila y estos se sumaran a los números de su respectiva
columna. Por ej.: en el caso de la 2º fila, se multiplicara a -3 (opuesto de 3) por cada uno
de los elementos de la 1º fila y se sumara su resultado con el numero que le corresponda
en columna de la segunda fila. En el caso de la 3ª fila se multiplicara a -5 (opuesto de 5)
por cada uno de los elementos de la 1º fila y se sumara su resultado con el número que le
corresponda en columna de la tercera fila.
Nuestro siguiente paso es obtener el 1 de la 2ª fila de la matriz identidad, y procedemos de

igual forma que antes, es decir multiplicamos toda la fila por el inverso del número que
deseamos transformar en 1, en este caso -13/2, cuyo inverso es -2/13
Además si observamos la tercera fila, nos damos cuenta que todos los elementos poseen el
mismo denominador, entonces podemos eliminarlos multiplicando todos los elementos de
la 3º fila por 2 (el denominador); si bien este no es un paso necesario para el desarrollo del
método, es útil para facilitar cálculos posteriores.
UNIDAD I:
Ahora queremos obtener el 0 que se ubica en la 3ª fila, 2ª columna de la matriz identidad,

para hacer esto buscamos el opuesto del número que se ubica en la 3ª fila, 2ª columna de
la matriz con la cual estamos operando, en este caso -17, cuyo opuesto será 17; lo que
hacemos ahora es multiplicar este número por todos los elementos de la 2ª fila y sumar
esos resultados con el número que le corresponde en columna de la 3ª fila.
A esta altura podemos observar como la matriz con la cual estamos operando empieza a
parecerse a la matriz identidad.
Nuestro siguiente paso es obtener el 1 correspondiente a la 3ª fila, 3ª columna de la matriz

identidad, ahora bien, aplicamos el mismo procedimiento con el que estábamos
trabajando, es decir que vamos a multiplicar toda la 3ª fila por el inverso del numero que
se encuentre en la posición de la 3ª fila, 3ª columna, en este caso 96/13, cuyo inverso será
13/96.
Luego debemos obtener los dos ceros de la tercera columna de la matriz identidad, para
lograr esto, buscamos el opuesto de los números que se ubicaron por encima del 1 de la 3ª
columna de la matriz con la cual estamos operando, en este caso 11/13 y ½ cuyos
opuestos serán - 11/13 y -½, respectivamente.
Una vez hecho esto, se procederá a multiplicar los opuestos de estos números por cada
uno de los elemento de la 3ª fila y estos se sumaran a los números de su respectiva
columna. Por ej.: en el caso de la 2º fila, se multiplicara a - 11/13 (opuesto de 11/13) por
cada uno de los elementos de la 3º fila y se sumaran sus resultados con el número que le
corresponda en columna de la segunda fila. En el caso de la 1ª fila se multiplicara a -½
UNIDAD I:
(opuesto de ½) por cada uno de los elementos de la 3º fila y se sumaran sus resultados con
el número que le corresponda en columna de la primera fila.
El último paso que debemos realizar es obtener el 0 de la 1ª columna, 2ª fila de la matriz

identidad, para hacer esto buscamos el opuesto del numero que se ubica en la 1ª columna,
2ª fila de la matriz con la que estamos operando, en este caso es 3/2, cuyo opuesto será -
3/2, lo que hacemos ahora es multiplicar este número por todos los elementos de la 2ª fila
y sumar esos resultados con el numero que le corresponde en columna de la 1ª fila.
Como podemos observar hemos llegado al modelo de la matriz identidad que

buscábamos, y en la cuarta columna hemos obtenido los valores de las variables,
correspondiéndose de este modo:
x= 1
y= -1
z= 2
UNIDAD I:
Luego, el sistema de ecuaciones está resuelto y por último lo verificamos.
2x + 3y + z = 1 3x – 2y – 4z = -3 5x – y – z = 4
2*1+3*(-1)+2=1 3*1- 2*(-1)-4*2=-3 5*1-(-1)-2 =4
2 -3 +2 =1 3 +2 - 8= -3 5 +1 - 2 = 4
1 = 1 -3 = -3 4= 4
Ejemplo 2: El método de Gauss consiste en utilizar el método de reducción de manera

que en cada ecuación tengamos una incógnita menos que en la ecuación precedente.
Ponemos como primera ecuación la que tenga el como coeficiente de x: 1 ó -1, en caso de
que no fuera posible lo haremos con y o z, cambiando el orden de las incógnitas.
Hacemos reducción con la 1ª y 2ª ecuación, para eliminar el término en x de la 2ª

ecuación. Después ponemos como segunda ecuación el resultado de la operación:
UNIDAD I:
Hacemos lo mismo con la ecuación 1ª y 3ª ecuación, para eliminar el término en x.
Tomamos las ecuaciones 2ª y 3ª, trasformadas, para hacer reducción y eliminar el término
en y.
Obtenemos el sistema equivalente escalonado.
Encontramos las soluciones.

UNIDAD I:
z=1
− y + 4 · 1 = −2 y = 6
x + 6 −1 = 1 x = −4
Ejemplo 3: método de gauss Jordan por reducción

UNIDAD I:
Ejemplo 4:
 Identifica las regiones del plano cartesiano limitadas por un conjunto de

inecuaciones.
UNIDAD I:
Un sistema de inecuaciones es un grupo de dos o más inecuaciones. El conjunto solución del
sistema es el conjunto de todas las soluciones comunes a todas las inecuaciones del sistema. Por
Ejemplo 1 se considera el sistema de inecuaciones
El conjunto solución de este sistema es el conjunto de todos los números reales que son solución
de la inecuación (1) y también de la inecuación (2). Por ejemplo, es una solución de (2), pues , ya
que, pero no es una solución de (1):
Así, no está en el conjunto solución del sistema de inecuaciones dado, aunque sea una solución
de la inecuación (2). Para determinar el conjunto de todas las soluciones del sistema, se encuentra
UNIDAD I:
el conjunto solución de (1) (Inecuaciones) y luego el de (2), y finalmente se determinan todas las
soluciones comunes a ambas inecuaciones:
El conjunto solución de (1) es el intervalo
El conjunto solución de (2) es el intervalo
Se pueden representar estos dos intervalos S1 y S2, y en una misma recta para determinar el
conjunto de las soluciones comunes:
El conjunto solución del sistema de inecuaciones es el conjunto pues es el que

gráficamente se identifica como el intervalo que contiene a las soluciones de ambas inecuaciones.
UNIDAD I:
Este conjunto se conoce como el conjunto intersección de S1 y S2 y se

escribe
En otras palabras, el conjunto (de los números reales menores que ) es igual al
conjunto de todos los números reales que son menores que y menores que también.
Ejemplo
El ejemplo mostrado antes es un sistema de inecuaciones lineales con una sola incógnita. Se
resolverá a continuación un sistema de inecuaciones con una incógnita, alguna de las
inecuaciones siendo de grado 2. El conjunto solución, al igual que en el ejemplo anterior, está
contenido en , el conjunto de los números reales.
Se resuelve cada inecuación por separado:

UNIDAD I:
UNIDAD I:
Conjunto solución:
Conjunto solución:
Se pueden representar los conjuntos , y en una misma recta, para visualizar el conjunto
intersección: . , , ,
Ejemplo 2:
Para resolverlas, es decir, para determinar la región del plano cartesiano que está constituido por
todas las soluciones comunes a las tres inecuaciones, se comienza por determinar las curvas y la
recta que están definidas por:

UNIDAD I:
La región solución de es la misma que para la inecuación equivalente:

. En la figura es la región coloreada.
UNIDAD I:
Se trata, en este caso, de una hipérbola con eje sobre el eje de las abscisas y vértices en los puntos
y . ( Parábolas e Hipérbolas)
La inecuación es equivalente a y la región

solución es la región coloreada. ¿Puedes explicar por qué?
Esta es la ecuación de una parábola con vértice en el punto y eje sobre el eje de las
ordenadas.
La inecuación tiene como conjunto solución la región coloreada. La región solución

del sistema de inecuaciones se determina representando las 3 regiones anteriores en un mismo
sistema de coordenadas cartesianas.
UNIDAD I:
Ejemplo 3: Resuelve el siguiente sistema de inecuaciones lineales
Trazamos la gráfica de cada una de las ecuaciones; para lo cual calculamos los valores de las
coordenadas de dos de sus puntos:
Si sustituimos x = 0 e y = 0 en x + 2y > 3, se obtiene -3 > 0: falsedad; por lo que la solución para

esta inecuación es el co junto de puntos del semiplano que no incluye al origen. Si sustituimos x
= 0 e y = 0 en 2x - y > 1, se obtiene -1 < 0: verdad; por lo que la solución para esta inecuación
es el conjunto de puntos del semiplano que incluyen al origen.
El conjunto solución del sistema es la intersección de los semiplanos – solución hallados

individualmente (la región sombreada)
El conjunto solución del sistema es la intersección de los semiplanos –solución hallados

individualmente (la región sombreada)
UNIDAD I:
Ejemplo 4: Resuelve el siguiente sistema de inecuaciones lineales:
Lo primero que debemos hacer es trazar la gráfica de cada una de las ecuaciones.
Basta con hallar las coordenadas de dos de los puntos para cada una de ellas:
El conjunto solución es el interior del triángulo sombreado, sin incluir ninguno de los lados. Para
aclarar mejor la solución debemos calcular las coordenadas de los vértices del triángulo, lo cual
se consigue resolviendo los tres sistemas
Para el primer sistema la solución es (1; 2), para el segundo (4; 1) y para el tercero (3; 5). La
solución del sistema de inecuaciones es, en resumen, el interior del triángulo, cuyos vértices son
los puntos (1; 2), (4; 1) y (3; 5); sin incluir ninguno de los tres lados del triángulo
UNIDAD I:
Halla el conjunto solución de un modelo lineal aplicando el método Gráfico.
Ejemplo 1:
UNIDAD I:
Ejemplo 2:
Entre Ana y Sergio tienen 600 euros, pero Sergio tiene el doble de euros que Ana. ¿Cuánto dinero
tiene cada uno?.
Llamemos x al número de euros de Ana e y al de Sergio. Vamos a expresar las condiciones del
problema mediante ecuaciones: Si los dos tienen 600 euros, esto nos proporciona la ecuación x +
y = 600. Si Sergio tiene el doble de euros que Ana, tendremos que y = 2x. Ambas ecuaciones
juntas forman el siguiente sistema:
UNIDAD I:
Para resolver el sistema por el método gráfico despejamos la incógnita y en ambas ecuaciones y
tendremos:
Vamos ahora, para poder representar ambas rectas, a calcular sus tablas de valores
Con estas tablas de valores para las dos rectas y eligiendo las escalas apropiadas en los ejes OX y
OY, podemos ya representar gráficamente:
Si observamos la gráfica, vemos claramente que las dos rectas se cortan en el punto (200, 400),
luego la solución del sistema es x = 200 e y = 400. Por tanto, la respuesta al problema planteado
es que Ana tiene 200 euros y Sergio tiene 400 euros, es decir, el mismo resultado,
evidentemente, que habíamos obtenido con los tres métodos analíticos.
UNIDAD I:
Ejemplo 3:
Una compañía de auditores se especializa en preparar liquidaciones y auditorías de empresas
pequeñas. Tienen interés en saber cuántas auditorías y liquidaciones pueden realizar
mensualmente para maximizar sus ingresos. Se dispone de 800 horas de trabajo directo y 320
horas para revisión. Una auditoría en promedio requiere de 40 horas de trabajo directo y 10 horas
de revisión, además aporta un ingreso de 300 dls. Una liquidación de impuesto requiere de 8
horas de trabajo directo y de 5 horas de revisión, produce un ingreso de 100 dls. El máximo de
liquidaciones mensuales disponibles es de 60.
Objetivo: Maximizar el ingreso total.
Variable de decisión: Cantidad de auditorías (X1),
Cantidad de liquidaciones (X2).
Restricciones : Tiempo disponible de trabajo directo
Tiempo disponible de revisión
Número máximo de liquidaciones.
Maximizar
Sujeto a
UNIDAD I:
La solución óptima siempre se encuentra en uno de los vértices del conjunto de soluciones
factibles. Se analizan estos valores en la función objetivo. El vértice que representa el mejor valor
de la función objetivo será la solución óptima.
UNIDAD I:
Ejemplo 4:
Un departamento de publicidad tiene que planear para el próximo mes una estrategia de
publicidad para el lanzamiento de una línea de T.V. a color tiene a consideración 2 medios de
difusión: La televisión y el periódico.
Los estudios de mercado han mostrado que:
1. La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de las

familias de ingresos medios por comercial.
2. La publicidad en el periódico llega al 3 % de las familias de ingresos altos y al 6 % de

las familias de ingresos medios por anuncio.
La publicidad en periódico tiene un costo de 500 dls. por anuncio y la publicidad por T.V. tiene
un costo de 2000 dls. por comercial. La meta es obtener al menos una presentación como mínimo
al 36 % de las familias de ingresos altos y al 60 % de las familias de ingresos medios
minimizando los costos de publicidad.
Objetivo : Minimizar los costos de publicidad.
Variable de decisión: Anuncios para las familias de ingreso alto (X1).
Anuncios para las familias de ingreso medio (X2).
Restricciones: Porcentaje de presentación.

UNIDAD I:
Construya algoritmos que permitan hallar las decisiones factibles de un modelo lineal.
El algoritmo más común de para solucionar problemas lineales es el método simplex. Otros
como:
El algoritmo de Gomory y el algoritmo fraccional, para la programación lineal entera.

UNIDAD I:
Antes de iniciar su desarrollo, es necesario que todos los coeficientes que aparecen en las
restricciones sean enteros, esto se consigue multiplicando cada restricción por el mínimo
común múltiplo delos denominadores de los coeficientes aij y bi correspondientes a cada
restricción. Esto está motivado porque en el desarrollo del algoritmo no se hace distinción
entre las variables de decisión y de holgura.
La función objetivo, escrita en función delas variables básicas y no básicas, es
Las variables básicas yi (i=1, 2, ..., m) de cualquier tabla del simplex se pueden escribir en
la forma:
Siendo yk variable básica y wjvariable no básica enla tabla del simplex, &k j, los
coeficientes de la j-ésima variableno básica en la k-ésima fila y xk, la solución para yk.
Un número real puede expresarse como suma de su parte entera y su parte fraccionaria
UNIDAD I:
Los planos de corte serán restricciones que nos permiten llegar a la solución entera óptima
dentro de la región factible Dada la última tabla del simplex de un problema de PL que
proporciona el programa LINDO escriba el plano de corte asociado a la variable x1
Método simplex
UNIDAD I:
Algoritmo entero de Gomory

El algoritmo entero de Gomory surge como alternativa al algoritmo fraccional en un
intento de evitar los errores de redondeo presentados por éste. Para ello, los coeficientes
de los planos de corte que se construyan deberán ser enteros. Para desarrollar este método,
no es necesario resolver el problema de programación lineal, se partirá de una tabla dual
factible. Las variables no factibles yi(i=1, 2, ..., m) de cualquier tabla del simplex, en
cualquier iteración, se pueden escribir en la forma:
Siendo yi
coeficientes de la j-ésima variable no básica en la k-ésima fila y xk, el valor de yk en la
solución no factible, es decir xk< 0.
Dividendo por un número real

Teniendo en cuenta que todo número real puede expresarse como suma de su parte entera
y su parte fraccionaria
UNIDAD I:
Operando
Y multiplicando la expresión
Restando se obtiene
UNIDAD I:
Algoritmo de ramificar y acotar En la práctica, la mayoría de los problemas de programación

entera se resuelven mediante el uso de la técnica de ramificar y acotar
Los métodos de ramificar y acotar encuentran la solución óptima para un problema de

programación entera mediante la enumeración eficiente de los puntos en la región factible.
UNIDAD I:
UNIDAD I:
Ejemplo:
El procedimiento ramificar y acotarse basa en tratar sólo con el problema PL.
Como la solución óptima no satisface la necesidad de valores enteros, el algoritmo de ramificar y
acotar exige ''modificar'' el espacio de soluciones PL en forma tal que nos permita identificar,
finalmente, la solución óptima del problema de programación lineal entera. Primero,
seleccionamos una de las variables cuyo valor corriente en la solución óptima SP0 infringe el
requisito de valor entero.
Seleccionando x1 = 3.75 arbitrariamente, observamos que la región (3 < x1< 4) del espacio de
soluciones SP0 no puede, por definición, incluir ninguna solución factible del problema de
programación lineal entera. Entonces, podemos modificar el espacio de soluciones de PL
eliminando esta región no prometedora, lo que, en realidad, es equivalente a reemplazar el
espacio original SP0 por dos subproblemas de programación lineal, los SP1 y SP2, definidos de
la manera siguiente:
UNIDAD I:
Los dos espacios contienen los mismos puntos enteros factibles del modelo programación lineal
entera. Esto significa que, desde el punto de vista del problema original de programación lineal
entera, tratar con SP1 y SP2 es igual que tratar con el subproblema original SP0. La diferencia
principal es que la selección
mejorarán la oportunidad de forzar a los puntos extremos óptimos de SP1 y SP2 hacia la
satisfacción del requisito de valor entero. Además, el hecho de que las restricciones de
acotamiento estén en la ''vecindad inmediata'' del óptimo continuo del SP0 incrementará las
posibilidades de producir "buenas" soluciones enteras.
SP2 deben tratarse como dos problemas deprogramación lineal separados. Esto da lugar al
método de ramificar y acotar. En efecto, ramificar significa subdividir un espacio de soluciones
en subespacios mutuamente excluyentes. Las ramas asociadas se definen por las restricciones x1
variable de ramificación. La solución óptima de la
programación lineal entera debe encontrarse en el SP1 o en el SP2. Sin embargo, en ausencia del
espacio gráfico de soluciones, no se sabe dónde puede encontrarse la solución óptima, por lo que
la única opción es investigar ambos problemas. Se hace esto trabajando con un problema SP1 o
SP2. Escojamos arbitrariamente efecto, debemos resolver el
siguiente problema:
UNIDAD I:
mutuamente excluyentes, SP1 y SP2 deben tratarse
como dos problemas de programación lineal separados. Esto da lugar al método de ramificar y
acotar. En efecto, ramificar significa subdividir un espacio de soluciones en subespacios
mutuamente excluyentes. Las ramas asociadas se d
donde x1se denomina variable de ramificación. La solución óptima de la programación lineal
entera debe encontrarse en el SP1 o en el SP2. Sin embargo, en ausencia del espacio gráfico de
soluciones, no se sabe dónde puede encontrarse la solución óptima, por lo que la única opción es
investigar ambos problemas. Se hace esto trabajando con un problema SP1 o SP2. Escojamos
arbitrariamente efecto, debemos resolver el siguiente problema:

UNIDAD I:
Como se indicó antes, el SP1 es el mismo que el SP0 con la restricción adicional de acotamiento
superior, x1<=3. Así, podemos aplicar el método simplex de acotamiento superior para resolver
el problema. Esto da la nueva solución óptima: x1= 3, x2= 2 y z = 23.
Como esta solución satisface el requisito de valor entero, se dice que el SP1 está agotado, lo que
significa que el SP1 no puede producir ninguna solución mejor de la programación lineal enteray
no necesita investigarse más a fondo. Determinar una solución factible entera en una etapa
temprana de los cálculos es crucial para incrementar la eficiencia del algoritmo Ramificar y
Acotar. Tal solución fija una cota inferior al valor objetivo óptimo del problema programación
lineal entera, que, a su vez, se puede usar para descartar automáticamente cualesquiera
subproblemas no explorados(como el SP2) que no dan una mejor solución entera. En términos de
nuestro ejemplo, el SP1 produce la cota inferior z = 23. Esto significa que cualquier solución
entera mejorada debe tener un valor de z mayor que 23. Sin embargo, como la solución óptima
del problema SP0 (original) tiene z = 23.75 y como todos los coeficientes de la función objetivo
son enteros, se infiere que ningún subproblema que proceda del SP0 puede producir un valor de z
mejor que 23. En consecuencia, sin ulterior investigación, podemos descartar al SP2. En este caso
se dice que el SP2 está agotado porque no puede dar una mejor
solución entera.
Del análisis anterior vemos que un subproblema está agotado si se satisface una
de las siguientes condiciones:
i) El subproblema da una solución factible entera del problema programación lineal entera.
UNIDAD I:
ii) El subproblema no puede dar una mejor solución que la mejor cota inferior
disponible (valor de z) del problema programación lineal entera. (Un caso especial de esta
condición es que el subproblema no tendrá ninguna solución factible)
Si la función objetivo ha de minimizarse, el procedimiento es el mismo, excepto que se emplean
cotas superiores. Así, el valor de la primera solución entera se vuelve una cota superior para el
problema y se eliminan los SPi cuando sus valores z de primera aproximación son mayores que la
cota superior actual.
En este método también se realizan bifurcaciones (algoritmo bifurcación), estas siempre se
realizan a partir de aquel programa que parece estar más cerca del valor óptimo. Cuando existen
varios candidatos para continuar las bifurcaciones, se selecciona aquel que tenga el mayor valor z
si se va a maximizar la función objetivo, o aquel que tenga el menor valor z si se va a minimizar
la función objetivo.
Las restricciones adicionales se agregan una a una. Si una primera aproximación incluye a más de
una variable no entera, las nuevas restricciones se imponen a aquella variable que está más lejos
de ser un entero; esto es, aquella variable cuya parte fraccionaria está más cerca de 0.5. En caso
de empate, se selecciona arbitrariamente una de las variables.
Finalmente, es posible que un programa entero o un programa lineal tengan más de una solución
óptima.
UNIDAD I:
Observemos, mediante un ejemplo, el método de ramificar y acotar.

UNIDAD I:
dejando a un lado el requerimiento de que las variables sean enteras, se obtiene x1= 3.75, x2
=2.25, con z = 41.25, como la solución al problema de programación lineal asociado. Dado que
x1 está más alejada de un valor entero que x2, la empleamos para generar los subproblemas SP1
y SP2: x1 >=4 y x1<=3. Seguiremos ramificando los subproblamas que nos han dado soluciones
no enteras hasta agotar las posibles ramificaciones. Todos aquellos subproblemas que nos den
soluciones enteras entrarán a formar parte del conjunto de soluciones candidatas a la solución
óptima, en nuestro caso las soluciones candidatas nos las ofrecen los subproblemas: SP2 (z=39,
x1=3, x2=3), SP5 (z=40, x1=5, x2=0) y SP6 (z=37, x1=4, x2=1); de todas ellas tomaremos la que
mayor valor tenga enla función objetivo SP5 (z=40, x1=5, x2=0).
Resuelto:
UNIDAD I:
UNIDAD I:
Veamos otro ejemplo:
Planteando ahora los subproblemas, por el método de ramificar y acotar, tenemos:

UNIDAD I:
UNIDAD I:
Como lo dijimos en líneas anteriores, el método simplex es el algoritmo más usado para dar
solución a problemas.
El Método Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que
secuencialmente a través de iteraciones se va aproximando al óptimo del problema de
Programación Lineal en caso de existir esta última.
El Método Simplex hace uso de la propiedad de que la solución óptima de un problema de
Programación Lineal se encuentra en un vértice o frontera del dominio de puntos factibles (esto
último en casos muy especiales), por lo cual, la búsqueda secuencial del algoritmo se basa en la
evaluación progresiva de estos vértices hasta encontrar el óptimo. Cabe destacar que para aplicar
el Método Simplex a un modelo lineal, este debe estar en un formato especial conocido como
formato estándar.
UNIDAD I:
Ejemplo: Resolver el siguiente problema de Programación Lineal utilizando el Método Simplex
Para poder aplicar el Método Simplex, es necesario llevar el modelo a su formato estándar, para
lo cual definimos X3, X4, X5 >= 0 como las respectivas variables de holgura para la restricción
1, 2 y 3. De esta forma queda definida la tabla inicial del método de la siguiente forma:
En esta situación, las variables de holgura definen una solución básica factible inicial, condición
necesaria para la aplicación del método. Luego, se verifican los costos reducidos de las variables
no básicas (X1 y X2 en la tabla inicial) y se escoge como variable que entra a la base aquella
con el costo reducido "más negativo". En este caso, X2.
Luego, para escoger que variable básica deja la base debemos buscar el mínimo cociente entre el
lado derecho y los coeficientes asociados a la variable entrante en cada fila (para aquellos
coeficientes > 0 marcados en rojo en la tabla anterior). El mínimo se alcanza en Min {70/1, 40/1,
90/3} = 30 asociado a la tercera fila, el cual corresponde a la variable básica actual X5, en
consecuencia, X5 deja la base. En la posición que se alcanza el mínimo cociente lo llamaremos

UNIDAD I:
"Pivote" (marcado con rojo) el cual nos servirá para realizar las respectivas operaciones filas,
logrando la siguiente tabla al cabo de una iteración:
Finalmente se alcanza la solución óptima del problema P) y se verifica que los costos reducidos
asociados a las variables no básicas (X4 y X5 son mayores o igual que cero). Notése que la
existencia de un costo reducido igual a cero para una variable no básica en esta etapa define un
problema con "infinitas soluciones".
La solución alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente, los costos
reducidos asociados a las variables no básicas definen el precio sombra asociado a las
restricciones 1, 2 y 3, respectivamente, lo cual es equivalente a la obtención del precio sombra
mediante el método gráfico. Dejaremos para una posterior presentación, la forma de calcular el
intervalo de variación para el lado derecho que permite la validez del precio sombra, utilizando la
tabla final del Método Simplex.

UNIDAD I:
Ejemplo 2:
X1, X2 >= 0
Se debe agregar X3 como variable de holgura de la restricción 1, X4 como variable de exceso de
la restricción 2 y X5 variable auxiliar para poder comenzar la Fase 1. (Nótese que solo agregando
X3 como variable de holgura a la restricción 1 y X4 como variable de exceso a las segunda
restricción no se obtiene una solución básica factible inicial, en particular X4<0).
Min X5
La tabla inicial asociada queda en consecuencia definida de la siguiente forma:
Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial para hacer el
uso de Simplex:
UNIDAD I:
Se escoge X1 como variable que entra a la base al tener el costo reducido más negativo.
Posteriormente, mediante el criterio del mínimo cuociente se selecciona la variable que sale de la
base: Min {9/10; 1/10} = 1/10, X5 sale de la base:
Se obtiene la solución óptima de la Fase I, con valor óptimo cero. Luego iniciamos la Fase II del
método tomando X1 yX3 como variables básicas iniciales.
Resolver ahora por Simplex el problema original a partir de la solución básica factible inicial
hallada desde la inicial
Hacemos cero los costos reducidos de las variables básicas:
X4 entra a la base. Por el criterio del mínimo cociente, el pivote se encuentra en la fila 1, por
tanto X3 sale de la base:
UNIDAD I:
Donde la solución óptima es:X1=9/10 X2=0 Con valor óptimoV(P) = 9/5.
Referencias
https://es.wikipedia.org/wiki/Modelo_lineal
http://www.uv.es/ceaces/molineal/modelo_lineal.htm
http://www.monografias.com/trabajos96/investigacion-operaciones-a-modelos-y
aplicaciones-programacion-lineal/investigacion-operaciones-a-modelos-y-aplicaciones-
programacion-lineal.shtml#iiprograma
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/m%C3%A9todo-gr%C3%A1fico/
http://www.monografias.com/trabajos72/resolucion-sistemas-metodo-gauss
jordan/resolucion-sistemas-metodo-gauss-jordan.shtml
http://galois.azc.uam.mx/mate/propaganda/GAUSSJORDAN.pdf
http://docencia.udea.edu.co/GeometriaVectorial/uni1/seccion11.html
http://eueti.uvigo.es/files/curso_cero/material/sistemas_de_ecuaciones.pdf
http://www.rena.edu.ve/cuartaEtapa/matematica/tema14/tema14.html
http://www.ci.edu.pe/tareas/areamate/2011/Programaci%C3%B3n%20Lineal.pdf
http://www.vadenumeros.es/primero/sistemas-graficamente.htm
http://thales.cica.es/rd/Recursos/rd99/ed99-0045-01/secciones/grafico.html
http://www.itlalaguna.edu.mx/Academico/Carreras/industrial/invoperaciones1/UIb.HTML
http://ocw.usal.es/ensenanzas-tecnicas/investigacion-operativa-i/contenidos/TemasIO-
I_PDF/Cap04(PE)_IO-I.pdf

Attachment

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Attachment

Cargado por

Copyright:

Formatos disponibles

Materia: Investigación de Operaciones

I. Competencia general ......................................................................................................... 3

II. Competencias específicas ................................................................................................ 17

Asertivo en dar solución a modelos lineales de decisión aplicando el Método Gráfico.

menos el único. El análisis multivariante se centra en estudiar conjuntos de variables y su peso en

los análisis para poder descartar las menos representativas.

Utilidades del modelo lineal:

1. verificar la existencia de la relación lineal

los coeficientes de la relación lineal.

3. predecir la variable y en función de x o (x1x2 ... xk )

Representación del modelo

El método gráfico es un procedimiento de solución de problemas de programación lineal muy

limitado en cuanto al número de variables (2 si es un gráfico 2D y 3 si es 3D) pero muy rico en

materia de interpretación de resultados e incluso análisis de sensibilidad. Este consiste en

representar cada una de las restricciones y encontrar en la medida de lo posible el polígono

empleo de recursos limitados. Se aplica exitosamente en muchas áreas como en el ejército, en la

agricultura, la industria, los transportes, la economía, los sistemas de salud, en el ejército e

incluso en los sistemas conductuales y sociales

La utilidad de esta técnica se incrementa mediante el uso y disponibilidad de programas de

computadora altamente eficientes. De hecho la PL, debido a su alto nivel de eficiencia

computacional, es la base para el desarrollo de algoritmos de solución de otros tipos (más

complejos) de modelos de IO, incluyendo la programación entera, no lineal y estocástica.

casos en que el número de variables son a lo más dos.

Vamos a ver su aplicabilidad con los siguientes ejemplos:

La fábrica de Hilados y Tejidos "SALAZAR" requiere fabricar dos tejidos de calidad

diferente T y T’; se dispone de 500 Kg de hilo a, 300 Kg de hilo b y 108 Kg de hilo c.

Para obtener un metro de T diariamente se necesitan 125 gr de a, 150 gr de b y 72 gr de c;

para producir un metro de T’ por día se necesitan 200 gr de a, 100 gr de b y 27 gr de c.

El T se vende a $4000 el metro y el T’ se vende a $5000 el metro. Si se debe obtener el máximo

beneficio, ¿cuántos metros de T y T’ se deben fabricar?

2. La modelización mediante programación lineal

XT: Cantidad de metros diarios de tejido tipo T a fabricar

XT’: Cantidad de metros diarios de tejido tipo T’ a fabricar

0,12XT + 0,2XT’ <= 500 Hilo “a”

0,15XT + 0,1XT’ <= 300 Hilo “b”

0,072XT + 0,027XT’ <= 108 Hilo “c”

ejercicio de maximización, cuando el ejercicio sea de minimización lo más recomendado es

ZMAX = 4000XT + 5000XT’

La solución mediante método gráfico

Igualamos las restricciones,

0,12X + 0,2y = 500

0,15X + 0,1y = 300

0,072X + 0,027y = 108

despejar más fácilmente la segunda.

Por ejemplo, para un x = 0

0,12(0) + 0,2y = 500

0,12x + 0,2(0) = 500

Seguimos con la segunda restricción,

0,15X + 0,1y = 300

0,072X + 0,027y = 108

elegir la mejor alternativa dependiendo de las herramientas disponibles (tecnológicas y

La primera opción es la geométrica, esta depende de trazar la ecuación que representa a la

ZMAX = 4000x + 5000y

a la ecuación (en esta ocasión es recomendable más de dos coordenadas, incluyendo la

función objetivo no corte el polígono solución se ha encontrado la solución óptima. En otras

palabras trasladamos la función objetivo por todo el polígono conservando la perpendicularidad

ecuaciones 1 y 2, la línea imaginaria no corta la polígona solución, entonces es este punto el

correspondiente a la coordenada óptima.

Para hallar el valor de esta coordenada es indispensable recurrir a la resolución de ecuaciones

lineales 2x2, y se pueden considerar varios métodos de solución entre ellos:

Método por sustitución

- Método por igualación

- Método por reducción o Eliminación

21+3(-1)+2=1 31- 2(-1)-42=-3 51-(-1)-2 =4