Cartilla U2-1

PROGRAMACIÓN LINEAL

MODELOS PARA LA TOMA DE DECISIONES

AUTOR: Gabriel Mauricio Yañez Barreto

INICIO
• Desarrollo de cada una de las unidades temáticas

1. Introducción a la programación lineal
1.1. Introducción a los modelos
1.2. Modelos estáticos y dinámicos
1.3. Modelos lineales y no lineales
1.4. Modelos enteros y no enteros
1.5. Modelos determinísticos y estocásticos
2. Proceso de construcción de modelos de siete pasos
3. Ventajas del modelo matemático
4. Conceptos clave para el desarrollo de problemas de programación lineal
5. Método de solución
5.1. Método grafico
5.2. Método matemático
5.3. Método Gráfico
5.4. Método simplex
• Glosario de términos
• Referencias
• Referencias Bibliográficas
DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS
1. Introducción a la programación lineal
1.1. Introducción a los modelos
Se conoce como Investigación de Operaciones al proceso científico utilizado para encontrar una
solución o decisión que permita operar un sistema y obtener un resultado específico asignando
la menor cantidad de recursos posibles, a este proceso, se le conoce como Ciencia de la
Administración.
2 POLITÉCNICO GRANCOLOMBIANO
Un Sistema es un conjunto de elementos independientes que trabajan en conjunto para lograr
una meta común. Una empresa cualquiera sería un buen ejemplo de sistema cuya meta común
es aumentar al máximo sus ganancias mientras ofrecen productos de excelente calidad.
La toma de decisiones, mediante un proceso científico, necesita de uno o varios modelos

matemáticos, para lo cual se precisa ilustrar una situación real con una ecuación que nos ayude a
analizar el problema y a encontrar la mejor solución posible.
1.2. Modelos estáticos y dinámicos
Cuando las variables de decisión no requieren de sucesiones de decisión para periodos múltiples
se tiene un modelo estático. En caso contrario, se tiene un modelo dinámico. En el modelo
estático podemos resolver un problema con tan solo un intento cuyas soluciones dicten valores
óptimos de las variables de decisión en cada uno de los puntos de tiempo. Los modelos restantes,
en los cuales las decisiones requieren del análisis recursivo para periodos múltiples, pertenecen
a la categoría de modelos dinámicos.
1.3. Modelos lineales y no lineales
Si las variables de decisión que aparecen en la función objetivo y en las restricciones de un modelo
de optimización están multiplicadas por constantes y acomodadas en forma de suma, entonces,
en este caso, tendremos un modelo lineal; cuando el modelo de optimización no es lineal
obtenemos un modelo no lineal.
1.4. Modelos enteros y no enteros
Tenemos un modelo entero cuando en el modelo de optimización una o más variables de decisión
deben ser enteros, cuando las variables de decisión tengan la opción de ser un valor fraccionario,
entonces, tendremos un modelo no entero.
1.5. Modelos determinísticos y estocásticos
En caso de conocer con seguridad el valor de la función objetivo y si las restricciones se cumplen
o no para cualquier valor de las variables de decisión se tendrá un modelo determinístico; en caso
contrario, en el que no conocer los valores de la función objetivo y no tener seguridad sobre el
cumplimiento de las restricciones se tendrá un modelo estocástico.
3
3
MODELOS PARA LA TOMA DE DECISIONES 3
2. Proceso de construcción de modelos de siete pasos
El siguiente proceso es esencial en la investigación de operaciones para la solución de problemas
de una empresa.
1. Plantear el problema: al definir el problema que está afectando a determinada
empresa se deben tener en cuenta los objetivos específicos y partes de la misma
que deben ser analizadas para lograr resolver el problema.
2. Observar el sistema: la recopilación de información es esencial para conocer el
valor de los factores que están causando el problema de la empresa; con base en
ellos, se podrá estudiar el inconveniente mediante un modelo matemático.
3. Formular un modelo matemático del problema: el estudio y análisis de los
parámetros que afectan el problema de la empresa debe dar como resultado uno
o más modelos matemáticos, sobre los cuales se planteará una nueva estrategia a
seguir para contrarrestar el conflicto.
4. Verificación del modelo para la predicción y su implementación: es necesario
verificar que el rendimiento de las variables de decisión que no se usaron en la
estimación estén perfectamente representadas. Aunque un modelo esté validado
y corroborado se debe tener cuidado al aplicarlo.
5. Seleccionar una opción adecuada: a partir de la base del modelo matemático y de
las diferentes opciones que este ofrece, se debe decidir cuál de todas ellas es la
más conveniente para los objetivos de la empresa, ya que por supuesto, puede
existir más de una solución viable para la solución del problema.
6. Presentar los resultados y la conclusión del estudio a la empresa: después de
decidir la mejor opción u opciones para la solución del problema, es necesario
presentar el resultado de la investigación ante la cabeza de la empresa, en caso de
existir varias soluciones diferentes es posible que las directivas quieran escoger la
más adecuada; si por algún motivo la empresa no aprueba las soluciones
presentadas, se debe encontrar la falla en el proceso de investigación; una
posibilidad puede ser que se haya abordado de forma incorrecta la definición de
los problemas de la empresa o que se haya omitido, desde un comienzo el proceso,
la participación de las directivas de la empresa. En este caso, la investigación debe
retroceder al punto en el que se originó el error.
7. Poner en marcha y evaluar las recomendaciones: después que la empresa
apruebe los resultados del proceso de investigación, se deben empezar a aplicar
las recomendaciones. Para lo cual, es necesario vigilar y actualizar el sistema de
forma continua, de manera que estas recomendaciones logren contribuir con las
metas propuestas.

3. Ventajas del modelo matemático
1. Un modelo puede ser una representación exacta de un problema real. Con una
buena formulación es posible tener una ecuación altamente precisa; la validez del
modelo depende en su exactitud al momento de representar el problema o el
sistema a estudiar, lo cual lo hace tremendamente eficiente para la resolución de
problemas de negocios.
2. Los modelos pueden ser muy útiles para un directivo que quiera formular
problemas hipotéticos, que le ayuden a calcular ingresos, gastos, ventas,
rendimientos, costos de producción y de transporte y otros elementos similares.
3. Se puede utilizar un modelo para recopilar información, a largo plazo de esta forma
se puede saber de qué forma podrían afectar los posibles cambios de presupuesto
a las utilidades; a esto se le conoce como análisis de sensibilidad y permite estudiar
los cambios de un modelo.
4. Una empresa puede usar un modelo para ahorrar costos a la hora de tomar una
decisión y resolver un problema; el costo y el tiempo invertidos en un análisis de
modelo son mucho menores que los de una arriesgada campaña de marketing, con
lo cual es posible determinar con anticipación los resultados en un entorno real.
5. En ocasiones el modelo es el único medio infalible para la resolución de problemas
complejos; si una empresa quiere saber cuánto crecerá o disminuirá su taza de
producción y ganancia con restricciones de manufactura, puede utilizar un modelo
para calcular tales cifras en cualquier situación específica.
6. Los modelos también pueden ser útiles para compartir diferentes problemas y
soluciones con otros analistas; de esta forma, se presentarán mejores soluciones
a los directivos de una empresa que les ayuden a tomar la mejor decisión final.
7. Solución de modelos de programación lineal de dos variables con método gráfico
Los modelos de programación lineal se pueden desarrollar de diferentes maneras, dependiente

de varios factores como cantidad de variables y cantidad de restricciones. En este capítulo,
empezaremos por el análisis de modelos de programación lineal básicos de dos variables; estos
se pueden solucionar por método gráfico de una manera muy sencilla. Aprenderemos a
desarrollar los modelos de dos variables con método gráfico y a analizarlos con la herramienta
computacional PHP SIMPLEX (aplicación web); cuando los modelos son de más de dos variables,
veremos un análisis para la solución de estos llamado método simplex, aprenderemos a
aplicarlos, pero se hará mayor énfasis en el desarrollo de estos problemas en PHP SIMPLEX y el
análisis de la última iteración.
5
5
4. Conceptos clave para el desarrollo de problemas de programación lineal
Para solucionar modelos de programación lineal es necesario reconocer tres objetos básicos del
problema:
1. Variables de decisión: lo que se está tratando de determinar.
2. Función objetivo: la meta a optimizar.
3. Las restricciones: los alcances del sistema a satisfacer.
Se debe tener especial atención en el desarrollo de las restricciones; tenemos varios tipos de
restricciones y se debe tener la habilidad de detectarlas para poderlas expresar en el lenguaje
matemático. Esta habilidad solamente se puede obtener mediante la práctica de ejercicios.
Veremos una forma de analizar restricciones.
Las restricciones que limitan el uso de materias primas y de la demanda. Las restricciones de
materia primas se pueden expresar de la siguiente manera:
[Uso de la materia prima] ≤ [Disponibilidad máxima de la materia prima]
También, existen las restricciones de demanda donde se expresan relaciones o cantidades

máximas o mínimas de productos, generalmente están expresadas como se debe producir la
mitad de uno, el doble de otro, al menos tanto o hasta tanto de cada producto.
Ahora el caso práctico que veremos a continuación, contiene todos estos conceptos aplicados,
los analizaremos con el ejercicio piloto de Hamdy A. Taha. (Taha 1997)
5. Método de solución
5.1. Método gráfico
Ejemplo desarrollado.
Si tenemos el siguiente problema vamos a resolverlo de manera didáctica y paso a paso.
Iron Works, Inc. (IWI) fabrica dos productos de acero y sólo recibe pedidos mensuales de b libras
de acero. Una unidad de producto 1 requiere de a1 libras de acero para su fabricación y se
requieren a2 libras de acero para la fabricación de una unidad de producto 2.
Sea x1 y x2 el nivel de producción mensual de producto 1 y producto 2, respectivamente. Denote
por P1 y P2 l as utilidades unitarias para los productos 1 y 2, respectivamente.
El fabricante tiene un contrato para entregar al menos m unidades de producto 1 este mes.
Adicionalmente, la planta puede fabricar, como máximo, u unidades de producto 2
mensualmente.
Lo primero que debemos realizar es la revisión del problema, cuales son los datos más
importantes y realizar una pequeña lista de variables. Todo esto con el fin de definir las variables
de estado y que tipo de función objetivo voy a tener.
Según el problema tenemos los siguientes datos
Tenemos de materia prima Acero “b” unidades (constante).
Variables de decisión:
a1 * x1 + a2 * x2 ≤ b = La cantidad de unidades del producto 1.
x1 y x2 = La cantidad de unidades del producto 2.
M= unidades con la que el fabricante se comprometió a cumplir.
U = máximo de unidades del producto que se pueden realizar.

Sabemos (por el ejercicio) que las variables de decisión son básicamente unidades de trabajo, que
quiere decir esto “deben fijarse que cuando hablamos de programación lineal tenemos es los
costos de transportar una unidad de un producto, costos de producción, cantidad de material
para realizar una producción y etc.”
Para el producto 1 se utilizan libras de acero y para el producto 2
libras. Esta frase nos indica que la primera restricción está dada por la siguiente ecuación
Donde serán mis variables de decisión, ya que son las unidades que podre producir con la
materia prima con la que cuento, el valor de esa materia prima es b. La restricción queda menor
o igual ya que como máximo podré utilizar b cantidad de materia con la que cuento.
Ahora analizando un poco más el ejercicio puedo definir la función objetivo. Como el ejercicio
habla sobre las utilidades obtenidas por cada uno de los productos debo tener en cuenta que lo
más importante es MAXIMIZAR las ganancias de la empresa por medio de la producción de los
dos productos. Por lo tanto tengo que la función objetivo está definida por que son las
utilidades obtenidas por cada uno de los productos que fabrica la empresa. Que quiere decir que
7
7
esos valores de son constantes para el modelo como
tal. La función objetivo queda de la siguiente forma.

Que lo que me dice la ecuación anterior es que necesitamos realizar una producción por medio
de la cual obtenga la mejor ganancia aprovechando el material con el que cuento.
Por último, contamos con dos restricciones más definidas por el problema, la cantidad de
unidades que puede producir del producto 2 y el contrato que tiene el fabricante sobre las
unidades del producto 1. Entonces en la restricción que es referente a la cantidad de unidades
del producto 2 se construye la restricción de la siguiente manera;

La restricción queda así de sencilla por que como un máximo o un límite superior de la solución
esta que se generen u unidades del producto u, ya sea por la capacidad de la planta o por la
capacidad de trabajo del personal.
Ahora para la restricción del contrato que adquirió la empresa sobre el producto 1 se tiene la
siguiente restricción;

Esta restricción queda así ya que lo mínimo que debe producir la empresa del producto 1 es m
unidades que es para cumplir el contrato con el que se compromete. Esta es un límite inferior del
sistema modelado.
Ahora apreciados estudiantes, escribamos de nuevo el modelo completo, empezando con la

función objetivo del modelo y siguiendo con restricciones que debe cumplir para el caso
específico de la empresa.

Se encuentra sujeto a:
La ultima restricción me dice que cada una de las variables de decisión son positivas o tiene un
valor nulo (0) como mínimo, ya que no puedo tener un numero negativo de unidades.
Ahora podemos darle valores a las constantes del ejercicio anterior para revisar cómo se podría
dar una solución al modelo ya sea por método matemático, método grafico o por simplex.
5.2. Método matemático
Teniendo en cuenta que contamos con ecuaciones, podemos encontrar un valor aproximado por
medio de desarrollo de ecuaciones básicas, por lo tanto si al modelo anterior le damos valores
numéricos a las constantes que definen el modelo del ejemplo anterior.
Supongamos que se cuentan con 2000 libras de acero, que se utilizan 2 libras de acero en
construir el producto 1 y 3 libras de acero en construir el producto 2, que el contrato con el que
se compromete la empresa es de 60 unidades y por último que máximo se pueden construir 720
unidades del producto 2. También que las utilidades del producto 1 y producto 2 son de 100 y
200 respectivamente.

Por lo tanto el modelo queda definido de la siguiente manera:
(1)
(2)
(3)
(4)
(5)
Podemos iniciar con la condición que conlleva más relevancia para la empresa y partiendo de ella
definir el punto de inicio de desarrollo del sistema, esta restricción es el cumplimiento del
contrato de 60 unidades con el cual se compromete la empresa, por lo tanto damos el valor
mínimo de la variable de decisión y arrancamos con él a resolver el sistema
9
9

Lo igualamos a 60 ya que con esto es lo mínimo de unidades del producto 1 que deben construirse
para poder cumplir el contrato de la empresa.
Teniendo el valor de x1 podemos reemplazarlo en la ecuación 2 lo cual quedara de la siguiente

manera;

Despejamos la ecuación anterior y de esta manera podemos hallar el valor de X2 y de esta manera
completar una solución para el problema.

Aclarando que hablamos de unidades, nos damos cuenta que no podemos tener decimales por
lo cual debemos aproximar por lo cual el resultado queda de la siguiente manera

Ahora como ya conocemos el valor de cada una de las variables de decisión debemos tener en
cuenta que:

Por lo tanto esto reflejado en la función objetivo nos da de la siguiente manera:

Lo que nos define que la utilidad cumpliendo con las restricciones del problema es 131 400,
cumpliendo con el contrato y teniendo en cuenta que no se supera el número de unidades
posibles para producir del producto 2, por lo tanto el problema se encuentra muy bien
desarrollado.
5.3. Método Gráfico
Ejemplo de solución de un modelo por método gráfico
Teniendo en consideración el ejemplo anterior realizaremos la solución del mismo por medio del
método gráfico.
Teniendo en cuenta el modelo definido de la siguiente manera;
(1)
(2)
(3)
(4)
(5)
Empezamos con el análisis de las restricciones para lograr desarrollar el modelo por medio de
grafica en 2 ejes (gráfica clásica de X y Y).
En primera instancia definimos que por teoría cada una de las restricciones genera una línea recta
que me define cual será el conjunto solución para el modelo.
Definimos que cada uno de los dos ejes tiene un nombre que en este caso se encuentra definido
entre y . Para este caso el eje x de la gráfica será

mientras que el eje y se define la variable .
Empezamos con la restricción # 4 ya que es la más sencilla de analizar, teniendo en cuenta que
esta solo depende de la variable .
11
11

Figura 1. Solución de la primera restricción
Fuente: Elaboración propia (2016)
Teniendo en cuenta la imagen anterior , la restricción # 2 queda como una línea recta paralela a
el eje y, el espacio de solución para esta restricción es todo el conjunto de números que van desde
0 hasta la línea, ya que se dice que tiene que ser menor o igual a 60 unidades de
.
De la misma manera analizaremos la restricción # 3 y la restricción # 4, para cada una de ellas
tendremos rangos de solución, pero para la solución del modelo completo encontraremos la
Intersección de cada uno de estos conjuntos de solución.
Sigamos con la restricción #3 que será también una línea recta pero en este caso será paralela al
eje x y tendrá un valor de 720, según la restricción matemática el conjunto solución para esta
restricción será todos los valores menores o iguales a 720 como se muestra en la siguiente figura.
Figura 2. Solución de la segunda restricción
Ahora continuando con la ecuación #2 que es la ecuación “complicada” iniciamos de la siguiente
manera:
Inicializamos en 0 lo cual nos dará una ecuación de la siguiente manera:

Ahora con este valor ya tenemos el primer punto para dibujar la recta, tengamos en cuenta que
para dibujar una línea recta debemos contar por lo menos con dos puntos. El primero de nuestros
puntos es:

Para el segundo punto de la recta debemos definir
para hallar un valor
para
Por lo cual tendríamos la siguiente ecuación

El segundo punto de la recta es el siguiente
Lo que se realiza al poner cada una de las variables en 0 se está poniendo un punto de cruce en
cada uno de los ejes, para lograr una construcción de la línea. El área que define por los valores
que se encuentren en la línea o debajo de ella.
13
13
Por lo tanto tenemos la siguiente gráfica:
Figura 3. Solución de la tercera restricción
Ahora para dar la solución por el método gráfico, debemos tener en cuenta que es la intersección
de los conjuntos de solución de cada una de las restricciones. Por lo cual como ya hemos
relacionado en las gráficas anteriores queda de la siguiente manera:
Figura 4. Solución del modelo por el método gráfico
El triángulo azul es el rango de solución del modelo, pero pues la idea es encontrar el punto donde
se crucen como mínimo dos restricciones, este punto y dependiendo de lo que esté realizando es
la solución óptima (o mejor solución para el modelo), se debe definir que se está realizando sea
una minimización o una maximización del modelo.
Figura 5. Solución óptima del modelo por medio del método gráfico
Para hallar el valor numérico del punto de cruce de las dos restricciones se deben manejar esas
dos ecuaciones como un sistema de ecuaciones de dos variables, las cuales dando la solución es
el punto que buscamos que será la solución óptima del problema, veamos cómo se debe realizar:
Debemos tener en cuenta que la recta vertical es de una valor de 60, lo cual representa la segunda
restricción que estamos manejando como solución óptima ahora para la segunda ecuación se
tiene. Por lo tanto el punto de solución óptima por método gráfico es (60,626,7), lo cual genera
el siguiente valor para y, reemplazándolo en la función objetivo del modelo, el resultado de
remplazar los valores es 131 320 que es la solución del modelo.
5.4. Método simplex
Si tenemos el siguiente problema vamos a resolverlo de manera didáctica y paso a paso.
Iron Works, Inc. (IWI) fabrica dos productos de acero y sólo recibe pedidos mensuales de b libras
de acero. Una unidad de producto 1 requiere de libras de acero para su fabricación y se requieren
libras de acero para la fabricación de una unidad de producto 2.
15
15
Sea y el nivel de producción mensual de producto 1 y producto 2, respectivamente. Denote por
y las utilidades
unitarias para los productos 1 y 2, respectivamente.
El fabricante tiene un contrato para entregar al menos m unidades de producto 1 este mes.
Adicionalmente, la planta puede fabricar, como máximo, u unidades de producto 2
mensualmente.
max 𝑝1∗𝑥1+𝑝2∗𝑥2
𝑎1∗𝑥1+𝑎2∗𝑥2≤𝑏
𝑥2≤𝑢
𝑥1≥𝑚
𝑥1, 𝑥2≥0
𝑏=2000; 𝑎1=2; 𝑎2=3;𝑚=60; 𝑢=720
𝑝1=100 𝑦 𝑝2=200
Por lo tanto el modelo queda definido de la siguiente manera:
max 100∗𝑥1+200∗𝑥2 (1)

2∗𝑥1+3∗𝑥2≤2000 (2)
𝑥2≤720 (3)
𝑥1≥60 (4)
𝑥1,𝑥2≥0 (5)
Para desarrollar el problema por medio del método simplex, debemos reorganizar cada una de
las ecuaciones pasándolas de desigualdades a igualdades, lo cual genera unas nuevas variables
por ecuación que se llaman holguras. Para explicar lo anterior tendremos en cuenta lo siguiente:
max z=100∗𝑥1+200∗𝑥2 (5)
2∗𝑥1+3∗𝑥2+𝑠1=2000 (6)
𝑥2+𝑠2=720 (7)
𝑥1+𝑠3=60 (8)
Cada uno de esas variables, las holguras mencionadas en el párrafo anterior, ahora lo que
debemos realizar es una organización en las ecuaciones ya que para colocarlas en una tabla y
empezar a desarrollar el ejemplo por medio del método simplex debemos plantear las ecuaciones
de una manera específica. Este proceso se basa en teorías de algebra lineal y disminuciones
gausianas.
Primero realizaremos la reorganización de las ecuaciones:
z−100∗𝑥1−200∗𝑥2=0 (9)
2∗𝑥1+3∗𝑥2+𝑠1=2000 (10)
𝑥2+𝑠2=720 (11)
𝑥1+𝑠3=60 (12)
17
17
La tabla quedará de la siguiente manera:
Tabla 1. Inicio del método simplex
Z X1 X2 S1 S2 S3 RESULTADO
R1 1 -‐100 -‐200 0 0 0 0
R2 0 2 3 1 0 0 2000
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
Donde lo que queda en la columna de resultado es lo que está al lado derecho de cada una de las
ecuaciones; lo que se presenta después del igual. Mientras que la primera columna es el nombre
del renglón. Cada una de las siguientes columnas son las variables de decisión y holguras
correspondientes a cada una de las ecuaciones.
Como explicación de donde aparecen las holguras, es para poder “quitar” los signos de
desigualdades y poder colocar el igual; estas holguras serán los números que completan la
ecuación para lograr la igualdad.
Contando con la tabla debemos encontrar lo que se llama la columna pivote, la fila pivote y el
número pivote del sistema. Cada una de estos datos es indispensable para poder desarrollar el
método y cada uno de sus pasos.
Para hallar la columna pivote se revisa cuál es el menor de los números en toda la tabla, esta
estará siempre entre las variables de decisión de la función objetivo; si revisamos la tabla del
ejemplo que estamos realizando la columna pivote estará en -‐200 que se encuentra en la variable
x2 de la función objetivo.
Para hallar la fila pivote se debe realizar un proceso por cada una de las restricciones, ese proceso
requiere contar con la columna pivote; se divide cada uno de los números de los resultados sobre
el valor del mismo de la columna pivote, como se ve en la siguiente tabla;
Tabla 2. Selección de la columna pivote
R1 1 -‐100 -‐200 0 0 0 0
R2 0 2 3 1 0 0 2000 2000/3 666.6666667
R3 0 0 1 0 1 0 720 720/1 720
R4 0 1 0 0 0 1 60 60/0 no se puede.
Teniendo en cuenta lo anterior realizamos las divisiones correspondientes a cada uno de los casos
(estas divisiones no se aplican para la función objetivo, solo para las restricciones). Entonces el
resultado de cada uno de los renglones será 666.67, 720. El ultimo no se puede realizar ya que
una división por 0 es indeterminada; de las tres divisiones debemos encontrar el menor, por lo
tanto el renglón número 2 será el renglón pivote.
19
19

Tabla 3. Selección de la fila pivote y número pivote
R1 1 -‐100 -‐200 0 0 0 0
R2 0 2 3 1 0 0 2000
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
Ahora, el número pivote es la intersección de la columna pivote y la fila pivote, por lo tanto en
este ejemplo seria el número 3. Lo que se debe realizar es volver el número pivote en 1, para lo
cual debemos realizar una división en toda la fila que representa la ecuación sobre 3. Después de
realizar esa división queda la tabla de la siguiente manera;
Tabla 4. Disminución de la fila pivote
R1 1 -‐100 -‐200 0 0 0 0
R2 0 0.666666667 1 0.333333333 0 0 666.6666667
R3 0 0 1 0 1 0 720
R4 0 1 0 0 0 1 60
Luego tendremos que volver cada uno de los números de la columna pivote en 0, lo cual se realiza
con sumas y multiplicaciones sobre la fila pivote. Se debe seguir una serie de pasos para realizar
esta reducción. Para el renglón 1 debemos convertir el -‐200 en 0 , lo cual significa que debemos
multiplicar el renglón 2 (renglón pivote) por 200 y luego sumarlo al renglón 1. Esta operación se
presentaría de la siguiente manera:
200𝑅2+𝑅1
200∗(00.66673 0.33330 0 0)+(1−100−200 000 0 )
Lo que vemos anteriormente es la operación necesaria para disminuir el renglón 1 (representada
en vectores), por lo tanto el renglón 1 quedará así:
033.3330 66.666700 13333.33
De esta manera debe quedar el renglón 1, teniendo en cuenta que ya se redujo el -‐200 a 0, del
mismo modo se debe realizar para los otros dos renglones, con la siguiente relación de ecuaciones
para cada uno de ellos.
−1𝑅2+𝑅3
Para el renglón 4 no se debe realizar ninguna ecuación ya que esta se encuentra en 0. La tabla del
ejercicio sería:
Tabla 5. Disminución en el método simplex
R1 1 33.33333333 0 66.66666667 0 0 133333.3333
R2 0 0.666666667 1 0.333333333 0 0 666.6666667
R3 0 -‐0.666666667 0 -‐0.333333333 1 0 53.33333333
R4 0 1 0 0 0 1 60
21
21
Se seguirá el procedimiento mientras los coeficientes de las variables de decisión sean negativos.
Lo que quiere decir es que si revisamos la tabla tenemos varios números negativos que debemos
“quitar”. Volvemos a escribir la tabla anterior sin la selección de la columna y fila pivote ya que
en este punto se vuelve a iniciar el procedimiento.
Tabla 6. Terminación de una parte del procedimiento
R1 1 33.3333 0 66.667 0 0 133333.3333
R2 0 0.6667 1 0.333 0 0 666.6666667
R3 0 -‐0.6667 0 -‐0.333 1 0 53.33333333
R4 0 1 0 0 0 1 60
GLOSARIO DE TÉRMINOS
Enunciado matemático del objetivo de una organización con el que se intenta
Función objetivo maximizar o minimizar una cantidad de gran importancia como ganancias o
gastos.
Método de
Método algebraico con el que es posible hallar el punto de la intersección de
ecuaciones
dos o más ecuaciones de restricción lineal.
simultaneas
Permite encontrar la mejor solución de un programa línea, en el que se

Método de punto de comprueba el nivel de utilidad en cada punto de esquina de la región factible;
esquina según la teoría de programación lineal, la mejor solución debe quedar ubicada
en uno de los puntos de esquina.
Esta condición se presenta cuando la variable del dinero y la utilidad asociada
No acotamiento aumentan indefinidamente sin violar las restricciones del problema en un
proceso de maximización.
Técnica matemática que se utiliza para contribuir en la administración para

Programación lineal tomar la mejor solución, relacionada con un desempeño más eficiente de los
recursos de la organización.
Se ubica en una de las esquinas de la región factible, lo cual significa que queda
Punto de esquina
en la intersección de dos líneas de restricción.
Área en la que las restricciones de recurso del problema son satisfechas y

Región factible superpuestas, es aquí donde quedan todas las posibles soluciones del
problema.
Restricción de los recursos disponibles para una firma; se representa en forma
Restricción
de desigualdad o ecuación.
Restricciones de no Este conjunto de restricciones necesita que cada variable de decisión sea no
negatividad negativa, cada X1 debe ser igual o mayor a 0.
Se define de esta manera a cualquier punto localizado en la región factible que
Solución factible
logre satisfacer todas las restricciones del problema.
Cualquier punto ubicado fuera de la región factible que además viole una o
Solución infactible
varias de las restricciones establecidas.
23
23
Situación que se presenta cuando se obtiene más de una solución óptima y
Solución óptima
cuando la pendiente de la función objetivo es la misma que la pendiente de
alternativa
una restricción.
Utilidad Valor general para un resultado particular.
REFERENCIAS
Referencias Bibliográficas
Anderson, D. S. (2005). Métodos Cuantitativos para los Negocios (Novena Edición ed.). México:
Cengage Learning Editores.
Bazaraa, M. J. (1996). Programación Lineal y Flujo en Redes (Segunda edición ed.). México:
Limusa.
Bazarra, M., & Jarvis, J. J. (2005). Programación lineal y flujo en redes. (Segunda Edición. ed.).
México: Limusa Editores. .
Castillo. (20 de Noviembre de 2007). Departamento Unican. Recuperado de Unican:
http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm
Hillier, F. &. (2006). Texto principal: Introducción a la Investigación de Operaciones. (6ª Edición.
ed.). N/A: McGraw Hill. .
Hillier, F. &. (2006). Investigación de Operaciones (Octava Edición ed.). México: McGraw-‐Hill.
Hillier, F. &. (2008). Métodos Cuantitativos para Administración (Tercera Edición ed.). México:
McGraw-‐Hill.
Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.
Taha, H. (1997). Investigación de Operaciones: Una Introducción (Sexta edición ed.). NY: Prentice
Hall.
Winston, W. (2005). Investigación de Operaciones Aplicaciones y Algoritmos (Cuarta Edición
ed.). México: Thomson.
25
25

Cartilla U2-1

Cargado por

Información del documento

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

Cartilla U2-1

Cargado por

Copyright:

Formatos disponibles

• Desarrollo de cada una de las unidades temáticas

DESARROLLO DE CADA UNA DE LAS UNIDADES TEMÁTICAS

1. Introducción a la programación lineal

1.1. Introducción a los modelos

La toma de decisiones, mediante un proceso científico, necesita de uno o varios modelos

1.2. Modelos estáticos y dinámicos

1.3. Modelos lineales y no lineales

1.4. Modelos enteros y no enteros

1.5. Modelos determinísticos y estocásticos

Los modelos de programación lineal se pueden desarrollar de diferentes maneras, dependiente

También, existen las restricciones de demanda donde se expresan relaciones o cantidades

5. Método de solución

5.1. Método gráfico

Según el problema tenemos los siguientes datos

Tenemos de materia prima Acero “b” unidades (constante).

Variables de decisión:

x1 y x2 = La cantidad de unidades del producto 2.

M= unidades con la que el fabricante se comprometió a cumplir.

U = máximo de unidades del producto que se pueden realizar.

Ahora apreciados estudiantes, escribamos de nuevo el modelo completo, empezando con la

5.2. Método matemático

Se encuentra sujeto a:

Teniendo el valor de x1 podemos reemplazarlo en la ecuación 2 lo cual quedara de la siguiente

Ejemplo de solución de un modelo por método gráfico

Se encuentra sujeto a:

entre y . Para este caso el eje x de la gráfica será

Figura 1. Solución de la primera restricción

Fuente: Elaboración propia (2016)

Figura 2. Solución de la segunda restricción

Fuente: Elaboración propia (2016)

Por lo cual tendríamos la siguiente ecuación

Figura 3. Solución de la tercera restricción

Fuente: Elaboración propia (2016)

Figura 4. Solución del modelo por el método gráfico

Fuente: Elaboración propia (2016)

Fuente: Elaboración propia (2016)

5.4. Método simplex

Se encuentra sujeto a:

𝑏=2000; 𝑎1=2; 𝑎2=3;𝑚=60; 𝑢=720

Se encuentra sujeto a:

Se encuentra sujeto a:

Primero realizaremos la reorganización de las ecuaciones:

Tabla 1. Inicio del método simplex

Fuente: Elaboración propia (2016)

R2 0 2 3 1 0 0 2000 2000/3 666.6666667

R3 0 0 1 0 1 0 720 720/1 720

R4 0 1 0 0 0 1 60 60/0 no se puede.

Fuente: Elaboración propia (2016)

Tabla 3. Selección de la fila pivote y número pivote

Fuente: Elaboración propia (2016)

Tabla 4. Disminución de la fila pivote

R2 0 0.666666667 1 0.333333333 0 0 666.6666667

200∗(00.66673 0.33330 0 0)+(1−100−200 000 0 )

033.3330 66.666700 13333.33

Tabla 5. Disminución en el método simplex

R1 1 33.33333333 0 66.66666667 0 0 133333.3333

R2 0 0.666666667 1 0.333333333 0 0 666.6666667

R3 0 -­‐0.666666667 0 -­‐0.333333333 1 0 53.33333333

Fuente: Elaboración propia (2016)

Tabla 6. Terminación de una parte del procedimiento

R1 1 33.3333 0 66.667 0 0 133333.3333

R2 0 0.6667 1 0.333 0 0 666.6666667

R3 0 -­‐0.6667 0 -­‐0.333 1 0 53.33333333

Fuente: Elaboración propia (2016)

R3 0 -‐0.666666667 0 -‐0.333333333 1 0 53.33333333

R3 0 -‐0.6667 0 -‐0.333 1 0 53.33333333