República Bolivariana de Venezuela

Universidad Nacional Abierta

Maestría en Administración de Negocios
Centro Local Sucre

Elaborar cuadro comparativo que clasifique con objetividad los diferentes

modelos de programación lineal, estableciendo los métodos de transporte y
asignación y el control de las operaciones para la toma de decisiones efectivas,
mediante ejercicio práctico con su justificación en interpretación desde la
gerencia

Facilitador: Prof. (Msc) Malva Higuerey

Métodos Cuantitativos
Autor: Ing. Marcel Graterol M.
C.I. V.- 13.722732
Centro Local Sucre
 INTRODUCCIÓN
Dentro de la administración a nivel general se busca proponer soluciones a
diferentes problemas dentro de la organización. En ésta se plantean problemas
financieros, de recursos materiales, tecnológicos, entre otros. Uno de los aportes
generadores de soluciones viene dado bajo la forma de modelos matemáticos.
Cuando estas teorías matemáticas son utilizadas para dar soluciones a
problemas administrativos se conoce como Investigación de Operaciones. Ésta aborda
temas como los servicios, la calidad, la estrategia de operaciones y la tecnología. La
investigación de operaciones se desarrolla partiendo de la formulación del problema,
luego se construye un modelo matemático para representar el sistema donde está
contenido el problema. Desde allí se procede a deducir la solución posible por medio de
un proceso numérico. Posteriormente se prueba el modelo de la solución y se
establecen controles sobre la misma. Finalmente se implementa la solución en la
realidad de la empresa y es monitoreada.
En la Investigación de Operaciones existen varias técnicas, siendo una de ellas
es la Programación Lineal, donde se definen valores de variables que tienen que ver
con la optimización de un objetivo, dentro de un conjunto de limitaciones. Con esta
técnica se busca maximizar utilidades y minimizar costos.
La programación lineal es un método de simples ecuaciones lineales para
maximizar o minimizar un problema y buscar la mejor opción. Partiendo de esto se
puede decir que la programación lineal se utiliza en diferentes campos empresariales.
Cada empresa adapta este método para optimizar su producción y así tener el mejor
resultado esperado.
En el presente trabajo se elaborará un cuadro comparativo de los diferentes
modelos de programación lineal, con el fin de establecer los métodos de transporte y
asignación y el control de las operaciones para la toma de decisiones efectivas,
mediante ejercicio práctico con su justificación en interpretación desde la gerencia
permitiendo la planeación de las actividades para obtener un resultado óptimo
 DESARROLLO
Programación Lineal
Es una herramienta de toma de decisiones óptimas donde se busca minimizar o
maximizar costos y recursos. Es decir, consiste en elegir el nivel de ciertas actividades
que compiten por recursos escasos necesarios para realizarlas.
La funcionalidad se centra en el tipo de función que maneja debe ser lineal
siendo el grado de la función igual a uno (01), utiliza un modelo matemático para
describir un problema. Representa la planeación de actividades para obtener un
resultado óptimo de acuerdo con el modelo matemático entre todas las alternativas
factibles.
Entre los métodos de resolución tenemos: Gráfico, Simplex, Algoritmo de Punto
Interior y Modelado MPL o LINGO.
La aplicación de esta herramienta va desde microeconomía y administración de
empresas, ya sea para aumentar al máximo los ingresos o deducir al mínimo los costos
de un sistema de producción. Marketing y publicidad: como herramienta que nos
permite determinar cuál es la combinación más efectiva de medios para anunciar
productos. Organización de empresas, teoría económica y finanzas, también es
utilizada para algunos problemas de ingeniería en los procesos de producción.

Cuadro comparativo de los diferentes modelos de Programación Lineal

Algoritmo de punto Modelado MPL o

Método Gráfico Método Simplex interior LINGO
Metodología Se grafica la región Se transforman las El progreso a las Aplicación en el
factible inecuaciones en soluciones se hace a lenguaje de
Se diseña la función ecuaciones través del interior de la Modelo matemático. El
del objetivo Se determina la base región factible y no a cual permite expresar
Se desplaza la función factible inicial través de los vértices un problema de una
del objetivo en Se construye la tabla de la misma manera muy similar a
dirección del Se determina si hay la
incremento o variable no básica para anotación matemática
decremento del valor optimizar nuestra normal pudiendo
función objetivo también, expresar una
Se mueve de un vértice serie entera de
del polítopo hacia otro restricciones
buscando un mejor en una declaración
valor para la función compacta. Esto lleva a
objetivo modelos que son
mucho más fáciles de
mantener.
Región Factible La región factible está La solución factible en El algoritmo de Karmar La región factible se
formada por la la aplicación del en lugar de recorrer los genera por el universo
intersección de las método simplex vértices del poliedro de resultados que se
soluciones de todas las satisface las determinado por S traduce en una nube de
 inecuaciones. Además condiciones de no como en el simplex, puntos la cual se
ubica los puntos negatividad. Además evoluciona desde el depura al iterar para
extremos que son una se trabaja muy rápido interior relativo SO obtener la solución
solución factible en encontrar la como en los métodos óptima
solución óptima. no lineales siendo un
método de punto
interior
Solución Óptima Pueden presentar Mediante el uso de los Algoritmo Polinomial en El programa realiza
varias opciones coeficientes describe si el tiempo que cruza el iteraciones para
respecto a sus llega a una solución interior del espacio de alcanzar la solución
soluciones: puede no óptima, no factible, no soluciones. Eficaz para óptima
existir solución, en el restringida o múltiple programas lineales
caso de que exista el extremadamente
conjunto solución grandes es decir,
puede ser acotado o no
Análisis de Analiza el impacto en Permite flexibilizar un Obtienen la solución Mientras más cantidad
los resultados del supuesto básico de la óptimo en un número de variables no lineales
Sensibilidad
modelo de solución programación lineal de iteraciones que es y
óptima, donde uno o asumiendo el valor de función polinómica del enteras exista en el
varios parámetros la constante tamaño del problema modelo más tiempo
sufren modificaciones tomará su resolución.
en relación a los Los modelos
valores originales puramente lineales se
resuelven con mayor
velocidad
Restricciones Cada una de las Está asociada al punto El número de Las restricciones se
restricciones se extremo de la región iteraciones para llegar introducen para
representa para factible para satisfacer a la solución es optimizar la solución
encontrar la región las restricciones, reducido y poco durante el proceso de
factible, siendo el evaluando la sensible a la dimensión iteraciones
vértice donde se maximización o del sistema
encuentra la mejor minimización de
solución óptima. acuerdo al valor de z
Puede ser inexacto al
contener muchas
restricciones el
problema
Variables Muy limitado en cuanto Una variable de El punto inicial Xo debe LINGO le da la
al número de variables entrada y salida se ser un punto interior. posibilidad de definir
emplea mediante la Una variable de dos tipos de variables
condición de entrada y una variable enteras, una
factibilidad de salida general y otra binaria

Método de Transporte y Asignación

Aunque no todos los procesos de distribución pueden incluirse dentro del modelo
general de la Programación Lineal, hay dos clases de problemas de características bien
definidas y afines que pueden ser formulados y tratados dentro del marco de las
relaciones lineales: el problema de transporte y el problema de asignación de recursos.

Transporte
Definición Técnica que busca determinar un programa
de transporte de productos o de mercancías
desde los origines hasta los destinos al menor
costo posible
Utilidad Busca minimizar el costo total de transporte
satisfaciendo la oferta y la demanda.
Asignación
Hay un número de agentes y un número de
tareas. Cualquier agente puede ser asignado
para desarrollar cualquier tarea, contrayendo
algún costo que puede variar dependiendo del
agente y la tarea asignados. Es necesario, para
desarrollar todas las tareas, asignar un solo
agente a cada tarea de modo que el costo total
de la asignación sea mínimo.
La asignación de las ofertas en cada origen es de
valor uno y de igual manera la demanda destino
 Aplicación Se aplica en Inventarios Programación de
empleos, Asignación de Personal.
Diferencias Existen m orígenes y n destinos, y el flujo se
realiza desde un origen hacia cada uno de los
diferentes destinos. Si en este caso
permitimos el flujo en ambos sentidos (de
origen a destino y destino a origen) se puede
hablar de un problema de m + n orígenes y m
+ n destinos. A este tipo de problemas se les
conoce con el nombre de problemas de
transbordo (transhipment problems) o
transporte con nodos intermedios
Restricciones Para poderlo emplear se debe conocer los
puntos de origen, capacidad de producción,
punto de destinos y la demanda de los
productos o bien según
Modelos Se pueden resolver los problemas mediante el
modelo solver de Excel, Algoritmo de
trasporte, solución modelo Tora
Representación Se puede presentar un problema de trasporte:
Modelo de transporte estándar, Modelo de
transporte de equilibrio, Modelo de inventario
de producción, Modelo de costo mínimo,
modelo de aproximación Vogel, Basado en
red y con solver Excel
Se aplica en diversos contextos administrativos
Asocian igual número de orígenes con igual
número de demandas y las ofertas en cada
origen es de valor uno, como lo es la demanda en
cada destino.
Los agentes u objetos no se pueden dividir entre
varios agentes, además la restricción es
importante porque se puede asignar a una tarea
La restricción importante para cada agente es
que será asignado a una sola tarea.
Para resolver problemas de asignación se utiliza
el método húngaro, Algoritmo de asignación
Las formas para representar un problema de
asignación:
Red
Modelo de programación lineal
Matriz de costos
Tabla de transporte

Control de Operaciones

Es una herramienta que nos sirve para analizar operaciones con un enfoque
cuantitativo apoyado en las matemáticas, donde nos ayuda a realizar una toma de
decisiones mucho más acertada y realista en los proyectos que se estén ejecutando en
la empresa. Con frecuencia estos proyectos son tan grandes y tan complejos que el
líder no le es posible tener presente toda la información del programa y los avances de
los proyectos. En estas situaciones las técnicas que se utilizan denominadas PERT Y
CPM PERT (Program Evaluation and Review Techique) - (Técnica de Evaluación y
revisión de programa). Y CPM (Critical Path Method)-(Método de la ruta crítica). Estas
técnicas han demostrado en la ayuda a los ejecutivos en la toma de decisiones.

Método PERT Método CPM

(Ruta Crítica)
Definición (Program Evaluation and Review Es un algoritmo utilizado para el cálculo
Technique –Técnica de evaluación y de tiempos y plazos en la planificación de
revisión de programas) es un método que proyectos.
sirve para planificar proyectos en los que
hace falta coordinar un gran número de
actividades.
Utilidad Consiste en la representación gráfica de -Programación de proyectos de
una red de tareas, que, cuando se construcción como edificios, carreteras y
colocan en una cadena, permiten albercas.
alcanzar los objetivos de un proyecto. -Programación del movimiento de un
hospital.
.-Instalación de un nuevo sistema de
computadora.

Objetivo Es básicamente un método para analizar
las tareas involucradas en completar un
proyecto dado, especialmente el tiempo
para completar cada tarea, e identificar el
tiempo mínimo necesario para completar
el proyecto total.
Es un algoritmo diseñado para una
eficiente planificación de proyectos,
desde el comienzo hasta la final, el
resultado de la aplicación de este
algoritmo es un cronograma de tareas,
que determina cuanto es la duración total
del proyecto y la clasificación de tareas
según prioridad.
Diferencias -Probabilístico.
- Considera que la variable de tiempo es
una variable desconocida de la cual solo
se tienen datos estimativos.
-El tiempo esperado de finalización de un
proyecto es la suma de todos los tiempos
esperados de las actividades sobre la
ruta crítica.
-Suponiendo que las distribuciones de los
tiempos de las actividades son
independientes, (una suposición
fuertemente cuestionable), la varianza
del proyecto es la suma de las varianzas
de las actividades en la ruta crítica.
-Considera tres estimativos de tiempos:
el más probable, tiempo optimista, tiempo
pesimista.
Características -Nos permite representar gráficamente
las diferentes actividades que componen
el proyecto y calcular los tiempos de
ejecución de forma que Podamos
contestar a esas preguntas.
-Simula los efectos de decisiones
alternativas o situaciones imprevistas
-Es útil para monitorear itinerarios y
costos
-Probabilístico
-Considera tres estimados de tiempos.
El más probable, optimista, pesimista
Ejercicio del Método Gráfico
.-Diseño y comercialización de un nuevo
producto.
-Completar una fusión corporativa.
El objetivo principal es determinar la
duración de un proyecto, donde cada una
de las actividades del mismo tiene una
duración estimada.
-Deterministico. Ya que considera que los
tiempos de las actividades se conocen y
se pueden variar cambiando el nivel de
recursos utilizados.
-A medida que el proyecto avanza, estos
estimados se utilizan para controlar y
monitorear el progreso. Si ocurre algún
retardo en el proyecto,
-Se hacen esfuerzos por lograr que el
proyecto quede de nuevo en programa
cambiando la asignación de recursos.
-Considera que las actividades son
continuas e interdependientes, siguen un
orden cronológico y ofrece parámetros
del momento oportuno del inicio de la
actividad.
-Considera tiempos normales y
acelerados de una determinada
actividad, según la cantidad de recursos
aplicados en la misma.
-Enseña una disciplina lógica para
planificar y organizar un programa
detallado de largo alcance.
-Proporciona una metodología Standard
de comunicar los planes del proyecto
mediante un cuadro de tres dimensiones
(tiempo, personal; costo).
-Identifica los elementos (segmentos)
más críticos del plan, en que problemas
potenciales puedan perjudicar el
cumplimiento del programa propuesto.
-Ofrece la posibilidad de simular los
efectos de las decisiones alternativas o
situaciones imprevistas y una
oportunidad para estudiar sus
consecuencias en relación a los plazos
de cumplimiento de los programas.
-Aporta la probabilidad de cumplir
exitosamente los plazos propuestos.
-En otras palabras: CPM es un sistema
dinámico, que se mueve con el progreso
del proyecto, reflejando en cualquier
momento el STATUS presente del plan
de acción.
 Un fabricante de colorantes para telas puede utilizar dos rutas de procesamiento
diferentes para elaborar un tipo particular de colorante. La ruta 1 utiliza la prensa
secadora A y la ruta 2 usa la prensa secadora B. Ambas rutas requieren la utilización de
la misma tina de mezclado para revolver los ingredientes químicos del colorante antes
del secado. La siguiente tabla muestra los requisitos de tiempo y las capacidades de
estos procesos:

Proceso Ruta 1 Ruta 2 Capacidad (h)

Mezclado 2 2 54
Secadora A 6 0 120
Secadora B 0 8 180

Cada kilogramo de colorante procesado en la ruta 1 requiere 20 litros de

productos químicos, en tanto que cada kilogramo de tinte procesado en la ruta 2 utiliza
solamente 15 litros. La diferencia se debe a las distintas tasas de producción de las
prensas secadoras. Por consiguiente, la utilidad por cada kilogramo procesado en la
ruta 1 es de $50 y en la ruta 2 es de $65. Se dispone de un total de 450 litros de
ingredientes químicos.

A) Formule las restricciones y la función objetivo para maximizar las utilidades.

B) Aplique el método gráfico de programación lineal para encontrar la solución
óptima.

Solución:

Parte A)

Variables:

x = Kilogramos de colorante procesadas en la ruta 1

y = Número telas procesadas en la ruta 2

Función Objetivo:

Max (50x + 65y)

 Restricciones:

Mezcla 2x + 2y ≤ 54

Secadora A 6x ≤ 120

Secadora B 8y ≤ 180

Productos Químicos 20x + 15y ≤ 450

Parte B)

30 c
27 a
24
21 e h g
18
15 i
12
9
6
3 j
0 f d b
2 4 6 8 10 12 14 16 18 20 22

Solución Visual

En este propósito se procede a unir el grafico de la región factible con la recta de

función del objetivo, por lo cual se trazaran diversas rectas en función del objetivo, las
cuales representaran diversos resultados que se pueden obtener de dicha función al
asignar diversos valores. Mientras más alejada se encuentre la línea del centro del
cuadrante, mayor será la utilidad. Por lo tanto de las cuatro rectas trazadas, la que se
encuentra más distante del centro del cuadrante es la que pasa por el punto h. lo que
representa la máxima utilidad en el problema planteado.
La solución visual se encontraría en el punto h:

x = 4.5 y = 22.5

Max (50 x (4.5) + 65 x (22.5)) = 1687.5

Utilidad Máxima = 1687.5

Ejercicio del Método Simplex

Una empresa del ramo manufacturero se dedica a la fabricación de tres

productos: A, B y C. El procedimiento de producción involucra tres operaciones:
formación, acabado e inspección. El departamento de ingeniería industrial, ha
establecido los siguientes estándares de producción en cada operación, establecida en
minutos por productos.

Producto Formación Inspección Acabado

A 2 3 2
B 6 6 2
C 2 2 4

El departamento de contabilidad por su parte, pronostica los siguientes costos e

ingresos para la compañía:

Producto Costo de Costo Costo total Precio de

Producción Materiales Venta

A 18 12 30 50
B 50 15 65 100
C 25 20 45 90
Se desea saber, ¿Cual es el número de cada tipo de producto que deberán
producirse de tal manera que se optimice el beneficio por las 8 horas de trabajo del día?
cuántas unidades debe producir de cada uno los productos que elabora, se
determinan las variables:
X1 a las unidades que deben producirse del producto A.

X2 a las unidades que deben producirse del producto B

X3 a las unidades que deben producirse del producto C.

Producto A Producto B Producto C Tiempo Concepto

X1 X2 X3
2 6 2 ≤ 8x60=480 minutos Proceso
formación
3 6 2 ≤ 8x60=480 minutos Proceso
inspección
2 2 4 ≤ 8x60=480 minutos Proceso
acabado
20 35 45 Utilidad obtenida
x unidad

Se procede a elaborar la tabla del Simplex, primero se debe eliminar las

desiguales o inecuaciones del modelo y convertirlas en ecuaciones, lo cual hacemos
introduciendo variables de que llamaremos variables de holgura, como se describe a
continuación.

Max Z= 20X1 + 35X2 + 45X3 + 0X4 + 0X5 + 0X6

Función objetivo del modelo simplex

2X1 + 6X2 + 2X3 + X4 = 480 minutos (restricción de tiempo en formación)

3X1 + 6X2 + 2X3 +X5 = 480 minutos (restricción de tiempo en Inspección)

2X1 + 2X2 + 4X3 + X6 =480 minutos (restricción de tiempo en acabado)

X1≥ 0; X4 ≥0

X2≥ 0; X5≥ 0 Restricciones de no negatividad

X3≥ 0; X6≥ 0

Tabla simplex 1

Cj 20 35 45 0 0 9
XB CB B X1 X2 X3 X4 X5 X6 Ratios
X2 35 480 2 6 2 1 0 0 240
 X5 0 480 3 6 2 0 1 0 240
X3 45 480 2 2 4 0 0 1 120
Z1 0 0 0 0 0 0
Cj-Zj 20 35 45 0 0 -10

A continuación se realiza la explicación brevemente para obtener los valores de

la tabla simplex 1. Primero se obtienen los valores Zj se aplica Zj= ΣCB*Xj. Luego se
utiliza la fórmula para obtener Z1= 0x2 + 0x3 + 0x2=0. De igual manera, se obtiene los
otros Z y resultan todos iguales a cero, tal como se puede observar en la tabla 1. Para
obtener los Cj – Zj simplemente encontramos la diferencia entre cada valor Cj primera
fila de la tabla 1 con su respectivo Zj penúltima fila de la tabla 1. Podemos ver que el
primer C1 – Z1=20 y así obtenemos los restantes.
Cabe agregar que la tabla simplex 1 que las columnas de las variables de
holgura forma una matriz identidad 3x3. Luego se procede a seleccionar el valor más
relevante de Cj – Zj, que seria 45, lo cual nos afirma que la variable X3 será la nueva
variable básica, procedemos a dividir los lados derechos, representados en la columna
b por los coeficientes del x3 y los resultados se colocan en los ratios.
Posteriormente se procede a seleccionar el valor más pequeño de los
coeficientes, en el presente problema es 120 de la variable x6, lo cual indica que saldrá
de las variables básicas, para luego dividir la fila de x6 por la fila 4, con esos resultados
se llenara la tabla 2 de la matriz simplex y la columna x3 es la nueva matriz de identidad
y el resto de coeficientes tendrán el valor de cero.

Tabla simplex 2

Cj 20 35 45 0 0 9
XB CB B X1 X2 X3 h1 h2 h3 Ratios
X2 35 240 1 5 0 1 0 (-0.5) 48
X5 0 240 2 5 0 0 1 (-0.5) 48
X3 45 120 0.5 0.5 1 0 0 0.25 240
Z1 22.5 22.5 45 0 0 11.25
Cj-Zj (-2.5) 12.5 0 0 0 (-11.5)

Tabla simplex 3
 Cj 20 35 45 0 0 9
XB CB B X1 X2 X3 x4 x5 x6 Ratios
X2 35 48 0.2 1 0 0,2 0 (-0.1)
X5 0 0 1 0 0 -1 1 0
X3 45 96 0.4 0 1 (-0.1) 0 0.3
Z1 25 35 45 (-2.5) 0 10
Cj-Zj (-5) 0 0 0 0 (-10)

Se puede visualizar que ya no hay Cj-Zj >0 entonces hemos llegado a la solución
óptima. Para obtener el resultado final del problema se observa la tabla Simplex
obteniendo los siguientes resultados:

X2 = 48

X5 = 0

X3 = 96

Como el resto de variables no aparecen en las básicas son ceros esto es:

X1=0; X4=0; X6=0

Se procede evaluar la función objetivo del problema original

Max z = 20X1 + 35X2 + 45X3

= 20(0) + 35(48) + 45(96)

= 6.000

Por último, al resolver la ecuación se llega a la conclusión que 6.000 Bs. es la

máxima utilidad que la empresa manufacturera puede obtener si decide producir las
cantidades indicadas en el presente problema.

Ejercicio de Algoritmo de Punto Interior

Para ilustrar la metodología propuesta, se recurre a su aplicación en un caso.

Considérese el poliedro definido en el plano R 2 por las restricciones indicadas en (9).
 El poliedro graficado en el plano R 2 se muestra en la Fig.1 (a). Como
inicialmente el interés es encontrar un punto interior del poliedro dado, no es necesario
definir una función objetivo. La primera etapa es agregar la variable adicional x 3,
obteniéndose el problema PL.

(10
)

El coeficiente de pj en cada restricción se calcula como el promedio del valor

absoluto de los coeficientes de la misma. Eligiendo arbitrariamente como inicio en R 2 el
punto [0 0], al agregar 0 en la posición n+1 se genera Po = [0 0 0] que se toma como
punto de partida en el espacio ampliado R3. Proyectando en la dirección [0 0 1 ] y
aplicando (8) para todas las restricciones, se llega a Q = max {-8/1; -3/1; -6/2.5; -3/0.5;
7/1.5 } = 14/3. Agregando 0 > 0, se obtiene el punto interior en el espacio ampliado Ps =
[0 0 14/3+ 0], para este ejemplo θ = 2.
La Fig. 1 (b) corresponde al poliedro en el espacio ampliado (visto desde arriba)
y permite interpretar geométricamente la adición de la variable x3. Rodeada de los
hiperplanos en R3 correspondientes a las restricciones (cada uno en color diferente) y
ubicada sobre el hiperplano x 3 = 0, se encuentra la región factible original. Esta se
puede interpretar como un polígono (en R 2 para este caso) a partir de cuyas aristas se
generan planos inclinados hacia afuera, formando un poliedro abierto (o una especie de
un cono truncado) en R3. Las inclinaciones de los hiperplanos están dadas por los
coeficientes de x3 aplicando las expresiones.
Para la solución del ejemplo, se toma arbitrariamente como P o el origen, Fig. 1
(b), y a partir de allí se proyecta en la dirección [0 0 1]. Aplicando se encuentra el punto
Q mostrado en la Fig. 1 (b), ubicado sobre el hiperplano generado con R5. Avanzando
más en la misma dirección se llega al punto P s, que es factible e interior para el
problema ampliado. Una vez obtenido P s, se puede recurrir a cualquier procedimiento
de punto interior para encontrar la solución óptima.
Fig. 1: Región factible en R 2 (a) y región factible en el espacio ampliado con la variable
adicional x3 (b)

En la Fig. 2 se muestra el recorrido en la obtención de un punto interior para el

ejemplo presentado. Una vez obtenido el punto Ps, se procede a maximizar -x 3,
quedando establecido como gradiente de la función objetivo d = [0 0 -1]. Aplicando a
todas las restricciones se toma el t menor, que como es de esperarse en la
primera iteración da t = θ = 2, y que corresponde al punto Q = [0 0 14/3] ubicado en el
hiperplano asociado a la restricción R5 en el espacio ampliado. Proyectando desde allí
el vector [0.447 0.894 0] se llega a F = [38/9 76/9 14/3], punto ubicado sobre R1.

Fig. 2: Secuencia para encontrar el punto interior en el problema original

 Para hacer la siguiente proyección se calcula el punto medio entre Q y F, al cual
se le denomina Pm y tiene coordenadas [19/9 38/9 14/3]. Proyectando desde allí d,
aplicando (7) para todas las restricciones y tomando el menor t, se llega a O* = [19/9
38/9 0]. Como este punto tiene componente n+1 (x 3 para este ejemplo) igual a cero se
termina el procedimiento. Eliminando la última componente de O* se obtiene [19/9
38/9]. Puesto que en el procedimiento no se cambian los lados derechos (vector b) ni
los sentidos de las desigualdades, es evidente que el punto encontrado en R2 cumple
las restricciones. De esta manera, se cumple el propósito de ilustrar la metodología
propuesta ya que se dispone de un punto interior de partida para iniciar la solución de
cualquier problema PL cuyas restricciones estén dadas por el poliedro (9).

CONCLUSIONES

En resumen la programación lineal, se refiere a un algoritmo que por medio de él

se pueden resolver diversas situaciones reales en las que se desea identificar y
solucionar ciertas dificultades que ayuden a aumentar la producción de recursos que
contengan algunas limitaciones y de esa forma aumentar los beneficios. Esta aplicación
constituye un campo importante de la optimización por diferentes razones, existe una
gran cantidad de problemas prácticos de investigación de operaciones que se podrían
plantear como problemas de la programación lineal.
El uso de los métodos cuantitativos mediante la aplicación de cualquiera de los
métodos la programación lineal, son de gran utilidad en la actualidad por ser una
herramienta financiera en la toma de decisiones empresariales, sirven de ayuda para la
gerencia en el logro de alcanzar las metas planteadas y fomentar el crecimiento
económico de la empresa.
Se ha demostrado el gran apoyo que tienen los métodos cuantitativos en las
decisiones gerenciales y no es para menos, ya que estas permiten a través de varias
herramientas, tomas de decisiones fundamentales para una empresa. La programación
lineal no es solo una parte integral de las matemáticas, su importancia está en que es
una herramienta financiera que puede brindar ayuda en la toma de decisiones, y para
aquellos interesados, tiene gran utilidad porque permite asignar eficientemente los
recursos limitados.
El PERT y CPM han sido aplicados a numerosos proyectos. Empezando con su
aplicación inicial al proyecto Polaris y al mantenimiento de plantas químicas, hoy ellos
(y sus variantes) se aplican a la construcción de carreteras y de edificios, y al desarrollo
y producción de artículos de alta tecnología tales como aviones, vehículos espaciales,
barcos y computadores.
Para finalizar se puede decir que estos modelos de optimización lineal sirven
como herramienta de apoyo para toma de decisiones importantes, haciendo de las
empresas mucho más competitivas en cualquier ámbito

BIBLIOGRAFÍA
Amaya A., Jairo. (2010). Toma de Decisiones Gerenciales. Métodos Cuantitativos
para la Administración. 2da. Edición. Editorial ECOE Ediciones. Bogotá, D. C.,
Colombia.

Eppen, G., Gould & otros (2000). Investigación de Operaciones en la Ciencia

Administrativa. 5ta. Edición. Naucalpan de Juárez, Estado de México. Editorial
Prentice Hall Hispanoamericana, S. A.