Lectura Fundamental 4 PDF

Unidad 2 / Escenario 4
Lectura fundamental
Introducción a la programación lineal
Contenido
1 Introducción a los modelos
2 Proceso de construcción de modelos de siete pasos
3 Ventajas del modelo matemático
4 Solución de modelos de programación lineal de dos variables con método gráfico
5 Método de solución
Palabras clave: redes, método, actividad, tiempo, costo, recursos.

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 también se le conoce como Ciencia de la Administración.
Un sistema es un conjunto de elementos independientes que trabajan a la par 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.
1.1. 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.
1.2. 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.
POLITÉCNICO GRANCOLOMBIANO 2
1.3. 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.
1.4. 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,
al no conocer los valores de la función objetivo y no tener seguridad sobre el cumplimiento de las
restricciones, se tendrá un modelo estocástico.
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.
a. Plantear el problema
Al definir el problema que está afectando a determinada empresa se deben tener en cuenta
los objetivos específicos y partes de esta que deben ser analizadas para lograr resolver el
problema.
b. 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 esto, se podrá estudiar el inconveniente
mediante un modelo matemático.
c. 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.
d. 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.
e. 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.
f. 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 y la participación de las directivas de la empresa. En este caso, la
investigación debe retroceder al punto en el que se originó el error.
g. 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
En los modelos matemáticos se pueden encontrar varias ventajas, entre ellas que no se incurre en costos
altos de implementación o de prueba para “ver si sirve” el sistema propuesto, por lo tanto, las ventajas
son las siguientes:
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, 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 tasa 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.
4. 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 el
método gráfico de una manera muy sencilla.
Aprenderemos a desarrollar los modelos de dos variables con el 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 llamados 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.
4.1. 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 hay que contar con 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.
El caso práctico que veremos a continuación contiene todos estos conceptos aplicados, los analizaremos
con el ejercicio piloto de Hamdy A. Taha.
5. Método de solución
Método gráfico. Ejemplo desarrollado
El siguiente problema será resuelto de manera didáctica y paso a paso.
Iron Works Inc. (IWI) fabrica dos productos de acero y solo recibe pedidos mensuales de b libras de
acero. Una unidad de producto 1 requiere de a_1 libras de acero para su fabricación y se requieren a_2
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 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.
Inicialmente debemos realizar la revisión del problema, identificando cuáles son los datos más
importantes y realizando una pequeña lista de variables. Esto para definir las variables de estado y qué
tipo de función objetivo van a tener. Teniendo en cuenta el problema tenemos los siguientes datos:
a. Tenemos de materia prima acero “b” unidades (constante).
b. 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, lo que
quiere decir que deben fijarse que cuando hablamos de programación lineal tenemos los costos de
transportar una unidad de un producto, costos de producción y la cantidad de material para realizar una
producción, etc.
Para el producto 1 se utilizan P1 y P2 libras de acero y para el producto 2 max P1 * x1 + P2 * x2 libras.

Esta frase nos indica que la primera restricción está dada por la siguiente ecuación: x2 ≤ u.
Donde x1 ≥ m serán mis variables de decisión, ya que son las unidades que puedo producir con la
materia prima que tenga a disposición, el valor de esa materia prima es b. La restricción queda menor o
igual, ya que como máximo puedo utilizar b cantidad de materia con la que cuento.
Analizando un poco más este ejercicio se puede definir la función objetivo del ejercicio. Como este
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, se tiene que la función objetivo está definida por x1, x2 ≥ 0, que son las utilidades obtenidas
por cada uno de los productos que fabrica la empresa. Que quiere decir que esos valores de b = 2000;
a1 = 2; a2 = 3; m = 60; u = 720 son constantes para el modelo como tal. La función objetivo queda de
la siguiente forma P1 = 100 y P2 = 200.
Lo que indica la ecuación anterior es que necesitamos realizar una producción por medio de la cual
obtengamos la mejor ganancia aprovechando el material con el que contamos.
Por último, tenemos 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: max 100 * x1 + 200 * x2.
La restricción queda así de sencilla porque 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. Para la restricción del contrato que adquirió la empresa sobre el producto 1 se tiene la
siguiente restricción: 2 * x1 + 3 * x2 ≤ 2000.
Esta restricción queda así, pues lo mínimo que debe producir la empresa del producto 1 es m unidades, que
es para cumplir el contrato con el que se compromete. Este es un límite inferior del sistema modelado.
Escribiremos 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.
x2 ≤ 720
Se encuentra sujeto a:
x1 ≤ 60
x1, x2 ≤ 60
x1 = 60
2 * 60 + 3 * x2 ≤ 2000
La última restricción indica que cada una de las variables de decisión son positivas o tiene un valor nulo
(0) como mínimo, ya que no se puede tener un número negativo de unidades.
Podemos darles valores a las constantes del ejercicio anterior para revisar cómo se podría dar una
solución al modelo, ya sea por método matemático, método gráfico o a través de Simplex.
5.1. Método matemático
Teniendo en cuenta que contamos con ecuaciones podemos encontrar un valor aproximado por medio
del desarrollo de ecuaciones básicas, por lo tanto, 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.
120 + 3 * x2 ≤ 2000
3 * x2 ≤ 2000 - 120
Por lo tanto, el modelo queda definido de la siguiente manera:

2000 - 120
x2 ≤ (1)
3
x2 ≤ 626.67 (2)
x2 ≤ 627 (3)
Z= 100 * 60 + 200 * 627 (4)
Z = 131400 (5)
Podemos iniciar con la condición sobre aquello que conlleva más relevancia para la empresa, y partiendo
de esto definimos 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 e iniciamos resolviendo el sistema: x1.
Lo igualamos a 60, 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, quedando de la siguiente manera:
2 * 0 + 3 * x2 ≤ 2000
Despejamos la ecuación anterior y hallamos el valor de X2, de esta manera completamos una solución
para el problema.
3 * x2 ≤ 2000
x2 ≤ 2000 / 3
x2 ≤ 666.667
x1 = 0
Aclarando que hablamos de unidades, nos damos cuenta de que no podemos tener decimales, por lo
cual debemos aproximar el resultado, quedando de la siguiente manera:
x2 = 666.667
Ahora, como ya conocemos el valor de cada una de las variables de decisión debemos tener en
cuenta que:
x2 = 0
2 * x1 + 3 * 0 ≤ 2000
Por lo tanto, esto reflejado en la función objetivo nos da lo siguiente:
2 * x1 ≤ 2000
x1 ≤ 2000 / 2
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.
5.2. Método gráfico
Ejemplo de solución de un modelo por método gráfico
Teniendo en consideración el ejemplo anterior, realizaremos la solución de este por medio del
método gráfico.
Teniendo en cuenta el modelo definido de la siguiente manera:
x1 ≤ 1000 (1)
x1 = 1000 (2)
x1 = 60 (3)
2 * 60 + 3 * x2 = 2000 (4)
120 + 3 * x2 = 2000 (5)
Iniciamos con el análisis de las restricciones para lograr desarrollar el modelo por medio de gráficas 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
define cuál será el conjunto solución para el modelo. Definimos que cada uno de los dos ejes tiene un
nombre, en este caso se encuentra entre 3 * x2 = 2000 - 120 y x2 = 1880 3
. Para este caso el eje X de la
gráfica será x2 = 626.7, mientras que el eje Y define la variable x2 = 626.7.
Empezamos con la restricción #4, ya que es la más sencilla de analizar, teniendo en cuenta que esta
solo depende de la variable max z = 100 * x1 + 200 * x2.
Figura 1. Solución de la primera restricción
Fuente: elaboración propia, (2019)
Teniendo en cuenta la figura 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 2*x_(1 )+3* x_(2 )+
s_(1 )= 2000.
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
serán todos los valores menores o iguales a 720, como se muestra en la siguiente figura.
Figura 2. Solución de la segunda restricción
Continuando con la ecuación #2, que es la ecuación “complicada”, iniciamos de la siguiente manera,
x2 + s2 = 720 en 0 lo cual nos dará una ecuación así:
x1 + s2 = 60
s1
s2
s3
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 es:
Z – 100 * x1 - 200 * x2 = 0
200R2 + R1
Para el segundo punto de la recta debemos definir:
200 * (0 0.6667 3 0.3333 0 0 0) + (1 -100 -200 0 0 0 0) para hallar un valor

para 0 33.333 0 66.6667 0 0 13333.33.
Por lo cual tendríamos la siguiente ecuación:
-R2 + R3
El segundo punto de la recta es el siguiente:
Al dejar cada una de las variables en 0, se antepone un punto de cruce en cada uno de los ejes, para
lograr una construcción de la línea, que es el área que define los valores que se encuentren en la línea
o debajo de ella. Por lo tanto, tenemos la siguiente figura:
Figura 3. Solución de la tercera restricción

Para solucionarlo por el método gráfico, debemos tener en cuenta que es la intersección de los
conjuntos de solución de cada una de las restricciones. Como ya se ha relacionado en las figuras
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, la finalidad 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). Debe definirse que se está realizando una minimización o
una maximización del modelo como tal.
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:
2 ∗ x1 + 3 ∗ x2 ≤ 2000
x1 ≥ 60
Debemos tener en cuenta que la recta vertical tiene un valor de 60, lo cual representa la segunda
restricción que estamos manejando como solución óptima. Para la segunda ecuación se tiene, x1= 60,
por lo tanto:
2 ∗ 60 + 3 ∗ x2 = 2000
120 + 3 ∗ x2 = 2000
3 ∗ x2 = 2000 - 120
1880
x2 = 1880
3
/3
x2 = 626.7
Así que 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.
5.3. Método Simplex
Veamos el siguiente problema, el cual resolveremos paso a paso:
Iron Works, Inc. (IWI) fabrica dos productos de acero y solo 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.
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
Lo anterior, e encuentra sujeto a:
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 de manera más amplia lo dicho anteriormente,
tenemos 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 una de las variables s1, s2 y s3 son las holguras mencionadas en el párrafo anterior. Ahora lo
que debemos realizar es una organización en las ecuaciones, para ubicarlas en una tabla y empezar a
desarrollar el ejemplo por medio del método Simplex, así que debemos dejar las ecuaciones de una
manera específica. Esto se basa en teorías de álgebra lineal y disminuciones Gaussianas (las cuales no
detallaremos). La tabla queda de la siguiente manera:
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)
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
Fuente: elaboración propia
La información de la columna de resultado es el último valor de cada una de las ecuaciones, los
datos que están 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.
La explicación acerca de dónde aparecen las holguras, es la siguiente, “quitar” los signos de
desigualdades y colocar el igual, estas holguras serán los números que completan la ecuación para
lograr la igualdad.
Con la tabla escrita debemos encontrar lo que se llama la columna Pivot, la fila Pivot y el número Pivot
del sistema. Cada uno de estos es indispensable para desarrollar el método y cada uno de sus pasos.
Para hallar la columna Pivot en la tabla se debe identificar 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 1 que estamos desarrollando, se encontrará que la columna Pivot tiene el valor de
-200 que se encuentra en la variable X2 de la función objetivo.
Para hallar la fila Pivot se debe realizar un proceso por cada una de las restricciones, consiste en dividir
cada uno de los números de los resultados sobre el valor de este de la columna Pivot, como se ve en la
siguiente tabla:
Tabla 2. Selección de la columna Pivot
R1 1 -100 -200 0 0 0 0
R2 0 2 3 1 0 0 2000 2000/3
R3 0 0 1 0 1 0 720 720/1
R4 0 1 0 0 0 1 60 60/0
Teniendo en cuenta lo dicho anteriormente, 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. El último no se puede realizar, ya que una
división por 0 es indeterminada de las tres divisiones, así que debemos encontrar el menor, por lo
tanto, el renglón número 2 será el renglón Pivot.
Tabla 3. Selección de la fila Pivot y número Pivot
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 Pivot es la intersección de la columna Pivot y la fila Pivot, en este ejemplo sería el
número 3. Ahora lo que se debe realizar es volver el número Pivot en 1, por 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 Pivot
... Z X1 X2 S1 S2 S3 RESULTADO
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
Después de esto tendremos que volver cada uno de los números de la columna Pivot en 0, se realiza
con sumas y multiplicaciones sobre la fila Pivot. Entonces es una serie de pasos que se deben seguir
para realizar esta reducción. Para el renglón 1 debemos convertir el -200 en 0, lo cual significa que
debemos multiplicar el renglón 2 (renglón Pivot) por 200 y luego sumarlo al renglón 1. Eso sería de la
siguiente manera:
200 R2 + R1
200 * (0 0.6667 3 0.3333 0 0 0) + (1 -100 -200 0 0 0 0)
Lo visto anteriormente es la operación necesaria para disminuir el renglón 1 (representada en

vectores), por lo tanto, el renglón 1 quedará de la siguiente manera:
0 33.333 0 66.6667 0 0 13333.33
Como se evidencia en la figura anterior, así debe quedar el renglón 1, teniendo en cuenta que ya
se redujo el -200 a 0, de la misma manera, se debe realizar para los otros dos renglones, dando la
siguiente relación de ecuaciones para cada uno de ellos.
-1 R2 + R3
Para el renglón 4 no se debe realizar ninguna ecuación, ya que esta se encuentra en 0. Quedando la
siguiente tabla:
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
Seguirá el procedimiento mientras los coeficientes de las variables de decisión sean negativas. Lo
que quiere decir 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 Pivot, ya que en este punto se
vuelve a iniciar con 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
Contando con el método de optimización por medio de programación, se pueden generar modelos
sencillos, los cuales permiten analizar cada uno de los posibles acontecimientos y permite encontrar
mejores soluciones de las que se encuentran actualmente para el desarrollo de la empresa, ya sea en
producción o en definiciones logísticas sobre el desempeño de esta.
Referencias
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.
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.
INFORMACIÓN TÉCNICA
Módulo: Modelo para la Toma de Decisiones

Unidad 2: Modelo de inventarios y programación lineal
Escenario 4: Introducción a la programación lineal
Autor: Gabriel Mauricio Yañez Barreto
Asesor Pedagógico: Ana Milena Raga

Diseñador Gráfico: Juan Sebastián Moreno
Asistente: José Nicolás Muñoz Sánchez
Este material pertenece al Politécnico Grancolombiano.

Prohibida su reproducción total o parcial.

Lectura Fundamental 4 PDF

Cargado por

Información del documento

Título 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

Lectura Fundamental 4 PDF

Cargado por

Copyright:

Formatos disponibles

Unidad 2 / Escenario 4

Introducción a la programación lineal

1 Introducción a los modelos

2 Proceso de construcción de modelos de siete pasos

3 Ventajas del modelo matemático

4 Solución de modelos de programación lineal de dos variables con método gráfico

Palabras clave: redes, método, actividad, tiempo, costo, recursos.

1.1. Modelos estáticos y dinámicos

1.2. Modelos lineales y no lineales

1.4. Modelos determinísticos y estocásticos

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

c. Formular un modelo matemático del problema

e. Seleccionar una opción adecuada

f. Presentar los resultados y la conclusión del estudio a la empresa

g. Poner en marcha y evaluar las recomendaciones

3. Ventajas del modelo matemático

5. En ocasiones el modelo es el único medio infalible para la resolución de problemas complejos;

4. Solución de modelos de programación lineal de dos variables con

4.1. Conceptos clave para el desarrollo de problemas de programación lineal

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.

[Uso de la materia prima] ≤ [Disponibilidad máxima de la materia prima]

Método gráfico. Ejemplo desarrollado

El siguiente problema será resuelto de manera didáctica y paso a paso.

Sea x1 y x2 el nivel de producción mensual de producto 1 y producto 2, respectivamente. Denote por P1

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

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.

Para el producto 1 se utilizan P1 y P2 libras de acero y para el producto 2 max P1 * x1 + P2 * x2 libras.

5.1. Método matemático

Por lo tanto, el modelo queda definido de la siguiente manera:

Z= 100 * 60 + 200 * 627 (4)

Teniendo el valor de X1 podemos reemplazarlo en la ecuación 2, quedando de la siguiente manera:

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

Ejemplo de solución de un modelo por método gráfico

Teniendo en cuenta el modelo definido de la siguiente manera:

120 + 3 * x2 = 2000 (5)

Para el segundo punto de la recta debemos definir:

200 * (0 0.6667 3 0.3333 0 0 0) + (1 -100 -200 0 0 0 0) para hallar un valor

Por lo cual tendríamos la siguiente ecuación:

Figura 3. Solución de la tercera restricción

5.3. Método Simplex

Veamos el siguiente problema, el cual resolveremos paso a paso:

Lo anterior, e encuentra sujeto a:

b = 2000; a1 = 2; a2 = 3; m = 60; u = 720

Por lo tanto, el modelo queda definido de la siguiente manera:

max 100 * x1 + 200 * x2 (1)

max z=100 * x1 + 200 * x2 (5)

Primero realizaremos la reorganización de las ecuaciones:

z -100 * x1 - 200 * x2 = 0 (9)

La tabla quedará de la siguiente manera:

Tabla 3. Selección de la fila Pivot y número Pivot

200 * (0 0.6667 3 0.3333 0 0 0) + (1 -100 -200 0 0 0 0)

Lo visto anteriormente es la operación necesaria para disminuir el renglón 1 (representada en

0 33.333 0 66.6667 0 0 13333.33

Tabla 6. Terminación de una parte del procedimiento

Módulo: Modelo para la Toma de Decisiones

Autor: Gabriel Mauricio Yañez Barreto

Asesor Pedagógico: Ana Milena Raga