INSTITUTO TECNOLOGICO SUPERIOR DE SAN ANDRES TUXTLA

NOMBRE DEL ALUMNO(A) ANIBAL DE JESUS PALOMEC CHACHA

CARRERA : INGENIERIA INDUSTRIAL
ASIGNATURA: INVESTIGACION DE OPERACIONES I
DOCENTE: MARTA GABRIELA LIMON OROZCO
GRUPO: 413B
FECHA: 29/07/21

ACTIVIDAD 1 DE LA UNIDAD 1
INVESTIGACION DOCUMENTAL .valor 20%
REALIZAR UNA INVESTIGACION DOCUMENTAL SOBRE:
1. POSIBLES SOLUCIONES QUE SE PUEDE DAR EN UN PROBLEMA DE PROGRAMACION LINEAL
2. COMO SE LLAMAN LAS VARIABLES QUE SE ENCUENTRAN EN EL METODO SIMPLEX.
3. LA ESTRUCTURA GENERAL DE LOS MODELOS DE PROGRAMACION LINEAL DE LINEAL (DE
MAXIMIZAR Y DE MINIMIZAR)
4. LA FORMA CANONICA DE PROGRAMACION LINEAL (DE MAXIMIZAR Y DE MINIMIZAR)
5. LA FORMA ESTANDAR DE PROGRAMACION LINEAL (DE MAXIMIZAR Y DE MINIMIZAR)
6. DEFINICION DE CRITERIO DE OPTIMALIDAD Y CRITERIO DE FATIBILIDAD

 EN ARIAL 12, 1.5 INTERLINEADO Y JUSTIFICADO.

 Elaborar en cualquier aplicación de su preferencia
 Indicar la Competencia específica y genérica de la unidad

 Especifica(s):
 Conoce y aplica el concepto del método 
simplex en casos reales.
 Conoce y aplica el concepto del método  de
la M Grande y/o doble fase y su aplicación 
en modelos con variables artificiales. 
Conoce y aplica las diferentes formas  de
relación primal-dual.
 Conoce y aplica el método dual simplex 
Interpreta el análisis de sensibilidad en la 
toma de decisiones.
  Genéricas:
 Instrumentales
 Habilidades básicas de manejo de la 
computadora y paquetería.
 Habilidades de la lógica de programación.
 Solución de problemas.
 Toma de decisiones.
 Interpersonales
 Capacidad crítica y autocrítica.
 Trabajo en equipo.
 Flexibilidad para trabajar en diferentes 
ambientes de trabajo.  Tener compromiso
con los valores y  principios éticos.
 Sistémicas
 Capacidad de aplicar los conocimientos en la
 práctica.
 Habilidades de investigación.
 Capacidad de aprender.
 Poseer iniciativa al elaborar y resolver los 
problemas propios de los proyectos. 
Búsqueda del logro.
 POSIBLES SOLUCIONES QUE SE PUEDE DAR EN UN PROBLEMA DE PROGRAMACION
LINEAL

Para llegar a la solución de un problema de Programación Lineal se utilizan diferentes métodos de

solución. Los más difundidos son: el método gráfico y el Método Simplex. La solución de un
problema de Programación Lineal utilizando un procedimiento gráfico es posible si se tienen no
más de dos variables. El Método Simplex fue el primer método surgido para solucionar problemas
de Programación Lineal, por lo que se le considera el método de solución clásico por excelencia.
Teniendo en cuenta la filosofía de este método han surgido otros métodos cuyas ventajas
fundamentales se concentran en las posibilidades de los mismos para ser programados por
computadoras

 En los problemas de programación lineal con dos variables pueden darse varios tipos
de soluciones óptimas:
 Solución única.
 Solución múltiple (infinitas soluciones).
 Solución no acotada (ausencia de solución), cuando la función objetivo no tiene valores
extremos, pues la región factible es no acotada.
 Solución no factible, cuando no existe región factible por falta de puntos comunes en el
sistema de inecuaciones.
 Solución degenerada, si en un solo punto (que se dice degenerado) coinciden tres o más de
las rectas que limitan la región factible.
 COMO SE LLAMAN LAS VARIABLES QUE SE ENCUENTRAN EN EL METODO SIMPLEX

El Método Simplex trabaja basándose en ecuaciones y las restricciones iniciales que se modelan
mediante programación lineal no lo son, para ello hay que convertir estas inecuaciones en
ecuaciones utilizando unas variables denominadas de holgura y exceso relacionadas con el recurso
al cual hace referencia la restricción y que en el tabulado final representa el « Slack or surplus » al
que hacen referencia los famosos programas de resolución de investigación de operaciones, estas
variables adquieren un gran valor en el análisis de sensibilidad y juegan un rol fundamental en la
creación de la matriz identidad base del Simplex.

Estas variables suelen estar representadas por la letra «S», se suman si la restricción es de signo
«<= » y se restan si la restricción es de signo «>=».
Por ejemplo:
Las variables de holgura permiten determinar los excedentes de las restricciones que podrían ser
empleados en otros fines sin que la solución óptima se altere.
Las variables de holgura permiten convertir las desigualdades de las restricciones en igualdades, lo
cual llega a representar el sobrante de las disponibilidades de cada recurso; en el caso que se
desarrolla como ejemplo, es la capacidad de horas máquina en cada proceso o departamento.
En el ejemplo desarrollamos.
Las restricciones lineales de forma:

Agregando una nueva variable no negativa al lado izquierdo de la desigualdad se pueden convertir en
ecuaciones, ésta variable es numéricamente igual a la diferencia entre el lado izquierdo y derecho de
la desigualdad. Por lo cual las desigualdades quedan con vértices en las siguientes ecuaciones:
la solución óptima se altere.
Las variables de holgura permiten convertir las desigualdades de las restricciones en igualdades, lo
cual llega a representar el sobrante de las disponibilidades de cada recurso; en el caso que se
desarrolla como ejemplo, es la capacidad de horas máquina en cada proceso o departamento.
En el ejemplo desarrollamos.
Las restricciones lineales de forma:

Agregando una nueva variable no negativa al lado izquierdo de la desigualdad se pueden convertir en
ecuaciones, ésta variable es numéricamente igual a la diferencia entre el lado izquierdo y derecho de
la desigualdad. Por lo cual las desigualdades quedan con vértices en las siguientes ecuaciones:

Las variables de holgura S1 y S2 muestran los excedentes de tiempo en la capacidad no utilizada en

los procesos I y II respectivamente.
En la solución óptima determinada por método gráfico algebraico cuando:
x1 = 600
x2 = 2.100
Las variables de holgura son:
Por tanto, las variables de holgura:
S1 = 0
S2 = 0

LA ESTRUCTURA GENERAL DE LOS MODELOS DE PROGRAMACION LINEAL DE LINEAL

(DE MAXIMIZAR Y DE MINIMIZAR)

Un problema de PL consta de una función objetivo (lineal) por maximizar o minimizar, sujeta a
ciertas restricciones en la forma de igualdades o desigualdades.
Conceptos clave:
Función objetivo: La función por optimizar (maximizar o minimizar)
Restricciones: Representan condiciones que es preciso satisfacer. Sistema de igualdades y
desigualdades (≤ Ó ≥)
MAXIMIZACION

Para restricción de £ : cambio en la misma dirección. Vale decir que un aumento en el valor RHS
no produce una disminución en el valor óptimo sino que éste aumenta o permanece igual según la
restricción sea obligatoria o no obligatoria.

Para restricción de <= cambio en la dirección opuesta. Vale decir que un aumento en el valor RHS
no produce un aumento en el valor óptimo sino que éste disminuye o permanece igual según la
restricción sea obligatoria o no obligatoria.

Para restricción de >= el cambio puede ser en cualquier dirección

MINIMIZACION

Para restricción de <=cambio en la dirección opuesta. Vale decir que un aumento en el valor RHS
no produce un aumento del valor óptimo sino que éste disminuye o permanece igual según la
restricción sea obligatoria o no obligatoria).

Para restricción de >=cambio en la misma dirección. Vale decir que un aumento en el valor RHS
no produce una disminución del valor óptimo sino que éste aumenta o permanece igual según la
restricción sea obligatoria o no obligatoria.

Para restricción de =: el cambio puede ser en cualquier dirección

LA FORMA CANONICA Y ESTANDAR DE PROGRAMACION LINEAL (DE MAXIMIZAR Y DE
MINIMIZAR
 DEFINICION DE CRITERIO DE OPTIMALIDAD Y CRITERIO DE FATIBILIDAD

Condición de optimalidad.

La variable de entrada en un problema de maximización es la variable no basica que tiene el

coeficiente más negativo en la fila Z o función objetivo. En el caso de minimización, la variable de
entrada se define como la variable no básica que tiene que tiene el coeficiente más positivo en la
fila Z.

Condición de factibilidad.

Tanto para los problemas de maximización como de minimización, la variable de salida es la

variable básica asociada con la razón no negativa más pequeña. En caso de empates se rompen
arbitrariamente y se descartan las razones negativas o indefinidas. Cuando se refiere a razón se
entiende por la división de los límites del lado derecho entre los coeficientes de la columna de la
variable de entrada.

La solución de un problema de PL a través del algoritmo Simplex, en su forma tabular, consiste en

cálculos para encontrar una nueva solución básica fundamentados en operaciones algebraicas de
la metodología Gauss-Jordán para la solución de sistemas de ecuaciones simultaneas por matrices.
Donde se tiene una columna pivote (columna de la variable de entrada) y un reglón o fila pivote
(variable de salida). La intersección de estos dos constituyen el elemento pivote, que en la tabla se
lleva a la unidad (valor 1).