Programación Lineal

Método Simplex

Juan David Lacharme Montoya Msc

¿Qué es el método simplex?
Método Simplex: Es un método analítico de solución de problemas de PL capaz de resolver modelos
más complejos que los resueltos mediante el método gráfico sin restricción en el número de variables.
Iterativo. Permite ir mejorando la solución en cada paso.

Es un método iterativo que permite ir mejorando la solución en cada paso. La razón matemática de esta
mejora radica en que el método consiste en caminar del vértice de un poliedro a un vértice vecino de
manera que aumente o disminuya (según el contexto de la función objetivo, sea maximizar o minimizar),
dado que el número de vértices que presenta un poliedro solución es finito siempre se hallará solución.
La lógica del método es la siguiente:
• Se encuentra una solución básica inicial
• Se camina hacia una solución adyacente dependiendo de si la función
objetivo aumenta o disminuye o se trata de (max ó min).
Gráficamente el método simplex
La lógica del método es la siguiente:
• Se encuentra una solución básica inicial
• Se camina hacia una solución adyacente dependiendo de si la función objetivo aumenta o disminuye
o se trata de (max ó min).
Análisis de la Información
La información paramétrica que ofrece el modelo es la utilidad de cada uno de los artículos, los
recursos disponibles y el consumo de cada recurso por cada unidad producida.
Por lo tanto hay que determinar qué cantidad de cada uno de los artículos se debe fabricar a fin de
conseguir el máximo de utilidad la empresa. Esta cantidad se representa por medio de variables
✓ En resumen la información se puede presentar como se realiza en el siguiente cuadro:
 Análisis de la Información
✓ En donde las variables se definen de la siguiente forma:
𝑥1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎
𝑥2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑚𝑒𝑠𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎 Variables de Decisión
𝑥3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎

✓ Teniendo en cuenta lo dicho anteriormente, el objetivo es incrementar al máximo posible la utilidad total de la
compañía, la cual está representada por la siguiente función lineal:
𝟓𝟎𝟎𝟎𝒙𝟏 + 𝟖𝟎𝟎𝟎𝒙𝟐 + 𝟔𝟎𝟎𝟎𝒙𝟑 Función Objetivo

✓ La anterior función debe ser maximizada teniendo en cuenta que los recursos, madera, tubo y mano de obra, son
de carácter limitado y no se puede utilizar más de su disponibilidad así:
5𝑥1 + 3𝑥2 + 7𝑥3 ≤ 100 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para la madera
3𝑥1 + 6𝑥2 + 4𝑥3 ≤ 150 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para el tubo
4𝑥1 + 3𝑥2 + 3𝑥3 ≤ 120 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para la mano de obra
𝑥1 , 𝑥2 , 𝑥3 ≥ 0. Restricción no Negatividad
 Análisis de la Información
✓ En resumen, si se denota a la utilidad como Z el modelo matemático de programación lineal queda
como se muestra a continuación:
𝑴𝒂𝒙 𝒁 = 𝟓𝟎𝟎𝟎𝒙𝟏 + 𝟖𝟎𝟎𝟎𝒙𝟐 + 𝟔𝟎𝟎𝟎𝒙𝟑 Función Objetivo

𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
5𝑥1 + 3𝑥2 + 7𝑥3 ≤ 100 𝑚𝑒𝑡𝑟𝑜𝑠.
3𝑥1 + 6𝑥2 + 4𝑥3 ≤ 150 𝑚𝑒𝑡𝑟𝑜𝑠.
Restricciones
4𝑥1 + 3𝑥2 + 3𝑥3 ≤ 120 𝑚𝑒𝑡𝑟𝑜𝑠.
𝑥1 𝑥2 𝑥3 ≥ 0
Variables de Holgura
Además de la solución optima y de su contribución a las función objetivo, interesa conocer la información
sobre la utilización de los recursos.
Las desigualdades planteadas en cada una de las restricciones se deben volver igualdades. ¿Cómo?
Agregando variables de holgura!
Variables de holgura Es una variable agregada al lado izquierdo de una restricción de “menor o igual
que” (≤)para convertir la restricción en una igualdad. El valor de esta variable comúnmente puede
interpretarse como la cantidad de recurso no usado.

Variables de Excedente Es una variable restada del lado izquierdo de una restricción de “mayor o
igual que” (≥) para convertir dicha restricción en una igualdad. Generalmente el valor de esta variable
puede interpretarse como la cantidad por encima de algún nivel mínimo requerido.
Ejemplo guía: La Wyndor Glass Co
La Wyndor Glass Corporation es una empresa dedicada a la elaboración de artículos de vidrio de alta
calidad (puertas y ventanas) los cuales se hacen en 3 plantas diferentes.
Planta 1 •Molduras y marcos de aluminio

Planta 2 •Molduras y marcos en madera

Planta 3 •Se hace y se ensambla el vidrio

✓ Actualmente se tiene un programa de cambio de la producción y se propone incursionar con 2

nuevos productos.
• Puerta de vidrio con marco
Producto 1 en aluminio
• Ventana de vidrio con marco
Producto 2 en madera

✓ Según el Departamento de comercialización, toda la

producción de éstos puede venderse en el mercado.
 Recordemos el ejercicio de la Wyndor Glass Co

Análisis de la Información
Variables de Decisión
𝑋1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 1
𝑋2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑜𝑡𝑒𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑑𝑒𝑙 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 2

Función Objetivo
3𝑋1 + 𝟓𝑋2 𝑴𝒂𝒙𝒊𝒎𝒊𝒛𝒂𝒓 𝑼𝒕𝒊𝒍𝒊𝒅𝒂𝒅

Disponibilidad de Recurso
𝑋1 + 0𝑋2 ≤ 4 𝐻𝑜𝑟𝑎𝑠 Disponibilidad de tiempo de producción Planta 1
0𝑋1 + 2𝑋2 ≤ 12 𝐻𝑜𝑟𝑎𝑠 Disponibilidad de tiempo de producción Planta 2
3𝑋1 + 2𝑋2 ≤ 18 𝐻𝑜𝑟𝑎𝑠 Disponibilidad de tiempo de producción Planta 3

𝑿𝟏 = 𝟐
La solución optima encontrada al aplicar el método grafico
𝑿𝟐 = 𝟔
𝒁𝒎𝒂𝒙 = 𝟑𝑋1 + 𝟓 𝑋2
𝒁𝒎𝒂𝒙 = 𝟑(𝟐) + 𝟓(𝟔)
𝒁𝒎𝒂𝒙 = 𝟑𝟔
Modelo Matemático
𝒁𝒎𝒂𝒙 = 𝟑𝑋1 + 𝟓 𝑋2
𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: 𝑋1 + 0𝑋2 ≤ 4 𝐻𝑜𝑟𝑎𝑠 2 + 0(6) ≤ 4 𝐻𝑜𝑟𝑎𝑠 En este caso el recurso disponible no es totalmente
0𝑋1 + 2𝑋2 ≤ 12 𝐻𝑜𝑟𝑎𝑠 consumido, quedan 2 horas de producción en la
0(2) + 2(6) ≤ 12 𝐻𝑜𝑟𝑎𝑠
plata 1
3𝑋1 + 2𝑋2 ≤ 18 𝐻𝑜𝑟𝑎𝑠 3(2) + 2(6) ≤ 18 𝐻𝑜𝑟𝑎𝑠
𝑋1 , 𝑋2 ≥ 0
Sea 𝑿𝟑 : lo que le falta a la restricción 1 para ser igual a 4 (𝑋3 ≥ 0) 𝒁𝒎𝒂𝒙 = 𝟑𝑋1 + 𝟓 𝑋2 + 0𝑋3 + 0𝑋4 + 0𝑋5

1𝑋1 + 0𝑋2 ≤ 4 1𝑋1 + 0𝑋2 + 1𝑿𝟑 = 4 𝑋1 + 0𝑋2 + 1𝑋3 + 0𝑋4 + 0𝑋5 ≤ 4 𝐻𝑜𝑟𝑎𝑠
0𝑋1 + 2𝑋2 + 0𝑋3 + 1𝑋4 + 0𝑋5 ≤ 12 𝐻𝑜𝑟𝑎𝑠
Características de las variables de holgura 3𝑋1 + 2𝑋2 + 0𝑋3 + 0𝑋4 + 1𝑋5 ≤ 18 𝐻𝑜𝑟𝑎𝑠
• Coeficientes de costo (Función objetivo) iguales a cero. 𝑋1 , 𝑋2 ≥ 0
• Coeficientes Tecnológicos
✓ 1, en su restricción correspondiente
✓ 0, en las demás restricciones.
• Conforman una columna de la matriz Identidad
• Pueden aparecer en la solución óptima
 Forma original del Modelo Forma Estándar o Aumentada del Modelo
𝒁𝒎𝒂𝒙 = 𝟑𝑋1 + 𝟓 𝑋2 𝒁𝒎𝒂𝒙 = 3𝑋1 + 5𝑋2 + 0𝑆1 + 0𝑆2 + 0𝑆3

𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: 𝑋1 + 0𝑋2 ≤ 4 𝐻𝑜𝑟𝑎𝑠 𝑋1 + 0𝑋2 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 4 𝐻𝑜𝑟𝑎𝑠

0𝑋1 + 2𝑋2 ≤ 12 𝐻𝑜𝑟𝑎𝑠 0𝑋1 + 2𝑋2 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 12 𝐻𝑜𝑟𝑎𝑠

3𝑋1 + 2𝑋2 ≤ 18 𝐻𝑜𝑟𝑎𝑠 3𝑋1 + 2𝑋2 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 18 𝐻𝑜𝑟𝑎𝑠

𝑋1 , 𝑋2 ≥ 0 𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0

En esta forma lo que hemos hecho es convertir las desigualdades

La lógica del método es la siguiente: planteadas en el modelo original, en igualdades a través de la
inclusión de las variables de holgura.
• Se encuentra una solución básica inicial
• Se camina hacia una solución adyacente dependiendo de si la función objetivo
aumenta o disminuye o se trata de (max ó min).
Solución

(0, 0) (0, 0, 4, 12, 18)

(4, 0) (0, 0, 0, 12, 6)
(2, 6) (0, 0, 2, 0, 0)
Forma original del Modelo Forma Estándar o Aumentada del Modelo
𝒁𝒎𝒂𝒙 = 𝟑𝑋1 + 𝟓 𝑋2 𝒁𝒎𝒂𝒙 = 3𝑋1 + 5𝑋2 + 0𝑆1 + 0𝑆2 + 0𝑆3

𝑺𝒖𝒋𝒆𝒕𝒐 𝒂: 𝑋1 + 0𝑋2 ≤ 4 𝐻𝑜𝑟𝑎𝑠 𝑋1 + 0𝑋2 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 4 𝐻𝑜𝑟𝑎𝑠

0𝑋1 + 2𝑋2 ≤ 12 𝐻𝑜𝑟𝑎𝑠 0𝑋1 + 2𝑋2 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 12 𝐻𝑜𝑟𝑎𝑠

3𝑋1 + 2𝑋2 ≤ 18 𝐻𝑜𝑟𝑎𝑠 3𝑋1 + 2𝑋2 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 18 𝐻𝑜𝑟𝑎𝑠

𝑋1 , 𝑋2 ≥ 0 𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0

𝒁 − 3𝑋1 − 5𝑋2 − 0𝑆1 − 0𝑆2 − 0𝑆3 = 0

𝑋1 + 0𝑋2 + 1𝑆1 + 0𝑆2 + 0𝑆3 = 4 𝐻𝑜𝑟𝑎𝑠
0𝑋1 + 2𝑋2 + 0𝑆1 + 1𝑆2 + 0𝑆3 = 12 𝐻𝑜𝑟𝑎𝑠
3𝑋1 + 2𝑋2 + 0𝑆1 + 0𝑆2 + 1𝑆3 = 18 𝐻𝑜𝑟𝑎𝑠
𝑋1 , 𝑋2 , 𝑆1 , 𝑆2 , 𝑆3 ≥ 0
El algoritmo simplex
1. Hallar una solución factible inicial: hacer cero las variables del problema
2. Hacer una prueba de optimalidad. ¿Se puede mejorar?
3. Realizar nueva iteración

1. Determinación de la dirección de movimiento: Variable que entra a la base: columna pivote

2. Determinación de donde detenerse: Variable que sale de la base: fila pivote

4. Calcular una nueva solución básica factible

1. Obtener 1 en la fila pivote

2. Hacer 0 en el resto de entradas de la columna pivote

● 5. Repetir desde 2
Forma tabular caso Wyndor
Coeficientes
ReglónV.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4

(2) S2 (2) 0 0 2 0 1 0 12
(3) S3 (3) 0 3 2 0 0 1 18

Matriz identidad Solución Inicial

(0,0,4,12,18); Z=0
Forma tabular caso Wyndor
1. Prueba de optimalidad

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4

(2) S2 (2) 0 0 2 0 1 0 12
(3) S3 (3) 0 3 2 0 0 1 18
Forma tabular caso Wyndor
2. ¿Quién entra a la base?
El máximo coeficiente negativo en el renglón cero

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4

(2) S2 (2) 0 0 2 0 1 0 12
(3) S3 (3) 0 3 2 0 0 1 18
Forma tabular caso Wyndor

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4

(2) S2 (2) 0 0 2 0 1 0 12
(3) S3 (3) 0 3 2 0 0 1 18

Columna pivote
Forma tabular caso Wyndor
3. ¿Quién sale de la base?
Hacer prueba de cociente

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4 4/0 =NA

(2) S2 (2) 0 0 2 0 1 0 12 12/2 =6

(3) S3 (3) 0 3 2 0 0 1 18 18/2 =9

Columna pivote
Forma tabular caso Wyndor
3. ¿Quién sale de la base?
Hacer prueba de cociente

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4 4/0 =NA

(2) S2 (2) 0 0 2 0 1 0 12 12/2 =6

(3) S3 (3) 0 3 2 0 0 1 18 18/2 =9

Fila pivote (el menor de los positivos en prueba de cociente)

Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4 4/0 =NA

(2) S2 (2) 0 0 2 0 1 0 12 12/2 =6

(3) S3 (3) 0 3 2 0 0 1 18 18/2 =9

Elemento pivote (se debe convertir a 1)

Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4 4/0 =NA

𝟏
( ) (2) S2 (2) 0 0 2 0 1 0 12 12/2 =6
𝟐
(3) S3 (3) 0 3 2 0 0 1 18 18/2 =9

Elemento pivote (se debe convertir a 1)

Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 -5 0 0 0 0

(1) S1 (1) 0 1 0 1 0 0 4

(2) S2 (2) 0 0 1 0 1/2 0 6

(3) S3 (3) 0 3 2 0 0 1 18

Elemento pivote (se debe convertir a 1)

Forma tabular caso Wyndor
Para el renglón cero…

[0 0 5 0 5/2 0 30 Nuevo renglón pivote x 5

+ [1 -3 -5 0 0 0 0 Renglón (0)

[1 -3 0 0 5/2 0 30 Nuevo renglón (0)

Para el renglón 3…
[0 0 -2 0 -1 0 -12 Nuevo renglón pivote x -2

+ [0 3 2 0 0 1 18 Renglón (3)

[0 3 0 0 -1 1 6 Nuevo renglón (3)

Forma tabular caso Wyndor
Nueva Tabla Simplex

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

(3) S3 (3) 0 3 0 0 -1 1 6

Solución actual
(0,6,4,0,6); Z=30
Forma tabular caso Wyndor
1. Prueba de optimalidad

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

(3) S2 (3) 0 3 0 0 -1 1 6
Forma tabular caso Wyndor
2. ¿Quién entra a la base?
El máximo coeficiente negativo en el renglón cero

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

(3) S3 (3) 0 3 0 0 -1 1 6
Forma tabular caso Wyndor
Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

(3) S3 (3) 0 3 0 0 -1 1 6

Columna pivote
Forma tabular caso Wyndor
3. ¿Quién sale de la base?
Hacer prueba de cociente

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4 4/1 =4

(2) X2 (2) 0 0 1 0 1/2 0 6 6/0 =NA

(3) S3 (3) 0 3 0 0 -1 1 6 6/3 =2

Columna pivote
Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4 4/1 =4

(2) X2 (2) 0 0 1 0 1/2 0 6 6/0 =NA

(3) S3 (3) 0 3 0 0 -1 1 6 6/3 =2

Fila pivote (mínimo en prueba de cociente)

Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

𝟏
( )(3) S3 (3) 0 3 0 0 -1 1 6
𝟑

Fila pivote (mínimo en prueba de cociente)

Forma tabular caso Wyndor
4. Iteraciones. ¿Qué es lo que queremos

Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 1 -3 0 0 5/2 0 30

(1) S1 (1) 0 1 0 1 0 0 4

(2) X2 (2) 0 0 1 0 1/2 0 6

(3) X1 (3) 0 1 0 0 -1/3 1/3 2

Nueva fila pivote

Forma tabular caso Wyndor
Para el renglón cero…
[0 3 0 0 -1 1 6 Nuevo renglón pivote x 3

+ [0 -3 0 0 5/2 0 30 Renglón (0)

[0 0 0 0 3/2 1 36 Nuevo renglón (0)

Para el renglón 3…
[0 -1 0 0 1/3 -1/3 -2 Nuevo renglón pivote x -1

+ [0 1 0 1 0 0 4 Renglón (1)

[0 0 0 1 1/3 -1/3 2 Nuevo renglón (1)

 Forma tabular caso Wyndor
Iteraciones. Cuando paramos? El método termina cuando los coeficientes de las variables de decisión
sean igual a cero.
Coeficientes
Reglón V.B Ec # Z X1 X2 S1 S2 S3 L.D Razón

(0) Z (0) 0 0 0 0 3/2 1 36

(1) Sv1 (1) 0 0 0 1 1/3 -1/3 2

Variable de
Holgura
(2) X2 (2) 0 0 1 0 1/2 0 6 Solución del
Problema
(3) X1 (3) 0 1 0 0 -1/3 1/3 2 𝑺𝟏 = 𝟐
𝑿𝟏 = 𝟔
Variables 𝑿𝟐 = 𝟐
de decisión 𝒁 = 𝟑𝟔
Análisis de la Información
La información paramétrica que ofrece el modelo es la utilidad de cada uno de los artículos, los
recursos disponibles y el consumo de cada recurso por cada unidad producida.
Por lo tanto hay que determinar qué cantidad de cada uno de los artículos se debe fabricar a fin de
conseguir el máximo de utilidad la empresa. Esta cantidad se representa por medio de variables
✓ En resumen la información se puede presentar como se realiza en el siguiente cuadro:
 Análisis de la Información
✓ En donde las variables se definen de la siguiente forma:
𝑥1 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎
𝑥2 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑚𝑒𝑠𝑎𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎 Variables de Decisión
𝑥3 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜𝑠 𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑖𝑟 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎

✓ Teniendo en cuenta lo dicho anteriormente, el objetivo es incrementar al máximo posible la utilidad total de la
compañía, la cual está representada por la siguiente función lineal:
𝟓𝟎𝟎𝟎𝒙𝟏 + 𝟖𝟎𝟎𝟎𝒙𝟐 + 𝟔𝟎𝟎𝟎𝒙𝟑 Función Objetivo

✓ La anterior función debe ser maximizada teniendo en cuenta que los recursos, madera, tubo y mano de obra, son
de carácter limitado y no se puede utilizar más de su disponibilidad así:
5𝑥1 + 3𝑥2 + 7𝑥3 ≤ 100 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para la madera
3𝑥1 + 6𝑥2 + 4𝑥3 ≤ 150 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para el tubo
4𝑥1 + 3𝑥2 + 3𝑥3 ≤ 120 𝑚𝑒𝑡𝑟𝑜𝑠. Restricción para la mano de obra
𝑥1 , 𝑥2 , 𝑥3 ≥ 0. Restricción no Negatividad
 Análisis de la Información
✓ En resumen, si se denota a la utilidad como Z el modelo matemático de programación lineal queda
como se muestra a continuación:
𝑴𝒂𝒙 𝒁 = 𝟓𝟎𝟎𝟎𝒙𝟏 + 𝟖𝟎𝟎𝟎𝒙𝟐 + 𝟔𝟎𝟎𝟎𝒙𝟑 Función Objetivo

𝑺𝒖𝒋𝒆𝒕𝒐 𝒂:
5𝑥1 + 3𝑥2 + 7𝑥3 ≤ 100 𝑚𝑒𝑡𝑟𝑜𝑠.
3𝑥1 + 6𝑥2 + 4𝑥3 ≤ 150 𝑚𝑒𝑡𝑟𝑜𝑠.
Restricciones
4𝑥1 + 3𝑥2 + 3𝑥3 ≤ 120 𝑚𝑒𝑡𝑟𝑜𝑠.
𝑥1 𝑥2 𝑥3 ≥ 0
 GRACIAS
Juan David Lacharme Montoya

Correo: jlacharmem@ecci.edu.co