UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA FACULTAD

DE CIENCIAS ECONÓMICAS
LICENCIATURA EN CONTADURÍA PÚBLICA Y AUDITORÍA
CURSO: MATEMATICA I

Programación Lineal

ESTEFANI PAOLA PEREZ GONZALEZ

NÚMERO DE CARNÉ:2032-22-13186
PRIMER SEMESTRE SECCION B
MARIANO GÁLVEZ DE GUATEMALA, QUETZALTENANGO

Quetzaltenango, mayo 2022

 Programación Lineal
La programación lineal es un método mediante el cual se optimiza, ya sea maximizando o
minimizando, una función objetivo, donde las variables están elevadas a la potencia 1. Esto, tomando
en cuenta distintas restricciones dadas.
La programación lineal es, entonces, un proceso por el cual se maximizará una función lineal. Es
decir, una ecuación de primer grado, donde las variables están elevadas a la potencia 1.

Debemos recordar que este tipo de ecuación es una igualdad matemática que puede tener una o más
incógnitas. Así, tiene la siguiente forma básica, donde a y b son las constantes, mientras que x e y
son las variables.

ax+b=y

Ahora, mediante la programación lineal, se podría optimizar esta función, hallando el máximo o el mínimo
valor de y. Esto, tomando en cuenta que x está sujeta a ciertas restricciones. Quizás es mayor a 0 y menor que
20

Elementos de la programación lineal

Los principales elementos de la programación lineal son los siguientes:

 Función objetivo: Es aquella función que se optimiza, ya sea maximizando o minimizando su

resultado.

f (x, y) =ax+by

 Restricciones: La función objetivo está sujeta a una serie de restricciones, expresadas por
inecuaciones lineales:

... ... ...

Cada desigualdad del sistema de restricciones determina un semiplano.

 

Solución factible
El conjunto intersección, de todos los semiplanos formados por las restricciones, determina un
recinto, acotado o no, que recibe el nombre de región de validez o zona de soluciones factibles.
Solución óptima
El conjunto de los vértices del recinto se denomina conjunto de soluciones factibles básicas y el
vértice donde se presenta la solución óptima se llama solución máxima (o mínima según el caso).

Desigualdad lineal
Una desigualdad lineal es una desigualdad que involucra a una función lineal. Una desigualdad lineal
contiene uno de los símbolos de la desigualdad.

 < es menor que

 > es mayor que
 ≤ es menor o igual a
 ≥ es mayor o igual a
 ≠ no es igual a

Una desigualdad lineal se parece exactamente a una ecuación lineal, con el signo de desigualdad
reemplazando al signo de igualdad.
 sistemas de desigualdades lineales
Una desigualdad lineal con dos variables divide el plano en dos medios planos. Para graficar la desigualdad,
grafique la equivalencia del límite. Use una línea continua si el símbolo ≤ o ≥ es usado porque el límite está
incluido en la solución. Use una línea punteada si < o > es usada para indicar que el límite no es parte de la
solución. Sombree la región apropiada. A menos que esté graficando una línea vertical el signo de la
desigualdad le hará saber que medio plano debe sombrear. Si el símbolo ≥ o > es usado, sombree arriba de la
línea. Si el símbolo ≤ o < es usado sombree debajo de la línea. Para una línea vertical, las soluciones grandes
están a la derecha y las soluciones pequeñas están a la izquierda. Unos sistemas de dos o más desigualdades
lineales pueden dividir el plano en formas más complejas.

Ejemplo:

y<2x+1

Ejemplo 2

Y<1x+4
3

Y > - 3x - 1

Y > 5x + 1
Programación lineal
La programación lineal (LP, también conocida como optimización lineal) es el campo de la programación
matemática dedicado a maximizar o minimizar (optimizar) una función lineal, denominada función objetivo, de tal
forma que las variables de dicha función estén sujetas a una serie de restricciones expresadas mediante un sistema
de ecuaciones o inecuaciones también lineales. El método tradicionalmente usado para resolver problemas de
programación lineal es el Método Simplex.

Esta parte de la investigación operativa se encarga del tratamiento de problemas mediante una modelización
matemática del problema.
Se trata de optimizar sistemas partiendo de unas premisas. En todo sistema existirá un conjunto de variables y
las relaciones entre dichas variables.

Ejemplo:

Si hemos plantado trigo tendremos una variable X que será el número de kilos plantados por hectárea y una
variable Y que será la lluvia.

Los valores de la variable X los puedo controlar, pero no los de la variable Y, luego la variable X será una
variable interna de nuestro problema, y la variable Y será una variable externa.

El conjunto de todas las variables internas X nos define el conjunto o dominio donde estará nuestra solución
óptima. Este dominio estará definido por el conjunto de premisas de nuestro problema. Definiremos función
objetivo (F.O.) a la representación matemática de aquello que queremos optimizar. Definiremos como
conjunto de restricciones, a un conjunto de ecuaciones o inecuaciones matemáticas que representarán las
limitaciones de nuestro problema. Las restricciones son de la forma:
Σ ai * Xi ≤ bi
 Σ ai *Xi ≥ bi
siendo ai y bi coeficientes, y Xi variables.

La programación lineal lleva siempre implícita la restricción de que las variables de la función objetivo sean
siempre mayores o iguales de cero. Para todo i: Xi ≥ 0.

Denominaremos como solución factible a aquella solución que cumple las condiciones planteadas por nuestro
problema.
Llamaremos solución óptima a aquella solución factible que nos optimice el objetivo de nuestro problema. La
solución óptima no tiene por qué ser única.

Ejemplo de optimización lineal:

TABLA SIMPLEX

Una vez que el alumno ha adquirido la destreza para transformar cualquier problema de Programación Lineal
a forma estándar se enfrenta con el problema de su resolución y el primer paso que debe llevar a cabo es la
construcción de la primera tabla del Simplex. Para facilitarle esta tarea, este material muestra de una forma
visualmente atractiva (con desplazamientos interactivos) cómo disponer los elementos necesarios para la
construcción de dicha tabla inicial, identificando las variables básicas y la solución básica inicial. Se han
distinguido los siguientes pasos: determinación del número de filas y columnas de la tabla, rellenado del
interior de la tabla con las tasas de uso y coeficientes de las variables introducidas, inclusión de los costos,
identificación de las variables básicas, identificación de los costes básicos y, finalmente, identificación de la
solución básica inicial.
 Determinación del número de Rellenado de la tabla inicial del Simplex con las
filas y columnas en la tasas de uso y coeficientes de las nuevas variables
construcción de la tabla inicial
del método Simplex

Inclusión de los costos en la Identificación de las variables

tabla inicial del método Simplex básicas en la tabla inicial del
método Simplex
 Identificación de los costos básicos Identificación de la solución básica inicial
en latabla inicial del método en la tabla inicial del método Simplex
Simplex

Método simplex
El Método Simplex es un método analítico de solución de problemas de programación lineal, capaz de
resolver modelos más complejos que los resueltos mediante el método gráfico, sin restricción en el
número de variables y con una mayor capacidad de análisis de sensibilidad.

El Método Simplex 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, en
la medida en que se pueda satisfacer el conjunto de restricciones, siempre se hallará como mínimo una
solución óptima.
La importancia de la teoría de matrices en el Método Simplex es fundamental, dado que el algoritmo se
basa en dicha teoría para la resolución de sus problemas. De tal manera que veremos previamente, en qué
consiste una matriz identidad.

¿Qué es una matriz identidad?

Una matriz puede definirse como una ordenación rectangular de elementos, (o listado finito de
elementos), los cuales pueden ser números reales o complejos, dispuestos en forma de filas y de
columnas.

La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo número tanto de columnas
como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y todos los demás
componentes iguales a cero (0), se denomina matriz idéntica o identidad de orden n, y se denota por:
Consideraciones importantes al utilizar el Método
Simplex

 Variables de holgura y exceso

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 «Snack 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.

 Variable artificial / Método de la «M»

Una variable artificial es un truco matemático para convertir inecuaciones «>=» en ecuaciones, o cuando
aparecen igualdades en el problema original, la característica principal de estas variables es que no deben
formar parte de la solución, dado que no representan recursos. El objetivo fundamental de estas variables
es la formación de la matriz identidad.

 Variables no negativas
Todas las variables del método Simplex deben cumplir con la condición de no negatividad. Cuando existe
alguna variable del modelo que no tiene restricción de no-negatividad, se debe reemplazar por la
diferencia de dos variables positivas.
Por lo tanto en el modelo donde aparezca esta variable , se debe cambiar por:

Sea Xi una variable sin restricción de no-negatividad (puede ser mayor, igual o menor que cero), se debe
cambiar por:
(Xi(+) – Xi(-)) donde Xi(+) >= 0 y Xi(-) >= 0
Este tipo de variables son poco comúnes, y se utilizan mucho en la programación por metas.
EJERCICIO 1:
Hoy es su día de suerte. Acaba de ganar un premio de $10.000. Dedicará $4.000 a impuestos y
diversiones, pero ha decidido invertir los otros $6.000. Al oír las nuevas, dos amigos le han ofrecido
una oportunidad de convertirse en socio en dos empresas distintas, cada una planeada por uno de
ellos. En ambos casos, la inversión incluye dedicar parte de su tiempo el siguiente verano y dinero en
efectivo. Para ser un socio completo en el caso del primer amigo debe invertir $5.000 y 400 horas, y
su ganancia estimada (sin tomar en cuenta el valor del dinero en el tiempo) sería $4.500. Las cifras
correspondientes para el segundo caso son $4.000 y 500 horas, con una ganancia estimada de $4.500.
Sin embargo, ambos amigos son flexibles y le permitirán participar con cualquier fracción de
participación que quiera. Si elige una participación parcial, todas las cifras dadas para la sociedad
completa (inversión de dinero y tiempo, y la ganancia) se pueden multiplicar por esta fracción. Como
de todas formas usted busca un trabajo de verano interesante (máximo 600 horas), ha decidido
participar en una o ambas empresas en alguna combinación que maximice su ganancia total
estimada. Usted debe resolver el problema de encontrar la mejor combinación.
 EJERCICIO 2:

Larry Edison es el director del centro de cómputo de BC. Él debe programar las horas de trabajo del personal
del centro. Abre de las 8 am a la media noche. Larry estudió el uso del centro en las diferentes horas del día y
determinó los siguientes números de asesores en computación necesarios:

HORARIO Mínimo de Asesores requeridos

8am-12am 4

12am-4pm 8

4pm-8pm 10

8pm-12pm 6

Puede contratar dos tipos de asesores: de tiempo completo y de tiempo

parcial. Los primeros trabajan 8 horas consecutivas en cualquiera de
los siguientes turnos: matutino (8am-4pm), vespertino (12am-8pm) y
nocturno (4pm-12pm). Estos asesores ganan $14 por hora.
Los asesores de tiempo parcial pueden trabajar en los cuatro turnos
enumerados en la tabla anterior y ganan $12 por hora. Un requisito
adicional es que durante todos los períodos debe haber al menos dos
asesores de tiempo completo por cada uno de tiempo parcial. Larry
desea determinar cuántos asesores de tiempo completo y cuántos de
tiempo parcial debe haber en cada turno para cumplir con los requisitos
a un costo mínimo.
 RESOLUCIÓN:

L. L.
C1 C2 C3 P1 P2 P3 P Sign
Izquier Derech
4 do o o
F.0. 11 11 11 48 48 48 4
2 2 2 8
RES 1 1 4 >= 4
1
RES 1 1 1 8 >= 8
2
RES 1 1 1 10 >= 10
3
RES 1 1 6 >= 6
4
RES 1 -2 0 >= 0
5
RES 1 1 -2 0 >= 0
6
RES 1 1 -2 0 >= 0
7
RES 1 -2 0 >= 0
8
2.6 2.6 4 1.3 2.6 3.3 2
7 7 9 7 3

RPTA. C1=3 C2=3 C3=4

P1=1 P2=2 P3=3 P4=2

MIN Z = 1493.3333
EJERCICIO 3:

La Medequip Company produce equipos de precisión de diagnóstico médico en

dos de sus fábricas. Se han recibido pedidos de tres centros médicos para la
producción de este mes. La siguiente tabla muestra el costo unitario de envío
desde cada fábrica a cada centro. Además, muestra el número de unidades que
se producirán en cada fábrica y el número de unidades ordenadas por cada
cliente:
COSTO UNITARIO DE ENVÍO
CLIENTE 1 CLIENTE 2 CLIENTE 3 PRODUCCIÓN
Fábrica 1 600 800 700 400 unid.
Fábrica 2 400 900 600 500 unid.
Orden 300 unid. 200 unid. 400 unid.

Ahora debe tomar la decisión sobre el plan de cuántas unidades enviar de

cada fábrica a cada cliente.
RESOLUCIÓN:

L. <= = L.
A1 A2 A3 B1 B2 B3
IZQUIERDO >= DERECHO
F.0. 600 800 700 400 900 600
RES1 1 1 1 400 '= 400
RES2 1 1 1 500 '= 500
RES3 1 1 300 '= 300
RES4 1 1 200 '= 200
RES5 1 1 400 '= 400
0 200 200 300 0 200

RPTA. Fábrica 1= Envió 200 unid. al cliente 2 y 200 unid. al cliente 3.

Fábrica 2= Envió 300 unid. al cliente 1 y 200 unid. al cliente 3