Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Syllabus del curso Programación Lineal, Código 100404

1. Datos del curso

Unidad a la que pertenece el curso: Escuela de Ciencias Básicas Tecnología e

Ingeniería ECBTI

Nivel de formación: Profesional Campo de formación: Interdisciplinar

Básico Común

Número de Créditos: 2 Tipología de Curso: Teórico

El curso Sí se puede habilitar Docente que diseña el curso: Álvaro

Javier Rojas Baracaldo

Docente que actualiza el curso: Álvaro Javier Rojas Baracaldo

Fecha de elaboración del curso: lunes, 14 Fecha de actualización del curso:

de marzo de 2022 miércoles, 1 de junio de 2022

Descripción del curso:

El curso, es de tipo teórico, en éste se abordan modelos matemáticos lineales de tipo
determinístico, aplicados a problemas asociados a procesos de producción de bienes y
servicios para la toma de decisiones y optimización de recursos para la implantación de sus
resultados en un sistema de producción, articulados al problema de las ciencias de las
decisiones.

Está organizado en dos (2) créditos académicos distribuidos en dos unidades. La primera
unidad, agrupa los modelos de decisión en programación lineal como los métodos de
solución simplex primal, artificial y dual. En la segunda unidad, se estudian los modelos de
optimización de programación lineal como los análisis paramétricos de dualidad, de
sensibilidad y post-óptimo.
El curso maneja la estrategia de aprendizaje basada en tareas, utilizando situaciones
problema, relacionados con reconocimiento de saberes en la Tarea 0, con procesos
asociados a la producción de bienes y servicios para aplicar los métodos de solución en la
Tarea 1 mediante sus algoritmos para la toma de decisiones y los análisis paramétricos en la
Tarea 2 mediante sus algoritmos para la optimización de recursos y tanto métodos de
solución y análisis paramétricos en la Tarea 3 para implantación de sus resultados en un
1
sistema de producción, actividades que responden al problema de las ciencias de las
decisiones.

2. Propósito de formación:

El propósito de formación del curso es el siguiente:

• Aplique los métodos simplex primal, artificial y dual y los análisis de dualidad,
sensibilidad y post-óptimo mediante sus algoritmos, en la solución de problemas
asociados a procesos de producción de bienes y servicios para la toma de decisiones y
la optimización de recursos e implantación de los resultados en un sistema de
producción.

3. Resultados de aprendizaje

Al finalizar el curso académico el estudiante estará en la capacidad de evidenciar:

Resultado de aprendizaje 1: Reconocer el método de eliminación de Gauss Jordan como

saber previo para desarrollar el curso.

Resultado de aprendizaje 2: Aplicar los algoritmos de los métodos simplex primal, artificial y
dual en la construcción y solución de modelos de programación lineal en problemas
asociados a procesos de producción de bienes y servicios para la toma de decisiones.

Resultado de aprendizaje 3: Evaluar los resultados de los modelos de programación lineal en

problemas asociados a procesos de producción de bienes y servicios mediante la toma
decisiones para la implantación de los resultados en el sistema de producción.

Resultado de aprendizaje 4: Aplicar los algoritmos de los análisis paramétricos de dualidad,

sensibilidad y post-óptimo en la construcción y solución de modelos de programación lineal
en problemas asociados a procesos de producción de bienes y servicios para la optimización
de recursos.

Resultado de aprendizaje 5: Evaluar los resultados de los modelos de programación lineal en

problemas asociados a procesos de producción de bienes y servicios mediante la
optimización de recursos para la implantación de los resultados en el sistema de producción.

4. Estrategia de aprendizaje:

2
La estrategia de aprendizaje del curso es: Aprendizaje basado en tareas.

Esta estrategia consiste en: modelo que logra transformar la enseñanza basada en el
profesor a una enseñanza basada en el estudiante. En ABT el estudiante va ganando de
forma progresiva responsabilidad con su aprendizaje a partir de la solución de problemas
propios de la profesión lo que facilita la motivación y permite un aprendizaje significativo.
Este modelo promueve organizar el curso en función de una tarea final o de un conjunto de
tareas que guiarán la presentación de los diferentes contenidos. Liang (2008).

La elaboración de la tarea está contemplada, según Nunan en tres fases llamadas:

Pre-Tarea, inicia con una actividad para recordar algunos conocimientos previos que se
requieren para desarrollar el curso.

Ciclo de la tarea: continua con dos actividades donde se identifican y aplican los modelos de
decisión y optimización en programación lineal mediante solución de problemas asociados a
procesos de producción de bienes y servicios para la toma de decisiones y optimización de
recursos.

Post-Tarea: para terminar con una actividad donde se evalúa la apropiación de los modelos
de decisión y optimización de programación lineal.

La estrategia de aprendizaje se organiza en 4 Tareas :

• Tarea 0: Reconocimiento de saberes.

• Tarea 1: Solución de modelos de decisión en programación lineal.
• Tarea 2: Solución de modelos de optimización en programación lineal.
• Tarea 3: Solución de modelos de decisión y optimización en programación lineal.

5. Contenidos y referentes bibliográficos del curso

Unidad 1: Modelos de decisión en programación lineal.

En esta unidad se abordarán los siguientes contenidos:

• Método simplex primal.

• Método simplex artificial.
• Método simplex dual.

Para abordar los contenidos se requiere consultar los siguientes referentes bibliográficos:
3
 • Del Valle, S. (2012). Álgebra lineal para estudiantes de ingeniería y ciencias (pp. 24-
34). McGraw-Hill Interamericana. https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/93437

• Taha, H. (2017). Investigación de operaciones (pp.73-81). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Taha, H. (2017). Investigación de operaciones (pp.82-87). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Taha, H. (2017). Investigación de operaciones (pp.152-155). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Rojas, A. y Lozada, M. (2020). Problema de maximización como modelo de

programación lineal [OVI]. https://repository.unad.edu.co/handle/10596/33778

• Rojas, A. y Lozada, M. (2020). Problema de minimización como modelo de

programación lineal [OVI]. https://repository.unad.edu.co/handle/10596/33779

• Rojas, A. y Lozada, M. (2020). Solución de un problema de programación lineal de

maximización en Excel QM [OVI].
https://repository.unad.edu.co/handle/10596/33780

• Rojas, A. y Lozada, M. (2020). Solución de un problema de programación lineal de

minimización en Excel QM [OVI]. https://repository.unad.edu.co/handle/10596/33781

• Rojas, A. y Hernández, O. (2022). Solución de un modelo de programación lineal de

maximización en Solver (Excel) [OVI].
https://repository.unad.edu.co/handle/10596/48369

• Rojas, A. y Hernández, O. (2022). Solución de un modelo de programación lineal de

minimización en Solver (Excel) [OVI].
https://repository.unad.edu.co/handle/10596/48368

Unidad 2: Modelos de optimización en programación lineal.

En esta unidad se abordarán los siguientes contenidos:

4
 • Análisis de dualidad.
• Análisis de sensibilidad.
• Análisis post-óptimo.

Para abordar los contenidos se requiere consultar los siguientes referentes bibliográficos:

• Taha, H. (2017). Investigación de operaciones (pp.139-152). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Taha, H. (2017). Investigación de operaciones (pp.98-106). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Taha, H. (2017). Investigación de operaciones (pp.155-162). Pearson Educación.

https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959

• Rojas, A. y Hernández, O. (2020). Análisis de dualidad en programación lineal [OVI].

https://repository.unad.edu.co/handle/10596/33782

• Rojas, A. y Hernández, O. (2020). Análisis de sensibilidad en programación lineal con

Excel QM [OVI]. https://repository.unad.edu.co/handle/10596/33783

6. Organización de las actividades académicas por semanas y Plan de Evaluación

del curso

Momento inicial

Tarea 0: Reconocimiento de saberes.

Se desarrolla entre la semana 1 y la semana 2
Responde al resultado de aprendizaje 1
Las actividades son: Encontrar la solución de un sistema de ecuaciones lineales 3*3
mediante el método de eliminación de Gauss Jordan.

Evaluación del/ la Tarea 0:

Los criterios con los que será evaluado son:
• Utiliza el foro de discusión para desarrollar y presentar la Tarea 0.
• Reconoce el planteamiento de la matriz aumentada asociada a un sistema de
ecuaciones lineales (3*3) como presaberes del curso.
5
 • Reconoce la solución de un sistema de ecuaciones lineales (3*3) mediante el método
de eliminación de Gauss Jordan como presaberes del curso.
• Informe Solución del sistema de ecuaciones lineales.
Las evidencias de aprendizaje son:
• Informe Solución del sistema de ecuaciones lineales:
Ejercicio Sistema de ecuaciones lineales.
La valoración máxima de esta actividad es de 25 puntos, equivalente al 5% de la evaluación
del curso.

Momento intermedio

Tarea 1: Solución de modelos de decisión programación lineal.

Se desarrolla entre la semana 3 y la semana 8
Responde al resultado de aprendizaje 2
Responde al resultado de aprendizaje 3
Las actividades son: Encontrar la solución de los modelos de decisión en programación lineal
a partir de situaciones problema asociadas a procesos de producción de bienes y servicios
en hoja de cálculo y software de optimización que presenta el Ejercicio 1. Método simplex
primal, Ejercicio 2. Método simplex artificial y Ejercicio 3. Método simplex dual y evaluar los
resultados para la toma de decisiones.

Evaluación del/ la Tarea 1:

Los criterios con los que será evaluado son:
• Utiliza el foro de discusión para desarrollar y presentar la Tarea 1.
• Utiliza el método simplex primal en la solución de modelos de programación lineal
para tomar decisiones en un proceso de producción de bienes y servicios.
• Utiliza el método simplex artificial en la solución de modelos de programación lineal
para tomar decisiones en un proceso de producción de bienes y servicios.
• Utiliza el método simplex dual en la solución de modelos de programación lineal para
tomar decisiones en un proceso de producción de bienes y servicios.
• Informe Solución de modelos de decisión en programación lineal.
• Responsabilidad asumida en el trabajo colaborativo.
Las evidencias de aprendizaje son:
• Informe Solución de modelos de decisión en programación lineal:
Ejercicio 1. Método simplex primal.
Ejercicio 2. Método simplex artificial.
Ejercicio 3. Método simplex dual.
La valoración máxima de esta actividad es de 175 puntos.

Tarea 2: Solución de modelos de optimización en programación lineal.

Se desarrolla entre la semana 9 y la semana 14

6
Responde al resultado de aprendizaje 4
Responde al resultado de aprendizaje 5
Las actividades son: Encontrar la solución de los modelos de optimización en programación
lineal a partir de situaciones problema asociadas a procesos de producción de bienes y
servicios en hoja de cálculo y software de optimización que presenta el Ejercicio 1. Análisis
dualidad, Ejercicio 2. Análisis de sensibilidad y Ejercicio 3. Análisis post-óptimo y evaluar los
resultados para la optimización de recursos.

Evaluación del/ la Tarea 2:

Los criterios con los que será evaluado son:
• Utiliza el foro de discusión para desarrollar y presentar la Tarea 2.
• Utiliza el análisis de dualidad en la solución de modelos de programación lineal para
optimizar los recursos en un proceso de producción de bienes y servicios.
• Utiliza el análisis de sensibilidad en la solución de modelos de programación lineal
para optimizar los recursos en un proceso de producción de bienes y servicios.
• Utiliza el análisis post-óptimo en la solución de modelos de programación lineal para
optimizar los recursos en un proceso de producción de bienes y servicios.
• Informe Solución de modelos de optimización en programación lineal.
• Responsabilidad asumida en el trabajo colaborativo.
Las evidencias de aprendizaje son:
• Informe Solución de modelos de optimización en programación lineal:
Ejercicio 1. Análisis de dualidad.
Ejercicio 2. Análisis de sensibilidad.
Ejercicio 3. Análisis post-óptimo.
La valoración máxima de esta actividad es de 175 puntos.

La valoración total de este momento de evaluación corresponde al 70% del curso (350
puntos).

Momento final

Tarea 3: Solución de modelos de decisión y optimización en programación lineal.

Se desarrolla entre la semana 15 y la semana 16
Responde al resultado de aprendizaje 2
Responde al resultado de aprendizaje 3
Responde al resultado de aprendizaje 4
Responde al resultado de aprendizaje 5
Las actividades son: Realizar el análisis de los modelos de decisión y optimización en
programación lineal a partir de la situación problema asociada a procesos de producción de

7
bienes y servicios que presenta el Ejercicio Análisis de programación lineal para la toma de
decisiones y la optimización de recursos para implantar los resultados en el sistema de
producción.

Evaluación del/ la Tarea 3:

Los criterios con los que será evaluado son:
• Utiliza el foro de discusión para desarrollar y presentar la Tarea 3.
• Utiliza el método simplex primal en la solución de modelos de programación lineal
para tomar decisiones en un proceso de producción de bienes y servicios.
• Utiliza el método simplex artificial en la solución de modelos de programación lineal
para tomar decisiones en un proceso de producción de bienes y servicios.
• Utiliza el método simplex dual en la solución de modelos de programación lineal para
tomar decisiones en un proceso de producción de bienes y servicios.
• Utiliza el análisis de dualidad en la solución de modelos de programación lineal para
optimizar los recursos en un proceso de producción de bienes y servicios.
• Utiliza el análisis de sensibilidad en la solución de modelos de programación lineal
para optimizar los recursos en un proceso de producción de bienes y servicios.
• Utiliza el análisis post-óptimo en la solución de modelos de programación lineal para
optimizar los recursos en un proceso de producción de bienes y servicios.
• Informe Solución de modelos de decisión y optimización en programación lineal.
Las evidencias de aprendizaje son:
• Informe Solución de modelos de decisión y optimización en programación lineal.
Ejercicio Análisis de programación lineal.
La valoración total de este momento es de 125 puntos, equivalente al 25% de la evaluación
del curso.

7. Estrategias de acompañamiento docente

Para desarrollar las actividades del curso usted contará con el acompañamiento del docente.
Los espacios en los cuales usted tendrá interacciones con su docente son los siguientes:
• Correo en campus virtual
• Foros de trabajo
• Sesiones de chat en skype
• Sesiones de conferencia en línea o webconference