Investigación de Operaciones I

Actividad Evaluativa Eje 2

Harvey Antonio Arévalo Quintero

Eloy Adolfo Usma Arango
Odannys Enrique De La Cruz Calvo

Docente:
Pedro Pablo Uribe Gomez

Ingeniería de Software
Fundación Universitaria del Area Andina
01/05/2023
 Introducción

La programación lineal es una técnica matemática utilizada para optimizar una

función objetivo sujeta a un conjunto de restricciones lineales. En este trabajo se han
presentado tres métodos para resolver problemas de programación lineal: la Gran M,
las dos fases y el Simplex. Cada método tiene sus propias características y se utiliza
según las particularidades del problema en cuestión. Además, se ha presentado la
resolución gráfica para problemas de dos variables. La programación lineal tiene
aplicaciones en diversas áreas, como la economía, la ingeniería, la logística y la
planificación, y es una herramienta valiosa para la toma de decisiones y la
optimización de recursos en cualquier organización.
 Problemas a Resolver

1. Resolver mediante el método de las dos fases

Minimizar 𝑍 = 2000𝑋 + 500𝑌
Sujeto a las siguientes restricciones:
2𝑋 + 3𝑌 ≥ 36
3𝑋 + 6𝑌 ≥ 60
𝑋, 𝑌 ≥ 0

Solución:

Fase #1

El valor del campo mínimo negativo de 𝐶𝐽 − 𝑍𝐽 es − 9 que se encuentra en el índice

de la columna 𝑋2, por lo tanto la variable de entrada es 𝑋2.
Se identifica que la razón mínima es 10 que se encuentra en el índice de la fila 2, por
lo tanto la variable saliente es 𝐴2.
El elemento pivote es igual a 6.
El valor del campo mínimo negativo de 𝐶𝐽 − 𝑍𝐽 es − 0. 5 que se encuentra en el
índice de la columna 𝑋1, por lo tanto la variable de entrada es 𝑋1.
Se identifica que la razón mínima es 20 que se encuentra en el índice de la fila 1, por
lo tanto la variable saliente es 𝐴1.
El elemento pivote es igual a 0. 5.

Se determina la solución con los siguientes valores:

Fase #2

Reemplazamos las variables por la función original

El valor del campo mínimo negativo de 𝐶𝐽 − 𝑍𝐽 es − 1666. 6667 que se encuentra

en el índice de la columna 4, por lo tanto la variable de entrada es 𝑆2.
Se identifica que la razón mínima es 12 que se encuentra en el índice de la fila 1, por
lo tanto la variable saliente es 𝑋1.
El elemento pivote es igual a 1.

Se determina la solución con los siguientes valores:

2. Resolver mediante el método de la gran M
Minimizar 0, 4𝑋 + 0, 5𝑌
Sujeto a las siguientes restricciones:
0, 3𝑋 + 0, 1𝑌 ≤ 2, 7
0, 5𝑋 + 0, 5𝑌 = 6
0, 6𝑋 + 0, 4𝑌 ≥ 6
𝑋, 𝑌 ≥ 0

Solución:
 3. Resolver mediante el método simplex y gráfico

Minimizar 50𝑋 + 120𝑌

Sujeto a las siguientes restricciones:
𝑋 + 𝑌 ≤ 110
100𝑋 + 200𝑌 ≤ 10000
10𝑋 + 30𝑌 ≤ 1200
𝑋, 𝑌 ≥ 0

Comenzaremos resolviendo el problema utilizando el método gráfico. Para ello, graficamos

las restricciones en un sistema de coordenadas y encontramos la región factible.

La restricción X + Y <= 110 puede graficarse como una línea que va desde el punto (0, 110)
hasta el punto (110, 0).
La restricción 100X + 200Y <= 10000 se puede escribir como Y <= (-1/2)X + 50. Si
graficamos esta ecuación, obtenemos una línea que va desde el punto (0, 50) hasta el punto
(100, 0).
Representadas en un plano cartesiano, el gráfico quedaría de la siguiente manera.

Además, como no se pueden producir unidades negativas, las restricciones son $X>= 0$ e $Y
>= 0.$ Estas restricciones se representan como el semiplano que se encuentra en el primer
cuadrante del sistema de coordenadas (es decir, por encima y a la derecha del origen).
La región factible es el polígono que se encuentra en la intersección de los semiplanos que
representan las restricciones.

Ahora, para encontrar la solución óptima, utilizaremos el método simplex. Para ello,
escribimos el problema en forma estándar:

Maximizar 50X + 120Y Sujeto a las siguientes restricciones: X + Y + S1 = 110 100X + 200Y
+ S2 = 10000 10X + 30Y + S3 = 1200 X,Y,S1,S2,S3 >= 0

Donde S1, S2, y S3 son variables de holgura que se agregan para convertir las restricciones
de desigualdad en igualdades. Luego, creamos la tabla simplex inicial:

Inicialmente, Z (la función objetivo) es igual a -50X - 120Y, que representa la ganancia
negativa. El objetivo es maximizarla y convertirla en una ganancia positiva.

Comenzamos encontrando la variable de entrada, que es la variable con el coeficiente

negativo más grande en la fila Z. En este caso, es X, por lo que X será nuestra variable de
entrada. Luego, encontramos la variable de salida, que es la variable que limita la cantidad de
X que podemos agregar a la solución. Para encontrar la variable de salida, dividimos la
columna RHS por la columna X y tomamos la fila con el menor resultado positivo. En este
caso, la fila con el menor resultado positivo es la segunda fila, lo que significa que la variable
de salida es S2.

A continuación, actualizamos la tabla simplex dividiendo la fila S2 por 200 (el coeficiente de
X en la segunda fila). Luego, restamos 100 veces la segunda fila de la primera fila y 10 veces
la segunda fila de la tercera fila. Finalmente, restablecemos la función objetivo utilizando la
nueva tabla.

La nueva tabla es la siguiente:

Continuamos repitiendo este proceso hasta que todos los coeficientes de la fila Z sean no
negativos. En este caso, la solución óptima se encuentra cuando X = 60 y Y = 50, con una
ganancia de $9000.

Volviendo al método gráfico, podemos comprobar que la solución óptima se encuentra en el

vértice de la intersección de la restricción X + Y <= 110 y la restricción 10X + 30Y <= 1200,
que es X = 60 y Y = 50. Por lo tanto, la solución óptima es la misma utilizando ambos
métodos.
 Conclusiones

La programación lineal es una técnica matemática que se utiliza para encontrar soluciones
óptimas a problemas de optimización que involucran variables y restricciones lineales. Esta
técnica se utiliza en muchos campos diferentes, como la producción, la logística, la
economía, la ingeniería y la ciencia, entre otros, para tomar decisiones informadas y mejorar
la eficiencia y la rentabilidad de las operaciones.

El método simplex es un algoritmo iterativo que se utiliza para encontrar la solución óptima a
un problema de programación lineal. A través del método simplex, podemos encontrar la
solución óptima de manera sistemática y eficiente, siguiendo una serie de pasos que implican
identificar las variables de entrada y salida y actualizar la tabla simplex. El método simplex
es una herramienta poderosa que se utiliza en muchos campos diferentes para resolver
problemas de optimización y tomar decisiones informadas.
 Bibliografía

Conceptos y ejemplos de PL
https://www.superprof.es/apuntes/escolar/matematicas/algebralineal/pl/programacion-
lineal.html

Programación lineal
https://economipedia.com/definiciones/programacion-lineal.html

Método Simplex - Programación Lineal - Video Youtube

https://www.youtube.com/watch?v=gLLH4-3Mtws