EVIDENCIA DE APRENDIZAJE (EA3), DE LA ACTIVIDAD 3: TALLER DE PROGRAMACIÓN

LINEAL: SOLUCIÓN GRÁFICA

PRESENTA:

ANGIE PAOLA TORRES ARIZA

DOCENTE:

FRANCISCO ARIZA

INSTITUCIÓN UNIVERSITARIADIGITAL DE ANTIOQUIA

INVESTIGACIO DE OPERACIONES

PREAEC2302B020094

DICIEMBRE 2023
 1. ¿CUÁL ES LA UTILIDAD DE LA MAXIMIZACIÓN Y DE LA
MINIMIZACIÓN EN UNA EMPRESA U ORGANIZACIÓN?

La maximización y la minimización son dos conceptos económicos que se utilizan para

describir el objetivo de una empresa u organización. La maximización se refiere a la búsqueda
de la mayor cantidad posible de algo, mientras que la minimización se refiere a la búsqueda de
la menor cantidad posible de algo.

En el contexto de una empresa u organización, la maximización y la minimización se

utilizan para alcanzar los objetivos de la empresa. Estos objetivos pueden variar según el tipo
de empresa o organización, pero algunos objetivos comunes incluyen:

 Maximizar los beneficios: Las empresas suelen tener como objetivo maximizar los
beneficios, que es la diferencia entre los ingresos y los costes. Para maximizar los
beneficios, las empresas suelen intentar vender sus productos o servicios al precio más alto
posible y reducir sus costes lo máximo posible.
 Maximizar la cuota de mercado: Las empresas también pueden tener como objetivo
maximizar su cuota de mercado, que es la proporción de un mercado que controla una
empresa. Para maximizar su cuota de mercado, las empresas suelen intentar aumentar sus
ventas y reducir la competencia.
 Minimizar los riesgos: Las empresas también pueden tener como objetivo minimizar los
riesgos, que son las posibilidades de pérdidas o daños. Para minimizar los riesgos, las
empresas suelen intentar controlar las incertidumbres y los factores que pueden afectar a
sus resultados.

La maximización y la minimización son herramientas importantes que pueden ayudar a

las empresas u organizaciones a alcanzar sus objetivos. Sin embargo, es importante tener en
cuenta que la maximización y la minimización no siempre son posibles o deseables. Por
ejemplo, una empresa puede maximizar sus beneficios a corto plazo, pero esto puede tener un
impacto negativo en sus beneficios a largo plazo.
 2. CUANDO SE HABLA DE UN PROCESO DE MAXIMIZACIÓN, ¿A QUÉ SE
REFIERE?

Se refiere a un proceso en el que se busca obtener la mayor cantidad posible de algo.

En el contexto de la economía, la maximización suele referirse a la búsqueda de la mayor
cantidad posible de beneficios, cuota de mercado o productividad.

El proceso de maximización puede ser simple o complejo, dependiendo de los factores

que se estén maximizando. Por ejemplo, la maximización de los beneficios puede ser
relativamente simple, ya que se trata de encontrar el precio y la cantidad de producción que
generen la mayor diferencia entre los ingresos y los costes. La maximización de la cuota de
mercado, por otro lado, puede ser más compleja, ya que requiere tener en cuenta la
competencia y otros factores del mercado.

El proceso de maximización suele implicar la toma de decisiones sobre una variedad de

factores, como los precios, la producción, las inversiones y la publicidad. Las empresas suelen
utilizar modelos económicos para ayudar a tomar estas decisiones.

3. AL REALIZAR UN PROBLEMA DE MINIMIZACIÓN, ¿CUÁL SERÍA LA

FINALIDAD DEL PROBLEMA?

Es encontrar el valor más pequeño posible de una función objetivo. La función objetivo
puede representar una variedad de cosas, como el costo, el tiempo, la distancia o el riesgo.

En el contexto de una empresa u organización, la minimización se utiliza para alcanzar

los objetivos de la empresa. Por ejemplo, una empresa puede querer minimizar sus costes de
producción para maximizar sus beneficios. O, una empresa puede querer minimizar el tiempo
de entrega de sus productos para satisfacer a sus clientes.

A continuación, se presentan algunos ejemplos específicos de la finalidad de un

problema de minimización:

 Una empresa de fabricación puede querer minimizar sus costes de producción para
maximizar sus beneficios.
 Una empresa de transporte puede querer minimizar el tiempo de entrega de sus
productos para satisfacer a sus clientes.
  Una empresa de servicios puede querer minimizar el riesgo de incumplimiento de
sus clientes para proteger su reputación.

La minimización es una herramienta importante que puede ayudar a las empresas u

organizaciones a alcanzar sus objetivos. Sin embargo, es importante tener en cuenta que la
minimización no siempre es posible o deseable. Por ejemplo, una empresa puede minimizar
sus costes de producción a corto plazo, pero esto puede tener un impacto negativo en sus
costes a largo plazo.

En general, la finalidad de un problema de minimización es encontrar el valor más

pequeño posible de una función objetivo. Esto se puede hacer utilizando una variedad de
métodos, como la programación lineal, la programación no lineal o la optimización por
búsqueda.

4. Las restricciones son aquellas limitaciones que restringen las selecciones

permisibles para las variables, ¿cuántas restricciones puede tener un problema de
programación lineal?

La cantidad de restricciones que puede tener un problema de programación lineal es

ilimitada. Sin embargo, en la práctica, la mayoría de los problemas de programación lineal
tienen un número relativamente pequeño de restricciones.

El número de restricciones de un problema de programación lineal depende de la

complejidad del problema. Por ejemplo, un problema simple de programación lineal para
determinar la cantidad de productos que se deben producir para maximizar los beneficios
puede tener solo unas pocas restricciones. Sin embargo, un problema más complejo de
programación lineal para determinar la ubicación de las instalaciones de una empresa puede
tener cientos o incluso miles de restricciones.

En general, el número de restricciones de un problema de programación lineal se puede

determinar contando el número de relaciones que deben cumplir las variables del problema.
Por ejemplo, si un problema tiene n variables, entonces puede tener hasta nn restricciones. Sin
embargo, es importante tener en cuenta que no todas las relaciones entre las variables
necesitan ser representadas como restricciones. Por ejemplo, una relación que se puede
expresar como una igualdad entre dos variables no necesita ser representada como una
restricción.
 A continuación, se presentan algunos ejemplos específicos del número de restricciones
que puede tener un problema de programación lineal:

Un problema simple de programación lineal para determinar la cantidad de productos

que se deben producir para maximizar los beneficios puede tener las siguientes restricciones:

 La cantidad total de productos producidos debe ser mayor o igual que la demanda.
 La cantidad de cada producto producido debe ser mayor o igual que cero.

Un problema más complejo de programación lineal para determinar la ubicación de las

instalaciones de una empresa puede tener las siguientes restricciones:

 La distancia entre cada par de instalaciones debe ser menor o igual a un cierto valor.
 La capacidad de cada instalación debe ser mayor o igual que la demanda.
 El costo de construir cada instalación debe ser menor o igual a un cierto
presupuesto.

En general, el número de restricciones de un problema de programación lineal es

ilimitado y depende de la complejidad del problema.

5. Las restricciones son consideradas en conjunto y se definen como

una región factible. ¿Qué es una región factible?

En optimización matemática, una región factible, un conjunto factible, un espacio de

búsqueda o un espacio de solución es el conjunto de todos los puntos posibles de un problema
de optimización que satisface las restricciones del problema, incluyendo potencialmente
desigualdades, igualdades y restricciones enteras.

En el contexto de un problema de programación lineal, la región factible es el conjunto

de todos los puntos que satisfacen todas las restricciones del problema. Las restricciones de un
problema de programación lineal suelen ser desigualdades, como “x ≥ 0” o “y ≤ 2”.

La región factible de un problema de programación lineal puede ser:

Convexa: Si cualquier combinación lineal de dos puntos de la región factible también

está en la región factible.

No convexa: Si no todas las combinaciones lineales de dos puntos de la región factible

también están en la región factible.
 La forma de la región factible depende de las restricciones del problema. Por ejemplo, si
las restricciones son todas desigualdades lineales, entonces la región factible será un poliedro
convexo.

La región factible es importante en la programación lineal porque es el espacio de

búsqueda en el que se buscan soluciones. Las soluciones al problema de programación lineal
deben estar en la región factible.

A continuación, se presentan algunos ejemplos específicos de regiones factibles:

 Un problema de programación lineal para determinar la cantidad de

productos que se deben producir para maximizar los beneficios tiene la siguiente región
factible:

X≥0

Y≥0

X + y ≤ 100

En este caso, la región factible es un triángulo convexo.

 Un problema de programación lineal para determinar la ubicación de las

instalaciones de una empresa tiene la siguiente región factible:

X≥0

Y≥0

X ≤ 10

Y ≤ 10

En este caso, la región factible es un cuadrado convexo.

En general, la región factible de un problema de programación lineal es un conjunto de

puntos que satisfacen todas las restricciones del problema.
 6. ¿Qué es una variable de holgura?

En programación lineal, una variable de holgura es una variable que se agrega a una
restricción para convertirla en una igualdad. Las variables de holgura se utilizan para
representar el exceso o defecto de una restricción.

Por ejemplo, considere la siguiente restricción:

X + y ≤ 10

Esta restricción significa que la suma de x y y debe ser menor o igual a 10. Podemos
convertir esta restricción en una igualdad agregando una variable de holgura z:

X + y + z = 10

En este caso, z representa el exceso de la suma de x y y sobre 10. Si z es positiva,

significa que la suma de x y y es mayor que 10. Si z es negativa, significa que la suma de x y y
es menor que 10.

Las variables de holgura son importantes en la programación lineal porque permiten

convertir las restricciones en desigualdades en igualdades. Esto simplifica el proceso de
resolución de problemas de programación lineal.

A continuación, se presentan algunos ejemplos específicos de variables de holgura:

 En un problema de programación lineal para determinar la cantidad de productos que se

deben producir para maximizar los beneficios, se pueden agregar variables de holgura
para representar el exceso de producción sobre la demanda.
 En un problema de programación lineal para determinar la ubicación de las
instalaciones de una empresa, se pueden agregar variables de holgura para representar
la distancia entre cada par de instalaciones.
 En general, una variable de holgura es una variable que se agrega a una restricción
para convertirla en una igualdad. Las variables de holgura se utilizan para representar el
exceso o defecto de una restricción.
 7. ¿Para qué se utiliza el método simplex?

El método simplex es un algoritmo iterativo que se utiliza para resolver problemas de

programación lineal. El método simplex comienza con una solución básica factible y luego itera
a través de la región factible para encontrar la solución óptima.

El método simplex se utiliza para resolver una amplia variedad de problemas de

programación lineal, incluyendo:

 Problemas de maximización: El método simplex se puede utilizar para encontrar la

solución que maximiza la función objetivo.
 Problemas de minimización: El método simplex se puede utilizar para encontrar la
solución que minimiza la función objetivo.
 Problemas con restricciones: El método simplex se puede utilizar para encontrar la
solución que satisface todas las restricciones del problema.

El método simplex es un método eficiente para resolver problemas de programación

lineal. En general, el método simplex converge a la solución óptima en un número finito de
iteraciones.

8. ¿Cuál es la utilidad del software Tora y WinQsb en el método simplex?

Los softwares Tora y WinQsb son herramientas de optimización que pueden utilizarse
para resolver problemas de programación lineal, incluyendo el método simplex.

Tora es un software gratuito y de código abierto que se puede utilizar en sistemas

Windows, Linux y macOS. Tora es una herramienta fácil de usar que puede ser utilizada por
estudiantes y profesionales de la investigación de operaciones. WinQsb es un software
comercial que se puede utilizar en sistemas Windows. WinQsb es una herramienta más potente
que Tora y ofrece una mayor variedad de funciones y opciones.

La utilidad de estos softwares en el método simplex radica en que permiten resolver

problemas de programación lineal de forma rápida y sencilla. El método simplex puede ser un
proceso complejo, pero estos softwares lo simplifican mediante la automatización de los
cálculos.
 A continuación, se presentan algunas de las ventajas de utilizar Tora y WinQsb para
resolver problemas de programación lineal con el método simplex:

 Ahorro de tiempo: Estos softwares pueden resolver problemas de programación lineal

de forma mucho más rápida que la resolución manual.
 Precisión: Estos softwares son muy precisos y pueden garantizar que se encuentre la
solución óptima.
 Eficiencia: Estos softwares son eficientes y pueden resolver problemas de programación
lineal de gran tamaño.

En general, Tora y WinQsb son herramientas valiosas que pueden utilizarse para
resolver problemas de programación lineal con el método simplex. Estos softwares pueden
ayudar a los estudiantes y profesionales a resolver problemas de programación lineal de forma
rápida, precisa y eficiente.

9. ¿Qué es una solución óptima en un problema de maximización?

En un problema de maximización, una solución óptima es aquella que maximiza la

función objetivo. La función objetivo es una expresión matemática que se utiliza para
representar el objetivo del problema. En un problema de maximización, la función objetivo suele
ser una suma de variables, cada una de las cuales representa el beneficio o el rendimiento de
una actividad.

Para encontrar la solución óptima de un problema de maximización, se puede utilizar un

método de optimización, como el método simplex. El método simplex comienza con una
solución básica factible y luego itera a través de la región factible para encontrar la solución que
maximiza la función objetivo.

Una solución óptima en un problema de maximización tiene las siguientes

características:

 Satisface todas las restricciones del problema.

 Tiene el valor más alto posible de la función objetivos
 10. ¿Para qué es utilizado el análisis de sensibilidad?

El análisis de sensibilidad es un método utilizado para evaluar cómo los cambios en los
datos de entrada de un modelo o sistema afectan a los resultados del modelo. El análisis de
sensibilidad se utiliza para identificar las variables que tienen el mayor impacto en los
resultados del modelo, y para comprender cómo los cambios en estas variables pueden afectar
el comportamiento del modelo.

El análisis de sensibilidad se utiliza en una amplia variedad de campos, incluyendo:

 Investigación de operaciones: El análisis de sensibilidad se utiliza para evaluar la

robustez de los modelos de programación lineal y de otros modelos de optimización.
 Ingeniería: El análisis de sensibilidad se utiliza para evaluar el impacto de los cambios
en los parámetros de diseño en el rendimiento de un sistema.
 Economía: El análisis de sensibilidad se utiliza para evaluar el impacto de los cambios
en las condiciones económicas en el comportamiento de un mercado.
 Finanzas: El análisis de sensibilidad se utiliza para evaluar el impacto de los cambios en
los precios de los activos en el rendimiento de una cartera de inversiones.

El análisis de sensibilidad puede proporcionar información valiosa sobre el

comportamiento de un modelo o sistema. Esta información puede utilizarse para mejorar el
modelo, para tomar decisiones más informadas, o para comprender mejor los riesgos
asociados a un sistema.

EJERCICIOS:

Hay una compañía que se dedica a la elaboración de equipos de cómputo donde trabajarán
ingenieros electrónicos e ingenieros de programación. Por la necesidad del mercado, se
requiere que exista mayor o igual número de ingenieros electrónicos y que el número de
ingenieros de programación no supere al doble de los ingenieros electrónicos. En total hay
disponibles 30 ingenieros electrónicos y 20 ingenieros de programación. El beneficio que la
empresa ofrece por jornada es de 250 euros por ingeniero electrónico y 200 euros por
ingenieros de programación.

¿Cuántos ingenieros de cada área deben ser elegidos para obtener el máximo beneficio
y cuál sería este?

Este problema se puede modelar como un problema de programación lineal con la siguiente
función objetivo y restricciones:
donde:

 x es el número de ingenieros electrónicos

 y es el número de ingenieros de programación
 z es el beneficio total

Para obtener el máximo beneficio, debemos determinar cuántos ingenieros de cada área deben
ser elegidos. Comencemos eligiendo 20 ingenieros electrónicos, ya que esa es la cantidad
máxima disponible. Ahora tenemos 20 ingenieros electrónicos seleccionados. Para cumplir con
la condición de que el número de ingenieros de programación no supere al doble de los
ingenieros electrónicos, debemos asegurarnos de tener un máximo de 20 ingenieros de
programación. Sin embargo, para maximizar el beneficio, no necesitamos seleccionar los 20
ingenieros de programación restantes. Podemos elegir una cantidad menor. En este caso,
podemos elegir 10 ingenieros de programación.

Para resolver este problema, podemos utilizar el método simplex. El método simplex comienza
con una solución básica factible y luego itera a través de la región factible para encontrar la
solución óptima.

Una solución básica factible para este problema es la siguiente:

x = 20
y = 10

Entonces, hemos elegido 20 ingenieros electrónicos y 10 ingenieros de programación. Ahora

calcularemos el beneficio total:

 Beneficio por los ingenieros electrónicos: 20 * 250 euros = 5000 euros.

 Beneficio por los ingenieros de programación: 10 * 200 euros = 2000 euros.
 Sumando ambos beneficios, obtenemos un beneficio total de 5000 + 2000 = 7000
euros.

Esta solución satisface todas las restricciones y tiene un beneficio total de 250 * 20 + 200 * 10 =
7000 euros.

Por lo tanto, seleccionando 20 ingenieros electrónicos y 10 ingenieros de programación,

obtendremos el máximo beneficio de 7000 euro