REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION UNIVERSITARIA

INSTITUTO UNIVERSITARIO DE TECNOLOGIA PARA LA INFORMATICA
CARABOBO – VALENCIA

Programación Lineal en la
Investigación de
Operaciones

PROFESOR: ESTUDIANTE:
SIMON DIAZ GABRIEL ALASTRE
SA23-6 C.I: V30.427.744 215054
SISTEMAS CODIGO: 215054
1. Portada
 Título de la investigación de operaciones

2. Índice de la investigación
 Enumeración de secciones con sus respectivas páginas

3. Introducción
 Contextualización de la investigación de operaciones
 Propósito y objetivo del informe

4. Método de Resolución Práctica en Programación Lineal

 Polígono convexo y representación gráfica
 Obtención de la solución óptima en los vértices

5. Elementos Clave en Programación Lineal

 Solución óptima y su consecución
 Condición de no negatividad en variables de decisión
 Función objetivo y su función económica o funcional

6. Ejemplo Modelo de Programación Lineal

 Descripción del problema

7. Ejemplo Modelo de Programación Lineal

 Representación gráfica del polígono convexo
 Identificación de la solución óptima

8. Tipos de Solución en Programación Lineal

 Solución única
 Solución infinita
 Sin solución

9. Método Simplex en Programación Lineal

 Procedimiento iterativo
10. Método Simplex en Programación Lineal
 Introducción de variables de holgura
11. Método Simplex en Programación Lineal
 Resolución de problemas lineales mediante el Método Simplex

12. Uso del Software en Programación Lineal

 Herramientas informáticas especializadas
 Ejemplos de software: Excel Solver, MATLAB
 Optimización eficiente con ayuda de software

13. Definición y Tendencias del Software en Programación Lineal

 Evolución del software en programación lineal
 Integración de inteligencia artificial
 Futuras aplicaciones y su importancia en diversos campos.
Introducción a la Programación Lineal en Investigación de Operaciones

Contextualización de la Investigación de Operaciones: La Investigación de Operaciones

(IO) se erige como una disciplina multidisciplinaria que utiliza métodos cuantitativos y
analíticos para abordar problemas complejos de toma de decisiones. Surgida durante la
Segunda Guerra Mundial, la IO ha evolucionado hasta convertirse en una herramienta
esencial en la gestión empresarial y operativa. Su enfoque se centra en la aplicación de
modelos matemáticos y técnicas analíticas para optimizar recursos, mejorar procesos y
resolver problemas logísticos, financieros y estratégicos.
En la actualidad, la IO se despliega en diversos campos, desde la cadena de suministro
hasta la planificación financiera, proporcionando enfoques sistemáticos para analizar
situaciones complejas y tomar decisiones informadas. La contextualización de la IO es
fundamental para comprender su relevancia en entornos empresariales y la resolución de
problemas en un mundo cada vez más dinámico y competitivo.
La relevancia de la Programación Lineal radica en su capacidad para ofrecer soluciones
eficientes y cuantificables a problemas complejos de asignación de recursos, permitiendo a
las organizaciones mejorar sus procesos, aumentar la rentabilidad y optimizar el
rendimiento operativo. Al explorar las múltiples dimensiones de la toma de decisiones, la
Programación Lineal se convierte en un instrumento valioso para los líderes y
planificadores estratégicos.
A medida que la tecnología avanza, la Programación Lineal se integra de manera sinérgica
con herramientas informáticas y algoritmos avanzados, permitiendo la resolución de
problemas aún más complejos en tiempo real. Esta evolución contribuye a la eficiencia y la
agilidad en la toma de decisiones, posicionando a la Programación Lineal como una
disciplina clave para abordar los desafíos cambiantes en entornos empresariales y
operativos dinámicos.
Propósito y Objetivo del Informe: El propósito de este informe es explorar y profundizar
en un aspecto específico de la Investigación de Operaciones: la Programación Lineal. Este
enfoque se selecciona debido a su importancia y aplicabilidad generalizada en la
optimización de recursos y la toma de decisiones estratégicas. El objetivo principal es
proporcionar una visión detallada de los fundamentos, métodos y aplicaciones de la
Programación Lineal, destacando su papel en la resolución de problemas prácticos y su
impacto en la eficiencia operativa.
A través de un análisis exhaustivo, se busca ilustrar la utilidad de la Programación Lineal
en la toma de decisiones estratégicas, desde la representación gráfica de problemas hasta la
aplicación de algoritmos como el Método Simplex. Al abordar estos temas, el informe
aspira a proporcionar a los lectores una comprensión sólida de cómo la Programación
Lineal se integra en la Investigación de Operaciones y contribuye a la optimización y
mejora continua en diversos contextos organizativos.
Método de Resolución Práctica en Programación Lineal
• Método de Resolución Práctica en Programación Lineal: El Método de Resolución
Práctica en Programación Lineal constituye un enfoque eficaz para encontrar soluciones
óptimas en problemas de asignación de recursos. Este método se destaca por su capacidad
para visualizar y analizar de manera intuitiva la intersección de restricciones,
proporcionando una representación gráfica clara de las posibles soluciones. Aquí se
exploran los elementos fundamentales de este método:
1. Polígono Convexo y Representación Gráfica:
 En este método, se inicia representando las restricciones del problema en un espacio
bidimensional. Las restricciones lineales forman lados de un polígono convexo que
delimita el conjunto factible de soluciones.
 El polígono convexo es crucial, ya que la solución óptima se encuentra en uno de
sus vértices. Este enfoque simplifica la búsqueda de la solución al considerar solo
un conjunto finito de puntos.
2. Obtención de la Solución Óptima en los Vértices:
 La solución óptima en Programación Lineal se encuentra en uno de los vértices del
polígono convexo. Cada vértice representa una combinación específica de las
variables de decisión que satisface todas las restricciones y optimiza la función
objetivo.
 Al evaluar la función objetivo en cada vértice, se identifica el vértice que maximiza
o minimiza el valor de la función, proporcionando así la solución óptima al
problema.
Este método no solo ofrece una solución efectiva, sino que también facilita la comprensión
visual del problema. Sin embargo, es importante señalar que su aplicabilidad se limita a
problemas con dos variables de decisión, ya que, en espacios tridimensionales o superiores,
la representación gráfica se vuelve más compleja. A pesar de esta limitación, el Método de
Resolución Práctica en Programación Lineal sigue siendo una herramienta valiosa para
problemas que se pueden visualizar de manera efectiva en un plano bidimensional.

 Intuitivo y fácil de comprender, especialmente en problemas con dos variables de

decisión.
 Proporciona una representación visual que facilita la interpretación y comunicación
de la solución.
 Adecuado para problemas pequeños y simples donde la visualización gráfica es
factible.
Elementos Clave en Programación Lineal

1. Solución Óptima y su Consecución:

 La solución óptima en Programación Lineal se refiere al conjunto de valores de las
variables de decisión que maximizan o minimizan la función objetivo, cumpliendo
simultáneamente con todas las restricciones del problema.
 La consecución de la solución óptima implica encontrar la combinación de valores
para las variables de decisión que optimizan la función objetivo mientras respetan
las restricciones impuestas.

2. Condición de No Negatividad en Variables de Decisión:

 La condición de no negatividad establece que las variables de decisión deben ser
mayores o iguales a cero en el contexto del problema.
 Esta condición simplifica el análisis y se alinea con la interpretación práctica de que
no se pueden tener cantidades negativas de recursos o decisiones en la realidad.

3. Función Objetivo y su Función Económica o Funcional:

 La función objetivo es una expresión matemática que se busca maximizar o
minimizar. Representa el objetivo principal del problema y está sujeta a las
restricciones impuestas.
 La función económica o funcional refleja la relación entre las variables de decisión
y el objetivo económico del problema, ya sea maximizar beneficios, minimizar
costos o alcanzar algún otro objetivo específico.

Formulación de Restricciones Lineales:

Las restricciones expresan las limitaciones y condiciones del problema. Se formulan como
ecuaciones o desigualdades lineales que relacionan las variables de decisión.
Estas restricciones definen el conjunto factible de soluciones y ayudan a restringir las
opciones a aquellas que son viables en el contexto del problema.

Método de Resolución:
- Refiere al enfoque o algoritmo utilizado para encontrar la solución óptima del problema
de Programación Lineal. Puede ser el Método Simplex, el Método de Resolución Gráfica, o
métodos más avanzados según la complejidad del problema.
Ejemplo Modelo de Programación Lineal: Maximización de Beneficios en
Producción:
1. Descripción del Problema:
Ejemplo: Una empresa fabrica dos modelos de mesas para ordenador, M1 y M2. Para
su producción se necesita un trabajo manual de 20 minutos para el modelo M1 y de
30 minutos para el M2; y un trabajo de máquina de 20 minutos para M1 y de 10
minutos para M2. Se dispone de 100 horas al mes de trabajo manual y de 80 horas al
mes de máquina. Sabiendo que el beneficio por unidad es de 1,5 y 1 € para M1 y M2,
respectivamente, planificar la producción para obtener el máximo beneficio.
Nos limitaremos ahora a plantear formalmente el problema (ya lo resolveremos más
adelante):
Llamando: X = “nº unidades producidas al mes de M1”, e Y = “nº unidades
producidas al mes de M2”,
Restricciones:
Las restricciones vendrán dadas por:
Sujeto a:
20X + 30Y <= 100*60
20X + 10Y <= 80*60
X >= 0
Y >= 0
Las dos últimas restricciones, si bien no constan de forma explícita en el enunciado, sí
figuran de forma implícita, pues el número de mesas a producir no puede ser inferior
a 0.
Variables:
 Definimos las variables de decisión:
 x = cantidad de unidades de producto X a producir.
 y = cantidad de unidades de producto Y a producir.
Función Objetivo:
Nuestra función objetivo sería:
Maximizar:
Z (X, Y) = 1,5X + Y
 2. Representación Gráfica:
Dado que en él tenemos sólo dos variables, podremos representar cada una de las
restricciones en el plano real. Estas restricciones son semiespacios (por ser lineales),
la intersección de los cuales se denomina región factible (área de color verde en la
figura):

3. Solución Óptima:
La teoría matemática establece que, dado un problema de Programación Lineal que
tenga solución, ésta vendrá dada por uno de los vértices (o puntos extremos) del
polígono que configura la región factible. Por tanto, será suficiente hallar las
coordenadas de dichos vértices (intersecciones de rectas) y determinar (sustituyendo
en la función objetivo) cuál de ellos es la solución óptima. En nuestro ejemplo,
tendríamos sólo cuatro puntos candidatos a ser solución del problema (los cuatro
vértices del polígono), sustituyendo sus coordenadas en la función objetivo
obtenemos:
Z (0,0) = 0; Z (0,200) = 200; Z (210,60) = 375; y Z (240,0) = 360
Como en este caso buscábamos maximizar Z (X, Y), concluiremos que el punto
óptimo es el (210,60), dado que con él obtenemos el valor máximo de la función
objetivo. Así pues, la solución a nuestro dilema será fabricar 210 mesas de tipo M1 y
sólo 60 de tipo M2, con ello conseguiremos unos beneficios de 375 €.

El análisis del problema de Programación Lineal proporciona una estrategia clara para la
producción óptima de mesas, considerando las restricciones de recursos. En este caso, se
identifica la cantidad específica de unidades de M1 y M2 que maximiza los beneficios,
ofreciendo una solución práctica y eficiente para la toma de decisiones en la empresa.

Tipos de Solución en Programación Lineal:

1. Solución Única:
 Características: En algunos casos, existe un único punto óptimo que maximiza o
minimiza la función objetivo.
 Ejemplo: En un problema de asignación de recursos donde las restricciones
forman un área convexa y la función objetivo tiene un solo máximo o mínimo.
2. Solución Infinita:
 Características: Puede haber varios puntos que optimicen la función objetivo, lo
que resulta en múltiples soluciones igualmente óptimas.
 Ejemplo: Si las restricciones forman una línea en lugar de un área convexa, puede
haber una variedad de puntos que maximizan o minimizan la función objetivo.
3. Sin Solución:
 Características: En algunos casos, las restricciones son tan restrictivas que no hay
ninguna solución que satisfaga todas las condiciones.
 Ejemplo: Si las restricciones son contradictorias o si el conjunto factible es vacío,
el problema puede no tener solución.
4. Solución No Acotada:
 Características: La función objetivo no tiene un máximo o mínimo finito, lo que
implica que la solución puede crecer indefinidamente.
 Ejemplo: Si no hay límites prácticos en las variables de decisión y la función
objetivo aumenta o disminuye indefinidamente.
5. Óptimo Degenerado:
 Características: Ocurre cuando en el proceso del Método Simplex se llega a una
solución óptima que coincide con un vértice que ya se había visitado.
 Ejemplo: Durante las iteraciones del Método Simplex, la solución óptima se
encuentra en un vértice que ya había sido visitado, lo que puede afectar la
eficiencia del método.
6. Solución Alternativa:
 Características: Existen diferentes conjuntos de variables de decisión que pueden
llevar a la misma solución óptima.
  Ejemplo: Se pueden intercambiar algunas variables sin afectar el valor óptimo de
la función objetivo.

Método Simplex en Programación Lineal:

Pasos del Método Simplex
Los pasos a seguir en el método simplex son:
Definir el problema en la forma estándar y generar matriz
Un problema de programación lineal tiene la siguiente forma:

Donde x1, x2 … xn son las variables del problema.

Antes de llevar nuestro modelo a la forma estándar debemos verificar que todas las
restricciones tienen el lado derecho no negativo. Es decir:
b1, b2 … bm ≥ 0

¿Qué hago si el lado derecho de la restricción es negativo?

Cuando el término independiente de la restricción es negativo, se debe multiplicar por -1 a
toda la restricción para convertir el valor del lado derecho en positivo. Esta multiplicación
también afectará al signo de la restricción de la siguiente forma:
 Si la restricción es del tipo mayor igual (≥), se deberá cambiar a menor igual (≤).
 En caso la restricción sea del tipo menor igual (≤), se deberá cambiar a mayor igual
 Si la restricción es una igualdad, el signo se mantiene.
Un caso especial es cuando el término independiente de la restricción es 0 y el signo es
mayor igual (≥); en dicha situación, podemos multiplicar la restricción por (-1) para
convertirla en menor igual (≤). Esto nos servirá para no utilizar variables artificiales como
veremos posteriormente.
Convertir restricciones en igualdades
Para convertir las restricciones en igualdades va a depender de su signo:
 Si la restricción es menor igual (≤): Para este tipo de restricciones debemos
introducir una variable no negativa llamada de holgura y que son auxiliares para el
problema. Por ejemplo:

 La holgura total de una actividad es el tiempo que se puede retrasar una actividad
sin cambiar la fecha de finalización del proyecto. Esto se obtiene con cualquiera de
las siguientes ecuaciones: Holgura total = LS – ES. Holgura total = LF – EF.
 Cualquier inecuación puede ser convertida en una ecuación agregando una cantidad
negativa en el lado de menor valor de la inecuación. Esta variable se llama variable
 de holgura y también se introduce en la función objetivo con coeficiente cero ya que
no influye en el valor de la función objetivo.
 Representa el sobrante de la restricción a la que está asociada y estas permiten
convertir las desigualdades de las restricciones en igualdades
Cuando la restricción es mayor igual (≥): En este tipo de restricciones se debe restar una
variable de exceso y así mismo agregar una variable artificial.

Si la restricción es igual (=): En este tipo de restricciones debemos agregar una variable
artificial de la siguiente forma:
El método Simplex “tradicional” o “básico” que abordaremos en esta entrada, se utiliza
para los problemas de programación lineal donde todas las restricciones son del tipo menor
e igual (≤). lo hace particularmente atractivo para aplicaciones a gran escala con múltiples
variables y restricciones.

Uso del Software en Programación Lineal:

1. Herramientas Informáticas Especializadas:
 Excel Solver: Microsoft Excel ofrece la herramienta Solver, que permite
resolver problemas de Programación Lineal mediante métodos como el Método
Simplex. Permite definir variables, restricciones y la función objetivo de manera
interactiva.
 MATLAB: Software de programación y análisis numérico que incluye
funciones para resolver problemas de Programación Lineal de manera eficiente.
 LINGO y AMPL: Herramientas específicas para modelado y resolución de
problemas de optimización, incluyendo Programación Lineal.
2. Beneficios del Uso de Software:
 Eficiencia Computacional: Las herramientas informáticas realizan cálculos
complejos de manera rápida y eficiente, acelerando el proceso de resolución de
problemas.
 Manejo de Problemas Complejos: En problemas con muchas variables y
restricciones, el uso de software facilita la gestión y el análisis de la
información.
 Interfaz Gráfica Intuitiva: Muchas herramientas proporcionan interfaces
gráficas amigables que simplifican la formulación y visualización de modelos.
3. Pasos Generales para Utilizar Software en Programación Lineal:
 Definición de Variables: Identificar las variables de decisión, restricciones y la
función objetivo.
 Ingreso de Datos: Introducir la información en el software, especificando
coeficientes, límites y condiciones.
 Selección del Método: Algunos programas permiten seleccionar el método de
resolución, como el Método Simplex.
 Ejecución: Iniciar el cálculo para obtener la solución óptima.
 Análisis de Resultados: Revisar la solución obtenida, interpretar los resultados
y ajustar el modelo según sea necesario.
4. Limitaciones del Uso de Software:
  Dependencia de Datos de Entrada: La calidad de la solución depende en gran
medida de la precisión de los datos de entrada proporcionados.

Definición del Software en Programación Lineal:

El software en Programación Lineal se refiere a herramientas informáticas especializadas
diseñadas para modelar, resolver y analizar problemas de optimización lineal. Estas
aplicaciones permiten a los usuarios formular problemas de Programación Lineal, ingresar
datos relevantes, y aplicar algoritmos y métodos numéricos para obtener soluciones
óptimas. El software en este contexto facilita la implementación práctica de técnicas de
optimización y agiliza el proceso de toma de decisiones en situaciones donde los recursos
son limitados.
Tendencias Actuales:
1. Integración con Herramientas Empresariales:
 Existe una tendencia hacia la integración de software de Programación Lineal
con otras herramientas empresariales, como sistemas de planificación de
recursos empresariales (ERP) y software de gestión de la cadena de suministro
(SCM), para una toma de decisiones más integral y eficiente.
2. Interfaz Gráfica Avanzada:
 Las herramientas modernas se centran en interfaces gráficas intuitivas que
facilitan la formulación de modelos y la interpretación de resultados. Esto hace
que la Programación Lineal sea accesible para usuarios con diversos niveles de
experiencia en matemáticas y optimización.
3. Capacidades de Modelado Avanzadas:
 El software actual tiende a ofrecer capacidades de modelado más avanzadas,
permitiendo la incorporación de restricciones no lineales, variables enteras y
otros elementos complejos en los modelos de Programación Lineal.
4. Computación en la Nube:
 La tendencia hacia la computación en la nube permite el acceso remoto a
potentes herramientas de Programación Lineal. Esto facilita la colaboración en
tiempo real y brinda flexibilidad en el acceso a recursos computacionales.
5. Algoritmos de Resolución Eficientes:
 La mejora continua de los algoritmos de resolución, incluido el Método
Simplex y métodos más avanzados, contribuye a la eficiencia en la obtención
de soluciones óptimas en tiempos más cortos.
 6. Enfoque en la Interpretación de Resultados:
 Las nuevas tendencias se centran en proporcionar no solo soluciones
numéricas, sino también herramientas visuales y analíticas para facilitar la
interpretación de los resultados y ayudar en la toma de decisiones informadas.

Conclusión
La Programación Lineal, respaldada por el uso de herramientas informáticas especializadas,
se ha consolidado como una poderosa disciplina en la optimización de recursos y la toma
de decisiones en una amplia gama de campos. A lo largo de las décadas, ha evolucionado
desde sus inicios teóricos hasta convertirse en una herramienta práctica y aplicable, gracias
al desarrollo continuo de algoritmos y software dedicado.
El Método Simplex, fundamental en la resolución de problemas de Programación Lineal, ha
sido complementado y ampliado por una variedad de enfoques más modernos y eficientes.
La introducción de la computación en la nube ha permitido un acceso más flexible y
colaborativo a estas herramientas, facilitando la gestión de problemas complejos y la toma
de decisiones estratégicas a través de límites geográficos.
Las tendencias actuales indican un enfoque creciente en la usabilidad y accesibilidad, con
interfaces gráficas intuitivas que permiten a usuarios con diversas habilidades abordar
problemas de optimización. La integración con otras herramientas empresariales, como
ERP y SCM, refleja la necesidad de un enfoque holístico en la toma de decisiones,
considerando no solo la optimización lineal, sino también otros factores clave en la gestión
empresarial.
La capacidad de modelar problemas más complejos, incorporando restricciones no lineales
y variables enteras, amplía la aplicabilidad de la Programación Lineal a escenarios
empresariales más realistas. Además, la introducción de técnicas de Machine Learning para
la automatización y mejora continua representa un emocionante avance que promete
adaptabilidad dinámica en un entorno empresarial en constante cambio.
La colaboración en tiempo real y la capacidad de compartir modelos y resultados entre
usuarios destacan la importancia de la Programación Lineal como una herramienta
colectiva para la toma de decisiones. Este enfoque colaborativo no solo agiliza los
procesos, sino que también aprovecha la experiencia colectiva, promoviendo la inteligencia
colectiva en la resolución de problemas.
En conclusión, la Programación Lineal y su software asociado continúan desempeñando un
papel crucial en la gestión estratégica y la optimización de recursos en diversas disciplinas.
A medida que evoluciona hacia soluciones más avanzadas, accesibles y colaborativas, se
espera que siga siendo una herramienta fundamental para abordar los desafíos
empresariales y de investigación del futuro. La Programación Lineal no solo es una
disciplina matemática, sino una herramienta dinámica y esencial en el arsenal de la toma de
decisiones en el mundo moderno.