INVESTIGACIÓN DE OPERACIONES

PROGRAMACIÓN LINEAL
Unidad 2

Profesor:
MSc. Ali Guerra
 PROGRAMACIÓN
LINEAL
Es un enfoque de solución de problemas
elaborado para ayudar a tomar decisiones. Es
un modelo matemático con una función
objetivo lineal, un conjunto de restricciones
lineales variables no negativas. En el ambiente
de negocios actual, pueden encontrarse gran
cantidad de aplicaciones.

• Componentes principales de un modelo de investigación de operaciones:

La función objetivo define la cantidad que se va a maximizar o minimizar en un modelo

de programación lineal.

Las restricciones limitan o reducen el grado en que puede perseguirse el objetivo.

Las variables son las entradas controlables en el problema.

 La programación lineal es la interrelación de los componentes de un sistema, en términos matemáticos, ya
sea en forma de ecuaciones o inecuaciones lineales llamado Modelo de Programación Lineal. Es una
técnica utilizada para desarrollar modelos matemáticos, diseñada para optimizar el uso de los recursos
limitados en una empresa u organización

El Modelo de Programación Lineal, es una representación simbólica de la realidad que se estudia,

o del problema que se va a solucionar. Se forma con expresiones de lógicas matemáticas,
conteniendo términos que significan contribuciones: a la utilidad (con máximo) o al costo (con
mínimo) en la Función Objetivo del modelo. Y al consumo de recursos disponibles (con
desigualdades = ó = e igualdades =) en las restricciones.

Maximización y Minimización, los cuales estarán

indicados en la Función Objetivo del Modelo.
 Método Simplex
El método simplex es un procedimiento iterativo para resolver
problemas de programación lineal, donde se busca obtener la
solución óptima de la función objetivo que logre cumplir el
conjunto de restricciones.

En la siguiente imágen vemos el poliedro que

Este algoritmo fue desarrollado en el año 1947 por el matemático representa la solución factible y cómo realiza el
norteamericano George Dantzig. recorrido el algoritmo simplex:

El algoritmo simplex parte de uno de los vértices del poliedro, y verifica

si es el óptimo; si no lo es, busca un nuevo vértice adyacentes que va
mejorando el valor de la función objetivo. Se continúa iterando hasta
llegar al vértice que representa la solución óptima.
¿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:

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.
 EJEMPLO DE SOLUCIÓN POR EL MÉTODO
SIMPLEX
PASO I. Determinación de la Función Objetivo
Se busca: Mientras que el tiempo requerido para cada uno de los productos
Maximizar el beneficio en la función es:
objetivo:

Z = (u/m1) (x1) + (u/m2) (x2)

Donde:

Por lo cual, las restricciones son:

Proceso I:

PASO II. Determinación de las restricciones

Las restricciones dadas en la capacidad de
horas máquina de los procesos I y II son:
Proceso II:
PASO III. Formulación de la restricción de no negatividad.
La restricción de no negatividad
Donde sus coeficientes se representan con Cj:

Con los coeficientes de cada variable se confecciona la

matriz:
PASO IV. Formulación de las inecuaciones en ecuaciones
Para convertir las inecuaciones en ecuaciones se
introducen las variables de holgura S1 y S2 de tal
manera que las ecuaciones sean las siguientes:

Con los cuales se puede determinar la solución óptima PASO V. Formulación de la tabla..
Con esta información se arma la tabla:
de la función objetivo Z = 200x1 + 120x2y las variables
de holgura S1 y S2.

Por otra parte, también se convierte la ecuación de máximo

beneficio:

Max Z = 200x1 + 120x2 + 0S1 + 0S2

Pasos del Método Simplex
el método simplex requiere que éste se convierta a la forma estándar, es decir, cada restricción se convertirá en una igualdad
además. de incorporar variables holgura que permiten expresar la cantidad de recurso no utilizado durante las actividades

PA S O 1 . C A M B I A R E L M O D E L O A F O R M A E S T Á N D A R
Las desigualdades del tipo ≤ implican la cantidad no usada u holgura del
recurso.
PA S O 2 . A R M A R L A TA B L A S I M P L E X
Los valores del modelo serán introducidos a la tabla simplex
PA S O 3 . E L E G I R E L VA L O R D E Z M Á S N E G AT I V O
En la fila donde aparecen los datos de Z (la función objetivo) habrá que
localizar el valor más negativo excluyendo la última columna. La columna en
dónde se encuentre dicho valor se denominará columna de entrada o columna
de trabajo.

PA S O 4 . D E T E R M I N E L A VA R I A B L E D E S A L I D A Y E L P I V O T E
Dividiendo cada número de la columna solución entre los valores de la columna
entrada (a excepción del renglón objetivo).
Del resultado, se elige el valor positivo más pequeño sin tomar en cuenta los
PA S O 5 . H A C E R C E R O S L O S D E M Á S
valores negativos y a la intersección se le denominará pivote.
VA L O R E S D E L A C O L U M N A E N T R A D A
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
«Slack 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.

Estas variables suelen estar representadas por la letra «S», se suman si la restricción es de signo
«<= » y se restan si la restricción es de signo «>=».

Por ejemplo:
• Va r i a b l e a r t i f i c i a l / M é t o d o d e l a « 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.

Estas variables se representa por la letra «A», siempre se suman a las

restricciones, su coeficiente es M (por esto se le denomina Método de la
M grande, donde M significa un número demasiado grande muy poco
atractivo para la función objetivo), y el signo en la función objetivo va en
contra del sentido de la misma, es decir, en problemas de Maximización
su signo es menos (-) y en problemas de Minimización su signo es (+),
repetimos con el objetivo de que su valor en la solución sea cero (0).
E j e rc i c i o d e M é t o d o S i m p l e x ( M i n i m i z a r )

En una granja de pollos se da una dieta, para engordar, con una composición
mínima de 15 unidades de una sustancia A y otras 15 de una sustancia B.
5 Calcular las coordenadas de los vértices
En el mercado sólo se encuentra dos clases de compuestos: el tipo X con una
del recinto de las soluciones factibles.
composición de una unidad de A y 5 de B, y el otro tipo, Y, con una composición
de cinco unidades de A y una de B. El precio del tipo X es de 10 euros y del tipo
Y es de 30 €.
 

¿Qué cantidades se han de comprar de cada tipo para cubrir las necesidades con
 
un coste mínimo?

Solución
4 Hallar el conjunto de soluciones
1 Elección de las incógnitas. factibles
x=X
y=Y

2 Función objetivo
f(x,y) = 10x + 30y 6 Calcular el valor de la función objetivo

3 Restricciones f(0, 15) = 10 · 0 + 30 · 15 = 450

f(15, 0) = 10 · 15 + 30 · 0 = 150
X Y Mínimo f(5/2, 5/2) = 10 · 5/2 + 30 · 5/2 = 100
A 1 5 15 Mínimo
B 5 1 15
El coste mínimo son 100 € para X =
x + 5y ≥ 15
5x + y ≥ 15 5/2 e Y = 5/2.
x≥0
y≥0
 Ejercicio de Método Simplex (Maximizar)
Unos grandes almacenes desean liquidar 200 camisas y 100 pantalones de la temporada anterior.
Para ello lanzan, dos ofertas, A y B.

La oferta A consiste en un lote de una camisa y un pantalón, que se venden a 30 €; la oferta B

consiste en un lote de tres camisas y un pantalón, que se vende a 50 €. No se desea ofrecer menos
de 20 lotes de la oferta A ni menos de 10 de la B.

¿Cuántos lotes ha de vender de cada tipo para maximizar la ganancia?

x + 3y ≤ 200
Elección de las incógnitas. x + y ≤ 100
1 x = nº de lotes de A
y = nº de lotes de B
x ≥ 20
 y ≥ 10
 

Hallar el conjunto de soluciones factibles

  Función objetivo 4
2 f(x, y) = 30x + 50y
Restricciones

3 A B Mínimo
Camisas 1 3 200
Pantalones 1 1 100
 Calcular las coordenadas de los vértices del recinto
de las soluciones factibles.
5

Calcular el valor de la función objetivo

6
f(x, y) = 30 · 20 + 50 · 10 = 1100 €
f(x, y) = 30 · 90 + 50 · 10 = 3200 €
f(x, y) = 30 · 20 + 50 · 60 = 3600 €
f(x, y) = 30 · 50 + 50 · 50 = 4000 €
Con 50 lotes de cada tipo se obtiene
Máximo una ganancia máxima de 4000 €.
 Método Gráfico

Para la solución gráfica de programas lineales con dos variables, lo que se tiene que hacer es trazar un
eje de coordenadas cartesianas, para graficar las desigualdades dadas por el problema, después
encontrar el Área de Soluciones Factibles y proceder a graficar la función objetivo para conocer el
valor óptimo (maximizar o minimizar) que será la solución del problema.

Este consiste en representar cada una de las restricciones y

encontrar en la medida de lo posible el polígono (poliedro) factible,
comúnmente llamado el conjunto solución o región factible, en el
cual por razones trigonométricas en uno de sus vértices se
encuentra la mejor respuesta (solución óptima).
 Ejercicio de Método Gráfico
Una empresa vitivinícola ha adquirido recientemente un terreno de 110 hectáreas. Debido a la calidad del sol y el
excelente clima de la región, se puede vender toda la producción de uvas Sauvignon Blanc y Chardonay. Se desea conocer
cuánto plantar de cada variedad en las 110 hectáreas, dado los costos, beneficios netos y requerimientos de mano de
obra según los datos que se muestran a continuación:

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de 1.200 días hombre durante el
horizonte de planificación. Formule y resuelva gráficamente un modelo de Programación Lineal para este
problema. Detalle claramente el dominio de soluciones factibles y el procedimiento utilizado para encontrar la
solución óptima y valor óptimo.

Restricciones:
Variables de Decisión:
•X1: Hectáreas destinadas al cultivo de Sauvignon
Blanc
•X2 : Hectáreas destinadas al cultivo de Chardonay •

Donde las restricciones están asociadas a la

Función Objetivo:
disponibilidad máxima de hectáreas para la
Maximizar
plantación, presupuesto disponible, horas hombre
en el período de planificación y no negatividad,
respectivamente.
El siguiente gráfico muestra la representación del problema de la empresa
vitivinícola. El área achurada corresponde al dominio de soluciones factibles,
donde la solución básica factible óptima se alcanza en el vértice C, donde se
encuentran activas las restricciones de presupuestos y días hombre.

De esta forma resolviendo dicho sistema de ecuaciones se encuentra la

coordenada de la solución óptima donde X1=60  y•X2=20  (hectáreas).
El valor óptimo es V(P)= 50(60) + 120(20)= 5.400 (dólares).
Formulaciones
de modelos de
Programación
 Elementos básicos de un modelo
matemático
Un modelo matemático es producto de la abstracción de un sistema real, eliminando las complejidades y
haciendo suposiciones pertinentes; se aplica una técnica matemática y se obtiene una representación simbólica
del mismo.

Un modelo matemático consta al menos de tres elementos o condiciones básicas: Las Variables de decisión, la
Función Objetivo y las Restricciones.

Variables de decisión y Función Objetivo Restricciones

parámetros
Las variables de decisión son
incógnitas que deben ser
determinadas a partir de la solución
del modelo. Los parámetros
representan los valores conocidos
del sistema o que se pueden
controlar. Las variables de decisión
se representan por: X1, X2, X3,…,
Xn ó Xi, i = 1, 2, 3,…, n.
Es una relación matemática entre
las variables de decisión,
parámetros y una magnitud que
representa el objetivo o producto
del sistema. Es la medición de la
efectividad del Modelo formulado
en función de las variables.
Determina lo que se va optimizar
(Maximizar o Minimizar).
son relaciones entre las variables de
decisión y los recursos disponibles. Las
restricciones del modelo limitan el valor
de las variables de decisión. Se generan
cuando los recursos disponibles son
limitados.
En el Modelo se incluye, adicionalmente
de las restricciones, la Restricción de No
Negatividad de las Variables de decisión,
o sea: Xi = 0.
Ve r i f i c a c i ó n de resultados
mediante el software online
PHPSimplex
 Método Simplex (Minimizar)

1 2

3
Método Simplex (Minimizar)

4 5

7
6
 Método Simplex (Minimizar)

3
2
4
6

5
 Pasos del Método Simplex

7 8

9
 Método Gráfico

3
1 2
 Método Gráfico

5
¡Gracias!