MATERIA: INVESTIGACION DE

OPERACIONES I

ACTIVIDAD 2: UNIDAD 2 Programación lineal.

REALIZADO POR: LORENA NEFERTARI HERRERA CISNEROS

DOCENTE: ING. CESAR MIGUEL GÓMEZ RÍOS

CUARTO CUATRIMESTRE


 UNIDAD 2 Programación lineal.

2.1 Formulación y aplicación de modelos de programación lineal.

Para tener éxito en la solución de problemas dentro de una organización, es

importante la creación de modelos que permitan representar una situación real y
partir de ello para buscar las alternativas de solución.
El modelo es una representación o abstracción de una situación u objeto reales,
que muestra las relaciones (directas e indirectas) y las interrelaciones de la acción
y la reacción en términos de causa y efecto. Como un modelo es una abstracción
de la realidad, puede parecer menos complicado que la misma.
Para la formulación de un modelo dentro de la programación lineal, como primer
paso, el investigador debe delimitar el problema y conocer el objetivo que desea
alcanzar, que puede ser maximizar las utilidades o minimizar los costos, siempre
tomando en cuenta el principio de optimización.
El siguiente paso consiste en conocer las variables que presentarán la solución al
problema, es decir, las incógnitas que resolverán el modelo de programación lineal
pueden ser tantas como sea necesario, con el fin de representar de la mejor forma
posible la realidad.
Una vez que se conozcan las variables de decisión, se deben plantear las
restricciones, que son los requerimientos que debe cumplir la solución óptima para
que se pueda llevar a la práctica y brinde grandes beneficios a la empresa.
También pueden llamarse limitantes, ya que indican los valores máximos o
mínimos que deben emplearse para garantizar la optimización.
Las restricciones pueden ser por los volúmenes de ventas, por las limitantes en los
recursos de la empresa, por la mezcla de ingredientes, por la cantidad de
desperdicios y por cuestiones de administración dentro de la empresa, como el
tiempo de preparación de la máquina.
Por último, se debe tener presente que todas las variables empleadas en el
modelo, deben ser siempre positivas porque representan situaciones que existen
en la realidad.
2.2 Método gráfico.

El método grafico se utiliza para la solución de problemas de PL, representando

geométricamente a las restricciones, condiciones técnicas y el objetivo.
El modelo se puede resolver en forma geométrica si solo se tiene 2 variables. Para
modelos con 3 o más variables el método grafico es impráctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el método es
llamado método grafico en actividad. Cuando se relacionan las restricciones
tecnológicas se denomina método grafico en recursos.

*PL.- es una técnica mediante la cual se toman decisiones reduciendo el problema

bajo estudio a un modelo matemático general.

Maximizar y Minimizar.

Podemos maximizar y minimizar por el método grafico nuestros problemas y nos

lleva a un resultado exacto al igual que el simplex solo que este es aún más fácil,
pues como al principio mandas en la ecuación a X cero y después Y así te da el
primer punto a graficar y así con las demás ecuaciones, el punto donde se
intersectan dos o más líneas de las ecuaciones es el punto solución, este se
sustituye debidamente cada número en su variable en la función objetivo para dar
la comprobación. Así el espacio debajo del punto de intersección es para
maximización y se presenta el resultado por ejemplo Z=10, para la minimización
es lo mismo solo se toma el punto solución como lo más y el resultado de igual
solo que se representaría –Z=10 y la zona factible cabe en la parte mayor de la
gráfica.

Pasos necesarios para realizar el método.

1. Graficar las soluciones factibles, o el espacio de soluciones (factible), que

satisfagan todas las restricciones en forma simultánea.
 2. Las restricciones de no negatividad Xi>= 0 confían todos los valores
posibles.
3. El espacio encerrado por las restricciones restantes se determinan
sustituyendo en primer término <= por (=) para cada restricción, con lo cual
se produce la ecuación de una línea recta.
4. Trazar cada línea recta en el plano y la región en cual se encuentra cada
restricción cuando se considera la desigualdad lo indica la dirección de la
flecha situada sobre la línea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto
factible.
6. Aunque hay un número infinito de puntos factibles en el espacio de
soluciones, la solución óptima puede determinarse al observar la dirección
en la cual aumenta la función objetivo.
7. Las líneas paralelas que representan la función objetivo se trazan mediante
la asignación de valores arbitrarios a fin de determinar la pendiente y la
dirección en la cual crece o decrece el valor de la función objetivo.

Ejemplo: Un departamento de publicidad tiene que planear para el próximo mes

una estrategia de publicidad para el lanzamiento de una línea de T.V. a color tiene
a consideración 2 medios de difusión: La televisión y el periódico.

Los estudios de mercado han mostrado que:

1. La publicidad por T.V. Llega al 2 % de las familias de ingresos altos y al 3 % de

las familias de ingresos medios por comercial.

2. La publicidad en el periódico llega al 3 % de las familias de ingresos altos y al 6

% de las familias de ingresos medios por anuncio.
La publicidad en periódico tiene un costo de 500 dls. Por anuncio y la publicidad
por T.V. tiene un costo de 2000 dls. Por comercial. La meta es obtener al menos
una presentación como mínimo al 36 % de las familias de ingresos altos y al 60 %
de las familias de ingresos medios minimizando los costos de publicidad.

2.3 Método simplex.

Objetivo del Método Simplex: El alumno analizará los fundamentos de la

programación lineal así como el procedimiento gráfico y el respectivo
procedimiento del Método Simplex.
El Método Simplex es un procedimiento iterativo el cual permite mejorar la
solución a cada paso. Este proceso concluye cuando no es posible seguir
mejorando la solución.
Éste método se puede considerar como un método algebraico para resolver
problemas de programación lineal el cual involucra dos o más variables.
El Método Simplex fue creado en el año de 1947. Su primera aplicación fue
después del verano de 1947 cuando se resolvió un problema de programación de
9 restricciones y 27. Usando calculadora de escritorio se requirieron 120 días, en
la actualidad y un programa para resolver el Método Simplex será cosa de
minutos.
El Método Simplex como herramienta de programación lineal constituye una de las
mejores formas para obtener la solución más óptima en programación lineal.
En este método utilizaremos las desigualdades <, >, ≥ y ≤.

Conceptos utilizados en el Método Simplex

1. Variable de decisión. Con estas variables se hace referencia al conjunto de

variables cuya magnitud se desea determinar.
2. Restricciones. Están constituidas por el conjunto de desigualdades que
limitan los valores que puedan tomar las variables de desigualdad.
3. Función objetivo. Es una función matemática que relaciona las variables de
decisión.
4. Linealidad. Se refiere a que la relación entre las variables de la función
objetiva y restricciones deben ser lineales.
5. Desigualdades. Las desigualdades utilizadas para representar las
restricciones deben ser cerradas.
6. Condición de no negatividad. En la programación lineal las variables de
decisión solo pueden tomar valores mayores o iguales que cero.

Pasos a seguir en el Método Simplex

1. Cambiar las desigualdades a ecuaciones.
2. Agregar variables de holgura a las restricciones (S1, S2).
3. Agregar variable de holgura faltante.
4. Construir la tabla simplex.
5. Agregar las columnas Cj y Cj-Zj.
6. Analizar el renglón Cj-Zj. Si existen números positivos se realizará otra tabla
simplex.
7. Determinar que variable X1, X2, X3… Xn sale o que entra.
8. Determinar si sale S1 o S2.
9. Determinar Nuevo renglón X1, X2.

10. Determinar valores de nuevo renglón S1, S2.

 Restarle cada uno de los valores del renglón.
 El producto valores de nuevo del nuevo renglón.
 Valor interseccional.

2.3.1 Método algebraico.

Pasos del método

1. Identificar una solución básica factible inicial.

2. Determinar si existe una solución básica factible mejor. Si es así, llevar a cabo
el paso siguiente (3). Si no la solución actual es la óptima.
3. Pasar a la siguiente solución básica factible, cambiando una variable no básica
por una variable básica, haciendo que todas las variables sigan siendo no-
negativas y regresar al paso 2.

Ventajas del método:

*Es más claro entender la razón.
*Se pueden resolver modelos con >= o =.
*Se pueden resolver modelos con cualquier número de variables y ecuaciones.

Desventajas del método:

*Despejes de ecuaciones y sustituciones.
*No es el método utilizado en la práctica para resolver modelos de programación
lineal.
Electra produce dos clases de motores eléctricos cada uno en una línea de
producción aparte. Las capacidades diarias de las dos líneas son de 600 y de 750
motores.
El motor tipo 1 usa 10 unidades de cierto componente electrónico, y el motor 2 usa
8 unidades. El proveedor de ese componente puede suministrar 8000 piezas por
día. Las utilidades son $60 por cada motor de tipo 1 y $40 por cada uno de tipo 2.

Planteamiento del modelo:

max Z= 60X1+40X2

Sujeto a:
10X1+8X2<=8000
X1<=600
X2<=750

Xi>=0

Forma estándar
max Z= 60X1+40X2

Sujeto a:
10X1+8X2+X3=8000
X1+X4=600
X2+X5=750

Xi>=0

Tenemos 5 variables y 3 restricciones, por lo tanto tenemos 3 variables básicas y

2 no básicas.
*Las variables básicas corresponden al número de restricciones del modelo.
*Las variables no básicas corresponden a la diferencia que existe entre el total de
variables menos el número de restricciones.

La solución inicial del modelo es el origen:

X1=X2=0
X3=8000
X4=600
X5=750
Z=0

X1 y X2 variables no básicas
X3, X4 y X5 variables básicas

Despejamos las variables básicas (X3, X4 y X5) para dejarlas en función de las
variables no básicas.
Observemos que Z ya está en función a las variables no básicas.

Z=60X1+40X2

X3=8000-10X1-8X2
X4=600-X1
X5=750-X2

Para la nueva solución intercambiaremos una variable no básica por una básica,
para esto nos fijamos en la función objetivo y como es un caso de maximización,
tomaremos el coeficiente más grande, en este caso tomaremos el coeficiente de
X1 es 60.

Z=60X1+40X2
X1 será variable básica y X2 seguirá siendo no básica, como X1 será la variable
de entrada, debemos elegir una variable de salida que tomaremos de las variables
básicas para convertirla en no básica.

Procedemos a plantear el conjunto de restricciones sin la variable no básica(X2).

X3=8000-10X1
X4=600-X1
X5=750

Hacemos cero a las variables básicas y el sistema queda de la siguiente manera:

0=8000-10X1 X1=800 ---> X3=0

0=600-X1 X1=600 ---> X4=0

Elegimos al de valor más pequeño.

No tomamos en cuenta a X5 porque en esa restricción no aparece X1
Por lo tanto ahora nuestras nuevas variables no básicas son X4 y X2 y las nuevas
variables básicas son X3, X5 y X1
Ahora el modelo debe quedar en función a las nuevas variables no básicas, para
ello despejamos X1 de la segunda ecuación y sustituimos en las demás.
X1=600-X4

Sustituimos X1 en las demás ecuaciones

El nuevo sistema queda de la siguiente manera:

Z=60(600-X4)+40X2 =36000-60X4 +40X2

X3=8000-10(600-X4)-8X2 =2000+10X4-8X2
X1=600-X4
X5=750-X2
Determinar la nueva variable no básica a convertir en variable básica.

Z =36000-60X4 +40X2

X4 es la variable no básica y X2 es la variable básica, ahora X2 será la variable de

entrada y debemos elegir una variable de salida que tomaremos de las variables
básicas a convertir en no básica.

Procedemos a plantear las restricciones sin la variable no básica(X4).

X3=2000-8X2
X1=600
X5=750-X2

Hacemos cero a las variables básicas y el sistema queda de la siguiente manera:

0=2000-8X2 X2=250 ---> X3=0

0=750-X2 X2=750 ---> X5=0

Elegimos el valor más pequeño.

No tomamos en cuenta a X1 porque en esa restricción no aparece X2
Por lo tanto ahora nuestras nuevas variables no básicas son X4 y X3 y las nuevas
variables básicas son X2 , X5 y X1
Ahora el modelo debe quedar en función a las nuevas variables no básicas, para
ello despejamos X2 de la primera ecuación y sustituimos en las demás.

X2 = 250+1.25X4-0.125X3

El nuevo sistema queda de la siguiente manera:

Z=36000-60X4 +40(250+1.25X4-0.125X3)
X2=250+1.25X4-0.125X3
X1=600-X4
X5=750-(250+1.25X4-0.125X3)

Reduciendo términos:

Z=46000-10X4-5X3

X2=250+1.25X4-0.125X3
X1=600-X4
X5=500-1.25X4-0.125X3

Como en la función objetivo los coeficientes de las variables son de valor negativo,
ya no se puede elegir otra variable de entrada, esto quiere decir que hemos
llegado a la solución óptima siguiente:

Z=46000
X2=250
X1=600
X5=500
X3=0
X4=0

Sustituimos los valores obtenidos en la función objetivo y restricciones:

max Z= 60(600)+40(250) =46000

Maximizando las utilidades se puede observar que la ganancia que se obtiene de
los respectivos motores es de $46000

Sujeto a:
10(600)+8(250) <=8000
De acuerdo a la producción diaria de motores en ambas líneas podemos observar
que se cubren las unidades diarias que el proveedor puede suministrar.

600<=600
En esta restricción observamos que la capacidad diaria de motores de la primera
línea es alcanzada en su totalidad.

250<=750
La capacidad de la segunda línea no es ocupada en su totalidad y tiene
disponibilidad de 500 motores más.

2.3.2 La tabla simples.