PROGRAMACIN LINEAL

MODELOS PARA LA TOMA DE DECISIONES

AUTOR: Gabriel Mauricio Yaez Barreto

 INICIO

Desarrollo de cada una de las unidades temticas

1. Introduccin a la programacin lineal
1.1. Introduccin a los modelos
1.2. Modelos estticos y dinmicos
1.3. Modelos lineales y no lineales
1.4. Modelos enteros y no enteros
1.5. Modelos determinsticos y estocsticos
2. Proceso de construccin de modelos de siete pasos
3. Ventajas del modelo matemtico
4. Conceptos clave para el desarrollo de problemas de programacin lineal
5. Mtodo de solucin
5.1. Mtodo grafico
5.2. Mtodo matemtico
5.3. Mtodo Grfico
5.4. Mtodo simplex
Glosario de trminos
Referencias
Referencias Bibliogrficas

DESARROLLO DE CADA UNA DE LAS UNIDADES TEMTICAS

1. Introduccin a la programacin lineal

1.1. Introduccin a los modelos

Se conoce como Investigacin de Operaciones al proceso cientfico utilizado para encontrar una
solucin o decisin que permita operar un sistema y obtener un resultado especfico asignando
la menor cantidad de recursos posibles, a este proceso, se le conoce como Ciencia de la
Administracin.

2 POLITCNICO GRANCOLOMBIANO
 Un Sistema es un conjunto de elementos independientes que trabajan en conjunto para lograr
una meta comn. Una empresa cualquiera sera un buen ejemplo de sistema cuya meta comn
es aumentar al mximo sus ganancias mientras ofrecen productos de excelente calidad.

La toma de decisiones, mediante un proceso cientfico, necesita de uno o varios modelos

matemticos, para lo cual se precisa ilustrar una situacin real con una ecuacin que nos ayude a
analizar el problema y a encontrar la mejor solucin posible.

1.2. Modelos estticos y dinmicos

Cuando las variables de decisin no requieren de sucesiones de decisin para periodos mltiples
se tiene un modelo esttico. En caso contrario, se tiene un modelo dinmico. En el modelo
esttico podemos resolver un problema con tan solo un intento cuyas soluciones dicten valores
ptimos de las variables de decisin en cada uno de los puntos de tiempo. Los modelos restantes,
en los cuales las decisiones requieren del anlisis recursivo para periodos mltiples, pertenecen
a la categora de modelos dinmicos.

1.3. Modelos lineales y no lineales

Si las variables de decisin que aparecen en la funcin objetivo y en las restricciones de un modelo
de optimizacin estn multiplicadas por constantes y acomodadas en forma de suma, entonces,
en este caso, tendremos un modelo lineal; cuando el modelo de optimizacin no es lineal
obtenemos un modelo no lineal.

1.4. Modelos enteros y no enteros

Tenemos un modelo entero cuando en el modelo de optimizacin una o ms variables de decisin

deben ser enteros, cuando las variables de decisin tengan la opcin de ser un valor fraccionario,
entonces, tendremos un modelo no entero.

1.5. Modelos determinsticos y estocsticos

En caso de conocer con seguridad el valor de la funcin objetivo y si las restricciones se cumplen
o no para cualquier valor de las variables de decisin se tendr un modelo determinstico; en caso
contrario, en el que no conocer los valores de la funcin objetivo y no tener seguridad sobre el
cumplimiento de las restricciones se tendr un modelo estocstico.

3
3
MODELOS PARA LA TOMA DE DECISIONES 3
 2. Proceso de construccin de modelos de siete pasos

El siguiente proceso es esencial en la investigacin de operaciones para la solucin de problemas

de una empresa.

1. Plantear el problema: al definir el problema que est afectando a determinada

empresa se deben tener en cuenta los objetivos especficos y partes de la misma
que deben ser analizadas para lograr resolver el problema.
2. Observar el sistema: la recopilacin de informacin es esencial para conocer el
valor de los factores que estn causando el problema de la empresa; con base en
ellos, se podr estudiar el inconveniente mediante un modelo matemtico.
3. Formular un modelo matemtico del problema: el estudio y anlisis de los
parmetros que afectan el problema de la empresa debe dar como resultado uno
o ms modelos matemticos, sobre los cuales se plantear una nueva estrategia a
seguir para contrarrestar el conflicto.
4. Verificacin del modelo para la prediccin y su implementacin: es necesario
verificar que el rendimiento de las variables de decisin que no se usaron en la
estimacin estn perfectamente representadas. Aunque un modelo est validado
y corroborado se debe tener cuidado al aplicarlo.
5. Seleccionar una opcin adecuada: a partir de la base del modelo matemtico y de
las diferentes opciones que este ofrece, se debe decidir cul de todas ellas es la
ms conveniente para los objetivos de la empresa, ya que por supuesto, puede
existir ms de una solucin viable para la solucin del problema.
6. Presentar los resultados y la conclusin del estudio a la empresa: despus de
decidir la mejor opcin u opciones para la solucin del problema, es necesario
presentar el resultado de la investigacin ante la cabeza de la empresa, en caso de
existir varias soluciones diferentes es posible que las directivas quieran escoger la
ms adecuada; si por algn motivo la empresa no aprueba las soluciones
presentadas, se debe encontrar la falla en el proceso de investigacin; una
posibilidad puede ser que se haya abordado de forma incorrecta la definicin de
los problemas de la empresa o que se haya omitido, desde un comienzo el proceso,
la participacin de las directivas de la empresa. En este caso, la investigacin debe
retroceder al punto en el que se origin el error.
7. Poner en marcha y evaluar las recomendaciones: despus que la empresa
apruebe los resultados del proceso de investigacin, se deben empezar a aplicar
las recomendaciones. Para lo cual, es necesario vigilar y actualizar el sistema de
forma continua, de manera que estas recomendaciones logren contribuir con las
metas propuestas.

4 POLITCNICO GRANCOLOMBIANO
 3. Ventajas del modelo matemtico

1. Un modelo puede ser una representacin exacta de un problema real. Con una
buena formulacin es posible tener una ecuacin altamente precisa; la validez del
modelo depende en su exactitud al momento de representar el problema o el
sistema a estudiar, lo cual lo hace tremendamente eficiente para la resolucin de
problemas de negocios.
2. Los modelos pueden ser muy tiles para un directivo que quiera formular
problemas hipotticos, que le ayuden a calcular ingresos, gastos, ventas,
rendimientos, costos de produccin y de transporte y otros elementos similares.
3. Se puede utilizar un modelo para recopilar informacin, a largo plazo de esta forma
se puede saber de qu forma podran afectar los posibles cambios de presupuesto
a las utilidades; a esto se le conoce como anlisis de sensibilidad y permite estudiar
los cambios de un modelo.
4. Una empresa puede usar un modelo para ahorrar costos a la hora de tomar una
decisin y resolver un problema; el costo y el tiempo invertidos en un anlisis de
modelo son mucho menores que los de una arriesgada campaa de marketing, con
lo cual es posible determinar con anticipacin los resultados en un entorno real.
5. En ocasiones el modelo es el nico medio infalible para la resolucin de problemas
complejos; si una empresa quiere saber cunto crecer o disminuir su taza de
produccin y ganancia con restricciones de manufactura, puede utilizar un modelo
para calcular tales cifras en cualquier situacin especfica.
6. Los modelos tambin pueden ser tiles para compartir diferentes problemas y
soluciones con otros analistas; de esta forma, se presentarn mejores soluciones
a los directivos de una empresa que les ayuden a tomar la mejor decisin final.
7. Solucin de modelos de programacin lineal de dos variables con mtodo grfico

Los modelos de programacin lineal se pueden desarrollar de diferentes maneras, dependiente

de varios factores como cantidad de variables y cantidad de restricciones. En este captulo,
empezaremos por el anlisis de modelos de programacin lineal bsicos de dos variables; estos
se pueden solucionar por mtodo grfico de una manera muy sencilla. Aprenderemos a
desarrollar los modelos de dos variables con mtodo grfico y a analizarlos con la herramienta
computacional PHP SIMPLEX (aplicacin web); cuando los modelos son de ms de dos variables,
veremos un anlisis para la solucin de estos llamado mtodo simplex, aprenderemos a
aplicarlos, pero se har mayor nfasis en el desarrollo de estos problemas en PHP SIMPLEX y el
anlisis de la ltima iteracin.

5
5
MODELOS PARA LA TOMA DE DECISIONES 5
 4. Conceptos clave para el desarrollo de problemas de programacin lineal

Para solucionar modelos de programacin lineal es necesario reconocer tres objetos bsicos del
problema:

1. Variables de decisin: lo que se est tratando de determinar.

2. Funcin objetivo: la meta a optimizar.
3. Las restricciones: los alcances del sistema a satisfacer.

Se debe tener especial atencin en el desarrollo de las restricciones; tenemos varios tipos de
restricciones y se debe tener la habilidad de detectarlas para poderlas expresar en el lenguaje
matemtico. Esta habilidad solamente se puede obtener mediante la prctica de ejercicios.
Veremos una forma de analizar restricciones.

Las restricciones que limitan el uso de materias primas y de la demanda. Las restricciones de
materia primas se pueden expresar de la siguiente manera:

[Uso de la materia prima] [Disponibilidad mxima de la materia prima]

Tambin, existen las restricciones de demanda donde se expresan relaciones o cantidades

mximas o mnimas de productos, generalmente estn expresadas como se debe producir la
mitad de uno, el doble de otro, al menos tanto o hasta tanto de cada producto.

Ahora el caso prctico que veremos a continuacin, contiene todos estos conceptos aplicados,
los analizaremos con el ejercicio piloto de Hamdy A. Taha. (Taha 1997)

5. Mtodo de solucin

5.1. Mtodo grfico

Ejemplo desarrollado.

Si tenemos el siguiente problema vamos a resolverlo de manera didctica y paso a paso.

Iron Works, Inc. (IWI) fabrica dos productos de acero y slo recibe pedidos mensuales de b libras
de acero. Una unidad de producto 1 requiere de a1 libras de acero para su fabricacin y se
requieren a2 libras de acero para la fabricacin de una unidad de producto 2.

Sea x1 y x2 el nivel de produccin mensual de producto 1 y producto 2, respectivamente. Denote

por P1 y P2 l as utilidades unitarias para los productos 1 y 2, respectivamente.

6 POLITCNICO GRANCOLOMBIANO
 El fabricante tiene un contrato para entregar al menos m unidades de producto 1 este mes.
Adicionalmente, la planta puede fabricar, como mximo, u unidades de producto 2
mensualmente.

Lo primero que debemos realizar es la revisin del problema, cuales son los datos ms
importantes y realizar una pequea lista de variables. Todo esto con el fin de definir las variables
de estado y que tipo de funcin objetivo voy a tener.

Segn el problema tenemos los siguientes datos

Tenemos de materia prima Acero b unidades (constante).

Variables de decisin:

a1 * x1 + a2 * x2 b = La cantidad de unidades del producto 1.

x1 y x2 = La cantidad de unidades del producto 2.

M= unidades con la que el fabricante se comprometi a cumplir.

U = mximo de unidades del producto que se pueden realizar.

Sabemos (por el ejercicio) que las variables de decisin son bsicamente unidades de trabajo, que
quiere decir esto deben fijarse que cuando hablamos de programacin lineal tenemos es los
costos de transportar una unidad de un producto, costos de produccin, cantidad de material
para realizar una produccin y etc.

Para el producto 1 se utilizan libras de acero y para el producto 2

libras. Esta frase nos indica que la primera restriccin est dada por la siguiente ecuacin

Donde sern mis variables de decisin, ya que son las unidades que podre producir con la
materia prima con la que cuento, el valor de esa materia prima es b. La restriccin queda menor
o igual ya que como mximo podr utilizar b cantidad de materia con la que cuento.

Ahora analizando un poco ms el ejercicio puedo definir la funcin objetivo. Como el ejercicio
habla sobre las utilidades obtenidas por cada uno de los productos debo tener en cuenta que lo
ms importante es MAXIMIZAR las ganancias de la empresa por medio de la produccin de los
dos productos. Por lo tanto tengo que la funcin objetivo est definida por que son las
utilidades obtenidas por cada uno de los productos que fabrica la empresa. Que quiere decir que

7
7
MODELOS PARA LA TOMA DE DECISIONES 7
 esos valores de son constantes para el modelo como
tal. La funcin objetivo queda de la siguiente forma.

Que lo que me dice la ecuacin anterior es que necesitamos realizar una produccin por medio
de la cual obtenga la mejor ganancia aprovechando el material con el que cuento.

Por ltimo, contamos con dos restricciones ms definidas por el problema, la cantidad de
unidades que puede producir del producto 2 y el contrato que tiene el fabricante sobre las
unidades del producto 1. Entonces en la restriccin que es referente a la cantidad de unidades
del producto 2 se construye la restriccin de la siguiente manera;

La restriccin queda as de sencilla por que como un mximo o un lmite superior de la solucin
esta que se generen u unidades del producto u, ya sea por la capacidad de la planta o por la
capacidad de trabajo del personal.

Ahora para la restriccin del contrato que adquiri la empresa sobre el producto 1 se tiene la
siguiente restriccin;

Esta restriccin queda as ya que lo mnimo que debe producir la empresa del producto 1 es m
unidades que es para cumplir el contrato con el que se compromete. Esta es un lmite inferior del
sistema modelado.

Ahora apreciados estudiantes, escribamos de nuevo el modelo completo, empezando con la

funcin objetivo del modelo y siguiendo con restricciones que debe cumplir para el caso
especfico de la empresa.

Se encuentra sujeto a:

8 POLITCNICO GRANCOLOMBIANO
 La ultima restriccin me dice que cada una de las variables de decisin son positivas o tiene un
valor nulo (0) como mnimo, ya que no puedo tener un numero negativo de unidades.

Ahora podemos darle valores a las constantes del ejercicio anterior para revisar cmo se podra
dar una solucin al modelo ya sea por mtodo matemtico, mtodo grafico o por simplex.

5.2. Mtodo matemtico

Teniendo en cuenta que contamos con ecuaciones, podemos encontrar un valor aproximado por
medio de desarrollo de ecuaciones bsicas, por lo tanto si al modelo anterior le damos valores
numricos a las constantes que definen el modelo del ejemplo anterior.

Supongamos que se cuentan con 2000 libras de acero, que se utilizan 2 libras de acero en
construir el producto 1 y 3 libras de acero en construir el producto 2, que el contrato con el que
se compromete la empresa es de 60 unidades y por ltimo que mximo se pueden construir 720
unidades del producto 2. Tambin que las utilidades del producto 1 y producto 2 son de 100 y
200 respectivamente.

Por lo tanto el modelo queda definido de la siguiente manera:

(1)

Se encuentra sujeto a:

(2)

(3)

(4)

(5)

Podemos iniciar con la condicin que conlleva ms relevancia para la empresa y partiendo de ella
definir el punto de inicio de desarrollo del sistema, esta restriccin es el cumplimiento del
contrato de 60 unidades con el cual se compromete la empresa, por lo tanto damos el valor
mnimo de la variable de decisin y arrancamos con l a resolver el sistema

9
9
MODELOS PARA LA TOMA DE DECISIONES 9

Lo igualamos a 60 ya que con esto es lo mnimo de unidades del producto 1 que deben construirse
para poder cumplir el contrato de la empresa.

Teniendo el valor de x1 podemos reemplazarlo en la ecuacin 2 lo cual quedara de la siguiente

manera;

Despejamos la ecuacin anterior y de esta manera podemos hallar el valor de X2 y de esta manera
completar una solucin para el problema.

Aclarando que hablamos de unidades, nos damos cuenta que no podemos tener decimales por
lo cual debemos aproximar por lo cual el resultado queda de la siguiente manera

Ahora como ya conocemos el valor de cada una de las variables de decisin debemos tener en
cuenta que:

Por lo tanto esto reflejado en la funcin objetivo nos da de la siguiente manera:

Lo que nos define que la utilidad cumpliendo con las restricciones del problema es 131 400,
cumpliendo con el contrato y teniendo en cuenta que no se supera el nmero de unidades
posibles para producir del producto 2, por lo tanto el problema se encuentra muy bien
desarrollado.

10 POLITCNICO GRANCOLOMBIANO
 5.3. Mtodo Grfico

Ejemplo de solucin de un modelo por mtodo grfico

Teniendo en consideracin el ejemplo anterior realizaremos la solucin del mismo por medio del
mtodo grfico.

Teniendo en cuenta el modelo definido de la siguiente manera;

(1)

Se encuentra sujeto a:

(2)

(3)

(4)

(5)

Empezamos con el anlisis de las restricciones para lograr desarrollar el modelo por medio de
grafica en 2 ejes (grfica clsica de X y Y).

En primera instancia definimos que por teora cada una de las restricciones genera una lnea recta
que me define cual ser el conjunto solucin para el modelo.

Definimos que cada uno de los dos ejes tiene un nombre que en este caso se encuentra definido

entre y . Para este caso el eje x de la grfica ser

mientras que el eje y se define la variable .

Empezamos con la restriccin # 4 ya que es la ms sencilla de analizar, teniendo en cuenta que

esta solo depende de la variable .

11
11
MODELOS PARA LA TOMA DE DECISIONES 11


Figura 1. Solucin de la primera restriccin

Fuente: Elaboracin propia (2016)

Teniendo en cuenta la imagen anterior , la restriccin # 2 queda como una lnea recta paralela a
el eje y, el espacio de solucin para esta restriccin es todo el conjunto de nmeros que van desde
0 hasta la lnea, ya que se dice que tiene que ser menor o igual a 60 unidades de
.

De la misma manera analizaremos la restriccin # 3 y la restriccin # 4, para cada una de ellas

tendremos rangos de solucin, pero para la solucin del modelo completo encontraremos la
Interseccin de cada uno de estos conjuntos de solucin.

Sigamos con la restriccin #3 que ser tambin una lnea recta pero en este caso ser paralela al
eje x y tendr un valor de 720, segn la restriccin matemtica el conjunto solucin para esta
restriccin ser todos los valores menores o iguales a 720 como se muestra en la siguiente figura.

Figura 2. Solucin de la segunda restriccin

Fuente: Elaboracin propia (2016)

12 POLITCNICO GRANCOLOMBIANO
 Ahora continuando con la ecuacin #2 que es la ecuacin complicada iniciamos de la siguiente
manera:

Inicializamos en 0 lo cual nos dar una ecuacin de la siguiente manera:

Ahora con este valor ya tenemos el primer punto para dibujar la recta, tengamos en cuenta que
para dibujar una lnea recta debemos contar por lo menos con dos puntos. El primero de nuestros
puntos es:

Para el segundo punto de la recta debemos definir
para hallar un valor
para

Por lo cual tendramos la siguiente ecuacin

El segundo punto de la recta es el siguiente

Lo que se realiza al poner cada una de las variables en 0 se est poniendo un punto de cruce en
cada uno de los ejes, para lograr una construccin de la lnea. El rea que define por los valores
que se encuentren en la lnea o debajo de ella.

13
13
MODELOS PARA LA TOMA DE DECISIONES 13
 Por lo tanto tenemos la siguiente grfica:

Figura 3. Solucin de la tercera restriccin

Fuente: Elaboracin propia (2016)

Ahora para dar la solucin por el mtodo grfico, debemos tener en cuenta que es la interseccin
de los conjuntos de solucin de cada una de las restricciones. Por lo cual como ya hemos
relacionado en las grficas anteriores queda de la siguiente manera:

Figura 4. Solucin del modelo por el mtodo grfico

Fuente: Elaboracin propia (2016)

El tringulo azul es el rango de solucin del modelo, pero pues la idea es encontrar el punto donde
se crucen como mnimo dos restricciones, este punto y dependiendo de lo que est realizando es

14 POLITCNICO GRANCOLOMBIANO
 la solucin ptima (o mejor solucin para el modelo), se debe definir que se est realizando sea
una minimizacin o una maximizacin del modelo.

Figura 5. Solucin ptima del modelo por medio del mtodo grfico

Fuente: Elaboracin propia (2016)

Para hallar el valor numrico del punto de cruce de las dos restricciones se deben manejar esas
dos ecuaciones como un sistema de ecuaciones de dos variables, las cuales dando la solucin es
el punto que buscamos que ser la solucin ptima del problema, veamos cmo se debe realizar:

Debemos tener en cuenta que la recta vertical es de una valor de 60, lo cual representa la segunda
restriccin que estamos manejando como solucin ptima ahora para la segunda ecuacin se
tiene. Por lo tanto el punto de solucin ptima por mtodo grfico es (60,626,7), lo cual genera
el siguiente valor para y, reemplazndolo en la funcin objetivo del modelo, el resultado de
remplazar los valores es 131 320 que es la solucin del modelo.

5.4. Mtodo simplex

Si tenemos el siguiente problema vamos a resolverlo de manera didctica y paso a paso.

Iron Works, Inc. (IWI) fabrica dos productos de acero y slo recibe pedidos mensuales de b libras
de acero. Una unidad de producto 1 requiere de libras de acero para su fabricacin y se requieren
libras de acero para la fabricacin de una unidad de producto 2.

15
15
MODELOS PARA LA TOMA DE DECISIONES 15
 Sea y el nivel de produccin mensual de producto 1 y producto 2, respectivamente. Denote por
y las utilidades
unitarias para los productos 1 y 2, respectivamente.

El fabricante tiene un contrato para entregar al menos m unidades de producto 1 este mes.
Adicionalmente, la planta puede fabricar, como mximo, u unidades de producto 2
mensualmente.

max 11+22

Se encuentra sujeto a:

11+22

1, 20

=2000; 1=2; 2=3;=60; =720

1=100 2=200

Por lo tanto el modelo queda definido de la siguiente manera:

max 1001+2002 (1)

Se encuentra sujeto a:

21+322000 (2)

2720 (3)

160 (4)

1,20 (5)

Para desarrollar el problema por medio del mtodo simplex, debemos reorganizar cada una de
las ecuaciones pasndolas de desigualdades a igualdades, lo cual genera unas nuevas variables
por ecuacin que se llaman holguras. Para explicar lo anterior tendremos en cuenta lo siguiente:

16 POLITCNICO GRANCOLOMBIANO
 max z=1001+2002 (5)

Se encuentra sujeto a:

21+32+1=2000 (6)

2+2=720 (7)

1+3=60 (8)

Cada uno de esas variables, las holguras mencionadas en el prrafo anterior, ahora lo que
debemos realizar es una organizacin en las ecuaciones ya que para colocarlas en una tabla y
empezar a desarrollar el ejemplo por medio del mtodo simplex debemos plantear las ecuaciones
de una manera especfica. Este proceso se basa en teoras de algebra lineal y disminuciones
gausianas.

Primero realizaremos la reorganizacin de las ecuaciones:

z10012002=0 (9)

21+32+1=2000 (10)

2+2=720 (11)

1+3=60 (12)

17
17
MODELOS PARA LA TOMA DE DECISIONES 17
 La tabla quedar de la siguiente manera:

Tabla 1. Inicio del mtodo simplex

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 -100 -200 0 0 0 0

R2 0 2 3 1 0 0 2000

R3 0 0 1 0 1 0 720

R4 0 1 0 0 0 1 60

Fuente: Elaboracin propia (2016)

Donde lo que queda en la columna de resultado es lo que est al lado derecho de cada una de las
ecuaciones; lo que se presenta despus del igual. Mientras que la primera columna es el nombre
del rengln. Cada una de las siguientes columnas son las variables de decisin y holguras
correspondientes a cada una de las ecuaciones.

Como explicacin de donde aparecen las holguras, es para poder quitar los signos de
desigualdades y poder colocar el igual; estas holguras sern los nmeros que completan la
ecuacin para lograr la igualdad.

Contando con la tabla debemos encontrar lo que se llama la columna pivote, la fila pivote y el
nmero pivote del sistema. Cada una de estos datos es indispensable para poder desarrollar el
mtodo y cada uno de sus pasos.

Para hallar la columna pivote se revisa cul es el menor de los nmeros en toda la tabla, esta
estar siempre entre las variables de decisin de la funcin objetivo; si revisamos la tabla del
ejemplo que estamos realizando la columna pivote estar en -200 que se encuentra en la variable
x2 de la funcin objetivo.

Para hallar la fila pivote se debe realizar un proceso por cada una de las restricciones, ese proceso
requiere contar con la columna pivote; se divide cada uno de los nmeros de los resultados sobre
el valor del mismo de la columna pivote, como se ve en la siguiente tabla;

18 POLITCNICO GRANCOLOMBIANO
 Tabla 2. Seleccin de la columna pivote

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 -100 -200 0 0 0 0

R2 0 2 3 1 0 0 2000 2000/3 666.6666667

R3 0 0 1 0 1 0 720 720/1 720

R4 0 1 0 0 0 1 60 60/0 no se puede.

Fuente: Elaboracin propia (2016)

Teniendo en cuenta lo anterior realizamos las divisiones correspondientes a cada uno de los casos
(estas divisiones no se aplican para la funcin objetivo, solo para las restricciones). Entonces el
resultado de cada uno de los renglones ser 666.67, 720. El ultimo no se puede realizar ya que
una divisin por 0 es indeterminada; de las tres divisiones debemos encontrar el menor, por lo
tanto el rengln nmero 2 ser el rengln pivote.

19
19
MODELOS PARA LA TOMA DE DECISIONES 19


Tabla 3. Seleccin de la fila pivote y nmero pivote

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 -100 -200 0 0 0 0

R2 0 2 3 1 0 0 2000

R3 0 0 1 0 1 0 720

R4 0 1 0 0 0 1 60

Fuente: Elaboracin propia (2016)

Ahora, el nmero pivote es la interseccin de la columna pivote y la fila pivote, por lo tanto en
este ejemplo seria el nmero 3. Lo que se debe realizar es volver el nmero pivote en 1, para lo
cual debemos realizar una divisin en toda la fila que representa la ecuacin sobre 3. Despus de
realizar esa divisin queda la tabla de la siguiente manera;

Tabla 4. Disminucin de la fila pivote

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 -100 -200 0 0 0 0

R2 0 0.666666667 1 0.333333333 0 0 666.6666667

R3 0 0 1 0 1 0 720

R4 0 1 0 0 0 1 60

20 POLITCNICO GRANCOLOMBIANO
 Luego tendremos que volver cada uno de los nmeros de la columna pivote en 0, lo cual se realiza
con sumas y multiplicaciones sobre la fila pivote. Se debe seguir una serie de pasos para realizar
esta reduccin. Para el rengln 1 debemos convertir el -200 en 0 , lo cual significa que debemos
multiplicar el rengln 2 (rengln pivote) por 200 y luego sumarlo al rengln 1. Esta operacin se
presentara de la siguiente manera:

2002+1

200(00.66673 0.33330 0 0)+(1100200 000 0 )

Lo que vemos anteriormente es la operacin necesaria para disminuir el rengln 1 (representada

en vectores), por lo tanto el rengln 1 quedar as:

033.3330 66.666700 13333.33

De esta manera debe quedar el rengln 1, teniendo en cuenta que ya se redujo el -200 a 0, del
mismo modo se debe realizar para los otros dos renglones, con la siguiente relacin de ecuaciones
para cada uno de ellos.

12+3

Para el rengln 4 no se debe realizar ninguna ecuacin ya que esta se encuentra en 0. La tabla del
ejercicio sera:

Tabla 5. Disminucin en el mtodo simplex

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 33.33333333 0 66.66666667 0 0 133333.3333

R2 0 0.666666667 1 0.333333333 0 0 666.6666667

R3 0 -0.666666667 0 -0.333333333 1 0 53.33333333

R4 0 1 0 0 0 1 60

Fuente: Elaboracin propia (2016)

21
21
MODELOS PARA LA TOMA DE DECISIONES 21
 Se seguir el procedimiento mientras los coeficientes de las variables de decisin sean negativos.
Lo que quiere decir es que si revisamos la tabla tenemos varios nmeros negativos que debemos
quitar. Volvemos a escribir la tabla anterior sin la seleccin de la columna y fila pivote ya que
en este punto se vuelve a iniciar el procedimiento.

Tabla 6. Terminacin de una parte del procedimiento

Z X1 X2 S1 S2 S3 RESULTADO

R1 1 33.3333 0 66.667 0 0 133333.3333

R2 0 0.6667 1 0.333 0 0 666.6666667

R3 0 -0.6667 0 -0.333 1 0 53.33333333

R4 0 1 0 0 0 1 60

Fuente: Elaboracin propia (2016)

22 POLITCNICO GRANCOLOMBIANO
 GLOSARIO DE TRMINOS

Enunciado matemtico del objetivo de una organizacin con el que se intenta

Funcin objetivo maximizar o minimizar una cantidad de gran importancia como ganancias o
gastos.

Mtodo de
Mtodo algebraico con el que es posible hallar el punto de la interseccin de
ecuaciones
dos o ms ecuaciones de restriccin lineal.
simultaneas

Permite encontrar la mejor solucin de un programa lnea, en el que se

Mtodo de punto de comprueba el nivel de utilidad en cada punto de esquina de la regin factible;
esquina segn la teora de programacin lineal, la mejor solucin debe quedar ubicada
en uno de los puntos de esquina.

Esta condicin se presenta cuando la variable del dinero y la utilidad asociada

No acotamiento aumentan indefinidamente sin violar las restricciones del problema en un
proceso de maximizacin.

Tcnica matemtica que se utiliza para contribuir en la administracin para

Programacin lineal tomar la mejor solucin, relacionada con un desempeo ms eficiente de los
recursos de la organizacin.

Se ubica en una de las esquinas de la regin factible, lo cual significa que queda
Punto de esquina
en la interseccin de dos lneas de restriccin.

rea en la que las restricciones de recurso del problema son satisfechas y

Regin factible superpuestas, es aqu donde quedan todas las posibles soluciones del
problema.

Restriccin de los recursos disponibles para una firma; se representa en forma

Restriccin
de desigualdad o ecuacin.

Restricciones de no Este conjunto de restricciones necesita que cada variable de decisin sea no
negatividad negativa, cada X1 debe ser igual o mayor a 0.

Se define de esta manera a cualquier punto localizado en la regin factible que

Solucin factible
logre satisfacer todas las restricciones del problema.

Cualquier punto ubicado fuera de la regin factible que adems viole una o
Solucin infactible
varias de las restricciones establecidas.

23
23
MODELOS PARA LA TOMA DE DECISIONES 23
 Situacin que se presenta cuando se obtiene ms de una solucin ptima y
Solucin ptima
cuando la pendiente de la funcin objetivo es la misma que la pendiente de
alternativa
una restriccin.

Utilidad Valor general para un resultado particular.

24 POLITCNICO GRANCOLOMBIANO
 REFERENCIAS

Referencias Bibliogrficas

Anderson, D. S. (2005). Mtodos Cuantitativos para los Negocios (Novena Edicin ed.). Mxico:
Cengage Learning Editores.

Bazaraa, M. J. (1996). Programacin Lineal y Flujo en Redes (Segunda edicin ed.). Mxico:
Limusa.

Bazarra, M., & Jarvis, J. J. (2005). Programacin lineal y flujo en redes. (Segunda Edicin. ed.).
Mxico: Limusa Editores. .

Castillo. (20 de Noviembre de 2007). Departamento Unican. Recuperado de Unican:

http://departamentos.unican.es/macc/personal/profesores/castillo/libro.htm

Hillier, F. &. (2006). Texto principal: Introduccin a la Investigacin de Operaciones. (6 Edicin.

ed.). N/A: McGraw Hill. .

Hillier, F. &. (2006). Investigacin de Operaciones (Octava Edicin ed.). Mxico: McGraw-Hill.

Hillier, F. &. (2008). Mtodos Cuantitativos para Administracin (Tercera Edicin ed.). Mxico:
McGraw-Hill.

Hopp, W. &. (2008). M. Factory Physics. NY: McGraw Hill.

Taha, H. (1997). Investigacin de Operaciones: Una Introduccin (Sexta edicin ed.). NY: Prentice
Hall.

Winston, W. (2005). Investigacin de Operaciones Aplicaciones y Algoritmos (Cuarta Edicin

ed.). Mxico: Thomson.

25
25
MODELOS PARA LA TOMA DE DECISIONES 25