Se puede decir que la programación lineal es importante en la toma de decisiones, ya que es utilizado como un

método para resolver determinados problemas en la industria, economía etc. Es una forma matemática de
trabajar con datos reales, con el fin de poder conseguir las mejores formas u oportunidades que se presenten
en una empresa o industria y ser aprovechadas para el bien de la organización.

La programación lineal (PL) es un procedimiento matemático recientemente descubierto (a mediados

del siglo XX), que consiste en una serie de formas y procedimientos que permiten desarrollar una serie
de problemas de optimización (minimizar o maximizar) en el aspecto matemático, en el cual se
resuelven problemas indeterminados, formulados a través de inecuaciones. Las variables están
sostenidas a una serie de restricciones. Los modelos de programación lineal se caracterizan por su
simplicidad de uso para abordar una gran diversidad de problemas de la naturaleza real en la ingeniería
y ciencias sociales, mediante el cual empresas y organizaciones han obtenido importantes beneficios y
ahorros asociados a su utilización. La programación lineal es un conjunto de técnicas racionales de
análisis y de resolución de problemas que tiene por objeto ayudar a los responsables en las decisiones
sobre asuntos en los que interviene un gran número de variables.

El nombre de programación lineal no procede de la creación de programas de ordenador, sino de un

término militar, programar, que significa 'realizar planes o propuestas de tiempo para el entrenamiento,
la logística o el despliegue delas unidades de combate'.

La investigación de operaciones en general y la programación lineal en particular recibieron un gran

impulso gracias a los ordenadores. Uno de los momentos más importantes fue la aparición del método
del simplex. Este método, desarrollado por G. B. Dantzig en 1947, consiste en la utilización de un
algoritmo para optimizar el valor de la función objetivo teniendo en cuenta las restricciones planteadas.
Partiendo de uno de los vértices de la región factible, por ejemplo el vértice A, y aplicando la
propiedad: si la función objetivo no toma su valor máximo en el vértice A, entonces existe una arista
que parte del vértice A y a lo largo de la cual la función objetivo aumenta. Se llega a otro vértice.

El procedimiento es iterativo, pues mejora los resultados de la función objetivo en cada etapa hasta
alcanzar la solución buscada. Ésta se encuentra en un vértice del que no parta ninguna arista a lo largo
de la cual la función objetivo aumente.

OBJETIVO
La programación lineal constituye un importante campo de la optimización por varias razones, muchos
problemas prácticos de la investigación de operaciones pueden plantearse como problemas de
programación lineal. Algunos casos especiales de programación lineal, tales como los problemas de
flujo de redes y problemas de flujo de mercancías se consideraron en el desarrollo de las matemáticas
lo suficientemente importantes como para generar por si mismos mucha investigación sobre algoritmos
especializados en su solución. Una serie de algoritmos diseñados para resolver otros tipos de problemas
de optimización constituyen casos particulares de la más amplia técnica de la programación lineal.
Históricamente, las ideas de programación lineal han inspirado muchos de los conceptos centrales de la
teoría de optimización tales como la dualidad, la descomposición y la importancia de la convexidad y
sus generalizaciones. Del mismo modo, la programación lineal muy usada en la microeconomía y la
administración de empresas, ya se apara aumentar al máximo los ingresos o reducir al mínimo los
costos de un sistema de producción.
Optimización de la combinación de cifras comerciales en una red linealde distribución de agua

Aprovechamiento óptimo de los recursos de una cuenca hidrográfica,para un año con afluencias
caracterizadas por corresponder a unadeterminada frecuencia.

Soporte para toma de decisión entiempo real, para operación de unsistema de obras hidráulicas.

Solución de problemas de transporte.

RESULTADOS
Aunque en la realidad rara vez surgen problemas con sólo dos o tres variables de
decisión, es sin embargo muy útil esta metodología de solución e interpretación,
en la que se verán las situaciones típicas que se pueden dar, como son la
existencia de una solución óptima única, de soluciones óptimas alternativas, la no
existencia de solución y la no acotación. Describimos aquí las fases del
procedimiento de solución del Método Gráfico: Dibujar un sistema de coordenadas
cartesianas en el que cada variable de decisión esté representada por un eje, con
la escala de medida adecuada a su variable asociada. Dibujar en el sistema de
coordenadas las restricciones del problema (incluyendo las de no negatividad).
Para ello, observamos que si una restricción es una inecuación, define una región
que será el semiplano limitado por la línea recta que se tiene al considerar la
restricción como una igualdad. Si la restricción fuera una ecuación, la región que
define se dibuja como una línea recta. La intersección de todas las regiones
determina la región factible o espacio de soluciones (que es un conjuntoconvexo).
Si esta región es no vacía, ir a la fase siguiente. En otro caso,no existe solución
que satisfaga (simultáneamente) todas lasrestricciones y el problema no tiene
solución, denominándose nofactible.Determinar los puntos extremos (puntos que
no están situados ensegmentos de línea que unen otros dos puntos del conjunto
convexo) dela región factible (que, como probaremos en la siguiente sección, son
loscandidatos a solución óptima). Evaluar la función objetivo en estospuntos y
aquél o aquellos que maximicen (o minimicen) el objetivo,corresponden a las
soluciones óptimas del problema.Los problemas reales de programación lineal
generalmente tienenvariables de decisión y muchas restricciones. Tales
problemas no puedenser resueltos gráficamente. Se usan algoritmos tales como
el simplex. Elmétodo simplex es un procedimiento iterativo que
progresivamentepermite obtener una solución óptima para los problemas
deprogramación lineal.

1.
Establézcase la tabla inicial de simples. Formular la funciónobjetivo y las
restricciones e introducir las variables de decisión,variable en la solución, valor en
solución (LD), C (contribución dela variable), Z (costo de introducir la variable), C
–
Z (contribuciónneta de la variable).2.

Selecciónese la columna pivote. Ésta es la columna con el númeropositivo más

grande en el renglón inferior (C - Z). Esta seconvierte en la nueva variable de la
solución.3.

Selecciónese el renglón pivote. Éste es el renglón con la razón máspequeña del

valor LD dividido por el valor de la columna pivote.Úsense sólo números positivos.
Esto identifica la variable que dejala solución.4.

Enciérrese en un círculo el elemento pivote. Ésta es la interseccióndel renglón y la

columna pivotes.5.

Conviértase al elemento pivote en un 1. Hágase esto dividiendocada valor del

renglón pivote entre el valor pivote. Métase esterenglón en una tabla nueva.6.

Genérense los demás renglones de la nueva tabla con ceros en lacolumna pivote.
Esto se hace multiplicando el nuevo renglón (delpaso 5) por el negativo del
elemento en la columna pivote. Elresultado será sumado al antiguo renglón.
Introdúzcase esterenglón revisado en la nueva tabla, y continúese
esteprocedimiento en cada renglón de la sección central de la tabla.7.

Prueba de optimización. Calcúlense los valores de Z y C

–
Z. Losvalores de Z de cada columna son (elementos de la columna) (C ).Si todos
los valores de C
–

Z son ≤ 0, la solución es óptima.

Léanse los valores de las variables en la solución de la columna deLD y el valor de
la función objetivo del renglón de Z en la columnade LD. Si la solución no
es óptima, regrese al paso 2.Método de las Dos FasesÉste método difiere del
Simplex en que primero hay que resolver unproblema auxiliar que trata de
minimizar la suma de las variablesartificiales. Una vez resuelto este primer
problema y reorganizar la tablafinal, pasamos a la segunda fase, que consiste en
realizar el métodoSimplex normal.
CONCLUCIONES

La toma de decisiones juega un papel muy importante dentro delámbito

empresarial donde la aplicabilidad de la programaciónlineal es fundamental para
optar por la mejor solución.
Un problema de programación línea no solo se lo puede comprobarpor el método
grafico sino que para su mayor seguridad se puedeoptar por el método simplex.

La programación lineal clásica se plasma en soluciones generadas mediante

cálculos manuales, pero con el desarrollo de la computación esos cálculos
manuales son escritos en códigos entendibles por el computador, generando una
mejor optimización a los distintos usuarios para poder utilizarlos y lo más
importante es que con solo con la digitación de algunos datos sus resultados son
los que permiten tomar medidas decisorias.

La programación lineal es una técnica sencilla y potente que puede ser aplicada
para solucionar un sin número de problemas económicos siempre y cuando se
cumplan los supuestos que estar e quiere para su implementación.

La programación lineal es una técnica poderosa para tratar problemas de asignación de recursos escasos
entre actividades que compiten, al igual que otros problemas cuya formulación matemática es parecida. Se
ha convertido en una herramienta estándar de gran importancia para muchas organizaciones industriales y
de negocios. Aún más, casi cualquier organización social tiene el problema de asignar recursos en algún
contexto y cada vez mayor el reconocimiento de la aplicabilidad tan amplia de esta técnica.

Sin embargo, no todos los problemas de asignación de recursos limitados se pueden formular de manera
que se ajusten a un modelo de programación lineal, ni siquiera como una aproximación razonable. Cuando
no se cumplen una o más de las suposiciones de programación lineal, tal vez sea posible aplicar otro tipo
de modelos matemáticos, por ejemplo, los modelos de programación entera o de programación no lineal.

Introducción y Resumen

Los problemas de toma de decisiones se pueden clasificar en dos categorías: modelos de

decisión determinísticos y modelos de decisión probabilísticos. En los modelos
deterministicos, las buenas decisiones se basan en sus buenos resultados. Se consigue lo
deseado de manera "deterministica", es decir, libre de riesgo. Esto depende de la influencia
que puedan tener los factores no controlables, en la determinación de los resultados de una
decisión y también en la cantidad de información que el tomador de decisión tiene para
controlar dichos factores.

Aquellos que manejan y controlan sistemas de hombres y equipos se enfrentan al

problema constante de mejorar (por ejemplo, optimizar) el rendimiento del sistema. El
problema puede ser reducir el costo de operación y a la vez mantener un nivel aceptable de
servicio, utilidades de las operaciones actuales, proporcionar un mayor nivel de servicio sin
aumentar los costos, mantener un funcionamiento rentable cumpliendo a la vez con las
reglamentaciones gubernamentales establecidas, o "mejorar" un aspecto de la calidad del
producto sin reducir la calidad de otros aspectos. Para identificar la mejora del
funcionamiento del sistema, se debe construir una representación sintética o modelo del
sistema físico, que puede utilizarse para describir el efecto de una variedad de soluciones
propuestas.

Un modelo puede considerarse como una entidad que captura la esencia de la realidad
sin la presencia de la misma. Una fotografía es un modelo de la realidad ilustrada en la
imagen. La presión arterial puede utilizarse como un modelo de la salud de una persona. Una
campaña piloto de ventas puede utilizarse como un modelo de la respuesta de las personas a
un nuevo producto. Por último, una ecuación matemática puede utilizarse como un modelo de
la energía contenida en un determinado material. En cada caso, el modelo captura algún
aspecto de la realidad que intenta representar.

Ya que un modelo sólo captura determinados aspectos de la realidad, su uso puede no ser
apropiado en una aplicación en particular porque no captura los elementos correctos de la
realidad. La temperatura es un modelo de las condiciones climáticas pero puede ser
inapropiado si uno está interesado en la presión barométrica. Una foto de una persona es un
modelo de la misma pero brinda poca información acerca de sus logros académicos. Una
ecuación que predice las ventas anuales de un producto en particular es un modelo de ese
producto pero tiene poca utilidad si lo que nos interesa es el costo de producción por unidad.
Por lo tanto, la utilidad del modelo depende del aspecto de la realidad que representa.

Un modelo puede ser inadecuado aun cuando intenta capturar los elementos apropiados
de la realidad si lo hace de una manera distorsionada o sesgada. Una ecuación que pronostica
el volumen mensual de ventas puede ser exactamente lo que el gerente de ventas quiere pero
podría generar grandes pérdidas si arroja constantemente cálculos de ventas altos. Un
termómetro que lee de más (o de menos) tendría poca utilidad para realizar un diagnóstico
médico. En consecuencia, un modelo útil es aquel que captura los elementos adecuados de la
realidad con un grado aceptable de precisión.

Un modelo matemático es una ecuación, desigualdad o sistema de ecuaciones o

desigualdades, que representa determinados aspectos del sistema físico representado en el
modelo. Los modelos de este tipo se utilizan en gran medida en las ciencias físicas, en el
campo de la ingeniería, los negocios y la economía.

Un modelo ofrece al analista una herramienta que puede manipular en su análisis del
sistema en estudio, sin afectar al sistema en sí. Por ejemplo, supóngase que se ha desarrollado
un modelo matemático para predecir las ventas anuales como una función del precio de venta
unitario. Si se conoce el costo de producción por unidad, se pueden calcular con facilidad las
utilidades anuales totales para cualquier precio de venta. Para determinar el precio de venta
que arrojará las utilidades totales máximas, se pueden introducir en el modelo distintos
valores para el precio de venta, uno a la vez, determinando las ventas resultantes y calculando
las utilidades anuales totales para cada valor de precio de venta examinado. Mediante un
proceso de prueba y error, el analista puede determinar el precio de venta que maximizará las
utilidades anuales totales.

Lo ideal sería que si el modelo matemático es una representación válida del rendimiento
del sistema, mediante la aplicación de las técnicas analíticas adecuadas, la solución obtenida a
partir del modelo debería ser también la solución para el problema del sistema. Así, la
efectividad de los resultados de la aplicación de cualquier técnica operativa es en gran medida
una función del grado en el cual el modelo representa al sistema en estudio.

A fin de definir las condiciones que nos conducirán a la solución del problema del
sistema, el analista primero debe identificar un criterio según el cual se podrá medir el
sistema. Este criterio a menudo se denomina medida del rendimiento del sistema o medida de
efectividad. En aplicaciones empresariales, la medida de efectividad generalmente son los
costos o las utilidades, mientras que en aplicaciones gubernamentales esta medida
generalmente se define en términos de un índice costo/beneficio.

El modelo matemático que describe el comportamiento de la medida de efectividad se

denomina función objetivo. Si la función objetivo es describir el comportamiento de la medida
de efectividad, debe capturar la relación entre esa medida y aquellas variables que hacen que
dicha medida fluctúe. Las variables del sistema pueden categorizarse en variables de decisión
y parámetros. Una variable de decisión es una variable que puede ser directamente controlada
por el decisor. También existen algunos parámetros cuyos valores pueden ser inciertos para el
decisor. Esto requiere un análisis de sensibilidad después de descubrir la mejor estrategia. En
la práctica, resulta casi imposible capturar la relación precisa entre todas las variables del
sistema y la medida de efectividad a través de una ecuación matemática. En cambio, el
analista de IO/CA debe tratar de identificar aquellas variables que afectan en mayor grado la
medida de efectividad y luego debe intentar definir de manera lógica la relación matemática
entre estas variables y la medida de efectividad. Esta relación matemática es la función
objetivo que se emplea para evaluar el rendimiento del sistema en estudio

INTRODUCCIÓN
 La medición de trabajo comprende muchas técnicas afines que pueden utilizarse cada
una por su lado para medir el trabajo. El tiempo total de fabricación de un producto puede
aumentar a causa de malas características del modelo mismo, por el mal funcionamiento del
proceso o por el tiempo improductivo añadido en el curso de la producción y debido a
deficiencias de la dirección o a la actuación de los trabajadores. Todos esos factores tienden a
reducir la productividad de la

Empresa.

Sabemos que toda entidad manufacturera y de servicios cuenta en un momento dado con
inventarios que dependiendo de su naturaleza llegan a ser clasificados. Los más mencionados
son los inventarios de materia prima y de productos terminados que todos podemos
relacionar con el solo hecho de escucharlos, pero que tanto afecta para la empresa el tener o
no tener inventarios. En la actualidad para el mundo financiero es muy importante
determinar cual es la cantidad más óptima para invertir en un inventario, para el gerente de
producción su interés será el que se cubra la materia prima necesaria para la producción en el
momento en que esta va a ser procesada, y para los agentes de venta el saber que cuentan con
unidades suficientes para cubrir su demanda y cualquier eventualidad que pueda aumentar
las utilidades de la empresa, y para esta conocer de que manera puede disminuir sus costos
por tener inventarios que cubran todas estas características.

Las organizaciones con reputación de brindar oportunidades a empleados diversos

tendrán en su favor, la convicción de una fuerza de trabajo que se siente valorada, no tolerada,
lo que seguramente se puede traducir en lealtad, productividad y compromiso. Además,
contarán con un mayor conocimiento de las preferencias y hábitos de consumo de un mercado
diversificado.

La Programación Lineal (PL) es una de las principales ramas de la Investigación

Operativa. En esta categoría se consideran todos aquellos modelos de optimización donde las
funciones que lo componen, es decir, función objetivo y restricciones, son funciones lineales
en las variables de decisión.

Los modelos de Programación Lineal por su sencillez son frecuentemente usados para
abordar una gran variedad de problemas de naturaleza real en ingeniería y ciencias sociales,
lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a
su utilización.

Un modelo de Programación Lineal (PL) considera que las variables de decisión tienen
un comportamiento lineal, tanto en la función objetivo como restricciones del problema. En
este sentido, la Programación Lineal es una de las herramientas más utilizadas en la
Investigación Operativa debido a que por su naturaleza se facilitan los cálculos y en general
permite una buena aproximación de la realidad.
 Los Modelos Matemáticos se dividen básicamente en Modelos Determistas (MD) o
Modelos Estocásticos (ME). En el primer caso (MD) se considera que los parámetros
asociados al modelo son conocidos con certeza absoluta, a diferencia de los Modelos
Estocásticos, donde la totalidad o un subconjunto de los parámetros tienen una distribución
de probabilidad asociada. Los cursos introductorios a la Investigación Operativa
generalmente se enfocan sólo en Modelos Determistas.

Supuestos Básicos de la Programación Lineal: Linealidad, Modelos Deterministas, Variables

reales, No Negatividad.

Aplicaciones

1. Problema de la Dieta: (Stigler, 1945). Consiste en determinar una dieta de manera

eficiente, a partir de un conjunto dado de alimentos, de modo de satisfacer requerimientos
nutricionales. La cantidad de alimentos a considerar, sus características nutricionales y los
costos de éstos, permiten obtener diferentes variantes de este tipo de modelos. Por ejemplo:

Leche

(lt) Legumbre

(1 porción) Naranjas

(unidad) Requerimientos

Nutricionales

Niacina 3,2 4,9 0,8 13

Tiamina 1,12 1,3 0,19 15

Vitamina C 32 0 93 45

Costo 2 0,2 0,25

Variables de Decisión:

 X1: Litros de Leche utilizados en la Dieta

 X2: Porciones de Legumbres utilizadas en la Dieta

 X3: Unidades de Naranjas utilizadas en la Dieta

Función Objetivo: (Minimizar los Costos de la Dieta) Min 2X1 + 0,2X2 + 0,25X3
Restricciones: Satisfacer los requerimientos nutricionales

 Niacina: 3,2X1 + 4,9X2 + 0,8X3 >= 13

 Tiamina: 1,12X1 + 1,3X2 + 0,19X3 >=15

 Vitamina C: 32X1 + 0X2 + 93X3 >= 45

 No Negatividad: X1>=0; X2>=0; X3>=0

Compruebe utilizando nuestro Módulo de Resolución que la solución Óptima es X1=0,

X2=11,4677, X3=0,483871, con Valor Óptimo V(P)=2,4145.

2. Problema de Dimensionamiento de Lotes: (Wagner y Whitin, 1958). Consiste en hallar

una polìtica óptima de producción para satisfacer demandas fluctuantes en el tiempo, de
modo de minimizar los costos de producción e inventario, considerando la disponibilidad de
recursos escasos.

Considere que una fabrica puede elaborar hasta 150 unidades en cada uno de los 4
periodos en que se ha subdividido el horizonte de planificación y se tiene adicionalmente la
siguiente información:

Periodos Demandas

(unidades) Costo Prod.

(US$/unidad) Costo de Inventario

(US$/unidad)

1 130 6 2

2 80 4 1

3 125 8 2.5

4 195 9 3

Adicionalmente considere que se dispone de un Inventario Inicial de 15 unidades y no se

acepta demanda pendiente o faltante, es decir, se debe satisfacer toda la demanda del período.

PROGRAMACION LINEAL
 La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se
resuelve un problema indeterminado, formulado a través de ecuaciones lineales, optimizando
la función objetivo, también lineal.

Consiste en optimizar (minimizar o maximizar) una función lineal, denominada función

objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales.

Historia de la programación lineal

El problema de la resolución de un sistema lineal de inecuaciones se remonta, al menos,

a Joseph Fourier, después de quien nace el método de eliminación de Fourier-Motzkin. La
programación lineal se plantea como un modelo matemático desarrollado durante la Segunda
Guerra Mundial para planificar los gastos y los retornos, a fin de reducir los costos al ejército y
aumentar las pérdidas del enemigo. Se mantuvo en secreto hasta 1947. En la posguerra,
muchas industrias lo usaron en su planificación diaria.

Los fundadores de la técnica son George Dantzig, quien publicó el algoritmo simplex, en
1947, John von Neumann, que desarrolló la teoría de la dualidad en el mismo año, y Leonid
Kantoróvich, un matemático ruso, que utiliza técnicas similares en la economía antes de
Dantzig y ganó el premio Nobel en economía en 1975. En 1979, otro matemático ruso, Leonid
Khachiyan, diseñó el llamado Algoritmo del elipsoide, a través del cual demostró que el
problema de la programación lineal es resoluble de manera eficiente, es decir, en tiempo
polinomial.2 Más tarde, en 1984, Narendra Karmarkar introduce un nuevo método del punto
interior para resolver problemas de programación lineal, lo que constituiría un enorme avance
en los principios teóricos y prácticos en el área.

El ejemplo original de Dantzig de la búsqueda de la mejor asignación de 70 personas a 70

puestos de trabajo es un ejemplo de la utilidad de la programación lineal. La potencia de
computación necesaria para examinar todas las permutaciones a fin de seleccionar la mejor
asignación es inmensa (factorial de 70, 70!) ; el número de posibles configuraciones excede al
número de partículas en el universo. Sin embargo, toma sólo un momento encontrar la
solución óptima mediante el planteamiento del problema como una programación lineal y la
aplicación del algoritmo simplex. La teoría de la programación lineal reduce drásticamente el
número de posibles soluciones óptimas que deben ser revisadas

ROGRAMACIÓN LINEAL

Como su nombre lo indica, la formulación directa estriba en pasar directamente del

sistema asumido al modelo de Programación Lineal. Para tal efecto, se propone el siguiente
orden:

1. Definir el objetivo
2. Definir las variables de decisión.

3. Enseguida las restricciones estructurales.

4. Finalmente establecer las condiciones técnicas

1. Definir el Objetivo: Consiste en definir un criterio de optimización el cual puede ser

Maximización o Minimización dependiendo del problema que se desee resolver, el cual es una
función lineal de las diferentes actividades del problema. Bajo el criterio de optimización
definido se pretende medir la contribución de las soluciones factibles que puedan obtenerse y
determinar la óptima.

2. Definir las variables de decisión: Son las incógnitas del problema básicamente
consisten en los niveles de todas las actividades que pueden llevarse a cabo en el problema a
formular, estas pueden ser de tantos tipos diferentes como sea necesario, e incluir tantos
subíndices como sea requerido.

3. Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier
solución para que pueda llevarse a cabo. En cierta manera son las limitantes en los valores de
los niveles de las diferentes actividades (variables). Las restricciones más comunes son de seis
tipos, las cuales se listan a continuación:

• Restricción de capacidad: limitan el valor de las variables debido a las disponibilidades de

horas-hombre, horas-máquina, espacio, etc.

• Restricción de mercado: Surgen de los valores máximos y mínimos en las ventas o el uso del
producto o actividad a realizar.

• Restricción de entradas: Son limitantes debido a los escases de materias primas, mano de
obra, dinero, etc.

• Restricción de calidad: Son las restricciones que limitan las mezclas de ingredientes,
definiendo usualmente la calidad de los artículos a manufacturar.

• Restricciones de balance de material: Estas son las restricciones que definen las salidas
de un proceso en función de las entradas, tomando en cuenta generalmente cierto porcentaje
de merma o desperdicio.

• Restricciones Internas: Son las que definen a una variable dada, en la formulación interna
del problema, un ejemplo tipo, es el de inventario.

4. Condiciones Técnicas: En este apartado se establece que todas las variables deben tomar
valores no negativos.
INTRODUCCION

El presente trabajo escrito, expone el desarrollo del trabajo colaborativo 2, elaborado con
el fin de concretar conocimientos básicos y construir conceptos apropiados de los métodos de
Solución que se plantean, los diferentes métodos empleados para solucionar problemas a
nivel gráfico, algebraico, simplex, sobre la estructuración y desarrollo de procesos de
programación lineal contemplados en la segunda fase de estudio del modulo de programación
lineal de la unad.

La programación lineal (pl.) es una de las principales ramas de la investigación

operativa; en esta categoría se consideran todos aquellos modelos de optimización donde las
funciones que lo componen, es decir, función objetivo y restricciones, son funciones lineales
en las variables de decisión.

OBJETIVOS

 Identificar los diferentes algoritmos utilizados para solucionar problemas de programación

lineal.

 Proponer y plantear problemas de aplicación donde se utilicen los differences métodos para
solucionar problemas de PL.

 Utilizar el Algoritmo simplex a través de tablas y la identificación de variables básicas y

artificiales para la solución de problemas de PL optimizados

Programación lineal.

La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se

resuelve un problema indeterminado, formulado a través de ecuaciones lineales, optimizando
la función objetivo, también lineal.

Consiste en optimizar (minimizar o maximizar) una función lineal, denominada función

objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de
restricciones que expresamos mediante un sistema de inecuaciones lineales.

A pesar de que la programación lineal se empezó a estudiar desde finales del S.XIX no
fue hasta mediados del presente siglo en que tuvo auge como técnica matemática aplicable a
los problemas de la empresa.

El Dr. G. Damtzing desarrolló el método simplex y con ello hizo posible la solución de
grandes problemas modelados con programación lineal que solo quedaban en la situación de
estudios. Paralelamente a la invención de este método a partir de mediados del siglo se
desarrollo la computación digital y se pudo tener resultados óptimos a los problemas
estudiados que se quedaron como modelos.

La programación lineal es actualmente la técnica matemática utilizada mas actualmente

gracias a que el algoritmo simplex es muy eficiente y al desarrollo de la computación.

Lo que se busca con la aplicación de la programación lineal es resolver problemas

comunes y a la vez muy variados de la empresa en donde en general se tienen necesidades por
satisfacer con cierto número de recursos limitados o escasos y con el objetivo de lograrlo en
forma óptima. Esto significa la búsqueda de un valor máximo cuando se trata de beneficios; o
bien la búsqueda de un mínimo cuando se trata de esfuerzos a desarrollar.

Un modelo de programación lineal es un conjunto de expresiones matemáticas las cuales

deben cumplir la característica de linealidad que puede cumplirse siempre y cuando las
variables utilizadas sean de primer grado. Además un modelo de P.L debe tener las
propiedades de:

• Proporcionalidad

• Aditividad (adición)

• Divisibilidad

• Certidumbre(certeza)

Aplicaciones

La programación lineal constituye un importante campo de la optimización por varias

razones, muchos problemas prácticos de la investigación de operaciones pueden plantearse
como problemas de programación lineal. Algunos casos especiales de programación lineal,
tales como los problemas de flujo de redes y problemas de flujo de mercancías se
consideraron en el desarrollo de las matemáticas lo suficientemente importantes como para
generar por si mismos mucha investigación sobre algoritmos especializados en su solución.

La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una
serie de métodos y procedimientos que permiten resolver problemas de optimización en el ´ámbito, sobre
todo, de las Ciencias Sociales.

Se centra en aquellos problemas simples de programación lineal, los que tienen solamente 2 variables,
problemas bidimensionales.

Para sistemas de más variables, el procedimiento no es tan sencillo y se resuelven por el llamado método
Simplex (ideado por G.B.Danzig, matemático estadounidense en 1951).

Recientemente (1984) el matemático indio establecido en Estados Unidos, Narenda Karmarkar, ha

encontrado un algoritmo, llamado algoritmo de Karmarkar, que es más rápido que el método simplex en
ciertos casos. Los problemas de este tipo, en el que intervienen gran número de variables, se implementan
en ordenadores.

lo más común de este tipo de operaciones que maneja la programación lineal es el de hacer más fácil el uso
y la vida de aquellos que buscan un mayor rendimiento y manejo de costos y tiempo en diferentes
situaciones de sus empresas con la utilización de diferentes herramientas como los son el programa thora o
solver en Excel en un menor tiempo y planteando bien las ecuaciones se resuelven problemas de una forma
mas sencilla y practica gracias a la utilización de la logia de esta programación y el manejo de herramientas
como estas.

Obtener definición de cada subtema.

Ensayo de la

programación lineal

Analizar y resolver problemas de Programación Lineal.

Este método sirve para resolver problemas en el campo empresarial