INSTITUTO TECNOLÓGICO SUPERIOR DE TAMAZUNCHALE

CARRERA:
INGENIERÍA EN GESTIÓN EMPRESARIAL

ASIGNATURA:
INVESTIGACIÓN DE OPERACIONES

UNIDAD II:
PROGRAMACIÓN LINEAL

EJERCICIOS DE PROGRAMACIÓN LINEAL

DOCENTE:
ING. MARIANA DE LA CRUZ HERNÁNDEZ

INTEGRANTES:
ALUMNO No. DE CONTROL
RAFAEL DIONISIO AVILA 22IGE003
HANNIA DAVARI HERNÁNDEZ RAMOS 22IGE010
LIDIO JULIAN ARGUELLES SALAZAR 22IGE014
GUADALUPE MARTÍNEZ GAMBOA 22IGE041
BETHZY MICHELLE HERNÁNDEZ MORALES 22IGE043
LLUVIA SÁNCHEZ ÁLVAREZ 22IGE071

CUARTO SEMESTRE MATUTINO II

TAMAZUNCHALE, S.L.P 12-MARZO-2024

 ÍNDICE

Contenido
INTRODUCCIÓN ................................................................................................................................... 1
Programación Lineal minimiza costos y maximiza beneficios. ..................................................... 2
PROGRAMACIÓN LINEAL ..................................................................................................................... 3
EJERCICIO 1...................................................................................................................................... 3
INICIO DE RESOLUCIÓN DEL PROBLEMA ......................................................................................... 3
PASOS .............................................................................................................................................. 3
1. Paso 1. De acuerdo con los datos proporcionados en el problema, sacaremos las variables. ..... 3
X1= Números de unidades a producir del producto 1 ......................................................................... 3
X2= Números de unidades a producir del producto 2 ......................................................................... 3
2. Paso 2. Proseguiremos a buscar la función objetivo ................................................................... 3
Maximizar Z= 121X1 + 40X2............................................................................................................. 3
Utilidad Total= 121X1 + 40 X2 .......................................................................................................... 3
3. Paso 3. Después de haber hallado la función objetivo pasamos a realizar las restricciones. ...... 4
A. Horas disponibles en el departamento 1: X1 + 2X2 ≤ 800.......................................................... 4
B. Horas disponibles en el departamento 2: X1 + 3X2 ≤ 600.......................................................... 4
C. Horas disponibles en el departamento 3: 2X1 + 3X2 ≤ 2000...................................................... 4
Restricciones de no negatividad: X1 ≥ 0, X2 ≥ 0 .............................................................................. 4
............................................................................................................................................................. 4
MÉTODO GRAFICO .............................................................................................................................. 4
............................................................................................................................................................. 7
MÉTODO SIMPLEX ............................................................................................................................... 7
¿Qué es? ......................................................................................................................................... 7
CONCLUSIÓN ..................................................................................................................................... 10
 INTRODUCCIÓN
La programación lineal es una técnica matemática utilizada para encontrar la mejor solución
a un problema, sujeto a ciertas restricciones lineales. Estas restricciones pueden representar
limitaciones físicas, económicas o de otro tipo que se deben tener en cuenta al tomar
decisiones. El objetivo principal de la programación lineal es optimizar una función lineal,
es decir, encontrar los valores de las variables de decisión que maximicen o minimicen el
valor de dicha función.

La programación lineal se aplica en una amplia variedad de campos, como la producción, la

distribución, la logística, las finanzas, la ingeniería y la economía, entre otros. Por ejemplo,
una empresa puede utilizar la programación lineal para maximizar sus beneficios al asignar
recursos limitados como mano de obra, materias primas y tiempo de producción de manera
óptima.

El proceso de resolver un problema de programación lineal generalmente implica varios

pasos.
Primero, se identifican las variables de decisión, que son las cantidades que se pueden ajustar
para optimizar la función objetivo. Luego, se establecen las restricciones que limitan las
variables de decisión. Estas restricciones suelen estar representadas por desigualdades
lineales que reflejan las limitaciones de recursos o las capacidades de producción. Una vez
que se ha formulado el modelo de programación lineal, se utilizan métodos computacionales
para encontrar la solución óptima, que es el conjunto de valores de las variables de decisión
que maximizan o minimizan la función objetivo, cumpliendo con todas las restricciones.

En resumen, la programación lineal es una herramienta poderosa para la toma de decisiones

en situaciones donde hay múltiples opciones y recursos limitados.
Al proporcionar un marco estructurado para la optimización, la programación lineal permite
a las organizaciones mejorar la eficiencia y maximizar los resultados en una amplia gama de
aplicaciones prácticas.
A continuación, presentamos la resolución de un problema de Programación Lineal usando
los dos métodos.
 Programación Lineal minimiza costos y maximiza beneficios.

La programación lineal, un pilar fundamental en el ámbito de la investigación de operaciones,

ha evolucionado de manera significativa desde sus primeros conceptos hasta convertirse en
una herramienta indispensable en la toma de decisiones empresariales y gubernamentales. Su
desarrollo histórico ha sido una narrativa apasionante, marcada por contribuciones clave de
matemáticos visionarios y aplicaciones prácticas que han transformado la gestión eficiente
de recursos.
A mediados del siglo XX, figuras como George B. Dantzig y Leonid Kantorovich sentaron
las bases teóricas de la programación lineal. La formulación de modelos matemáticos para la
asignación óptima de recursos en situaciones de restricciones lineales dio paso a algoritmos
revolucionarios, como el Método Simplex, desarrollado por Dantzig en la década de 1940.
Este método proporcionó una solución eficaz para problemas de optimización lineal,
abriendo las puertas a aplicaciones prácticas en la gestión de cadenas de
suministro, producción y logística.

La década de 1970 presenció el auge de la programación lineal en la planificación estratégica

y la toma de decisiones corporativas. El desarrollo de software especializado permitió la
resolución eficiente de problemas más complejos, consolidando la posición de la
programación lineal como una herramienta esencial en la investigación de operaciones.
En el siglo XXI, la programación lineal ha evolucionado aún más con la integración de
técnicas avanzadas, como la optimización convexa y la programación no lineal. Su aplicación
se extiende a campos tan diversos como la ingeniería, la economía, la salud y la inteligencia
artificial, demostrando su versatilidad y relevancia continua en un mundo cada vez más
complejo y globalizado. En resumen, la programación lineal no solo ha dejado una huella
imborrable en la historia de la investigación de operaciones, sino que también sigue siendo
un faro guía para la eficiencia y la toma de decisiones informadas en la actualidad.

El objetivo primordial de la Programación Lineal es optimizar, es decir, maximizar o

minimizar funciones lineales, en varias variables lineales, con restricciones lineales (sistemas
de inecuaciones lineales), optimizando una función objetivo también lineal.

La programación lineal (LP, también conocida como optimización lineal) es el campo de

la programación matemática dedicado a maximizar o minimizar (optimizar) una función
lineal, denominada función objetivo, de tal forma que las variables de dicha función estén
sujetas a una serie de restricciones expresadas mediante un sistema de ecuaciones
o inecuaciones también lineales. El método tradicionalmente usado para resolver problemas
de programación lineal es el Método Simplex.
 PROGRAMACIÓN LINEAL

EJERCICIO 1
Cierta compañía manufacturera vende 2 productos. La compañía obtiene una utilidad de
$121.00 por unidad del producto uno, y $40.00 por unidad del producto dos. Las horas de
trabajo se requieren para los productos en cada uno de los departamentos se muestran en la
tabla siguiente:
Producto
Departamento 1 2
1 1 hora 2 horas

2 1 hora 3 horas

3 2 horas 3 horas

Los supervisores de estos departamentos han estimado que durante el próximo mes estarán
disponibles las siguientes horas de trabajo:
• 800 horas en el departamento 1
• 600 horas en el departamento 2
• 2000 horas en el departamento 3

Requieren maximizar utilidades.

INICIO DE RESOLUCIÓN DEL PROBLEMA

PASOS
1. Paso 1. De acuerdo con los datos proporcionados en el problema, sacaremos las
variables.
X1= Números de unidades a producir del producto 1
X2= Números de unidades a producir del producto 2

2. Paso 2. Proseguiremos a buscar la función objetivo

Maximizar Z= 121X1 + 40X2
Utilidad Total= 121X1 + 40 X2
 3. Paso 3. Después de haber hallado la función objetivo pasamos a realizar las
restricciones.

A. Horas disponibles en el departamento 1: X1 + 2X2 ≤ 800

B. Horas disponibles en el departamento 2: X1 + 3X2 ≤ 600
C. Horas disponibles en el departamento 3: 2X1 + 3X2 ≤ 200

Restricciones de no negatividad: X1 ≥ 0, X2 ≥ 0

MÉTODO GRAFICO

¿Qué es?

El método gráfico es una técnica de solución de problemas de programación lineal que

se utiliza principalmente para casos con dos variables. Aunque no es muy práctico para una
gran cantidad de variables, es muy útil para interpretar y analizar los resultados y la
sensibilidad del problema. Sin embargo, en casos donde se requiera un mayor número de
variables, es posible emplear otras técnicas como la proyección en un plano.

A continuación, proseguiremos con el método grafico en el cual se presentan los siguientes

pasos:

❖ Agarraremos los datos que nos dio la función objetivo y las restricciones

1) Maximizar Z= 121X1 + 40X2

1.1) 1: X1 + 2X2 ≤ 800

1.2) 2: X1 + 3X2 ≤ 600

1.3) 3: 2X1 + 3X2 ≤ 2000

1.4) X1 ≥ 0, X2 ≥ 0
 ❖ Buscaremos los valores de las variables X1 y X2

X1 X2 X1 +2X2= 800 X1 (0) +2X2= 800

1X1 + 2 (0) =800 2X2= 800

800 0
X1= 800 X2= 800/2

0 400 X1= 800/1= 800 X2= 400

X1 X2
X1 (0) +3X2= 600 X1 +3(0) = 600

3X2 =600 X1 =600 0 200

X2= 600/3= 200 X1= 600/1= 600
600 0

X1 X2 2X1 +3X2= 2000 2X1 +3X2= 2000

2X1 + 3 (0) =2000 2(0) + 3X2=2000
10O0 0
X1= 2000 X2= 2000

0 666.6 X1= 2000/2=1000 X1= 2000/3=666,6

 ❖ Realizaremos la gráfica, con los datos proporcionados al buscar los valores de
las variables, posteriormente localizaremos la factible e intersecciones.

o (0, 800), (400,0)

o (0, 200), (600,0)
o (0, 1000), (666,6, 0)

o Antes de concluir debemos analizar y realizar las sumas y restas

Debido al grafio ya mostrado, notamos que ninguna de las restricciones se intercepta
entre sí.
❖ En este último paso de debe hacer la multiplicación y suma para buscar una cantidad
mayor y así saber cual de todas las restricciones conviene más.

Maximizar Z= 121X1 +40X2

FUNCION OBJETIVO: CONCLUSIÓN: Viendo el resultado que
X1 X2 nos dio, se puede interpretar que para tener
121 (0) + 40 (200) = 8,000
una mejor producción se tienen que producir
0 200
121 (600) + 40 (0) = 72600 8000 del producto 1y 72600 del producto 2
600 0
 MÉTODO SIMPLEX

¿Qué es?
El método simplex es un algoritmo utilizado en la programación lineal para resolver
problemas de optimización. En términos simples, busca encontrar la mejor solución posible
a un problema dado, considerando ciertas restricciones y maximizando o minimizando una
función objetivo.
El método simplex tiene varias ventajas que lo convierten en una herramienta de gran
utilidad. Algunas de ellas son:

• Aplicable a problemas de gran escala: El método simplex puede aplicarse a

problemas con un gran número de variables y restricciones. Aunque su eficiencia
puede disminuir a medida que aumenta el tamaño del problema, sigue siendo una
opción viable para resolver problemas complejos.

• Solución óptima: Si se sigue correctamente, el método simplex garantiza encontrar

la solución óptima para un problema de programación lineal. Esto significa que
obtendrás el mejor resultado posible dentro de las restricciones y objetivos
establecidos.

• Flexibilidad en la formulación del problema: El método simplex permite formular

problemas en términos de maximización o minimización de una función objetivo.
Esto significa que puedes adaptar el problema a tus necesidades específicas, ya sea
maximizando ganancias, minimizando costos o cualquier otro objetivo deseado.

• Permite identificar soluciones no factibles o ilimitadas: Durante el proceso de

resolución, el método simplex puede detectar si el problema no tiene solución factible
o si tiene múltiples soluciones óptimas. Esto es útil para comprender mejor la
naturaleza del problema y tomar decisiones adecuadas.

• Interpretación geométrica: El método simplex se basa en conceptos geométricos y

utiliza un espacio de soluciones factibles para encontrar la solución óptima. Esto
proporciona una visualización intuitiva del problema y las restricciones, lo que
facilita la comprensión y el análisis de los resultados.

• Puede incorporar variables no lineales: Aunque el método simplex está diseñado

para problemas de programación lineal, se puede extender para abordar problemas
con variables no lineales utilizando técnicas de programación lineal entera o
programación no lineal.
 ❖ Utilizaremos la función objetivo y las restricciones del método pasado:

Función Objetivo
Maximizar: Z = 121X1 + 40X2 + 0S1 + 0S2 + 0S3

Sujeto a:
1X1 + 2X2 + 1S1 + 0S2 + 0S3 = 800
1X1 + 3X2 + 0S1 + 1S2 + 0S3 = 600
2X1 + 3X2 + 0S1 + 0S2 + 1S3 = 2000
X1, X2, S1, S2, S3 ≥ 0

SOLUCIÓN
MATRIZ INICIAL

TABLA 1 Cj 121 40 0 0 0

Cb Base X1 X2 S1 S2 S3 R

0 S1 1 2 1 0 0 800

0 S2 1 3 0 1 0 600

2000
0 S3 2 3 0 0 1

Z -121 -40 0 0 0 0

Ingresa la variable X1 y sale de la base la variable S2, EL ELEMENTO PIVOTE

ES 1
INTERACCIÓN 1

TABLA 1 Cj 121 40 0 0 0

Cb Base X1 X2 S1 S2 S3 R

0 S1 0 -1 1 -1 o 200

0 S2 1 3 0 1 0 600

800
0 S3 0 -3 0 -2 1

Z 0 323 0 121 0 72600

La solución óptima es Z= 72600

X1= 600, X2= 0, S1= 200, S2= 0, S3=800
 CONCLUSIÓN

En conclusión, tanto el Método Gráfico como el Método Simplex son herramientas

fundamentales en la resolución de problemas de programación lineal. El Método Gráfico
destaca por su simplicidad y facilidad de comprensión, lo que lo hace ideal para problemas
pequeños y simples de dos variables. Su enfoque visual permite una rápida identificación de
la solución óptima al trazar las restricciones y encontrar el vértice óptimo de la región
factible.

Por otro lado, el Método Simplex es una técnica más sofisticada y poderosa, especialmente
diseñada para problemas más complejos con un mayor número de variables y restricciones.
Aunque su implementación puede ser más complicada y requiere un conocimiento más
profundo del algoritmo, el Método Simplex es extremadamente eficiente en términos de
tiempo de cómputo y puede manejar problemas de gran escala de manera efectiva.

La elección entre estos métodos depende del contexto específico del problema. Para
situaciones donde la simplicidad y la visualización son prioritarias, el Método Gráfico puede
ser la mejor opción. Sin embargo, cuando se enfrenta a problemas más grandes y complicados
que requieren una solución rápida y precisa, el Método Simplex ofrece una herramienta
robusta y confiable para obtener resultados óptimos.

En última instancia, tanto el Método Gráfico como el Método Simplex son herramientas
valiosas en el arsenal del analista de programación lineal, cada uno con sus propias fortalezas
y aplicaciones específicas. La elección del método adecuado dependerá de la naturaleza del
problema y de los objetivos del análisis.
 FUENTES BIBLIOGRÁFICAS
• Winston, W. L. (2003). Investigación de operaciones: Aplicaciones y algoritmos.
Cengage Learning.

• Hillier, F. S., & Lieberman, G. J. (2005). Introducción a la investigación de

operaciones. McGraw-Hill.

• Taha, H. A. (2016). Investigación de operaciones. Pearson Educación.

• Bazaraa, M. S., Jarvis, J. J., & Sherali, H. D. (2009). Programación lineal y flujo de
redes. Wiley.

• Bronson, R. (2011). Teoría y problemas de programación lineal y análisis de redes.

McGraw-Hill.