Materia:
ÁLGEBRA
Nombre de la Actividad:
Actividad 8. Proyecto
Nombre del maestro:
Roberto Hernández Vázquez
Miembros del Equipo 2
DIEGO ALBERTO ÁLVAREZ SOLÍS
SUSAN MARYEL GARCÍA MARTÍNEZ
MIGUEL ANGEL GAVIA GUTIÉRREZ
DEL HIERRO AARÓN GAXIOLA
SILVIA ELISA HERNÁNDEZ PERAZA
JESUS ALBERTO TORRES AGUIRRE
SOFÍA DEL CARMEN VALENCIANO LÓPEZ
ROBERTO CARLOS BRITO OCEGUEDA
SAMIR DE JESUS LEÓN PACHECO
Fecha de entrega:
22 de agosto del 2022
ACTIVIDAD
PROYECTO
Instrucciones:
I. Revisa los recursos de la unidad.
II. Resuelve de acuerdo a lo revisado en la unidad.
Problema
Una escuela debe transportar 200 estudiantes a un evento. Hay disponibles
tanto autobuses grandes como pequeños. Un autobús grande tiene
capacidad para 50 personas y alquilarlo para el evento cuesta $800. Un
autobús pequeño tiene capacidad para 40 personas y alquilarlo para el
evento cuesta $600. Hay 8 conductores disponibles el día del evento.
Actividades
Encuentra la combinación de autobuses que puedan transportar a los 200 estudiantes al
menor costo posible utilizando no más de 8 conductores.
Escribe la función objetivo y cuantifique las restricciones como desigualdades.
Verifica que el problema se puede resolver utilizando la programación lineal.
Grafica el sistema de desigualdades lineales. Identifique la región viable y los vértices.
Sustituye los vértices en la función objetivo para determinar las soluciones que brindan la
solución mínima o máxima.
Interpreta la solución en términos de otras variables de decisión.
I. Programación Lineal (PL)
1.1 Historia de la Programación Lineal
Resolver sistemas de desigualdades lineales se remonta al menos a fines del siglo XVIII,
cuando Fourier inventó una técnica de solución (bastante ineficiente), conocida hoy como
el método de eliminación de "Fourier-Motzkin".
En la década de 1930, Kantorovich y Koopmans dieron nueva vida a la programación lineal
al mostrando su amplia aplicabilidad en problemas de asignación de recursos. Ellos
recibieron conjuntamente el Premio Nobel de Economía en 1975.
Von Neumann es a menudo acreditado con la teoría de la "dualidad en Programación
Lineal"
En 1947, Dantzig inventó el primer algoritmo práctico para resolver Programaciones
Lineales: el método simplex. Esto esencialmente revolucionó el uso de la programación
lineal en la práctica.
En 1979, Khachiyan demostró que los problemas de Programación Lineal se podían
resolver en tiempo polinomial usando el "método del elipsoide". Este fue un avance teórico
más que práctico, ya que en la práctica el algoritmo era bastante lento.
En 1984, Karmarkar desarrolló el "método del punto interior", otro algoritmo de tiempo
polinomial para Programación Lineal, que también fue eficiente en la práctica. Junto con el
método simplex, este es el método de elección hoy en día para resolver Programación
Lineal.
1.2 Definición Programación Lineal
La programación lineal (PL) u optimización lineal se puede definir como el problema de
maximizar o minimizar una función lineal que está sujeta a restricciones lineales. Las
restricciones pueden ser igualdades o desigualdades. Los problemas de optimización implican
el cálculo de pérdidas y ganancias. Los problemas de programación lineal son una clase
importante de problemas de optimización, que ayudan a encontrar la región factible y optimizar
la solución para tener el valor más alto o más bajo de la función.
En otras palabras, la programación lineal se considera como un método de optimización para
maximizar o minimizar la función objetivo del modelo matemático dado con el conjunto de
algunos requisitos que se representan en la relación lineal. El objetivo principal del problema de
programación lineal es encontrar la solución óptima.
La programación lineal es el método de considerar diferentes desigualdades relevantes para
una situación y calcular el mejor valor que se requiere obtener en esas condiciones.
Componentes de Programación Lineal
Los componentes básicos del PL son los siguientes:
Actividades posibles o Variables de decisión
Restricciones
Función objetivo
Función objetivo
La función objetivo debe definirse claramente y en forma matemática como una ecuación lineal.
Dicha función se orienta a optimizar algún criterio de valor; lo que se optimiza es una función
matemática que contiene los resultados. La función matemática del objetivo puede resolver dos
tipos de problemas:
a) Maximizar un determinado criterio de valor (margen bruto total, producción total, ingreso total,
beneficio total, entre otros).
b) Minimizar un criterio de valor (costo total, uso de un determinado recurso, entre otros).
Actividades posibles o Variables de decisión
El término actividad se utiliza aquí con un sentido amplio y corresponde a cada uno de los
procesos alternativos que se pueden efectuar en el seno de una empresa, como, por ejemplo:
cultivos, producción de bienes, compra de insumos, contratación de personal, labores culturales,
venta de productos, implantación de especies, planes de manejo o tratamientos silviculturales.
Las alternativas deben ser necesariamente más de una para que tenga sentido el uso de la
programación lineal. De no ser así, la solución del problema sería trivial. Cuanto mayor sea el
número de alternativas, más útil resulta el método.
Restricciones
El tercer componente son las restricciones. Las alternativas se hallan sujetas a restricciones o
limitaciones dadas por condiciones que se deben cumplir, como, por ejemplo, no sobrepasar
(restricción de máximo) los recursos disponibles o cumplir con determinados requisitos mínimos.
Cada actividad consume una cierta cantidad de recursos (tierra, capacidad de planta, capital o
mano de obra), los cuales están en cantidades limitadas en la empresa.
Para que exista una solución, los recursos deben hallarse disponibles sólo en cantidades
limitadas y son los que acotan la solución. Tratándose de un método de optimización, se
considera el mejor uso de los recursos en relación con la función objetivo. Si se dispone de
cantidades ilimitadas de recursos para alcanzar el objetivo tampoco es necesario planificar
porque se hace innecesario un uso racional de los insumos.
Supuestos básicos de la Programación Lineal
La búsqueda de una solución óptima mediante el uso de PL implica la preparación de un modelo.
Una de las limitaciones del uso de los modelos matemáticos de programación lineal en los
problemas económicos reside en su naturaleza metodológica, pues estos modelos son
normativos en el sentido que indican la mejor solución, “lo que debería hacerse”.
La elaboración del modelo matemático tiene limitaciones de naturaleza técnica; su formulación
está basada en las siguientes hipótesis fundamentales:
Linealidad: las relaciones insumo-producto y las combinaciones entre insumos son fijas,
independientemente de la dimensión que tome la actividad. La PL no toma en cuenta los
rendimientos marginales físicos decrecientes: se trabaja como si solamente se dieran
rendimientos constantes a escala. Sin embargo, este supuesto de la linealidad no ha sido
generalmente un obstáculo importante en la aplicación práctica de la programación lineal
debido a que, dentro de límites amplios, se puede aceptar una linealidad sin distanciarse
mayormente de la realidad.
No negatividad: las actividades sólo pueden tener valores iguales o mayores a cero.
Divisibilidad: todas las actividades son continuas y pueden tomar cualquier valor, sea
entero o fraccionario.
Aditividad: los efectos de las diferentes actividades son independientes y se suman en
forma algebraica. No hay interacción entre variables, es decir que una misma porción de
recurso no puede usarse para producir dos actividades diferentes. Esto significa que las
actividades no son complementarias.
Proporcionalidad: las cantidades de insumos consumidas (o aportadas) por cada
actividad son siempre proporcionales al nivel de actividad. En otros términos, los niveles
de utilización de los recursos por unidad de actividad se suponen constantes. Si por
ejemplo para producir 1 hectárea de trigo se necesitan 25 horas de trabajo, $ 250 para
abonos y $ 30 para combustible, entonces producir 10 has exigirá 250 horas, $ 2.500 de
abonos y $ 300 de combustibles.
Certeza de datos: se suponen ciertos los datos utilizados. Las actividades incluidas en el
modelo son todas las posibles y los datos utilizados son lo que se darán en la realidad.
Ventajas de la Programación Lineal
Permite comparar un alto rango de soluciones alternativas y analizar sus consecuencias,
requiriendo para ello poco tiempo gerencial.
Indica al administrador como emplear eficazmente sus factores, seleccionándolos y
distribuyéndolos adecuadamente.
Permite al administrador ser más objetivo en sus decisiones por la posibilidad de formular
matemáticamente el problema.
Permite modificaciones a la solución matemática a favor de la convivencia de la empresa,
mediante la inclusión o reformulación de las restricciones.
Posibilita identificar los “cuellos de botella” en las operaciones productivas.
Desventajas de la Programación Lineal
No formula expectativas de precios: éstos deben ser datos conocidos para resolver el
problema.
No estima las relaciones insumo-producto: debe contarse con los datos de cantidad y
distribución de mano de obra, tierra y capital necesarios.
No resuelve situaciones de riesgo: la programación lineal se basa en el supuesto de la
certeza de los datos, esto es, se suponen confiables los datos de precios, producciones,
requerimientos, entre otros.
Problema de Programación Lineal
1. Escribe la función objetivo y cuantifique las restricciones como desigualdades.
1.1 Variables de decisión
𝑥1: número de autobuses grandes con capacidad de 50 personas.
𝑥2: número de autobuses pequeños con capacidad de 40 personas.
1.2 Función Objetivo
Minimizar 𝑍 = 𝐶1𝑥1 + 𝐶2𝑥2
C1 = 800 C2 = 600
Minimizar 𝑍 = 800𝑥1 + 600𝑥2
1.3 Restricciones
1.3.1 Restricción de Capacidad de Autobuses
𝑎11𝑥1 + 𝑎12𝑥2 ≥ 𝑏1
a11 = 50 personas
a12 = 40 personas
b1 = 200 personas
50𝑥1 + 40𝑥2 ≥ 200
1.3.2 Restricción de Número de Conductores
𝑎21𝑥1 + 𝑎22𝑥2 ≤ 𝑏2
a21 = 1
a22 = 1
b2 = 8 conductores
𝑥1 + 𝑥2 ≤ 8
1.4 Establecer No negatividad de variables de decisión
𝑥1 ≥ 0
𝑥2 ≥ 0
1.5 Modelo de Programación Lineal
Minimizar: 𝑍 = 800𝑥1 + 600𝑥2
Sujeto a: 50𝑥1 + 40𝑥2 ≥ 200
𝑥1 + 𝑥2 ≤ 8
Donde: 𝑥1 ≥ 0
𝑥2 ≥ 0
2. Verifica que el problema se puede resolver utilizando la programación lineal.
Para que un problema sea de programación lineal, las variables de decisión, la función objetivo
y las restricciones tienen que ser funciones lineales. Si se cumplen las tres condiciones, se llama
Problema de Programación Lineal.
En este caso, las 3 condiciones se cumplen, por tanto, es un problema sea de programación
lineal.
3. Grafica el sistema de desigualdades lineales. Identifique la región viable y los vértices.
3.1 Resolver Desigualdades
Los puntos cuyas coordenadas satisfacen todas las desigualdades del sistema de restricciones
se denominan región de soluciones factibles.
Es necesario resolver cada desigualdad del sistema de restricciones para encontrar la región de
soluciones factibles de este problema.
3.2 Paso 1
Por la condición del problema: x1 ≥ 0 x2 ≥ 0.
Ahora tenemos la región de soluciones factibles que se muestra en la imagen 1.
Imagen 1
3.3 Paso 2
Resolvamos la desigualdad del sistema de restricciones:
50𝑥1 + 40𝑥2 ≥ 200
Primero, necesitamos trazar una línea recta: 50𝑥1 + 40𝑥2 = 200
Sea x1 =0 => 40 x2 = 200
x2 = 200/40 = 5
Sea x2 =0 => 50 x1 = 200
x1 = 200/50= 4
Se encontraron dos puntos: (0, 5) y (4,0)
Ahora podemos trazar la línea recta (1) a través de los dos puntos encontrados.
Volvamos a la desigualdad.
50𝑥1 + 40𝑥2 ≥ 200
Necesitamos que solo x2 esté en el lado izquierdo de la desigualdad:
40x2 ≥ - 50x1 + 200
x2 ≥ - 50/40 x1 + 200/40
x2 ≥ - 5/4 x1 + 5
El signo de desigualdad es ≥. Por lo tanto, debemos considerar los puntos por encima de la recta
(1).
Combinemos este resultado con la imagen anterior. Ahora tenemos la región de soluciones
factibles que se muestra en la imagen 2.
Imagen 2
3.4 Paso 3
Resolvamos la desigualdad del sistema de restricciones:
𝑥1 + 𝑥2 ≤ 8
Necesitamos trazar una línea recta: x1 + x2 = 8
Sea x1 =0 => x2 = 8
Sea x2 =0 => x1 = 8
Se encontraron dos puntos: (0, 8) y (8 ,0)
Ahora podemos trazar la línea recta (2) a través de los dos puntos encontrados.
Volvamos a la desigualdad.
x1 + x2 ≤ 8
Necesitamos que solo x2 esté en el lado izquierdo de la desigualdad:
x2 ≤ - x1 + 8
El signo de desigualdad es ≤. Por tanto, debemos considerar puntos por debajo de la recta (2).
Combinemos este resultado con la imagen anterior. Ahora tenemos la región de soluciones
factibles que se muestra en la imagen 3.
Imagen 3
3.5 Paso 4: Identificara Vértices.
A = (0,5)
B = (4,0)
C = (0,8)
D = (8,0)
4. Sustituye los vértices en la función objetivo para determinar las soluciones que brindan
la solución mínima o máxima.
a) A = (0,5) Z = 800(0) + 600 (5) = 3,000
B = (4,0) Z = 800(4) + 600 (0) = 3,200
C = (0,8) Z = 800(0) + 600 (8) = 4,800
D = (8,0) Z = 800(8) + 600 (0) = 6,400
La solución óptima es Zmin = 3,000. Se obtiene para los valores de X1 = 0 y X2 = 5
b) En el caso de:
Maximizar: 𝑍 = 800𝑥1 + 600𝑥2
Sujeto a: 50𝑥1 + 40𝑥2 ≤ 200
𝑥1 + 𝑥2 ≤ 8 (Conservando la restricción sobre los conductores)
Donde: 𝑥1 ≥ 0
𝑥2 ≥ 0
La solución óptima es Zmax = 3,200. Se obtiene para los valores de X1=4 y X2= 0
5. Encuentra la combinación de autobuses que puedan transportar a los 200 estudiantes
al menor costo posible utilizando no más de 8 conductores.
La combinación de autobuses que puedan transportar a los 200 estudiantes al menor costo
posible utilizando no más de 8 conductores es:
5 autobuses pequeños y 0 autobuses grandes con un costo de $3,000.
6. Conclusión acerca de los resultados obtenidos.
La solución es x1 = 0 y x2 = 5 con Z = 800(0) + 600 (5) = 3,000, que requiere la siguiente
combinación de autobuses: 5 autobuses pequeños y 0 autobuses.
La solución antes mencionada permite transportar a los 200 estudiantes al menor costo posible
utilizando no más de 8 conductores (requiere de 5 autobuses pequeños y sus 5 respectivos
conductores).
7. Interpreta la solución en términos de otras variables de decisión.
Definamos nuevas variables de decisión, supongamos que la empresa de transporte como parte
de su plan de renovación de unidades viejas, sustituye el siguiente tipo de unidades:
los autobuses pequeños con capacidad de 40 personas por autobuses con capacidad de 50
personas y los autobuses grandes con capacidad de 50 personas por autobuses con capacidad
de 100 personas.
Consideremos que el costo de renta de los autobuses con capacidad de 50 personas es de $700
y el de los autobuses con capacidad de 100 personas es de $1600.
7.1 Nuevas Variables de decisión
𝑥1: número de autobuses grandes con capacidad de 100 personas.
𝑥2: número de autobuses pequeños con capacidad de 50 personas.
7.2 Nuevo Modelo de Programación Lineal
Minimizar: Z = 1600X1 + 700X2
Sujeto a:
Restricción 1: 100X1 + 50X2 ≥ 200
Restricción 2: X1 + X2 ≤ 8
Donde: X1, X2 ≥ 0
7.3 Resultado - Método Gráfico
7.4 Vértices
A = (0, 4)
B = (2,0)
C = (0,8)
D = (8,0)
7.5 Sustituye los vértices en la función objetivo para determinar las soluciones que
brindan la solución mínima.
La solución óptima es Zmin = 2800. Se obtiene para los valores de X1 = 0 y X2 = 4.
7.6. Encuentra la combinación de autobuses que puedan transportar a los 200
estudiantes al menor costo posible utilizando no más de 8 conductores.
La combinación de autobuses que puedan transportar a los 200 estudiantes al menor costo
posible utilizando no más de 8 conductores es:
4 autobuses pequeños y 0 autobuses grandes con un costo de $2,800.
7.7 Conclusión acerca de los resultados obtenidos.
La solución es x1 = 0 y x2 = 4 con Z = 1600(0) + 700 (4) = 2,800, que requiere la siguiente
combinación de autobuses: 4 autobuses pequeños y 0 autobuses.
La solución antes mencionada permite transportar a los 200 estudiantes al menor costo posible
utilizando no más de 8 conductores (requiere de 4 autobuses pequeños y sus 4 respectivos
conductores).
8. Conclusión grupal del Proyecto Final
La aplicación del álgebra está presente no solo en la vida laboral, sino también en nuestra rutina
diaria, por lo que es importante dejar de lado la concepción donde creemos que sólo se basa en
una simbología literal (a, b, c…), o que su aplicación se restringe únicamente a lo académico,
todo lo contrario. Esta disciplina expande la mente a través de ejercicios y enfoques distintos,
nos ayuda a salir del encuadre rutinario para buscar distintas posibilidades y jugar con las reglas
preestablecidas resolviendo problemas desde muchas perspectivas. Simplificar la complejidad.
Ejemplo de ello es este último tópico en nuestro temario, “programación lineal”, el cual nos
muestra un camino que nos impulsa a la optimización de operaciones, lo cual nos ayuda, no
sólo a reducir costos monetarios, sino a fijar nuestra atención en las áreas adecuadas para una
mejor administración, y con ello, maximizar las ganancias.
¿Cómo nos ayuda la programación lineal? Nos permite convertir los datos de un problema
representándolos por medio de un modelo, que nos ayuda a un mejor entendimiento de una
situación problemática acerca de asignación de recursos productivos con la finalidad de tomar
decisiones más certeras en beneficio de un objetivo concreto.
En nuestro equipo, nos sentimos satisfechos por el amplio temario revisado, un poco inquietos
por el poco tiempo en el que la materia debe cubrir todos los temas. No obstante, es un primer
paso muy importante en nuestro desarrollo académico y profesional que sienta las bases de un
pensamiento más analítico. Agradecemos las atenciones del profesor y de la institución y
continuamos con nuestro compromiso y sed de conocimiento y superación personal.
9. Fuentes de consulta
Coronel, M. (2004). Programación Lineal Aplicada al Manejo Forestal. Recuperado el 19 de
agosto de 2022, de: [Link]
[Link]
Linear programming. (2016, agosto 22). BYJUS; BYJU’S. [Link]
programming/
López, B. S. (2021, 13 agosto). Programación lineal. Ingeniería Industrial Online.
[Link]
linea
Luna Sánchez, J. C. (2016). Matemáticas VI. Blackboard. Recuperado 19 de agosto de
2022, de
[Link]
_A_Matematicas_VI_Plan2016.pdf
Valle S., J. C. (2011). Álgebra lineal para estudiantes de ingeniería y ciencias. España:
McGraw-Hill España. Recuperado de:
[Link]
Santana Robles, Francisca (2017). Áreas de aplicación de la programación lineal.
Universidad Autónoma del Estado de Hidalgo. Recuperado de
[Link]
aplicacion_de_la_programacion_lineal.pdf
