1

UNIVERSIDAD NACIONAL ABIERTA

DIRECCIÓN DE INVESTIGACIONES Y POSTGRADO
MAESTRÍA EN ADMINISTRACIÓN DE NEGOCIOS
UNIDAD CURRICULAR: MÉTODOS CUANTITATIVOS DE LA
GESTION DE LA EMPRESA
CENTRO LOCAL MONAGAS

ALTERNATIVAS DE DECISIÓN CON PROGRAMACIÓN LINEAL:

EL PROBLEMA

Maturín, Noviembre De 2022

INTRODUCCIÓN
 2

Las organizaciones, actualmente, presentan grandes retos durante la toma de decisiones, sin
embargo, existen diversas herramientas que ayudan en este proceso y proporciona un impacto
positivo en la productividad y competitividad. Estas herramientas permiten obtener análisis en
tiempo real y poder ver su crecimiento, en comparación con la competencia. Por lo tanto, es
fundamental conocer y seleccionar la más adecuada para ser aplicadas en cualquier momento.
Entre estas herramientas se encuentra La Programación Lineal.
La Programación Lineal (PL) es un método que mediante una función objetivo de tipo lineal
maximiza o minimiza las variables de dicha función, que están sujetas a una serie de
restricciones expresadas en un sistema de inecuaciones lineales. A las restricciones se les llama
restricciones de no negatividad y, se le conocen como condiciones del modelo que estipulan que
las variables de decisión deben tener solo valores no negativos, es decir, positivos o nulos. Al
conjunto de valores que satisfacen todas las restricciones, se les denomina región factible, que se
le cataloga como un espacio de solución o de todos los puntos posibles de un problema de
optimización que satisface las restricciones del problema, incluyendo las potencialidades, las
igualdades y las restricciones enteras. 
Cuando se estudia lo que es programación lineal se hace imprescindible señalar que ésta se
aplica para la administración eficiente de los procesos en muchos ámbitos de la economía, así
como también implica el conocimiento de que existe una diversidad de software en el mercado,
que ayuda a representar el enfoque o modelo de programación lineal. Hoy en día, es usada en las
empresas del sector público y privado, en las empresas privadas es usado en materia de finanzas,
compra de títulos valores, distribución de portafolio en finanzas, asignación de recursos, y las
empresas públicas en solución de problemas de transporte, proyectos hidroeléctricos y
petroleros, entre otros. También es usada en la microeconomía y la administración de empresas,
bien sea para aumentar el máximo de ingresos o reducir al mínimo los costos de un sistema de
producción. De igual modo, es empleada en el área del marketing y la publicidad a modo de
herramienta para identificar cuál es la combinación más factible de los medios para anunciar los
productos.

ALTERNATIVAS DE DECISIÓN CON PROGRAMACIÓN LINEAL.

 3

Para llegar a la solución de un problema de Programación Lineal se utilizan diferentes

métodos de solución. Los más difundidos son: el Método Gráfico y el Método Simplex. La
solución de un problema de Programación Lineal utilizando un procedimiento gráfico es posible
si tiene no más de dos variables, mientras que el Método Simplex es un método analítico de
solución de problemas, capaz de resolver modelos más complejos que los resueltos mediante
el método gráfico, sin restricción en el número de variables y con una mayor capacidad de
análisis de sensibilidad. En este sentido, se presenta el siguiente el ejercicio plasmado en el Plan
de Curso, en la página Nº 21, en el cual se permitirá identificar los elementos y la aplicación de
esta herramienta.
Debido a que la empresa para la que trabaja se enfrenta a un entorno sobre el cual existe
plena certeza para decidir, con base en el modelo de programación lineal se le presenta el
enunciado siguiente: Giapetto’s Woodcarving, Inc., manufactura dos tipos de juguetes de
madera: soldados y trenes. Un soldado se vende en 27 dólares y requiere 10 dólares de materia
prima. Cada soldado que se fabrica incrementa la mano de obra variable y los costos globales
de Giapetto’s en 14 dólares. Un tren se vende en 21 dólares y utiliza 9 dólares de su valor en
materia prima. Todos los trenes fabricados aumentan la mano de obra variable y los costos
globales de Giapetto’s en 10 dólares. La fabricación de soldados y trenes de madera requiere
dos tipos de mano de obra especializada: carpintería y acabados. Un soldado necesita dos horas
de trabajo de acabado u una hora de carpintería. Un tren requiere una hora de acabado y una
hora de carpintería. Todas las semanas, Giapetto’s consigue todo el material necesario, pero
solo 100 horas de trabajo de acabado y 80 de carpintería. La demanda de trenes es ilimitada,
pero se venden cuando mucho 40 soldados por semana. Giapetto’s desea maximizar las
utilidades semanales (ingresos –costos). Usted debe:
a. Diseñe el modelo que corresponde; es decir, defina las variables estudiadas, plantee su
función objetivo, restricciones y condición de no negatividad.
b. Determine la región factible a través del método gráfico.
c. Encuentre la solución óptima a través del método simplex.
d. A partir del modelo primal definido, construya el modelo dual correspondiente.
e. ¿Cuáles son las variables básicas del modelo con su respectivo valor? Explique.
 4

f. Señale y explique cuáles son los costos de oportunidad en el modelo.

g. Emita una opinión razonada sobre el aprendizaje alcanzado en esta unidad en cuanto a la
aplicación de los modelos matemáticos a la toma de decisiones administrativas.

Resolución del Problema

a. Diseñe el modelo que corresponde; es decir, defina las variables estudiadas, plantee su
función objetivo, restricciones y condición de no negatividad.
 Variables estudiadas:
Para determinar las variables de decisión debemos partir de la pregunta central del problema:
¿Cuántos soldados y trenes se deben fabricar? En este sentido, las variables de decisión se
identifican partiendo de una serie de preguntas derivadas de la pregunta central. Las variables de
decisión, son en teoría, factores controlables del sistema que se está modelando, y como tal, estas
pueden tomar diversos valores posibles, de los cuales se precisa conocer su valor óptimo, que
contribuya con la consecución del objetivo de la función general del problema.
En cualquier modelo de programación lineal, las variables de decisión deben describir por
completo las decisiones que se tienen que tomar (en este caso Giapetto’s Woodcarving, Inc).
Evidentemente, debe decidir cuántos soldados y trenes se deben fabricar cada semana. Entonces,
basándonos en la formulación del problema nuestras variables estudiadas serán las siguientes:
 X1= el número de soldados fabricados por semana.
 X2= el número de trenes fabricados por semana.
En la siguiente tabla se presenta la relación de los datos del problema con las variables
estudiadas.

Factores Soldados Trenes

Precio de venta 27$ 21$
Materia Prima 10$ 9$
Mano de Obra Variable y Costos 14$ 10$
Globales
 La Función Objetivo:
 5

La función objetivo tiene una estrecha relación con la pregunta general que se desea
responder, es decir, se relaciona con la pregunta central. En este paso es de vital importancia
establecer el contexto operativo del problema para de esta forma determinar si es de
Maximización o Minimización.
En cualquier programa de programación lineal, el que toma las decisiones desea maximizar
(por lo regular los ingresos o las utilidades) o reducir al mínimo (casi siempre los costos)
algunas funciones de las variables de decisión. Así en este caso, Giapetto’s Woodcarving Inc,
se puede concentrar en maximizar los ingresos semanales. Es decir:
 Ventas = ingresos por semana proporcionados por los soldados + ingresos por semana
proporcionados por los trenes
= 27X1 + 21X2
 Costos de Materia Prima = 10X1 + 9X2
 Mano de Obra Variable y Costos Globales = 14X1 + 10X2
Ahora bien, para maximizar la utilidad se tiene que la función objetivo estará dada por el total
de ventas menos el costo de la materia prima y el costo de Mano de Obra Variable y Costos
Globales; entonces se puede establecer el siguiente razonamiento para definir la función
objetivo:
FO= Max Z= ventas – costo Materia Prima - costo de Mano de Obra Variable y Costos
Globales
FO= Max Z= (27X1 + 21X2) – (10X1+9X2) – (14X1+10X2)
Se obtiene finalmente que la función objetivo queda definida por la siguiente forma:
FO= Max Z= 3X1+ 2X2

 Las Restricciones:
Cuando hablamos de las restricciones en un problema de programación lineal, nos referimos a
todo aquello que limita la libertad de los valores que pueden tomar las variables de decisión, es
decir, las funciones que limitan el problema.
En este caso, como se pudo interpretar la producción está sujeta al tiempo por lo que para
establecer las restricciones a las que está sujeto el problema, plantearemos los datos mediante la
siguiente tabla:
 6

Taller Tiempo Disponible Tiempo del Soldado Tiempo del Tren

Horas de Trabajo 100 h 2h 1h
de Acabado
Horas de Trabajo 80 h 1h 1h
de Carpintería

Por lo tanto, nuestras variables de decisión X 1 y X2 se encuentran condicionados por una serie
de restricciones, por lo que la empresa debe tener en cuenta las limitaciones en cuanto a la
disponibilidad de horas de acabado y carpintería, así como la demanda máxima de soldados.
A continuación estas restricciones se pueden expresar matemáticamente de la siguiente forma:
Restricción 1. El tiempo disponible para el acabado está limitado a 100 horas semanales.
Restricción 2. El tiempo disponible en carpintería está limitado a 80 horas semanales.
Restricción 3. Debido a la demanda limitada, cuando mucho se deben producir cada semana 40
soldados.
Se supone que la cantidad de materia prima en existencia es ilimitada, así que no hay
restricción alguna relacionada con esto.
Entonces, en el planteamiento de un modelo matemático para el problema de Giapetto’s
expresar las restricciones 1 a 3 en términos de las variables de decisión X1 y X2.
Para expresar la restricción 1 de acuerdo con X1 y X2 obsérvese que:
(Total de horas de acabado/semana) = (horas de acabado/ soldado)*(soldados fabricados/semana)
+ (horas de acabado/tren)*(trenes fabricados/semana)
= 2(X1) + 1(X2) = 2X1+ X2
Entonces la restricción 1 se expresa como 2X1 + X2 ≤ 100
Nota: Obsérvese que las unidades de todos los términos en (2) son horas de acabado por
semana. Para que una restricción sea razonable, todos los términos de la restricción deben
tener las mismas unidades. De lo contrario, la restricción no tendría significado alguno.
Para expresar la restricción 2 en términos de X1 y X2 nótese que:
(horas carpintería/semana) = (horas carpintería/soldado)*(trenes/semana) + (horas
carpintería/tren)*(trenes fabricados/semana)
= 1(X1) + 1(X2) = X1 + X2
 7

Entonces la restricción 2 se escribe como X1 + X2 ≤ 80

Obsérvese una vez más que las unidades de todos los términos en (3) son las mismas (en
este caso, horas de carpintería a la semana).
Por último el hecho de que cuando mucho se venden a la semana 40 soldados, se expresa
limitando la producción semanal de soldados a máximo 40 de ellos. Así se tiene la siguiente
restricción:
X1 ≤ 40
Finalmente, las restricciones quedan expresadas como se muestra:

R1= 2X1 + X2 ≤ 100

R2= X1 + X2 ≤ 80
R3= X1 ≤ 40

 Condición de no negatividad:
Son las llamadas restricciones de signo, por lo que se tiene que dar respuesta a las preguntas
siguientes para cada variable de decisión, con el fin de complementar la formulación de un
problema de programación lineal: la variable de decisión puede asumir solo valores no negativos,
o bien ¿la variable de decisión pude asumir valores tanto positivos como negativos?.
Si una variable de decisión X1 solo puede asumir valores no negativos, entonces se añade la
restricción del signo X1 ≥ 0. Si una variable X puede asumir tanto valores positivos como
negativos (o cero), entonces se dice que X no tiene restricciones de signo y se abrevia como
(nrs).
Por lo que se refiere al problema de Giapetto es evidente que X¹ ≥ 0 y X² ≥ 0. Pero algunas
variables podrían ser nrs en otros problemas. Por ejemplo, si X presenta un saldo en efectivo de
la empresa, entonces X podría ser considerado como negativo si la empresa debe más dinero del
que tiene a la mano. En este caso sería conveniente clasificar X como nrs. Por lo tanto, las
variables de decisión deben tomar valores no-negativos, puesto que no podemos producir
un número de juguetes negativo (salvo que se acepten ordenes sin inventario), entonces
las variables estudiadas poseen por sí mismas una condición de no negatividad. Finalmente, todo
lo expuesto se puede resumir en el siguiente modelo matemático:
 8

Maximizar Z  = 3 X1 + 2 X2 (1)

Restringido por:
2 X1 + X2 ≤ 100 (2)
X1 + X2 ≤ 80 (3)
X1 ≤ 40 (4)
Con una condición de no – negatividad dada por:
X1 ≥ 0 (5)
X2 ≥ 0 (6)

b. Determine la región factible a través del Método Gráfico.

La Región Factible es el conjunto de todos los puntos que satisfacen todas las restricciones.

Es la región del plano delimitada por el sistema de desigualdades que forman las restricciones.

Ahora para empezar a resolver en forma gráfica la Programación Lineal de dos variables
mediante la resolución del problema de Giapetto, se determina en forma gráfica la región
factible. Esta el conjunto de todos los puntos (X1, X2) que satisfacen:
2X¹ + X² ≤ 100 (Limitaciones) (2)

X¹ + X² ≤ 80 (3)

X¹ ≤ 40 (4)

X¹ ≤0 (Restricción de signo) (5)

X2 ≤0 (Restricción de signo) (6)

Para que un punto (X1, X2) este en la región factible (X1,X2) debe satisfacer todas las
desigualdades (2) a (6).
 9

Figura Nº 1: Solución gráfica del problema de Giapetto’s Woodcarving, Inc.

c. Encuentre la solución óptima a través del Método Simplex.

Para un problema de maximización, una solución óptima es un punto en la región factible en
el cual la función objetivo tiene un valor máximo. Para un problema de minimización una
solución óptima es un punto en la región factible en el cual la función objetivo tiene un valor
mínimo. La mayoría de los problemas de programación lineal tienen solamente una solución
óptima. Sin embargo, algunos no tienen solución óptima, y otros tienen un número infinito de
soluciones. Se puede demostrar que la solución óptima de un problema de programación lineal
siempre está en la frontera de la región factible, en un vértice (si la solución es única) o en un
segmento entre dos vértices contiguos (si hay infinitas soluciones).
Por lo tanto, tras haber identificado la región factible para el problema de Giapetto’s
Woodcarving, Inc se busca la solución óptima, calculando el valor de Z en los vértices de la
región factible quedaría expresada como se muestra en la siguiente tabla.
 10

Vértice Z = 3X1 + 2X2

(0, 0) Z = 3·0+2·0 = 0
(40, 0) Z = 3·40+2·0 = 120
(40, 20) Z = 3·40+2·20 = 160
(20, 60) Z = 3·20+2·60 = 180
(0, 80) Z = 3·0+2·80 = 160

Para encontrar la solución óptima es necesario graficar una recta en la cual todos los
puntos tengan el mismo valor Z. En un problema de maximización esta recta recibe el
nombre de recta de isoutilidad (en un problema de minimización, recta de isocostos). Para
trazar la recta de isoutilidad se escoge un punto en la región factible y se calcula su valor de
Z.
Z= 3X1 + 2X2 = 3(20) + 2(60) = 180$
Por lo tanto podemos decir que la solución óptima es:

X1 = 20 Soldados X2 = 60 trenes Z = 180$ de utilidad

En la figura 2 se puede observar que la recta de isoutilidad que pasa por el

punto G es última recta que interseca la región factible. Por consiguiente G es el
d. A partir del Modelo Primal definido, construya el Modelo Dual correspondiente.
El modelo dual de un problema de Programación Lineal consiste en una instancia alternativa
de modelamiento matemático que nos permite rescatar la información del problema original
conocido comúnmente como modelo primal.
En este caso, se busca minimizar la función objetivo Z = 100X 1 + 80X2 para determinar los
precios a los cuales la compañía debería valorar sus recursos del tal manera que pueda
determinar el mínimo valor total al cual estarían dispuestos a arrendar o vender los recursos para
que el negocio sea rentable. Las restricciones son:

2X1 + 1X2 ≥ 3
1X1 + 1X2 ≥ 2
 11

Y condiciones de no negatividad:
X1 ≥ 0
X2 ≥ 0

Dónde:

X1 y X2 es la renta percibida para las operaciones de acabado y carpintería.

Al resolver el sistema, queda que X 1 = 1 y X2 = 1. Específicamente, una hora de trabajo

de acabado vale 6$ y una hora de trabajo de carpintería vale 15$.

e. ¿Cuáles son las variables básicas del Modelo con su respectivo valor?
Z = 180 (Cantidad máxima de ingresos a la compañía en caso de producir en el punto
óptimo de operación).

X1 = 20 (Número de soldados a fabricar).

X2 = 60 (Número de trenes a fabricar)

X1 = X2 = 1 (Renta percibida para las operaciones de acabado y carpintería).

f. Señale y explique cuáles son los costos de oportunidad en el modelo.

Vértice Z = 3X1 + 2X2

(0, 0) Z = 3·0+2·0 = 0
(40, 0) Z = 3·40+2·0 = 120
(40, 20) Z = 3·40+2·20 = 160
(20, 60) Z = 3·20+2·60 = 180
(0, 80) Z = 3·0+2·80 = 160
 12

El mayor costo de oportunidad está en el vértice (20,60) ya que es la alternativa más factible
para maximizar las utilidades semanales (ingresos) y minimizar los costos de producción, lo cual
permite realizar un seguimiento a la eficiencia de la empresa, siempre en función a la
rentabilidad de la inversión realizada. Además permite apreciar los pros y los contras para la
toma de decisiones.
Cabe destacar, que es muy importante establecer comparaciones antes de hacer la elección y
poder determinar cuál es la opción más adecuada. Sin embargo, se debe enfatizar que los costos
de oportunidad, no son costes reales, en el sentido de la contabilidad de costos y desempeño.
Solo sirven para cuantificar el valor posible de las alternativas perdidas.

g. Emita una opinión razonada sobre el aprendizaje alcanzado en esta unidad en cuanto a
la aplicación de los modelos matemáticos a la toma de decisiones administrativas.
Se ha demostrado que con el apoyo que tienen los métodos cuantitativos en las decisiones
gerenciales, éstas permiten a través de varias herramientas, la tomas de decisiones fundamentales
para una empresa, puesto que, esta nos muestra cómo se puede optimizar netamente la
productividad y repartir eficientemente los recursos en una empresa, maximizando las utilidades
y minimizando los costos.
De esto aprendimos en esta unidad, que es importante que las empresas deban participar por
estos modelos de Programación lineal, ya que es una herramienta puede brindar mucha
seguridad, haciendo que las empresas sean mucho más competitivas en cualquier ámbito. Por lo
que particularmente, consideramos que puede ser utilizada por cualquier empresa o negocio,
dedicada a cualquier actividad comercial que amerite su utilidad.
 13

CONCLUSION

Un modelo de programación lineal proporciona un método eficiente para determinar una

decisión óptima, escogida de un gran número de decisiones posibles. Para el personal gerencial
de una empresa, es vital manejar adecuadamente esta herramienta que es aplicable a todas las
áreas que componen una organización empresarial y que permiten la asignación eficiente de los
recursos, además de la ayuda que presta para globalizar la información. La programación lineal
busca la asignación eficiente de los recursos, que permite maximizar las utilidades y minimizar
los costos, por lo tanto, la misma comprende la planificación de actividades, explotando al
máximo las restricciones a fines de obtener la mayor eficiencia en el logro del objetivo
planteado.
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. La programación lineal es una herramienta que nos ayuda a los administradores en la
toma de decisiones.
 14

REFERENCIAS BIBLIOGRAFICAS

[Ejercicios de Programación Lineal] (2018). Disponible en

[Link]
Alternativas-de-Decisi%C3%B3n/[Link]

[Programación Lineal]. (s.f). Disponible en

[Link]
investigacion-de-operaciones

Taha, H. A. (2004). Investigación de Operaciones. 7ma. Edición. Editorial Prentice Hall.

(Capítulo 14)

Teixeira, L., (2021). Programación Lineal como herramienta de análisis para la Toma de
Decisiones en la Empresa. Disponible en
[Link]
operaciones/metodos-cuantitativos/10517652
Torres, C., (2017). Programación Lineal paso a paso. Disponible en
[Link]
colombia/estadistica/programacion-lineal-ejemplo-paso-a-paso/6060299

Salazar, B., (2019). Programación Lineal. Disponible en

[Link]
lineal/