UNIVERMILENIUM

ULISES NÁJERA JUÁREZ

Materia: INVESTIGACIÓN DE OPERACIONES

Matricula: 601200336
 Índice

• INTRODUCCIÓN. 3
• DESARROLLO. 4
1. METODO GRÁFICO 4
2. METODO SIMPLEX. 10
• CONCLUSIÓN 15
 Introducción

La programación lineal es una técnica poderosa en la optimización matemática que se utiliza para
maximizar o minimizar una función lineal sujeta a un conjunto de restricciones lineales. Para resolver
problemas de programación lineal, se utilizan métodos como el método gráfico y el método simplex.

El método gráfico ofrece una forma visualmente intuitiva de abordar problemas de programación
lineal, representando las restricciones y la función objetivo en un plano cartesiano. Las
intersecciones de las restricciones forman un polígono convexo llamado región factible, y la solución
óptima se encuentra evaluando la función objetivo en cada vértice del polígono.

Sin embargo, el método gráfico es limitado en su aplicabilidad a problemas con un número reducido
de variables y restricciones. Aquí es donde entra en juego el método simplex, un algoritmo iterativo
que encuentra sistemáticamente la solución óptima de problemas de programación lineal. El
método simplex es más complejo pero más eficiente, capaz de manejar problemas con un gran
número de variables y restricciones.

En resumen, tanto el método gráfico como el método simplex son herramientas importantes en la
resolución de problemas de programación lineal, cada uno con sus propias ventajas y aplicaciones
específicas. Juntos, ofrecen un conjunto robusto de técnicas para abordar una amplia variedad de
problemas de optimización en diferentes contextos.
 Método gráfico
¿Qué es el método grafico?
Esta es una técnica que se utiliza para la solución de problemas de una forma de
programación lineal.
Este método es especialmente útil cuando se necesita encontrar la solución óptima
de manera visual y cuando el problema tiene pocas restricciones.

Utilidad.
Este método es recomendado cuando solo existe dos pocas variables ya que con
un problema de muchas variables no es muy recomendado ya que al tener más
variables es más complicado interpretar, analizar los resultados y la sensibilidad del
problema.

Ejemplos
1
3x+5y=25 4x-4y=12
y x y x
3(0) +5y=25 3x +5(0) =25 4(0) -4y=12 4x–4(0) =12
5y=25 3x =25 -4y=12 4x=12
y=25/5 x= 25/3 y=12/-4 x=12/4
y=5 x= 8.33 y= -3 x= 3
 Para poder hacer el ejercicio 1 primero tenemos que resolver el sistema de ecuaciones para encontrar la incógnita de (x) y
(y), una ves resuelta tendremos que localizar estos puntos en la grafica y buscamos el punto de intersección de estas dos
ecuaciones, así logramos identificar que el punto de intersección de las graficas es (x=5) y (y=2).

2
Restricción
1 0.12x +0.2y=500
2 0.15x+01y=300
3 0.072x+0.027y=1080
4 X=0
5 Y=0

1 2 3
y x y x y x
0.12(0) +0.2y=500 0.12x + 0.2(0) = 500 0.15(0) + 0.1y = 300 0.15x + 0.1(0) = 300 0.072(0) + 0.027y = 108 0.072x + 0.027(0) = 108
0,2y = 500 0.12x = 500 0.1y = 300 0.15x = 300 0.027y = 108 0.072x = 108
Y = 500/0.2 x = 500/0.12 y = 300/0.1 x = 300/0.15 y = 108/0.027 x = 108/0.072
Y = 2500 x = 4167 y = 3000 x = 2000 y = 4000 x = 1500
Función objetiva 4000(x) 5000(y) z
(z1)
Primera 4000(500) 5000(0) 2000000
Segunda 4000(0) 5000(400) 2000000

Función objetiva (z2) 4000(x) 5000(y) z

Primera 4000(1000) 5000(0) 4000000
Segunda 4000(0) 5000(800) 4000000
Para poder realizar esta matriz con restricciones, maximización/minimización tenemos que seguir con una serie de pasos
a seguir.
Primero tenemos que identificar las variables de decisión en el problema.
Siguiente tenemos que identificar todas las restricciones del problema. Estas restricciones limitan las posibles
combinaciones de las variables de decisión.
Sigue graficar para hacerlo, primero resolvemos la ecuación para y en términos de x, y luego dibuja la línea correspondiente
en el plano
Por quinto paso tenemos que identificar las áreas factibles, se localiza en la región donde todas las restricciones se
superponen es el área factible. Esta área representa todas las combinaciones posibles de las variables de decisión que
cumplen con todas las restricciones.
Por penúltimo se determinamos lo que es la solución optima donde se evalúa la función objetivo en los vértices de esta
región. La solución óptima será el vértice que maximice o minimice el valor de la función objetivo
Por final solo tenemos que interpretar los datos

3
Ecuación 1 Ecuación 2 Ecuación 3 Ecuación 3.2 x
0.12x+ 0.2y=500 0.15x+ 0.1y=300 -0.30x -0.2y= -600 -0.18x= -100 X= -100/ (-0.18)
Se multiplica por (- Para obtener x Se le da
2) y esto da origen tenemos que sumar la solución ala X=555.55
ala ecuación 3 ecuación 1 y 3 ecuación
Ecuación 1
0.12x + 0.2y = 500
0.12(555.55) + 0.2y
= 500
66.666 + 0.2y = 500
0.2y = 500 – 66.666
0.2y = 433.334
y = 433,334 / 0,2
y = 2166,67
 Reemplazando las variables
Zmax = 4000(555.55) + 5000(2166.67)
Zmax = $13,055,550.00
En el ejemplo tres es otro método que podemos utilizar y de los más fáciles de
aplicar, su nombre de este método es “método de reducción o eliminación”.
Para realizar este método tenemos que igualar lo que son los coeficientes de una
sola variable y ala otra multiplicar, lo principal mente que se busca es que una de
los coeficientes de una de las variables queden con un signo contrario.
La ecuación 1 por lo mientras la dejamos así ya que aún no la vamos a ocupar.
Primero en la ecuación 2 la vamos a multiplica por (-2) y esto da origen a la ecuación
3. En el siguiente paso ya vamos a ocupar la ecuación 1 porque para obtener x
tenemos que sumar la ecuación 1 y 3 y ya solo despejamos la formula que nos da
y resolverlo.
Gracias a esta operación sabemos que la cantidad de metros, piezas, kilo etc.
diarios a fabricar son 555.55 y que la Cantidad de metros, piezas, kilo etc. diarios
tipo distinto a fabricar es de 2166.67.
Remplazando estas variables nos da un total de $13,055,550.00
 Método simplex
¿Qué es el método grafico?
Es un método analítico que a diferencia del método grafico el método simplex se
aplica para resolver modelos más complejos ya que puede analizar una mayor
cantidad de variables
Utilidad.
Este método es recomendado para cuando hay una gran cantidad de variables
porque el método consiste en caminar del vértice de un poliedro a un vértice vecino
de manera que aumente o disminuya dependiendo el contexto.

Ejemplo
1
La empresa de juguetes utiliza 3 operaciones para armar 3 tipos de juguetes: trenes,
camiones y carros. Los tiempos diarios disponibles para las 3 operaciones son:
430,460 y 420 minutos respectivamente, y los ingresos por unidad de tren, camión
y auto de juguete son de 3 pesos 2 pesos y 5 pesos. Los tiempos de ensamble por
tren en las 3 operaciones son de: 1,3 y 1 minutos. Los tiempos correspondientes
por camión son de 2, 0 y 4 minutos y por auto son 1,2 y 0 minutos (un tiempo cero
indica que la operación no se utiliza).
Ope Tiempo diario Tie
raci disponible en mpo
one minutos disp
s Tren Ca Auto onibl
(x1) mió (x3) e
n por
(x2) minu
to
(rest
ricci
ón)
1 1 2 1 430
2 3 0 2 460
3 1 4 0 420
Ingr 3 2 5
eso
s
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 -3 -2 -5 0 0 0 0
F2 S1 0 1 2 1 1 0 0 430 /1=430
F3 S2 0 3 0 2 0 1 0 460 /2=230
 F4 S3 0 1 4 0 0 0 1 420

½ x F3
3 2 460
½x ½X ½X
3= 2= 460/
½* ½* 1=
3/3= 2/2 460/
3/2 =1 2=
230
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 -3 -2 -5 0 0 0 0
F2 S1 0 1 2 1 1 0 0 430
F3 S2 0 3/2 0 1 0 ½ 0 230
F4 S3 0 1 4 0 0 0 1 420

5(F3) +F1
-3 -2 -5 0 0
5(3/ 5(0)- 5(1) 5(1/ 5(23
2) 2= - -5= 2) 0)
+(- 2 0 +0= +0=
3) = 5/2 1150
15/2
-
3/1=
15−6
2
=
9/2
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 9/2 -2 0 0 5/2 0 1150
F2 S1 0 1 2 1 1 0 0 430
F3 X3 0 3/2 0 1 0 ½ 0 230
F4 S3 0 1 4 0 0 0 1 420
 -1(F3) + F2
1 2 1 1 0 430
- -1(0) - -1(0) - 1(23
1(3/ +2= 1(1) +1= 1(1/ 0)
2) 2 +=0 1 2) +43
+1= +0=- 0=
- 1/2 200
3/2+
1/1=
−3+2
2
=-
1/2
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 9/2 -2 0 0 5/2 0 1150
F2 S1 0 -1/2 2 0 1 -1/2 0 200
F3 X3 0 3/2 0 1 0 ½ 0 230
F4 S3 0 1 4 0 0 0 1 420

F2
-1/2 2 200
½(-- ½ ½
1/2) (2) = (200
=- 1 )
1/4 =10
0
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 9/2 -2 0 0 5/2 0 1150
F2 S1 0 -1/4 1 0 1/2 -1/4 0 100
F3 X3 0 3/2 0 1 0 ½ 0 230
F4 S3 0 1 4 0 0 0 1 420
 2(F2) + F1
9/2 0 5/2
1 1 1
2(-4 2( 2 2(-4
9 )+0 5
)+2 )+2
1 =1 1
=-2 =-2
9 5
+2 +2
8 4
=2 =2
=4 =2
z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 4 -2 0 1 2 0 1350
F2 S1 0 -1/4 1 0 1/2 -1/4 0 100
F3 X3 0 3/2 0 1 0 ½ 0 230
F4 S3 0 1 4 0 0 0 1 420

-4(F2) +F4
1 0 0 420
-4(-1/4) +1=2 -4(1/2) +0=-2 -4(-1/4) +0=1 -4(100) +420= 20

z X1 X2 X3 S1 S2 S3 sol
F1 Z 1 4 0 0 1 2 0 1350
F2 S1 0 -1/4 1 0 1/2 -1/4 0 100
F3 X3 0 3/2 0 1 0 ½ 0 230
F4 S3 0 2 0 0 -2 1 1 20

TREN 0
CAMION 100
AUTO 230
INGRESO $1350
HOLGURA (TIEMPO) 20 MINUTOS
Para poder realizar este último ejemplo es más complicado y no por difícil sino
porque es mucho más laborioso.
Primero tenemos que crear la tabla simplex inicial con los datos que nos proporciona
con todo y restricciones.
Por segundo tenemos que conseguir las Variables de decisión y función objetivo.
Así consiguiendo el “MAX” y las restricciones que en este caso es el tiempo de
producción
Por siguen hacemos una nueva tabla donde ya este incorporado las variables de
holgura y variables de excedente
El siguiente paso es ubicar el pivote que es la variable no básica con el coeficiente
más negativo en la ecuación objetivo y tenemos que calcular los valores de la
columna solución entre el coeficiente de restricción estrictamente positivos que se
encuentran en la columna pivote con la finalidad de transfórmalo a 0
Realizamos la siguiente formula “½ x F3” y remplazamos los datos de la “F3” con
los resultados obtenidos
Así logramos que el pivote sea 1 y empezamos a cambiar a cero los números que
están por encima y por debajo del elemento pivote

Aplicamos las siguientes formulas “ 5(F3) +F1” y “-1(F3) + F2” y remplazamos los datos
de la “F3” con los resultados obtenidos
Aun no podemos finalizar debido a que la “F1” hay falta trasforma un (x) a cero o en
positivo, debido a estoy realizaremos el mismo proceso, pero con la diferencia que
las fórmulas “5(F3) +F1” y “-1(F3) + F2” tendrán un ligero cambia debido a que los
datos y el pivote de la tabla ya han cambiado y ahora serán “2(F2) + F1” y “-4(F2)
+F4”
Terminamos con todos la “F1” en la sesión de (x) en positivos o en ceros, solo queda
interpretar los datos y nos percatamos que al fabricar solo camiones y autos
podemos llegar a tener un ingreso de $1350
CONCLUSIÓN

En resumen, tanto el método gráfico como el método simplex son herramientas

valiosas en la resolución de problemas de programación lineal, cada uno con sus
propias ventajas y limitaciones.
El método gráfico proporciona una forma intuitiva y visualmente atractiva de abordar
problemas con un número reducido de variables y restricciones. Es especialmente
útil para comprender los conceptos básicos de la programación lineal y para
visualizar la estructura del problema de manera clara y concisa.
Por otro lado, el método simplex es más adecuado para resolver problemas más
complejos que involucran un gran número de variables y restricciones. Aunque
puede requerir más tiempo de cálculo y un conocimiento más profundo de la teoría
detrás de la programación lineal, el método simplex es altamente eficiente y versátil
en la búsqueda de soluciones óptimas.
En última instancia, la elección entre el método gráfico y el método simplex depende
del contexto específico del problema, incluida su complejidad y la disponibilidad de
recursos computacionales. Ambos enfoques ofrecen herramientas poderosas para
abordar una amplia gama de problemas de optimización, lo que permite a los
profesionales seleccionar la estrategia más adecuada según las necesidades y
restricciones del problema en cuestión.