DOCENTE

Fred Manuel Soto Acevedo

Investigación de Operaciones
Sesión 3 – Programación Lineal
 INICIO
GRABACIÓN

DOCENTE
Fred Manuel Soto Acevedo
Investigación de Operaciones
Sesión 3 – Programación Lineal
 Los obstáculos no tienen por qué detenerte. Si te
topas con una pared, no te des la vuelta y te rindas.
Descubre cómo escalarla, atravesarla o sortearla". -
Michael Jordan
Sesión 3 – Programación Lineal

La importancia de la Programación Lineal

La programación lineal es una técnica matemática fundamental que tiene un impacto
significativo en diversas áreas, desde la economía y la ingeniería hasta la logística y la
toma de decisiones empresariales. En esencia, la programación lineal se trata de
optimizar una función objetivo sujeta a un conjunto de restricciones lineales. Su
importancia radica en su capacidad para resolver problemas complejos de manera
eficiente y sistemática, lo que conduce a una toma de decisiones más informada y
precisa.

En el ámbito de la economía, la programación lineal se utiliza para modelar y resolver

problemas relacionados con la asignación de recursos limitados. Las empresas pueden
emplear esta técnica para maximizar sus beneficios, minimizar sus costos o alcanzar
cualquier otro objetivo deseado al considerar las restricciones financieras y de
producción. Esto permite una planificación estratégica más sólida y una utilización
óptima de los recursos disponibles.
Sesión 3 – Programación Lineal

La importancia de la Programación Lineal

En el ámbito de la logística y la cadena de suministro, la programación lineal es esencial
para optimizar la distribución de bienes y servicios. Por ejemplo, las empresas de
transporte pueden utilizarla para determinar las rutas más eficientes para sus
vehículos, minimizando el tiempo y los costos asociados. Además, en la planificación de
inventario y producción, la programación lineal ayuda a equilibrar la demanda y la
oferta de manera óptima, evitando excesos o escaseces.

La toma de decisiones en diversas industrias también se beneficia de la programación

lineal. Los administradores pueden utilizarla para resolver problemas de asignación de
recursos humanos, como la programación de turnos de trabajo y la asignación de
personal a proyectos. También es valiosa en la planificación de inversiones y en la
gestión de proyectos, ya que permite considerar múltiples variables y restricciones
simultáneamente, brindando soluciones cuantitativas y fundamentadas.
Sesión 3 – Programación Lineal

Conceptos básicos de programación lineal.

La programación lineal es un método matemático que se utiliza para resolver
problemas de optimización donde se busca encontrar el mejor valor de una función
objetivo, sujeta a un conjunto de restricciones lineales. Aquí están algunos conceptos
básicos de programación lineal:
Es la expresión matemática que se desea maximizar o minimizar. Puede
Función Objetivo representar, por ejemplo, ganancias, costos, producción, o cualquier otro objetivo
cuantitativo.

Son las limitaciones o condiciones que deben cumplirse en el problema. Estas

Restricciones restricciones se expresan en forma de ecuaciones o desigualdades lineales que
reflejan las limitaciones de recursos disponibles.

Son las incógnitas del problema, las cuales representan las cantidades que se
Variables de Decisión buscan determinar para optimizar la función objetivo. Cada variable está
relacionada con una actividad o decisión específica.

Todas las restricciones en programación lineal deben ser lineales, lo que significa
Restricciones Lineales que las relaciones entre las variables en cada restricción deben ser de grado uno
(no se permiten términos elevados al cuadrado, cúbico, etc.).
 Sesión 3 – Programación Lineal

Conceptos básicos de programación lineal.

Es el conjunto de valores de las variables de decisión que cumplen todas las
Región Factible restricciones del problema. Esta región se encuentra en un espacio
multidimensional y es la zona donde se buscará el óptimo.

Es el conjunto de valores de las variables de decisión que maximizan o minimizan

Solución Óptima la función objetivo dentro de la región factible. Puede haber una única solución
óptima o varias, dependiendo de la naturaleza del problema.
Es el conjunto de valores específicos para las variables de decisión que logran el
Punto Óptimo valor máximo o mínimo de la función objetivo en la región factible. Puede ser un
vértice de la región factible o un punto en el borde de la misma.

Métodos de Hay varios métodos para resolver problemas de programación lineal, como el
método gráfico (solo para problemas de dos variables), el método simplex y los
Resolución métodos de programación lineal entera.

Problemas de
En algunos casos se busca maximizar la función objetivo (por ejemplo, ganancias)
Maximización y y en otros casos se busca minimizarla (por ejemplo, costos).
Minimización
La programación lineal tiene una amplia gama de aplicaciones en negocios,
economía, logística, ingeniería y más. Puede utilizarse para optimizar la asignación
Aplicaciones de recursos, la planificación de producción, la gestión de inventario, la logística de
transporte y muchas otras áreas.
La programación lineal es una poderosa herramienta matemática que permite tomar decisiones basadas en datos y
optimizar recursos de manera eficiente en una variedad de contextos empresariales y prácticos.
 Sesión 3 – Programación Lineal

Formulación de problemas de programación lineal.

La formulación de problemas de programación lineal es el proceso de traducir un problema
del mundo real en un modelo matemático específico que pueda ser resuelto utilizando
técnicas de programación lineal. La programación lineal es una técnica de optimización
matemática que busca encontrar la mejor solución posible para un problema, dadas ciertas
restricciones y un objetivo específico. La formulación es el paso crucial que establece las
bases matemáticas para resolver el problema de manera sistemática y cuantitativa.

En esencia, la formulación de problemas de programación lineal implica representar las

decisiones, los objetivos y las restricciones del problema en forma de ecuaciones y
desigualdades lineales. Los componentes clave de este proceso incluyen:

Variables de Decisión Función Objetivo Restricciones

Selección del Método

Modelo Matemático Región Factible
de Resolución

Interpretación de los
Resultados
 Sesión 3 – Programación Lineal

Método Grafico.
El método gráfico es una técnica visual utilizada en la programación lineal para resolver
problemas de optimización con dos variables de decisión. Este método es especialmente
útil cuando el problema es relativamente simple y se puede representar en un plano
cartesiano.

Aquí tienes una descripción paso a paso de cómo funciona el método gráfico en
programación lineal:

Identificar las En primer lugar, identifica las dos variables de decisión del problema
variables de decisión y asigna una letra a cada una, por ejemplo, x y y.

Convierte las restricciones del problema en ecuaciones lineales utilizando

Identificar las las variables x y y . Cada restricción limitará una región en el plano.
variables de decisión
Graficar las restricciones: Dibuja las gráficas de cada una de las
Graficar las restricciones en el plano cartesiano. Cada restricción formará una línea
restricciones recta, y la región factible (donde se cumplen todas las restricciones) estará
limitada por la intersección de estas líneas.
 Sesión 3 – Programación Lineal

Método Grafico.
Identificar las Identificar la región factible: Encuentra el área en el plano donde todas las
variables de decisión restricciones se superponen. Esta área representa todas las
combinaciones posibles de x y y que cumplen con todas las restricciones.

Si el problema es de maximización o minimización, evalúa la función

Calcular la función objetivo Z=ax+by en los vértices de la región factible. Esto significa que
objetivo sustituirás los valores de x y y de cada vértice en la función objetivo y
calcularás el valor correspondiente de Z.

La solución óptima será el vértice que maximiza o minimiza el valor de Z

Identificar la solución según el objetivo del problema. Si estás buscando maximizar Z, selecciona
óptima el vértice con el valor más alto de Z, y si estás buscando minimizar Z,
selecciona el vértice con el valor más bajo de Z.
Una vez que hayas identificado el vértice óptimo, puedes interpretar el
Interpretación de la resultado en función de las variables x y y en el contexto del problema
solución original. Esto te dará la cantidad de cada variable que debe producirse o
consumirse para optimizar la función objetivo.
Es importante tener en cuenta que el método gráfico es más adecuado para problemas con dos variables
de decisión y restricciones relativamente simples. Para problemas más complejos con más variables y
restricciones, es recomendable utilizar métodos computacionales como el método simplex o algoritmos de
programación lineal.
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

1. Una empresa produce un quintal de harina y trigo

2. Ambos productos necesitan pasar por la maquina de refinamiento y empacado
que cuentan con 18 y 10 horas de disponibilidad para su uso.
3. La harina necesita de 3 horas para su refinamiento, mientras que el trigo solo
necesita de dos horas.
4. La harina necesita de 2 horas de empacado y el de una hora.
5. La empresa genera 50.000 pesos por la producción de harina y 35.000 por el trigo.

¿Qué combinación de ambos productos le puede generar

mayores ingresos a la empresa?
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 1:
Es necesario para la solución de nuestro ejercicio, crear una seria de pasos :

Función Objetivo (Z)

Harina (x)  $50.000

Trigo (y)  $35.000

La función Objetivo es:

Z= 50000 (x) + 35000(y)

Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 2:
Identificar las restricciones:

Dinero Mano de Obra Tecnología Tiempo

Entre otros…

Para entenderlo mejor se procede a crear una tabla:

PROCESOS HARINA (x) TRIGO (y) DISPONIBILIDAD

REFINAMIENTO 3 HORAS 2 HORAS 18 HORAS
EMPACADO 2 HORAS 1 HORA 10 HORAS
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 2:
PROCESOS HARINA (x) TRIGO (y) DISPONIBILIDAD
REFINAMIENTO 3 HORAS 2 HORAS 18 HORAS
EMPACADO 2 HORAS 1 HORA 10 HORAS

Restricción 1 = 3 (x) + 2 (y) = 18

Restricción 2 = 2 (x) + (y) = 10
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 3: Grafica

Antes de graficar debemos identificar cada punto para la grafica, por lo tanto debemos
utilizar un método de sustitución, que consiste en dar valor a una variable
desconocida, comúnmente el valor será 0.
Vamos a resolver la primera restricción

3 (x) + 2 (y) = 18
Si x = 0 Si y = 0
Entonces: Entonces:
3 (0) + 2y = 18 3x + 2(0) = 18
2y = 18 3x = 18
y = 18/2 x = 18/3
y=9 x=6
(6, 9)
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 3: Grafica

Vamos a resolver la segunda restricción

2 (x) + (y) = 10
Si x = 0 Si y = 0
Entonces: Entonces:
2 (0) + y = 10 2x + (y) = 10
y = 10 2x = 10
x = 10/2
x=5
(5, 10)
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 4: Grafica
y
10
Punto donde ambas restricciones
9 se cruzan
8
7
6
5
4
3
2
1
0 1 2 3 4 5 6 7 8 9 10 x
El caso nos muestra que combinación de harina y trigo nos puede generar mayores
ingresos y para ello identificaremos el
 Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 5:
Resolvamos la siguiente ecuación, la suma de las dos restricciones:

Para resolverlo debemos buscar un numero

3x + 2y = 18 que multiplicado por alguna de las
restricciones, pueda eliminar las variables
-2 2x + y = 10
iguales, en este caso usaremos -2

Para eliminar las variables y multiplicamos por la segunda restricción, dando el siguiente
resultado:

3x + 2y = 18
-4x + (-2y)= -20
Quedando así la eliminación de la variable y.
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 5:
3x + 2y = 18
-4x + (-2y)= -20

Entonces sumemos:

3x = 18
-4x = -20
-x = -2
x = -2/-1
x=2
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 5:
Para hallar el valor de y, podemos resolver cualquiera de las dos
restricciones, tomaremos la:

Restricción 2 = 2 (x) + (y) = 10

Procedemos a sustituir el valor de x:
R//
2 (2) + (y) = 10 X=2
4 + (y) = 10
y = 10 - 4 Y=6
y=6
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Paso 6:
Por ultimo resolveremos la función objetivo:

R// Z= 50000 (2) + 35000(6)

X=2 Z= 100000 + 210000
Y=6
Z= 310000
Sesión 3 – Programación Lineal

Método Grafico. – Ejemplo:

Solución:
La empresa deberá producir 2 quintales de harina y 6 de trigo, para obtener
una ganancia de $310.000.

En resumen el método grafico nos a ayudado a identificar con que producto

la empresa debe invertir mas tiempo.
 Sesión 3 – Programación Lineal

Método Simplex.
El método simplex es un algoritmo de resolución utilizado en la programación lineal para
encontrar la solución óptima de un problema de optimización. Fue desarrollado por George
Dantzig en 1947 y se ha convertido en uno de los métodos más ampliamente utilizados
para resolver problemas de programación lineal en diversas áreas, como la economía, la
ingeniería, la logística y la gestión.

El método simplex aborda problemas en forma estándar de programación lineal, donde se

busca maximizar o minimizar una función objetivo lineal sujeta a restricciones lineales. La
idea central del método es explorar los vértices de la región factible (el polígono o poliedro
formado por las restricciones) en busca del vértice que maximiza o minimiza la función
objetivo.

A continuación, te presento una descripción general del proceso del método simplex:
Sesión 3 – Programación Lineal

Método Simplex.

Formulación del Escribe el problema en su forma estándar, con la función

Problema objetivo y las restricciones lineales.

Selecciona un vértice inicial de la región factible. Esto puede ser

Inicialización
cualquiera de los vértices o esquinas del polígono o poliedro.
• En cada iteración, mejora la solución actual moviéndote de un
vértice a otro a lo largo de una arista.
• Encuentra la variable de entrada (variable que aumentará) y la
variable de salida (variable que disminuirá) para mejorar la
Cálculos Iterativos función objetivo.
• Calcula el cociente entre los coeficientes de la función objetivo
y las restricciones para determinar cuál variable debe entrar y
salir. El cociente más pequeño indica la variable que limita el
crecimiento de la función objetivo.
• Actualiza los valores de las variables y las restricciones para
moverte hacia el siguiente vértice.
Sesión 3 – Programación Lineal

Método Simplex.

Continúa iterando hasta que no haya más mejoras posibles. Esto se

Condición de Parada puede determinar cuando todas las variables de entrada tienen
coeficientes negativos en la función objetivo.

Una vez que el algoritmo se detiene, la solución actual es óptima. Los

Solución Óptima valores de las variables en este punto representan la solución óptima
del problema de programación lineal.

Verifica que la solución obtenida cumple con todas las

Verificación restricciones del problema original y es coherente con las
limitaciones.

El método simplex es efectivo para problemas con un número moderado de variables y

restricciones. Sin embargo, en problemas más grandes o en los que se requieren
soluciones enteras, pueden ser más apropiados otros métodos, como la programación
lineal entera o los algoritmos de punto interior.
Sesión 3 – Programación Lineal

Método Simplex - Ejemplo

1. Una empresa produce televisores y computadoras

2. Los que necesitan pasar en la selección de montaje y acabado que cuentan con
120 y 180 horas.
3. Las computadoras necesitan 3 horas en ambas secciones
4. Los televisores necesitan horas en montaje y 6 en acabado.
5. La empresa obtiene un beneficio de $300.000 por la fabricación de computadoras
y $400.000 por los televisores..

¿Qué cantidad de cada producto se deberá fabricar para

maximizar las ganancias?
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Para resolver el ejercicio debemos:

1. Identificar los datos

2. Función Objetivo
3. Restricciones
4. Tabla Simplex

Paso 1:
Identificamos los datos en la siguiente tabla:

PRODUCTOS MONTAJE ACABADO UTILIDAD

COMPUTADORAS (x1) 3 HORAS 3 HORAS 300000
TELEVISORES (x2) 3 HORAS 6 HORA 400000
DISPONIBILIDAD 120 HORAS 180 HORAS
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 2:
Identificar la función objetivo:

Computadoras (x1)  $300.000

Televisores (x2)  $400.000

La función Objetivo es:

Z=300000 (x1) + 400000(x2)

Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 3:
Identificar las restricciones, según el tiempo que lleve en las diferentes secciones:
Para entenderlo mejor debemos tener en cuenta la tabla anterior:

PRODUCTOS MONTAJE ACABADO

COMPUTADORAS (x1) 3 HORAS 3 HORAS
TELEVISORES (x2) 3 HORAS 6 HORA
DISPONIBILIDAD 120 HORAS 180 HORAS

Montaje = 3 (x1) + 3 (x2) <= 120

Acabado = 3 (x1) + 6 (x2) <= 180
 Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 3:
Por ello debemos agregar la restricción que limite o condicione las dos anteriores:

3 x1 + 3 x2 <= 120
3 x1 + 6 x2 <= 180
x1 y x2 deberán ser mayores o iguales a
x1 >= 0, x2 >= 0 0, esto quiere decir que no puede ser un
numero negativo.

Luego de esto debemos igualar esta restricciones agregando una variable de holgura en
cada restricción, por lo que nos queda: Holgura: holgura a la variable que se
debe sumar a uno de los miembros
3x1 + 3x2 + x3 = 120 de una restricción para que ambos
miembros sean iguales.
3x1 + 6x2 + x4 = 180 Se introduce en la función objetivo
con coeficiente cero ya que no
influye en el valor de la función
objetivo.
 Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Crearemos la tabla Simplex, en las columnas irán todas las variables y las filas únicamente
la función objetivo y las variables de holgura.

Los datos para tabla serán los datos numéricos de las restricciones:
La columna pivote es la columna que se elige como base
para realizar una operación de pivote en una iteración
Z=300000x1 + 400000x2 =0
determinada del algoritmo. Se selecciona típicamente de la 3x1 + 3x2 + x3 = 120
fila de coeficientes negativos (en caso de maximización) o
positivos (en caso de minimización) de la función objetivo 3x1 + 6x2 + x4 = 180
en la tabla simplex.

Z x1 x2 x3 x4 R
z 1 -300000 -400000 0 0 0
x3 0 3 3 1 0 120
x4 0 3 6 0 1 180

En la fila de la función objetivo (Z), buscaremos el valor negativo mas alto y la columna a
la que pertenece, será nuestra columna pivote.
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
El valor de la disponibilidad (R), lo dividiremos entre la columna pivote, por el valor
que corresponde a su fila.

Z x1 x2 x3 x4 R
z 1 -300000 -400000 0 0 0
x3 0 3 3 1 0 120/3 40
x4 0 3 6 0 1 180/6 30

El resultado que obtenga un valor menor, identificara nuestra fila pivote.

Y el valor que quede intersectado
entre la fila pivote y la columna
pivote, se llamara elemento pivote.
El elemento pivote es utilizado para llevar a cabo una serie
de operaciones aritméticas que transformarán este
elemento en 1 y los demás elementos en su fila y columna
en cero. Esto reorganiza la tabla y modifica las variables en
la base y no en la base, mejorando así la solución actual.
Este proceso de pivote se repite en cada iteración hasta
que no sea posible mejorar más la solución.

En resumen, el elemento pivote es el valor específico en la

tabla simplex que se utiliza para realizar operaciones de
pivote y actualizar la solución durante cada iteración del
método simplex.
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Procedemos a crear nuestra segunda matriz, y sustituimos la variable de la fila
pivote, por el de la columna pivote y el valor de cada columna se haya con la
división del elemento de la fila anterior por el elemento pivote.
Dividir
Elemento de la fila anterior / Elemento Pivote
Ejemplo 0/6 = 0

Z x1 x2 x3 x4 R
z
x3
x2 0 3/6 = 0.5 6/6 =1 0/6 = 0 1/6 = 0.17 30

Z x1 x2 x3 x4 R
z
x3
x2 0 0.5 1 0 0.17 30
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Para hallar el valor de las otras filas debemos utilizar la siguiente formula
Utilizaremos las siguientes abreviaturas: Formula:
FA: Fila Anterior,
PF: Pivote de la Fila FA – (PF * FN)
FN: Fila Nueva

Dándonos la siguiente tabla:

Z x1 x2 x3 x4 R
FA 1 -300000 -400000 0 0 0
PF -400000 -400000 -400000 -400000 -400000 -400000
FN 0 0.5 1 0 0,17 30
Z 1-(400000*0) = 1 -300000-(-400000*0.5)= -100000 -400000-(-400000*1)= 0 0-(-400000*0) = 0 0-(-400000*0.17) = 68000 0-(-400000*30) = 12000000
Z 1 -100000 0 0 68000 12000000

Para hallar los nuevos valores de la Función Objetivo (Z), Aplicaremos la formula en
cada columna, dando el resultado de la Función Objetivo (Z).
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Pasamos los datos de la FN (Fila Nueva), a la fila que corresponda:

Z x1 x2 x3 x4 R
Z 1 -100000 0 0 68000 12000000
x3
x2 0 0.5 1 0 0.17 30

Para hallar el x3, realizamos el mismo proceso anterior:

FA 0 3 3 1 0 120
PF 3 3 3 3 3 3
FN 0 0.5 1 0 0.17 30
x3 0-(3*0) =0 3-(3*0,5) = 1.5 3-(3*1) = 0 1-(3*0) = 1 0-(3*0.17) = 0.51 120-(3*30) = 30
x3 0 1.5 0 1 0.51 30
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Pasamos los datos de la FN (Fila Nueva), a la fila que corresponda, en este caso x3,
dando la siguiente tabla:

Z x1 x2 x3 x4 R
Z 1 -100000 0 0 68000 12000000
x3 0 1.5 0 1 0.5 30
x2 0 0.5 1 0 0.17 30

Para saber si hemos terminado con el procedimiento basta con ver que la función
objetivo no nos quede con ningún elemento negativo.
En este caso tenemos un valor negativo, por lo tanto realizamos de nuevo el
procedimiento anterior para hallar la columna pivote, la fila pivote y el elemento
pivote.
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Z x1 x2 x3 x4 R
Z 1 -100000 0 0 68000 12000000
x3 0 1.5 0 1 0.5 30
x2 0 0.5 1 0 0.17 30

Z x1 x2 x3 x4 R
Z 1 -100000 0 0 68000 12000000
x3 0 1.5 0 1 0.5 30/1.5 20
x2 0 0.5 1 0 0.17 30/0.5 60
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Procedemos a sustituir nuevamente la variable de la fila pivote, por la variable
de la columna pivote y realizamos el procedimiento anterior hasta hallar la
siguiente matriz, que seria la tres:
Z x1 x2 x3 x4 R
Z 1 0 0 68000 33340 14000000
x1 0 1 0 0,67 0,33 20
x2 0 0 1< -0.33 0,34 20

Como podemos observar ya en la función objetivo no hay valores negativos

Buscamos el valor de x1, en la columna y fila que corresponde

Y lo mismo con x2
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Paso 4:
Procedemos a resolver la función objetivo (Z), sustituyendo las variables por el
valor que le corresponde:
x1 = 20
x2 = 20
Z=300000 (x1) + 400000(x2)
Z=300000 (20) + 400000(20)
Z=6000000 + 8000000
Z=$14.000.000
Sesión 3 – Programación Lineal

Método Simplex. – Ejemplo:

Resultado

¿Qué cantidad de cada producto se deberá fabricar para

maximizar las ganancias?

La empresa o la fabrica deberá producir 20 unidades de computadoras y 20

televisores para generar una utilidad $14.000.000.
 CONCLUSIONES

• La programación lineal es una herramienta esencial que transforma la toma de decisiones en

diversas industrias. Modela problemas complejos y busca soluciones óptimas, optimizando
recursos y logrando objetivos.

• Comprender los conceptos básicos como variables de decisión, función objetivo y

restricciones es clave para construir modelos matemáticos sólidos. La interpretación
geométrica y la representación visual simplifican la solución de problemas.

• El método simplex es una valiosa técnica para resolver problemas de programación lineal.
Aunque puede parecer complejo, sigue un proceso lógico y sistemático para ajustar variables
y encontrar soluciones óptimas.
 FIN DE
GRABACIÓN

DOCENTE
Fred Manuel Soto Acevedo
Investigación de Operaciones
Sesión 3 – Programación Lineal