UNIVERSIDAD ABIERTA PARA ADULTOS

UAPA

INVESTIGACION DE OPERACIONES 1

TAREA NO. 1

PARTICIPANTE:
YULEIDY GONZÁLEZ
13-2537

FACILITADOR:
ING. JOSÉ L. TAVERAS

SANTIAGO DE LOS CABALLEROS REP. DOM

ABRIL DEL 2020.
 TAREA 1

Detalla la siguiente tabla

Concepto Definición Características Ejemplos
Investigación Es una disciplina que  Usa el método Una empresa ha
de Operaciones se ocupa de la científico para dejado de
aplicación de método investigar un problema fabricar ciertos
s analíticos en cuestión productos,
avanzados para liberando de
ayudar a tomar esta forma las
mejores decisiones. cargas de
producción que
tenían sus
equipos en los
departamentos
de maquinado
Procesos de Se inicia cuando se Definir el problema  Un breve
decisión observa un problema. ejemplo es
Analizar el problema
Inconscientemente, p decidir si tomar
se define el problema Evaluar agua o jugo de
y después se formula naranja 
el objetivo, se Elegir las alternativas
reconocen las Aplicar la decisiones
restricciones y se
evalúan las
alternativas. Después
se busca la mejor
opción que nos
llevará a la solución.
Decisión a Es cuando ya Análisis objetivo   Es cuando ya
tomar tenemos claro lo que se tiene claro lo
Determinar su
vamos hacer y que ya que quieres en
necesidad
hemos podidos el momento, un
identificar que es la Darles paso a los breve ejemplo
mejor alternativa que criterios es cuando
podemos tomar. vamos al salón
Elegir la mejor y ya tenemos
alternativa decidido que
hacernos en
pelo.
ADEMAS, HAGA UN ENSAYO SOBRE LA TEORIA DE TOMA DE
DECISONES, DEFINA Y CALSIFIQUE LOS MODELOS CUALITATIVOS Y
CUANTITATIVOS Y DE UNA DEFINICION BREVE DE CADA MODELO.
El proceso de toma de decisiones ocurre comúnmente en la vida, pero cuando
se trata de tomar una decisión en la empresa, el sentido común no es suficiente
para decidir qué decisión tomar por lo que tiene procesos o etapas para se
desarrolle de la misma.
Intuitivamente puede decirse que “tomar una decisión” implica “escoger” o
“seleccionar" una alternativa o curso de acción entre un conjunto de ellas. La
teoría de la decisión se enfoca como una técnica cuantitativa que sirve de
apoyo a la toma de decisiones. Para desarrollar las técnicas matemáticas
propias de la Teoría de la Decisión se deben conocer un conjunto de conceptos
básicos que recogen la terminología generalmente aceptada por los autores
que tratan esta técnica. La decisión va a suponer una “elección” o “selección”
fundamentada en criterios de algún carácter bien establecido.
Al tomar decisiones en la actividad empresarial debe tratarse de ser racionales.

LOS MODELOS CUALITATIVOS

 Tienen el fin de reducir la incertidumbre implícita en una toma de decisiones,
en cuanto a los estudios para explorar conceptos de nuevos productos y
servicios determinando el avance en cuanto a su producción. Los modelos
cualitativos determinan, de manera general, las relaciones entre diferentes
factores o componentes del sistema. Estos modelos no pretenden cuantificar
dichas relaciones sino solamente facilitar el entendimiento de cómo funciona el
proceso específico que nos interesa. Al construir modelos gráficos, es
aconsejable comenzar en forma sencilla para luego ampliar el modelo y poder
incluir todos los factores esenciales. Es así como finalmente se puede describir
el proceso específico que nos interesa con todo el detalle necesario para
cumplir el propósito del análisis.

Ventajas

- Exponen todos los rasgos esenciales. Perciben con claridad y precisión la

estructura y el contenido del modelo

- No se altera fácilmente su representación física.

- No requiere ser memorizado y cuando es necesaria su utilidad se replica

fácilmente.

- Es la manera más sencilla de transferir a las personas a  través del tiempo y

del espacio, ideas y conceptos.
- No se puede modificar la representación elaborada, debe ser constante el
concepto representado. En caso que las condiciones cambien será preciso
construir un nuevo modelo, pero sin invalidar el modelo original.

LOS MODELOS CUANTITATIVOS

El método de investigación cuantitativa utiliza encuestas y sondeos para
recopilar información sobre un tema determinado. Existe una gran variedad
de preguntas de encuesta que suelen ser utilizadas en relación a la naturaleza
del estudio de investigación cuantitativa.
Los métodos cuantitativos, metodologías cuantitativas o investigaciones
cuantitativas son el conjunto de estrategias de obtención y procesamiento
de información que emplean magnitudes numéricas y técnicas formales y/o
estadísticas para llevar a cabo su análisis, siempre enmarcados en una
relación de causa y efecto.

En otras palabras, un método cuantitativo es todo aquel que utiliza valores

numéricos para estudiar un fenómeno. Como consecuencia,
obtiene conclusiones que pueden ser expresadas de forma matemática.

Los métodos cuantitativos de investigación son útiles cuando existe en el

problema a estudiar un conjunto de datos representables mediante distintos
modelos matemáticos. Así, los elementos de la investigación son claros,
definidos y limitados. Los resultados obtenidos son de índole numérica,
descriptiva y, en algunos casos, predictiva.

HAGA UNA BREVE RESENA HISTORICA DEL ORIGEN DE

LA INVESTIGACION DE OPERACIONES.

La Investigación de Operaciones es un orden donde las primeras actividades

se dieron en Inglaterra en la Segunda Guerra Mundial, donde se encarga a un
grupo de científicos ingleses el diseño de herramientas cuantitativas para el
apoyo a la toma de decisiones acerca de la mejor utilización de materiales
guerreros.

Se cree que el nombre de Investigación de Operaciones fue dado

aparentemente porque el equipo de científicos estaba llevando a cabo la
actividad de Investigar Operaciones (militares).

Después de terminada la guerra las ideas utilizadas con fines guerreros fueron
adaptadas para mejorar la eficiencia y la productividad del sector civil.

Una de las principales áreas de la Investigación de Operaciones es la

Optimización o Programación Matemática que se relaciona con problemas de
minimizar o maximizar una función de una o varias variables, cuyos valores
usualmente están restringidos por ecuaciones y/o desigualdades.
Hoy en día el uso de modelos de optimización es cada vez más frecuente en la
toma de decisiones. Este mayor uso se explica, principalmente, por un mejor
conocimiento de estas metodología en las diferentes disciplinas, la creciente
complejidad de los problemas que se desea resolver, la mayor disponibilidad
de software y el desarrollo de nuevos y mejores algoritmos de solución.

FUENTES

http://www.investigaciondeoperaciones.net/historia_de_la_investigacion_de_op
eraciones.html

https://www.ecured.cu/Teor%C3%ADa_de_la_decisi%C3%B3n

https://es.wikipedia.org/wiki/Investigaci%C3%B3n_de_operaciones

http://www.geocities.ws/jeusmarytorrealba/hwct/T3/t3.html

https://concepto.de/metodo-cuantitativo/
INTRODUCCIÓN

Podríamos hablar del  método gráfico y definirlo como un procedimiento de

solución de problemas de programación lineal, muy limitado en cuanto al
número de variables pero muy rico en materia de interpretación de resultados e
incluso análisis de sensibilidad. 

Su importancia estriba en que consiste en representar cada una de las

restricciones y encontrar en la medida de lo posible el polígono (poliedro)
factible, comúnmente llamado el conjunto solución o región factible, en el cual
por razones trigonométricas en uno de sus vértices se encuentra la mejor
respuesta o solución óptima.

Partiendo de ese contexto, la meta de este reporte consiste en responder

una serie de preguntas relacionadas con el método gráfico para la solución
de problemas del PL.

Unidad II
METODO GRAFICO PARALA SOLUCION DE
PROBLEMAS DE PL

Cuáles son los métodos algebraicos de resolución

1. Investiga el significado de la programación lineal y sus aspectos

fundamentales en investigación de operaciones,

La programación lineal es un conjunto de técnicas racionales de análisis y de

resolución de problemas que tiene por objeto ayudar a los responsables en las
decisiones sobre asuntos en los que interviene un gran número de variables.

El nombre de programación lineal no procede de la creación de programas de

ordenador, sino de un término militar, programar, que significa “realizar planes
o propuestas de tiempo para el entrenamiento, la logística o el despliegue de
las unidades de combate”.

Aunque parece ser que la programación lineal fue utilizada por G. Monge en
1776, se considera a L. V. Kantoróvich uno de sus creadores. La presentó en
su libro Métodos matemáticos para la organización y la producción (1939) y la
desarrolló en su trabajo Sobre la transferencia de masas (1942). Kantoróvich
recibió el premio Nobel de economía en 1975 por sus aportaciones al problema
de la asignación óptima de recursos humanos.

La investigación de operaciones en general y la programación lineal en

particular recibieron un gran impulso gracias a los ordenadores. Uno de
momentos más importantes fue la aparición del método del simplex.

Aplicaciones en la Investigación de Operaciones

La programación lineal constituye un importante campo de la optimización por

varias razones, muchos problemas prácticos de la investigación de operaciones
pueden plantearse como problemas de programación lineal. Algunos casos
especiales de programación lineal, tales como los problemas de flujo de redes
y problemas de flujo de mercancías se consideraron en el desarrollo de las
matemáticas lo suficientemente importantes como para generar por sí mismos
mucha investigación sobre algoritmos especializados en su solución.

Una serie de algoritmos diseñados para resolver otros tipos de problemas de

optimización constituyen casos particulares de la más amplia técnica de la
programación lineal. Históricamente, las ideas de programación lineal han
inspirado muchos de los conceptos centrales de la teoría de optimización tales
como la dualidad, la descomposición y la importancia de la convexidad y sus
generalizaciones.

Del mismo modo, la programación lineal es muy usada en la microeconomía y

la administración de empresas, ya sea para aumentar al máximo los ingresos o
reducir al mínimo los costos de un sistema de producción. Algunos ejemplos
son la mezcla de alimentos, la gestión de inventarios, la cartera y la gestión de
las finanzas, la asignación de recursos humanos y recursos de máquinas, la
planificación de campañas de publicidad, etc.

Otros son:

 Optimización de la combinación de cifras comerciales en una red lineal

de distribución de agua.

 Aprovechamiento óptimo de los recursos de una cuenca hidrográfica,

para un año con afluencias caracterizadas por corresponder a una
determinada frecuencia.

 Soporte para toma de decisión en tiempo real, para operación de un

sistema de obras hidráulicas;

 Solución de problemas de transporte.

Objetivos

 Conocer la programación lineal y sus aplicaciones a la vida cotidiana.

 Plantear y resolver situaciones con programación lineal.

  Pasos para la construcción de un modelo.

Tipo de Soluciones

Los programas lineales con dos variables suelen clasificarse atendiendo al tipo
de solución que presentan. Éstos pueden ser:

 Factibles: Si existe el conjunto de soluciones o valores que satisfacen

las restricciones. Estas a su vez pueden ser: con solución única, consolución
múltiple (si existe más de una solución) y con solución no acotada (cuando no
existe límite para la función objetivo).

 No factibles: Cuando no existe el conjunto de soluciones que cumplen

las restricciones, es decir, cuando las restricciones son inconsistentes.

2. Realiza un  análisis para interpretar casos acerca del método gráfico y
analítico en la programación lineal,

Método gráfico: Las rectas de nivel dan los puntos del plano en los que la
función objetivo toma el mismo valor.

El Método Gráfico (resolución gráfica) constituye una excelente alternativa

de representación y resolución de modelos de Programación Lineal que tienen
2 variables de decisión. Para estos efectos existen herramientas
computacionales que facilitan la aplicación del método gráfico como los
softwares TORA, IORTutorial y Geogebra, los cuales se pueden consultar en
detalle en Cómo Resolver Gráficamente un Modelo de Programación Lineal
con TORA, Cómo Resolver Gráficamente un Modelo de Programación Lineal
con IORTutorial y Cómo Resolver Gráficamente un modelo de Programación
Lineal con Geogebra, respectivamente. En este contexto a continuación
presentamos un compendio de ejercicios de Programación Lineal resueltos a
través del método gráfico.

Ejercicios Resueltos del Método Gráfico en Programación Lineal

Ejemplo: Una empresa vitivinícola ha adquirido recientemente un terreno de

110 hectáreas. Debido a la calidad del sol y el excelente clima de la región, se
puede vender toda la producción de uvas Sauvignon Blanc y Chardonay. Se
desea conocer cuánto plantar de cada variedad en las 110 hectáreas, dado los
costos, beneficios netos y requerimientos de mano de obra según los datos que
se muestran a continuación:

Suponga que se posee un presupuesto de US$10.000 y una disponibilidad de

1.200 días hombre durante el horizonte de planificación. Formule y resuelva
gráficamente un modelo de Programación Lineal para este problema. Detalle
claramente el dominio de soluciones factibles y el procedimiento utilizado para
encontrar la solución óptima y valor óptimo.

Variables de Decisión:

  X1: Hectáreas destinadas al cultivo de de Sauvignon Blanc

 X2 : Hectáreas destinadas al cultivo de Chardonay

Función Objetivo:

Maximizar 

Restricciones:

Donde las restricciones están asociadas a la disponibilidad máxima de

hectáreas para la plantación, presupuesto disponible, horas hombre en el
período de planificación y no negatividad, respectivamente.

El siguiente gráfico muestra la representación del problema de la empresa

vitivinícola. El área achurada corresponde al dominio de soluciones factibles,
donde la solución básica factible óptima se alcanza en el vértice C, donde
se encuentran activas las restricciones de presupuestos y días hombre. De
esta forma resolviendo dicho sistema de ecuaciones se encuentra la
coordenada de la solución óptima donde   y   (hectáreas).
El valor óptimo es   (dólares).

Método analítico: El siguiente resultado, denominado teorema fundamental de

la programación lineal, nos permite conocer otro método de solucionar un
programa con dos variables: “en un programa lineal con dos variables, si existe
una solución única que optimice la función objetivo, esta se encuentra en un
punto extremo (vértice) de la región factible acotada, nunca en el interior de
dicha región.

Si la función objetivo toma el mismo valor óptimo en dos vértices, también toma
idéntico valor en los puntos del segmento que determinan. En el caso de que la
región factible no es acotada, la función lineal objetivo no alcanza
necesariamente un valor optimo concreto, pero, si lo hace este se encuentra en
uno de los vértices de la región”.

PASO 1. Determinación de la función objetivo

En el caso que se desarrolla como ejemplo ya se ha determinado que la

función objetivo es:

Donde:

PASO 2. Determinación de las restricciones

En el caso que se desarrolla como ejemplo, las restricciones son la capacidad
en horas máquina en los procesos I y II.

Mientras que el tiempo requerido por cada uno de los productos es:

Por lo cual las funciones de restricción son:

PROCESO I

PROCESO II
PASO 3. Formulación de la restricción de no negatividad

La cantidad a producir de juegos de comedor o de juegos de living no pueden

ser negativos, es decir la cantidad a producir debe ser igual o mayor a cero ya
que no sería factible producir menos un juego de comedor; por lo cual:

x1 >= 0

x2 >= 0

PASO 4. Determinación del punto donde la función objetivo hace tangente

con el vértice de un ángulo del área factible.

Considerando que en programación lineal se tiene un teorema que dice que la

solución óptima se encuentra en el vértice de un ángulo del área factible,
entonces la solución óptima se encuentra en uno de los vértices donde la
función de beneficio hace tangente.

Con el método algebraico se pueden encontrar uno o más puntos donde la

función de beneficio haga tangente con el vértice de un ángulo del área factible,
sin embargo, se logra el Máximo beneficio cuando la función de beneficio toma
su mayor valor.

En el ejemplo en cuestión, si se observa el gráfico 11-13 los vértices de los

ángulos del área factible se encuentran en los puntos:

3-Haga un ensayo donde exprese los elementos claves para aplicar el

método grafico, deje claro la regla de solución, que es el espacio K, que
llamamos punto extremo, etc.
El método gráfico es una forma fácil y rápida para  la solución de problemas de
Programación Lineal, siempre y cuando el modelo conste de dos variables.
Para modelos con tres o más variables, el método gráfico es imposible.

Consiste en representar geométricamente  las restricciones, condiciones

técnicas y función objetivo.

Los pasos necesarios para realizar el método son:

1.  hallar las restricciones del problema

2.  Las restricciones de no negatividad  Xi ≥  0 confían todos los valores

posibles.
3. sustituir  ≥ y ≤  por (=) para cada restricción, con lo cual se produce la
ecuación de una línea recta.

4.  trazar la línea recta correspondiente a cada restricción en el plano. La región

en cual se encuentra cada restricción, el área correspondiente a cada
restricción lo define el signo correspondiente a cada restricción (≥ ó ≤) se
evalúa un punto antes y después de la recta trazada, el punto que cumpla con
la inecuación indicara el área correspondiente

5. el espacio en el cual se satisfacen las tres restricciones es el área factible

Cada punto situado en la frontera del espacio del área factible, es decir que
satisfacen todas las restricciones, representa un punto factible.

6. Las líneas paralelas que representan la función objetivo se trazan mediante

la asignación de valores arbitrarios a fin de determinar la pendiente y la
dirección en la cual crece o decrece el valor de la función objetivo.

7.  la solución óptima puede determinarse al observar la dirección en la cual

aumenta la función objetivo, se procede a graficar la función objetivo, si es un
problema de minimización la solución optima es el primer punto factible que
toque la función Z,  y si por lo contrario es un problema de maximización, será
entonces el último de los puntos factibles que toque la función Z

Hay principalmente cuatro tipos de problemas, de única solución, múltiples

soluciones, solución no acotada y no factible, a continuación hay un ejemplo de
cada caso, en el cual se puede observar la comparación de la solución
obtenida con el método grafico, y la solución obtenida con el método simplex.

Las fases del procedimiento de resolución de problemas mediante el

método Gráfico son las siguientes:
-Dibujar un sistema de coordenadas cartesianas en el que cada variable de
decisión esté representada por un eje.
-Establecer una escala de medida para cada uno de los ejes adecuada a su
variable asociada.
-Dibujar en el sistema de coordenadas las restricciones del problema,
incluyendo las de no negatividad (que serán los propios ejes). Notar que una
inecuación define una región que será el semiplano limitado por la línea recta
que se tiene al considerar la restricción como una igualdad, mientras que si una
ecuación define una región que es la propia línea recta.
-La intersección de todas las regiones determina la región factible o espacio de
soluciones (que es un conjunto convexo). Si esta región es no vacía, se
continuará con el paso siguiente. En caso contrario, no existe ningún punto que
satisfaga simultáneamente todas las restricciones, por lo que el problema no
tendrá solución, denominándose no factible.
-Determinar los puntos extremos o vértices del polígono o poliedro que forma la
región factible. Estos puntos serán los candidatos para la solución óptima.
-Evaluar la función objetivo en todos los vértices y aquél (o aquellos) que
maximicen (o minimicen) el valor resultante determinaran la solución óptima del
problema.

CONCLUSIÓN

En resumen resalto que de este tema entendí que el método Gráfico o

método Geométrico permite la resolución de problemas sencillos de
programación lineal de manera intuitiva y visual. Este método se encuentra
limitado a problemas de dos o tres variables de decisión ya que no es posible
ilustrar gráficamente más de 3 dimensiones.
Por otro lado aprendí que aunque en la realidad rara vez surgen problemas
únicamente con dos o tres variables de decisión resulta, sin embargo, muy útil
esta metodología de resolución. Al reproducir gráficamente las situaciones
posibles como son la existencia de una solución óptima única, soluciones
óptimas alternativas, la no existencia de solución y la no acotación.
Finalmente este tema me servirá para adquirir las competencias
necesarias relacionadas con el método gráfico aplicado a la solución de
problemas en la investigación de operaciones.

FUENTES:

https://www.gestiopolis.com/programacion-lineal-en-la-investigacion-de-
operaciones/

https://es.wikipedia.org/wiki/Programaci%C3%B3n_lineal

https://www.solocontabilidad.com/costos/programacion-lineal-solucion-por-el-
metodo-analitico

https://www.gestiondeoperaciones.net/programacion_lineal/programacion-
lineal-metodo-grafico/

http://www.phpsimplex.com/teoria_metodo_grafico.htm
INTRODUCCIÓN

A continuación se realizará la tarea número tres de la asignatura

Investigación de Operaciones 1, en donde se abordará el tema de “El
Método Simplex”.

Este método es muy popular, es bien aceptado en las zonas donde las
diferentes necesidades y limitaciones influencia en un valor que necesita ser
aumentado o disminuido al máximo.

Partiendo de ese contexto la meta de este trabajo consiste en realizar una serie de
actividades de forma analítica referente al método simplex como es sus
aplicaciones, sus elementos, solución de problemas y elementos que intervienen
en la solución de problemas utilizando método simplex.
 Unidad III/ EL METODO SIMPLEX

1. Investiga acerca del método simplex y sus aplicaciones y haga una

descripción de los elementos que intervienen en la solución de problemas
utilizando método simplex.
El método simplex es un algoritmo creado por George Dantzig que permite la
solución de muchos problemas de programación lineal.

El Método Simplex es un método analítico de solución de problemas

de programación lineal, capaz de resolver modelos más complejos que los
resueltos mediante el método gráfico sin restricción en el número de variables.

El Método Simplex es un método iterativo que permite ir mejorando la solución

en cada paso. La razón matemática de esta mejora radica en que el método
consiste en caminar del vértice de un poliedro a un vértice vecino de manera
que aumente o disminuya (según el contexto de la función objetivo, sea
maximizar o minimizar), dado que el número de vértices que presenta un
poliedro solución es finito siempre se hallará solución.

Aplicaciones:

El método símplex cuya gran virtud es su sencillez, es un método muy práctico,

ya que solo trabaja con los coeficientes de la función objetivo y de las
restricciones.

Ilustraremos su funcionamiento mediante un ejemplo, pero previamente

mostraremos las reglas de decisión para determinar la variable que entra, la
que sale, la gran M, y cómo determinar que estamos en el óptimo; Todas éstas
reglas de decisión fueron deducidas del método algebraico, solamente que
aquí se han acomodado para ser usadas en el tipo de tablero símplex que se
usará.

Este método o procedimiento cuenta con un sinnúmero de aplicaciones en

programación lineal, pero también uso en matemática y geometría. De entre las
aplicaciones más comunes del método simplex destacan:

-Es una técnica utilizada para dar soluciones numéricas a problemas de

programación lineal.

-Es comúnmente aplicado para encontrar una solución óptima en problemas de

maximización y minimización.
-Es útil para resolver problemas de gran tamaño y complejos.

-A partir del método simplex se han desarrollado variantes comúnmente

utilizadas en programación lineal.

-Este método ha sido de suma utilidad para el desarrollo de software que

facilitan el proceso de cálculos un ejemplo de ello es el WINQSB

-Este modelo sirve para la correcta interpretación de modelos de decisión

basados en descripciones matemáticas con la finalidad de ayudar en la toma
de decisiones en situaciones de incertidumbre.

Importancia. La importancia de este método radica en que gracias a su

existencia se pueden resolver problemas complejos. Este método conforma la
base de la programación lineal y es debido a este procedimiento (simplex) que
se facilita la toma de decisiones en casos complejos o de incertidumbre ya que
ha resultado ser muy eficiente en la práctica. Una gran parte de software para
cálculos están estrictamente basados en el método simplex, facilitándonos la
interpretación de datos en poco tiempo es decir que gracias a este método y a
los programas que se basan en el ejercicios que se tardarían días en
resolverse se llevan a cabo en tan solo horas y hasta minutos optimizando el
trabajo de todo aquel que necesite realizar este tipo de cálculo.

Elementos que intervienen en la solución de problemas utilizando

método simplex
Matriz identidad
Una matriz puede definirse como una ordenación rectangular de elementos, (o
listado finito de elementos), los cuales pueden ser números reales o complejos,
dispuestos en forma de filas y de columnas.
La matriz idéntica o identidad es una matriz cuadrada (que posee el mismo
número tanto de columnas como de filas) de orden n que tiene todos los
elementos diagonales iguales a uno (1) y todos los demás componentes
iguales a cero (0), se denomina matriz idéntica o identidad de orden n, y se
denota por:

La importancia de la teoría de matrices en el Método Simplex es fundamental,

dado que el algoritmo se basa en dicha teoría para la resolución de sus
problemas.

Variables de holgura y exceso

El Método Simplex trabaja basándose en ecuaciones y las restricciones
iniciales que se modelan mediante programación lineal no lo son, para ello hay
que convertir estas inecuaciones en ecuaciones utilizando unas variables
denominadas de holgura y exceso relacionadas con el recurso al cual hace
referencia la restricción y que en el tabulado final representa el «Slack or
surplus» al que hacen referencia los famosos programas de resolución de
investigación de operaciones, estas variables adquieren un gran valor en el
análisis de sensibilidad y juegan un rol fundamental en la creación de la matriz
identidad base del Simplex.
Estas variables suelen estar representadas por la letra «S», se suman si la
restricción es de signo «<= » y se restan si la restricción es de signo «>=».
Por ejemplo:

Variable artificial / Método de la «M»

Una variable artificial es un truco matemático para convertir inecuaciones «>=»
en ecuaciones, o cuando aparecen igualdades en el problema original, la
característica principal de estas variables es que no deben formar parte de la
solución, dado que no representan recursos. El objetivo fundamental de estas
variables es la formación de la matriz identidad.

Estas variables se representa por la letra «A», siempre se suman a las

restricciones, su coeficiente es M (por esto se le denomina Método de la M
grande, donde M significa un número demasiado grande muy poco atractivo
para la función objetivo), y el signo en la función objetivo va en contra del
sentido de la misma, es decir, en problemas de Maximización su signo es
menos (-) y en problemas de Minimización su signo es (+), repetimos con el
objetivo de que su valor en la solución sea cero (0).

2.  Realiza análisis e interpretación de casos que se pueden resolver con

el método simplex.
 El Método Simplex es sin lugar a dudas el algoritmo por excelencia cuando se
trata de resolver un modelo de Programación Lineal. Dado lo anterior suele
tener un lugar privilegiado en los programas de estudios de cursos de pregrado
relacionados a la Investigación de Operaciones. Adicionalmente y como forma
de complementar el análisis se ofrece una interpretación gráfica de los
resultados que da origen el algoritmo de modo de facilitar la comprensión
conceptual del mismo.

Ejemplo del Método Simplex

A un grupo de artesanos se le presenta la oportunidad exportar cinturones de

piel de salmón al mercado europeo. Clasifican los cinturones en dos tipos A y
B: A por alta calidad y B por baja calidad. De acuerdo a sus estimaciones
tendrían una utilidad de 4 euros por cinturón tipo A y 3 euros por el tipo B. La
confección de un cinturón tipo A les requiere el doble de tiempo que uno tipo B.
Si confeccionaran sólo cinturones tipo B podrían hacer 1.000 diarios. En todo
caso, el abastecimiento de piel es suficiente para confeccionar un total
combinado de 800 cinturones diarios. Los cinturones usan un diferente tipo de
hebilla según su calidad. Se pueden abastecer de 800 hebillas elegantes al día
para los cinturones tipo A y 700 hebillas corrientes al día para los cinturones
tipo B. Se desea formular y resolver un modelo de Programación Lineal que
permita a los artesanos decidir cuántos cinturones de cada tipo fabricar de
modo de maximizar sus ganancias.

1.-Variables de Decisión
 x1: Número de cinturones tipo A a fabricar por semana.
 x2: Número de cinturones tipo B a fabricar por semana.
2.- Función Objetivo
Cada cinturón tipo A reporta una utilidad de 4 euros y cada cinturón tipo B
reporta una utilidad de 3 euros. Se desea maximizar la utilidad total dada
por: Max 4x1+3x2
3.-Restricciones
 No se puede fabricar más cinturones tipo A que la cantidad de hebillas
disponibles: x1≤800
 No se puede fabricar más cinturones tipo B que la cantidad de hebillas
disponibles: x2≤ 700
 Como máximo se puede confeccionar diariamente 800 cinturones del
tipo A y del tipo B en conjunto: x1+x2≤800
 La capacidad de producción  permite fabricar 1.000 cinturones tipo B a la
semana si se fabricara sólo cinturones de este tipo. Los cinturones tipo A
ocupan el doble de recursos que uno B, esto es se pueden fabricar 500
cinturones a la semana si sólo se fabrican cinturones tipo A: 2x1+x2≤1.000
 No negatividad de las variables de decisión: x1, x2 ≥ 0
En términos compactos el modelo de Programación Lineal queda definido por:

El Método Simplex se utiliza mayormente para problemas lineales en los que

intervienen múltiples variables, los cuales no pueden ser resueltos de manera 
gráfica pues se haría demasiado complejo. Para ello, este método hace uso de
la propiedad de que la solución óptima de un problema de Programación Lineal
se encuentra en un vértice o frontera del dominio de puntos factibles (esto
último en casos muy especiales), por lo cual, la búsqueda secuencial del
algoritmo se basa en la evaluación progresiva de estos vértices hasta encontrar
el óptimo. Cabe destacar que para aplicar el Método Simplex a un modelo
lineal, este debe estar en un formato especial conocido como formato estándar.

Para la solución de un problema de programación lineal usando el método

SIMPLEX el planteamiento con esta forma toma el nombre de forma canónica y
una vez eliminado las desigualdades entonces se denomina forma estándar.

Además te recuerdo que se deben agregar las variables de Holgura en la

función objetiva con coeficientes 0.

Hasta ahora hemos visto cómo resolver un problema usando el método

simplex, así como dos de sus variantes, el método M y el método de dos fases,
sin embargo existen otros casos, considerados especiales, que son los de
degeneración, óptimos alternativos, soluciones no acotadas y soluciones
inexistentes o no factibles.

Para resolver estos problemas debemos utilizar variantes distintas del método
simple, es aquí donde entran los mencionados hace un momento, y de los
cuales hablaremos en esta ocasión.

-El método de degeneración, es cuando al aplicar la condición de factibilidad

del método simplex, se puede romper un empate en la razón mínima en forma
arbitraria, entonces, cuando se presenta un empate al menos una variable
básica será cero en la siguiente iteración y se dice que la nueva solución es
degenerada. Si esto sucede, la solución degenerada nos lleva a un ciclado, ya
que la condición indica que el modelo tiene al menos una restricción
redundante.

-Modelo de óptimos alternativos se da cuando la función objetivo es paralela

a una restricción obligatoria, es decir, una restricción que se satisface como
ecuación en la solución óptima, donde la función objetivo asumirá el mismo
valor óptimo en más de un punto de solución.
-Solución no acotada, se da cuando en algunos modelos de programación
lineal los valores de las variables pueden aumentar en forma indefinida sin
violar alguna de las restricciones, y eso significa que el espacio de soluciones
es no acotado al menos en una dirección.

El resultado es que el valor objetivo puede aumentar en caso de tratarse de

una maximización o disminuir si se trata de un problema de minimización en
forma indefinida. En ese caso, el espacio de soluciones y el valor óptimo no
están acotados, lo que apunta a la posibilidad de que el modelo esté mal
construido, siendo las irregularidades más probables en esos modelos, que no
se hayan tomado en cuenta restricciones no redundantes y que los parámetros
o constantes de algunas restricciones puedan no haberse estimado en forma
correcta.

La solución no factible se da cuando los modelos de programación lineal con

restricciones inconsistentes no tienen solución factible. Estos casos suceden si
todas las restricciones son del tipo menor o igual que, lo que hace suponer que
los lados derechos son no negativos porque las holguras permiten tener una
solución factible.

Para otros tipos de restricciones se usan variables artificiales. Aunque estas se

penalizan en la función objetivo, para obligarlas a ser cero en el óptimo, lo que
solo puede suceder si el modelo tiene un espacio que sea factible, ya que en
caso contrario al menos una variable artificial será positiva en la iteración
óptima, este tipo de caso también indica la posibilidad de que el modelo no fue
bien formulado.

CONCLUSIÓN

En resumen resalto que este tema ha sido muy enriquecedor, del mismo
entendí que el Método Simplex es un método analítico de solución de
problemas de programación lineal, capaz de resolver modelos más complejos
que los resueltos mediante el método gráfico sin restricción en el número de
variables.

Además aprendí que el Método Simplex se utiliza mayormente para

problemas lineales en los que intervienen múltiples variables, los cuales no
pueden ser resueltos de manera  gráfica pues se haría demasiado complejo.
Finalmente, este tema me servirá para ampliar mis competencias y
conocimientos relacionados con el método simplex en la investigación de
operaciones.
FUENTES:

https://www.ingenieriaindustrialonline.com/investigacion-de-
operaciones/metodo-simplex/ (Recuperado 05/04/2020)
https://www.econlink.com.ar/aplicacion-metodo-simplex (Recuperado 05/04/2020)
https://unijeancarlosioind.files.wordpress.com/2012/08/informe-metodo-
simplex.pdf (Recuperado 05/04/2020)
https://investigaciondeoperacionesunounivia.wordpress.com/2015/05/21/casos-
especiales-de-aplicacion-del-metodo-simplex/ (Recuperado 05/04/2020)
 Unidad IV/
TEORIA DE DUALIDAD O DUAL, DUAL SIMPLEX Y
ANALISIS DE SENSIBILIDAD
Después de buscar y gestionar la información y haber leído y estudiado
los contenidos de la unidad, realiza las siguientes actividades:
 1. Realiza:
 a. Un resumen sobre la teoría de dualidad donde se destaquen los
aspectos económicos fundamentales. Que llamamos Dual y pasos para
su aplicación.
Teoría de la dualidad. El dualismo es una teoría que surge como consecuencia
de una profundización en el estudio de la Programación lineal.
El dualismo es una teoría que surge como consecuencia de una profundización
en el estudio de la programación lineal porque la distribución de los recursos y
la formación de los precios son dos aspectos del mismo problema. Entonces la
doble formulación de la programación lineal no se debe considerar como un
simple ejercicio matemático, sino que una y otra versión del problema vienen a
explicar dos aspectos económicos distintos para una misma situación
problémica. Una propiedad fundamental de la relación entre el primal y el dual
es que la solución optima de cualquiera de estos problemas proporciona la
solución óptima para el otro.
Economía dual se refiere a la coexistencia de dos sectores económicos al
interior de un mismo espacio, separados por mostrar distintos niveles
de desarrollo, tecnología y diferentes patrones de demanda. Así, un sector
tendrá un uso intensivo de capital y será tecnológicamente más avanzado,
mientras que otro sector empleará intensivamente mano de obra y será
tecnológicamente primitivo.1 El concepto fue creado por Julius Herman
Boeke para describir la presencia simultánea de sectores modernos y
tradicionales en una economía colonial.
Aplicaciones
Este término suele ser aplicado en el contexto de países en vías de desarrollo,
donde un sector está orientado a cubrir las necesidades locales, mientras que
otro se dedica al mercado global.
Sir Arthur Lewis usó el concepto de una economía dual para la base de su
teoría de oferta de trabajo de migración urbano-rural. Lewis distinguió un sector
de subsistencia, de bajos ingresos y rural con un exceso de población de un
sector urbano capitalista en expansión. Según Lewis, la economía urbana
absorbería el trabajo de zonas rurales (manteniendo bajos los salarios urbanos)
hasta que el exceso de mano de obra rural se agotara.
Como área de estudio al interior de la economía del desarrollo, la economía
dual presenta el siguiente problema: si se debe alcanzar el crecimiento
económico por medio de sectores tecnológicos o bien intentar difundir
los recursos de una economía a lo largo de todos los sectores para conseguir
un crecimiento más equilibrado.

B. Establezca los pasos de aplicación del Dual Simplex

El método simplex dual resulta ser una estrategia algorítmica eficiente cuando
luego de llevar un modelo de programación lineal a su forma estándar, la
aplicación del método simplex no es inmediata o más bien compleja, por
ejemplo, puede requerir la utilización del método simplex de 2 fases.
Una aplicación típica del método simplex dual es en la resolución de problemas
con una función objetivo de minimización, con restricciones del tipo mayor o
igual y donde las variables de decisión son mayores o iguales a cero.
Paso 1: Se lleva el modelo a su forma estándar. En nuestro ejemplo esto se
logra agregando variables de exceso en cada una de las restricciones (3
primeras: S1, S2, S3, respectivamente). Luego, se multiplica cada fila de las
restricciones por -1 de modo de disponer una solución básica inicial (infactible)
en las variables de exceso S1, S2 y S3. De esta forma se obtiene la siguiente
tabla inicial.
Paso 2: Se selecciona el lado derecho "más negativo" lo cual indicará cuál de
las actuales variables básicas deberá abandonar la base. En el ejemplo el lado
derecho más negativo se encuentra en la primera fila, por tanto S1 deja la
base. Para determinar cual de las actuales variables no básicas (A, B, C)
entrará a la base se busca el mínimo de {-Yj/aij} donde aij es el coeficiente de
la respectiva variable no básica en la fija i (del lado derecho más negativo,
marcado en verde) y donde Yj es el costo reducido de la respectiva variable no
básica. De esta forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21, donde el
pivote (marcado en rojo) se encuentra al hacer el primer cuociente, por tanto A
entra a la base.
Paso 3: Se actualiza la tabla anterior siguiendo un procedimiento similar al
utilizado en el Método Simplex. En el ejemplo se debe dejar a la variable A
como básica y S1 como no básica. 
Paso 4: Continuar las iteraciones y siguiendo el mismo procedimiento hasta
disponer de una solución básica factible.

2. Realiza un resumen del Análisis de sensibilidad, por que se aplica, que

llamamos precio sombra o Valor Económico.
El Análisis de Sensibilidad se utiliza para examinar los efectos de cambios en
tres áreas diferenciadas del problema:

-Los coeficientes de la función objetivo (coeficientes objetivo). Los cambios en

los coeficientes objetivos NO afectan la forma de la región factible, por lo que
no afectarán a la solución óptima (aunque sí al valor de la función objetivo).
-Los coeficientes tecnológicos (aquellos coeficientes que afectan a las variables
de las restricciones, situados a la izquierda de la desigualdad). Los cambios en
estos coeficientes provocarán cambios sustanciales en la forma de la región
factible. Gráficamente (en el caso de 2 variables) lo que varía es la pendiente
de las rectas que representan las restricciones.

-Los recursos disponibles (los términos independientes de cada restricción,

situados a la derecha de la desigualdad). Intuitivamente (para 2 variables), los
cambios en el RHS suponen desplazamientos paralelos de las rectas
asociadas a las restricciones, lo cual hará variar la forma de la región factible y,
con ello, a la solución óptima.

Precio sombra, o precio social, o precio cuenta, es el precio de referencia que

tendría un bien en condiciones de competencia perfecta, incluyendo los costos
sociales además de los privados. Representa el costo oportunidad de producir
o consumir un bien o servicio.
Un bien o servicio puede no tener un precio de mercado; sin embargo, siempre
es posible asignarle un precio sombra, que permite hacer un análisis de costo-
beneficio y cálculos de programación lineal.
Es el significado del multiplicador de Lagrange, el cual representa la variación
de un objetivo dado cuando se cuenta con una unidad adicional de un cierto
recurso limitado.
Por ejemplo, la "q" de Tobin en su forma neoclásica, es de hecho, un precio
sombra.
Además cabe aclarar que el precio sombra también es uno de los estudios más
importantes de la programación lineal cuando se trata del método simplex.