PROGRAMACIÓN LINEAL MÉTODO GRÁFICO

Escuela Superior Politécnica de Chimbrazo

Resumen.- En el presente trabajo se realizó una recopilación de información acerca de la resolución de

programación lineal por el método gráfico, para poder ayudarnos a comprender de una mejor manera
todos los parámetros que intervienen en el proceso de formulación del modelo matemático, como son: la
función objetivo, las restricciones, y las variables de estudio, para posteriormente tener un criterio solido
de la resolución del problema y tener un criterio adecuado para la toma de decisiones y poder de esta
manera interpretar los resultados para obtener una solución viable y satisfactoria a cualquier problema
que se nos presente.

1. INTRODUCCIÓN
Según (Moya, 2003) el hombre siempre a buscado la mejor solución a la infinidad de probleas a los que
se enfrenta a lo largo de su vida, y puesto que los recursos materiales y humanas son escasos debemos
optimizarlos, teniendo en cuenta que debemos resolver el problema desde un punto de vista científico.
Éste proceso se inicia observando y formulando cuidadosamente el problema, y a continuación se
construye un modelo matemático que intenta explicar con ecuaciones el comportamiento de un
problema de la vida real, que generalmente es muy complejo e intenta hallar la mejor solución posible
para el problema que se está estudiando con la obtenención del valor más óptimo, en medida de las
posibilidades que se tengan y que cumplan con los objetivos del tomador de desiciones.
La Programación Lineal corresponde a un algoritmo a través del cual se resuelven situaciones reales en
las que se pretende identificar y resolver dificultades para aumentar la productividad respecto a los
recursos (principalmente los limitados y costosos), aumentando así los beneficios. Los resultados y el
proceso de optimización se convierten en un respaldo cuantitativo de las decisiones frente a las
situaciones planteadas. Decisiones en las que sería importante tener en cuenta diversos criterios
administrativos como: Los hechos; la experiencia; la intuición; la autoridad (Salazar, 2016)
Mientras que (Euskadi, 2011) indica que la programación lineal es una técnica que realiza un modelado
matemático que se desarrolló en la decada de los años 30, y desde ahí se lo ha aplicado en la toma de
desiciones en el ámbito de la economia y en los sistemas productivos de una empresa o bien en la
ingeniería misma para poder obtener una solución óptima a un problema que está condicionado por
ciertas resticciones, y (Alvarado Boirivant, El análisis post-optimal en programación lineal aplicada a
la agricultura, 2011) nos indica que la programación lineal es un método muy útil que nos ayuda a la
toma de decisiones entre una infinidad de posibles alternativas, y el punto más importante radica en la
modelación del problema y la posibilidad de porder encontrar la soloción más óptima. Esta técnica es
muy usada en la microeconomía y la administración de empresas, especialmente en circunstancias donde
estén presentes diferentes alternativas para el desarrollo de los procesos productivos, ya sea para
aumentar al máximo los ingresos o reducir al mínimo los costos de operación. 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. (Lora &
Pellicer, 2012)
2. PARÁMETROS PARA RESOLVER UN PROBLEMA MEDIANTE PROGRAMACIÓN
LINEAL
El primer paso para la resolución de un problema de programación lineal consiste en la identificación
de los elementos básicos de un modelo matemático, estos son:
 Función Objetivo
 Variables
 Restricciones
2.1. FUNCIÓN OBJETIVO
Se denomina función objetivo a la maximización de las ganancias o minimización de costos de
producción, según sea el problema (Salazar, 2016) y el primer requisito es el de definir un objetivo
(optimización de alguna variable). (Taha, 2004). Para (Euskadi, 2011) la función objetivo tiene
una estrecha relación con la pregunta general que se desea responder. Sin embargo para
(Alvarado, Vazquez, Nivon, & Castaneda, 2004) si un modelo resultan distintas preguntas, la
función objetivo se relacionaría con la pregunta del nivel superior, es decir, la pregunta
fundamental.
La definición de la función objetivo es el aspecto más difícil, por eso el primer paso es distinguir
de manera clara y consiza las respuestas a las preguntas tales como:
 Qué es lo que queremos lograr?
 Hacia donde nos dirigimos?
 Cuál es la medida representativa de nuestro objetivo? (Castro, 1998)
La función objetivo lineal se puede representar de las siguientes maneras:
Z = Cl X1 + C2 X2 +...... + Cn Xn
o utilizando la notación de sumatorias
𝑛

𝑍 = ∑ 𝐶𝑗 𝑋𝑗
𝑗=1
Donde:
 Z = Función objetivo lineal.
 Cj = Precio neto o costo unitario, según sea el modelo.
 Xj = Actividad o proceso.
Los coeficientes C1, C2...., Cn son los coeficientes de costo (conocidos) o de ingresos, según el
tipo de problema que estemos resolviendo. Por otra parte, X1, X2. . . . , Xn son las variables de
decisión (variables, o niveles de actividad) que deben determinarse de tal manera que se alcance
el objetivo dentro de las restricciones que enfrenta el problema. (Alvarado Boirivant, La
programación lineal aplicación de la pequeñas y medianas empresas, 2009)
2.2. VARIABLES DE DESICIÓN
Existen dos tipos de variables las cuales son:
 Variables de desición: Son las cuales miden la magnitud que se desea optimizar (Suñe,
Fonollosa, & Fernandez, 2016), o bien las magnitudes sobre las cuales se puede actuar o
decidir. (Cáceres, Reyes, García, & Sanchez, 2015)

 Variables auxiliares: Son las cuales miden las magnitudes que tienen sentido en el
problema y que dependen de las variables de desición (Suñe, Fonollosa, & Fernandez,
2016), usualmente se puede crear el modelo sin estas variables, pero su definición suele
afectar sobre el resultado final a costa de crear un modelo más complicado. (Cáceres,
Reyes, García, & Sanchez, 2015)
Generalmente se hace una distinción entre las variables controlables y las no controlables (Diaz
& Rodriguez, 1999). Las variables del sistema sujetas a control se conocen con el nombre se
variables endógenas, y normalmente son las llamadas variables de desición, que están sujetas a la
manipulación por parte del tomador de desiciones. (Moya, 2003)
Las variables que no están sujetas a control se conocen como variables exógenas, y normalmente
se les llama variables ambientales (Diaz & Rodriguez, 1999). Este tipo de variables casi siempre
está sujetas a incertidumbres, por lo que obliga al analista a hacer que estas tomen un valor
constante durante un periodo de tiempo, como una única manera de poder trabajar con ellas.
(Moya, 2003)
Similar a la relación que existe entre objetivos específicos y objetivo general, se comportan las
variables de decisión respecto a la función objetivo, puesto que estas se identifican partiendo de
una serie de preguntas derivadas de la pregunta fundamental y éstas 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. (Salazar, 2016)
Para cada variable hay que definir su significado (es decir,la magnitud que mide), su unidad de
medida (euros, metros o personas)y su naturaleza matemática (real, entera, binaria, no negativa,
etc.) (Suñe, Fonollosa, & Fernandez, 2016)

2.3. RESTICCIONES
Las resticciones según (Taha, 2004) son condiciones impuestas al sistema por medio de sus
variables, y para (Salazar, 2016) 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. En la práctica, muchos problemas se pueden considerar
cono no restringidos, y otros con resticciones. (Moya, 2003).
Las resticciones son expresiones lineales que definen las limitaciones de recursos, las condiciones
del problema, o que relacionan las variables entre sí (Alvarado Boirivant, El análisis post-optimal
en programación lineal aplicada a la agricultura, 2011) . Las restricciones determinan el conjunto
de valores posibles para las variables de desición, o también denominado regiòn factible deben
cumplir todas las resticciones, las mismas que pueden ser ecuaciones como inecuaciones. (Suñe,
Fonollosa, & Fernandez, 2016) y por esto también existen resticciones que nos impiden de alguna
manera el logro del objetivo enunciado. Estas restricciones existen porque los recursos con que
contamos son limitados. (Luro, 1992). Por lo que entonces descubrimos que nuestro sistema
presenta una serie de limitantes, tanto físicas, como de contexto, por lo que nuestras variables de
decisión se encuentran condicionados por una serie de restricciones. (Salazar, 2016)
Las restricciones vienen expresadas de la siguiente manera:

Tipo 1:

Tipo 2:

Tipo 3:

Donde:
 A = valor conocido a ser respetado estrictamente;
 B = valor conocido que debe ser respetado o puede ser superado;
 C = valor conocido que no debe ser superado;
 j = número de la ecuación, variable de 1 a M (número total de restricciones);
  a; b; y, c = coeficientes técnicos conocidos;
 X = Incógnitas, de 1 a N;
 i = número de la incógnita, variable de 1 a N.

En general no hay restricciones en cuanto a los valores de N y M. Puede ser N = M; N > M; ó, N

< M. Sin embargo si las restricciones del Tipo 1 son N, el problema puede ser determinado, y
puede no tener sentido una optimización. Los tres tipos de restricciones pueden darse
simultáneamente en el mismo problema. (Castro, 1998)

3. MÉTODO GRÁFICO
La primera idea que surge al intentar resolver los problemas lineales es prescindir de las condiciones de
integridad de las variables y resolver entonces el problema lineal asociado (PLA), y asi encontrar la
solución óptima del problema, para obtener la solución entera, debermos pensar principalmente en el
método de redondeo. (Mocholi & Sala, 1994)
Para llevar a cabo el método gráfico es necesario conocer:
a) La representación del conjunto de oportunidades K que viene dada por la intersección de los
semiespacios definidos por las restricciones.
b) La gráfica de la familia de líneas de nivel definida por la función objetivo. (Mocholi & Sala,
1994)
Este método puede ser utilizado cuando se trata de no más de dos variables ya que consiste en representar
gráficamente la solución en un plano de dos dimensiones, a las ecuaciones que se optienen del modelo
matemático de estudio (Taha, 2004). En el eje de las ordenadas se ubica las cantidades de una de las
variables y en el de las absisas la segunda variable, las elección de los ejes para las variables es indistinto
puesto que la solución será la misma (Moya, 2003). Además debemos representar las restricciones, para
delimitar la región dónde se encuentran las soluciones factibles (Cabrera, 2012), y se obtiene así el
polígono de soluciones factibles, la cual es el área de las posibles soluciones debemos tener en cuenta
que para el caso de maximización el área será del polígono hacia abajo y para la minimizaciòn estará
del poligono hacia arriba. (Luro, 1992)

Figura 1. Polígono de soluciones para maximización. (Luro, 1992)

Figura 2. Polígono de soluciones para minimización. (Luro, 1992)

El grupo de las soluciones posibles recibe el nombre de conjunto restricción o conjunto solución factible
(Taha, 2004). La solución debe situarse en el área definida por las inecuaciones de restricción, que se
conoce por región factible (Luro, 1992). La región factible se representa gráficamente como un polígono
con un número de lados menor o igual al de restricciones y se llama solución óptima a la que maximiza
o minimiza la función objetivo. Esta solución si es única siempre se encuentra en un vértice o punto
extremo de la región factible. (Euskadi, 2011)

4. PASOS PARA CONSTRUIR UN MODELO DE PROGRAMACIÓN LINEAL

Un modelo de programación lineal está compuesto por dos partes, la función objetivo lineal y un
conjunto de restricciones expresadas mediante igualdades o desigualdades lineales. Para construir esas
dos partes se hizo necesario establecer lo siguiente:

4.1. IDENTIFICACIÓN DEL PROBLEMA

Para ésta etapa según (Luro, 1992) es necesario determinar mediante la observación y la interacción
del sistema de estudio con su medio ambiente. Además se debe determinar claramente las variables
que interactúan dentro del sistema y sus relaciones entre si mismas Apartados (Alvarado Boirivant,
La programación lineal aplicación de la pequeñas y medianas empresas, 2009). También deben de
determinarse las medidas de efectividad que se van a utilizar para evaluar los resultados que se
esperan obtener del estudio. (Díaz, 2011)

4.2. RECOLECCIÓN DE DATOS

Existe mucha información que generlmente se tiene cundo se recien se está formulando un modelo
matemático (Boussard, 2002). Sin embargo (Alvarado Boirivant, La programación lineal
aplicación de la pequeñas y medianas empresas, 2009) nos indica que el analista debe se capaz de
tener en el modelo matemático solo aquellos datos que conduzcan a la solución del problema de
estudio. Una cosa que se debe destacar es que la información que se obtenga para la formulación
del modelo, debe ser confiable (Díaz, 2011), así tambien los datos que se le alimenten al modelo
deben ser también confiables. Ésta información generalmente se presenta en una de las siguientes
escalas de medida: Normal, Ordinal, Intervalos, y Razones. (Luro, 1992)

4.3. FORMULACIÓN DEL MODELO

(Alvarado Boirivant, La programación lineal aplicación de la pequeñas y medianas empresas, 2009)
recomienda que el modelo debe construirse con él cual se obtendrán los mejores resultados
deseados, para (Boussard, 2002) la formulación del modelo matemático deben definirse todas las
variables, parámetros y restricciones que forman parte de él, de tal manera que a través de este
modelo se pueda comprender el funcionamiento del sistema real. (Luro, 1992)

4.4. SOLUCIÓN DEL MODELO

Para (Luro, 1992) éste apartado es el más importante ya que proporciona una variedad de soluciones
distintas al mismo problema. Ya que por su naturaleza el modelo matemático se puede dividir en
determinísticos y modelos probabilísticos.

4.5. VALIDACIÓN DEL MODELO

Los modelos según (Alvarado Boirivant, La programación lineal aplicación de la pequeñas y
medianas empresas, 2009) se construyen a partir de hechos que se conocen, con base en el método
 científico. Por lo tanto deben permitir hacer predicciones que se pueden comprobar y observar si
él modelo puede ser validado. (Luro, 1992)
Algunas de las formas más comunes de validar un modelo son:
1. La exactitud con la que el modelo predice datos históricos.
2. La opinión de personas expertas sobre los resultados que producen el modelo.
3. La comprobación de fallas del modelo al utilizar datos que hacen fallar al sistema real. (Díaz,
2011)
Una vez validado el modelo, este se usa para la experimentación, lo que permite determinar los
resultados de varias maneras para lograr las metas del modelo matemático (Alvarado Boirivant, La
programación lineal aplicación de la pequeñas y medianas empresas, 2009).
La experimentación con el modelo se lo realiza después de que se ha validado y consiste en generar
los datos y someter a las variables a cambios en sus valores para determinar cómo reacciona el
sistema que se está modelando, a éste procedimiento se le conoce como análisis de sensibilidad.
(Luro, 1992)

4.6. INTERACCIÓN DE RESULTADOS

En esta etapa del estudio, se interpretan los resultados que ha proporcionado el modelo, y con esta
base se procede posteriormente a tomar una decisión. (Luro, 1992), debemos tener en cuenta que
también nos brinda información sobre el valor que maximiza o minimiza la función objetivo (valor
óptimo) y las cantidades de cada variable que responden a la función objetivo o sea la solución
óptima dependiendo del caso de estudio, teniendo en cuenta que existe la presencia de una holgura
que nos indica que tan cerca estamos de satisfacer una restricción. Si la restricción es de menor o
igual nos referimos a variables de holgura y si es de mayor o igual nos referimos a variables de
excedente. (Alvarado Boirivant, La programación lineal aplicación de la pequeñas y medianas
empresas, 2009).

4.7. TOMA DE DECISIONES

Para (Luro, 1992) cuando las decisiones que se toman resultan ser equivocadas, no se puede culpar
al modelo escogido como el causante de esa mala decisión y por ende esto nos quiere decir que los
modelos matemáticos que se formulan solo son herramientas para satisfacer un problema. Ya para
(Alvarado Boirivant, La programación lineal aplicación de la pequeñas y medianas empresas, 2009)
debe haber un analista que tiene el deber de ocuparse de buscar la mejor alternativa al problema
desde un punto de vista científico y teniendo en cuenta las restricciones presentes en el modelo
matemático para poder así obtener una solución viable y satisfactoria.

5. APLICACIÓN DEL MÉTODO GRÁFICO

A continuación se presenta un caso de estudio del municipio Segundo Frente de Colombia que
desarrolló un proceso de trabajo con los productores para transformar las áreas que muestran
condiciones óptimas para el cultivo del café en el período de 2010-2015 y lograr a partir del año 2015,
1 200 toneladas de café maduro. El resultado del trabajo y compromiso individual con cada productor
dio como resultado la posibilidad de transformar 3 240 hectáreas, de ellas 1 300 hectáreas se destinaron
al tratamiento de renovación, 940 hectáreas a rehabilitación y 1 000 hectáreas a tecnificación. (Lora &
Pellicer, 2012)
5.1. IDENTIFICACIÓN Y OBSERVACIÓN DEL PROBLEMA
Cómo antes ya mencionamos ésta etapa constituye el primer paso y el más importante ya que aquí se
identifica cuál es el problema que deseamos dar solución, la identificación del problema toma en
cuenta el problema científico a resolver, la descripción de las variables y parámetros, las
restricciones y las desviaciones que se desean minimizar y que dan respuesta a los objetivos
planteados, por ende gracias al trabajo en grupo realizados en las Cooperativas de Producción
Agropecuaria (CPA), Unidades Básicas de Producción Cooperativas (UBPC), Cooperativas de
Créditos y Servicios (CCS) y la Granja del MININT, se pudo apreciar el comportamiento histórico de
la entidad, arrojando una clara necesidad de introducir técnicas rigurosas de planificación, con un
sustento económico y matemático para lograr una mejora de la planificación, dirigida a optimizar la
distribución de las tierras con el objetivo de lograr mejores resultados desde la óptica de la producción
y los ingresos. (Lora & Pellicer, 2012)

5.2. FORMULACIÓN GENERAL DEL PROBLEMA

Se desea obtener una estructura de distribución de las tierras, para la producción de los dos tipos
de variedades de café, que complementando las restricciones establecidas y las disponibilidades de
recursos, optimice los niveles de producción. (Lora & Pellicer, 2012)
Se dispone o se conoce lo siguiente:
 Los niveles de disponibilidad de tierra destinados al café.
 Las diferentes variedades de café a cultivar.
 Los límites mínimos de hectáreas por variedad.
 El cumplimiento de los planes, dados en toneladas y variedad
 Los diferentes precios según las diversas calidades de las variedades
 El rendimiento en toneladas de cada producto por hectáreas cultivadas.
Teniendo en cuenta la formulación del problema se examina cuáles son los modelos matemáticos
que satisfacen estos requerimientos partiendo de varias alternativas. El objetivo de éste modelo es
maximizar la producción, pero desde la óptica de la planificación, teniendo en cuenta diversos
parámetros, tanto en la función objetivo como en el conjunto de restricciones. (Lora & Pellicer,
2012)

5.3. FORMULACIÓN DEL MODELO MATEMÁTICO DE PROGRAMACIÓN LINEAL

Se realiza una descripción del problema a modelar. Se identifican los elementos que constituyen
variables, parámetros e índices. Esta fase demanda un intenso intercambio entre los productores y
los autores de la investigación para ayudar a plantear el modelo matemático.

Tipo de variables:

Parámetros:
Identificación de los parámetros presentes en el caso de estudio presentado.
 𝑇𝑑 = 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝐴𝑟á𝑏𝑖𝑐𝑎
 𝑇ℎ = 𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑅𝑜𝑏𝑢𝑠𝑡𝑎
 𝑅𝑗 = 𝑅𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑒𝑛 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
 𝑃𝐿 = 𝑃𝑙𝑎𝑛 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑒𝑛 𝑡𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠
 𝐼 = 𝑃𝑙𝑎𝑛 𝑑𝑒 𝑖𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑒𝑛 𝑝𝑒𝑠𝑜𝑠, 𝑝𝑜𝑟 𝑙𝑎 𝑣𝑒𝑛𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
 𝐿𝑗 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠, 𝑒𝑛 𝑝𝑒𝑠𝑜𝑠, 𝑝𝑜𝑟 𝑙𝑎 𝑣𝑒𝑛𝑡𝑎 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
  𝐿 𝑚𝑖𝑛 𝑗 =
𝐿í𝑚𝑖𝑡𝑒𝑠 𝑚í𝑛𝑖𝑚𝑜𝑠 𝑑𝑒 ℎ𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑑𝑖𝑐𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗
Variables:
 𝑋𝑗 = 𝐻𝑒𝑐𝑡á𝑟𝑒𝑎𝑠 𝑑𝑒𝑠𝑡𝑖𝑛𝑎𝑑𝑎𝑠 𝑎 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑 𝑗

Restricciones:
A continuación se presentan las restricciones o limitaciones a las que está sujeto nuestro caso de
estudio.
1. Disponibilidad de tierras, en hectáreas, para la variedad tipo 1 (Arábico):

2. Disponibilidad de tierras, en hectáreas, para la variedad tipo2 (Robusta).

3. Cumplimiento de los límites mínimos de hectáreas dedicadas a la producción de cada variedad j.

𝑋𝑗 ≥ 𝐿 𝑚𝑖𝑛 𝑗 𝑗 = 1, 2, 3, … , 𝑛
4. Cumplimiento de los niveles de ingresos:

Función objetivo del modelo de producción:

5.4. MODELO MATEMÁTICO

Función objetivo: MAX = 0,14X1 + 0,17X2
Restricciones:
1. Disponibilidad de tierras, en hectáreas, para el cultivo del café:
X1 + X2 ≤ 3 260,1
2. Cumplimiento de los límites mínimos de hectáreas dedicadas a la producción de la variedad
Arábico:
X1 ≥ 1510
3. Cumplimiento de los límites mínimos de hectáreas dedicadas a la producción de la variedad
Robusta:
X2 ≥ 1310
4. Cumplimiento del plan de ingresos:
2 954,33X1 + 3 756,30X2 ≥ 9 693 600
CONCLUSIONES Y RECOMENDACIONES
 Por medio de este trabajo se puede llegar a la conclusión que este método de resolución
de programación lineal es el más utilizado por ser el más rápido y simple para resolver
problemas de programación lineal, además debemos tener una visualización de toda la
zona factible de posibles soluciones y así determinar cuál es la más óptima y la que
satisface a la función objetivo.
 Éste método tiene una restricción considerable ya que solo se lo puede llevar a cabo con
un número máximo de dos variables debido a que se necesita graficar las ecuaciones de
restricción y nos resulta más fácil hacerlo en plano o 2D.
 Hay que seleccionar y definir bien las variables para no tener una confusión al momento
de interpretar los resultados.
 Debemos identificar bien las restricciones teniendo en cuenta las limitaciones que
tenemos en el modelamiento matemático, ya que a ellas se va a regir nuestra función
objetivo y con ello se procederá a obtener un valor máximo o mínimo dependiendo del
requerimiento del problema.

REFERENCIAS
Alvarado Boirivant, J. (2009). La programación lineal aplicación de la pequeñas y medianas empresas. Dialnet, 88(1),
2-5. Recuperado el 18 de Febrero de 2019, de https://dialnet.unirioja.es/servlet/articulo?codigo=4796082

Alvarado Boirivant, J. (2011). El análisis post-optimal en programación lineal aplicada a la agricultura. Dialnet, 2-8.
Recuperado el 18 de Febrero de 2019, de https://dialnet.unirioja.es/servlet/articulo?codigo=4796070

Alvarado, S., Vazquez, M., Nivon, S., & Castaneda, R. (Agosto de 2004). Uso de programacion lineal para conocer los
parámetros geométricos de superficies conicas convexas. Revista Mexicana de Física, 2-4. Recuperado el 18
de Febrero de 2019, de http://www.scielo.org.mx/pdf/rmf/v50n4/v50n4a7.pdf

Boussard, J. (2002). Estudios de programación lineal aplicado al sector agrario en paises no socialistas. Recuperado
el 18 de Febrero de 2019, de Researchgate: https://bit.ly/2IodvZX

Cabrera, S. (Febrero de 2012). matematicas.uclm.es. Recuperado el 15 de Febrero de 2019, de

http://matematicas.uclm.es/ita-cr/web_matematicas/trabajos/248/Programacion_lineal.pdf

Cáceres, D., Reyes, J., García, M., & Sanchez, C. (Septiembre de 2015). Modelo de Programación Lineal para
Planeación de Requerimiento de Materiales. Revista Tecnológica ESPOL, XVIII(2), 3-7|. Recuperado el 18
de Febrero de 2019, de http://rte.espol.edu.ec/index.php/tecnologica/article/view/322/236

Castro, J. (1998). Implementación de un algoritmo primal-dual de orden superior mediante el uso de un método
predictor-corrector para programación lineal. Raco.cat, XXII(1), 102-106. Recuperado el 18 de Febrero de
2019, de quaderns d'estadística i investigació operativa

Diaz, B., & Rodriguez, P. (1999). MODELOS DE PLANIFICACION FORESTAL BASADOS EN LA

PROGRAMACION LINEAL. APLICACION AL MONTE “PINAR DE NAVAFRIA” (SEGOVIA). Forest
System, VIII|(1), 2-6. Recuperado el 18 de Febrero de 2019, de
https://recyt.fecyt.es/index.php/IA/article/view/2734/2102

Díaz, G. M. (Octubre de 2011). poseidon. Recuperado el 18 de Febrero de 2019, de https://bit.ly/2XbmxNd

Euskadi. (Junio de 2011). hiru.eus. Recuperado el 15 de Febrero de 2019, de

https://www.hiru.eus/es/matematicas/programacion-lineal

Hernandez, M. d. (2007). Introducción a la Programación Lineal. En Introducción a la Prograamaciòn Lineal (Primera

ed., pág. 219). Mexico: Las presas de ciencias. Recuperado el 15 de Febrero de 2019, de
https://bit.ly/2GV4XHk

Lora, R., & Pellicer, R. (2012). MAXIMIZACIÓN DE LA PRODUCCIÓN DE CAFÉ A TRAVÉS. AECO, 3, 2-5.
Recuperado el 18 de Febrero de 2019, de https://revistas.uo.edu.cu/index.php/aeco/article/view/643/616

Luro, P. (Noviembre de 1992). Programación Lineal (Tercera ed., Vol. Xlll). Argentina: VADEMECUM. Recuperado
el 15 de Febrero de 2019, de https://bit.ly/2GUtOLL
Mocholi, A., & Sala, G. (1994). Programación Lineal (Cuarta ed.). Madrid: Tebar Flores. Recuperado el 15 de Febrero
de 2019, de https://bit.ly/2V36Qpj

Moya, M. (2003). La programación lineal. En M. Moya, Investigación de operaciones (Tercera ed., págs. 21-22).
Editorial Universidad Estatal a Distancia. Recuperado el 15 de Febrero de 2019, de
https://books.google.com.ec/books?id=RChI5AkZK_sC&printsec=frontcover&dq=programacion+lineal&h
l=es&sa=X&ved=0ahUKEwi3sqr-
rsPgAhXJtVkKHW41Bo4Q6AEIJzAA#v=onepage&q=programacion%20lineal&f=false

Salazar, B. (2016). ingenieriaindustrialonline.com. Obtenido de

https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal/

Suñe, A., Fonollosa, J., & Fernandez, V. (2016). Programacion Leneal Métodos Cuantitativos para la Toma de
Desiciones (Primera ed.). Catalunya, Barcelona, España: BarcelonaTech. Recuperado el 15 de Febrero de
2019, de https://bit.ly/2TUkCdH

Taha, H. (2004). Ingenieria de Operaciones (Septima ed.). (V. Gonzáles, Trad.) Mexico: Person Educación.
Recuperado el 18 de Febrero de 2019, de https://bit.ly/2SIxKq0