Investigacion de Operaciones

INVESTIGACION DE OPERACIONES
http://indoperaciones.blogspot.pe/p/metodos.html
Definicin
La Investigacin de operaciones es la aplicacin de cualquier mtodo cientfico, matemtico
o lgico, para hacer frente a los problemas relacionados con el control de las organizaciones
o sistemas a fin de que se produzcan soluciones que mejor sirvan a los ejecutivos para
lograr con la finalidad de optimizar (minimizar o maximizar) su funcionamiento; ya sea con la
maximizacin de ganancias, velocidad, eficiencia, etc. o minimizacin de tiempo, riesgo,
error, etc.
Objetivos de la I.O
El objetivo ms importante de la Investigacin de operaciones es encontrar la solucin
ptima para un determinado problema.
Enfoques de la I.O
El enfoque fundamental de la Investigacin de operaciones es el enfoque de sistemas, por el
cual, a diferencia del enfoque tradicional, se estudia el comportamiento de todo un conjunto
de partes o sub-sistemas que interaccionan entre s, se identifica el problema y se analizan
sus repercusiones, buscndose soluciones integrales que beneficien al sistema como un
todo.
Fases de estudio de la I.O
Definicin del problema

Construccin del modelo
Resolucin del modelo (mediante diferentes modalidades)
Validacin del modelo
Implantacin de los resultados finales
Tcnicas de la I.O
La resolucin de un modelo analtico de I.O., se apoya matematicamente sobre una o ms
de las siguientes teoras (entre las ms usadas):
Teora de juegos
Teora de colas de espera
Teora de la decisin
Programacin lineal
Teora de los grafos
Probabilidad y estadstica matemtica
Modelos de procesos de Markov
Programacin dinmica
Campos de aplicacin de la I.O

Los principales campos de aplicacin de la I.O son:
1. Relativa a personas:
Organizacin y gerencia
Ausentismo y relaciones de trabajo
Economa
Decisiones individuales
Investigaciones de mercado
2. Relativa a personas y mquinas:
Eficiencia y productividad
Organizacin de flujos en fbricas
Mtodos de control de calidad, inspeccin y muestreo
Prevencin de accidentes
Organizacin de cambios tecnolgicos
3. Relativa a movimientos:
Transporte
Almacenamiento, distribucin y manipulacin
Comunicaciones
Historia y antecedentes
Lnea de tiempo
En la historia de la humanidad hemos visto como cientficos y militares se asocian para

obtener mejores resultados para tener la mayor ventaja en el campo de batalla, asumiendo
el menor nmero perdidas. Como primera prueba de esto hace muchos aos, una serie de
tres guerras que Romanos y Cartagineses dos grandes potencias de esos tiempos
enfrentaron entre los aos 264 A. C. y 146 A.C l llamadas Las Guerras Pnicas, Arqumedes
con ciertos anlisis propuso defender la ciudad de Siracusa ante los ataques de Cartago con
un supuesto sistema de espejos que tomaban la luz del sol y enfocarla a los barcos
enemigos para incendiarlos, pero como invento insignia fue la famosa catapulta que fue una
de las mejores herramientas en la guerra para esos tiempos.
Ahora en tiempos modernos una guerra tambin hizo que militares y cientficos se volvieran
a sentar en la mesa para que de alguna manera encontrarn la forma de salir victoriosos en
esta guerra que involucraba a muchos pases y partira la historia en dos. La Segunda
Guerra Mundial obligo a los alemanes y a los britnicos a buscar la ayuda de sus cientficos
para mejorar y modernizar sus tcticas y armas de guerra que no eran de la mejor eficiencia
para las grandes batallas que se vean a venir. Los alemanes entraban muy limitados ya que
por haber perdido en la primera guerra mundial se les restringi en muchos aspectos sobre
todo en la capacidad de armarse, por otro lado los britnicos con su grandiosa flota de
cruceros, acorazados y portaaviones, pero sobre todo su Fuerza Area Real tenan ciertas
ventajas sobre la nueva Alemania. En las batallas areas qued demostrado que los
mejores pilotos seguan siendo los de la Luftwaffe que era la Fuerza area alemn. En vista
de esta gran desventaja los britnicos hicieron convocatorias para buscar cientficos que les
ayudaran a no perder tantos pilotos, que pudieran protegerse de los ataques areos de los
alemanes, que en las batallas navales no perdieran tantos barcos, en conclusin formulas
para ganar la guerra. Fue ah cuando los cientficos britnicos disearon ciertas tcticas de
movimientos en combate naval que minimizaban las prdidas de su flota, mientras que otros
maximizaban el buen uso de los radares que apenas estaban surgiendo, esto para poder ir
un paso adelante de los bombarderos y cazas de la Luftwaffe, se disearon planes sencillos
como apagar todas las luces de las ciudades cuando llegaba la noche para despistar a los
pilotos alemanes de sus posiciones. Los cientficos posicionaron radares alrededor de las
islas britnicas para detectar con tiempo las invasiones areas, este sistema de deteccin
temprana conocido como Chain Home fue una de las ventajas que le permiti vencer a los
alemanes, de otra forma hubiese sido muy difcil hacerlos.
La carrera por el desarrollo de nuevas tecnologas contribuyo a la aplicacin de la ciencia a
la optimizacin de recursos ya que esta era una de las restricciones que tenan ambos
bandos. Los cientficos alemanes dieron el paso de los motores de pistn por los de
reaccin para alcanzar mayores velocidades y alturas cosa que daba mejor rendimiento.
Muchos avances se lograron gracias a la unin de la ciencia y la guerra que hoy en da
vemos de manera cotidiana, como los aviones modernos, los viajes al espacio y muchas
cosas que necesitaron de estos episodios para que se pudieran desarrollar.
En tiempos modernos hubo un gran personaje que logro lo impensable en esos tiempos,
que por falta de sencillas calculadora de bolsillo se vio obligado a buscar una manera para
resolver esos problemas que necesitaban de muchos clculos y de noches sin dormir.
George Dantzig que nada tena que ver con guerras ni nada por el estilo, todo lo contrario
buscaba la mejor o por decirlo de esta manera la solucin optima a problemas de la vida
cotidiana, de empresas de cualquier tipo de actividad, desarroll un algoritmo llamado
SIMPLEX en 1947 que revolucion la Investigacin de Operaciones y dio paso a muchos
otros campos para que se beneficiaran de este gran aporte.
Con el tiempo surgieron otros grandes aportes de muchos cientficos, fsicos, matemticos,
etc. y con la llegada de las computadoras ahora disponemos de muchas herramientas para
poder optimizar nuestros recursos.
KarendraKarmakar
NarendrakarmakarB.tech( abreviacin en ingles de licenciado en tecnologa ) en ingeniera
elctrica del IIT de Bombay promocin 1978, MS del instituto de tecnologa de California Y
Doctor en en ciencias de la computacin de la universidad de California, Berkeley. Nacido en
Gwalior ciudad localizada al norte del estado de Madhya Pradesh en la india central.
Creador de un algoritmo polinmico para la programacin lineal tambin conocido como
mtodo de punto interior, el cual es una piedra angular en el campo de la programacin
lineal.
Este hind sorprende al mundo matemtico en 1984 al publicar su famoso resultado
mientras trabajaba para los laboratorios Bell en Nueva Jersey. Karmarkar fue profesor en
el Instituto Tata de Investigacin Fundamental en Mumbai . Actualmente est trabajando en
una nueva arquitectura para la supercomputacin.
Karmarkar recibi varios premios por su algoritmo, entre ellos:
Paris Premio Kanellakis de 2000 otorgado por la Associationfor Computing
Machinery .
Premio al Alumno Distinguido, Ciencias de la Computacin e Ingeniera de la
Universidad de California, Berkeley (1993)
Ramanujan Premio a la Informtica, a cargo de Informtica del Instituto de Asia
(1989)
Fulkerson Premio en Matemticas Discretas determinado conjuntamente por
la American MathematicalSociety y la Sociedad de Programacin Matemtica (1988)
Miembro de los Laboratorios Bell (1987 -)
Texas Instruments Fundadores 'Premio (1986)
Internacional Marconi Young Scientist Award (1985)
Frederick W. Lanchester Premio de la Sociedad de Investigacin de Operaciones de

Amrica de las mejores contribuciones publicadas en Investigacin de Operaciones
(1984)
Premio Nacional de Ciencias de talento en matemticas, la India (1972, India)
LeonidVitaliyevichKantorvich
Naci en San Petersburgo, el 19 de enero de 1912 (Imperio Ruso) y muri 7 de abril de
1986 en Mosc, Rusia (URSS). Su padre, VitalijKantorirvich, muri en 1922 y fue su madre,
Paulina Saks quien lo crio. Economista, ingeniero y matemtico ruso. Kantorvich impuls la
aplicacin de las matemticas a los problemas econmicos, con especial nfasis en las
cuestiones relacionadas con la optimizacin., obtuvo el Premio Nobel de Economa en 1975,
compartido conTjallingKoopmans, por sus contribuciones a la teora de la ptima
asignacin y localizacin optima de recursos escasos.
Kantorvich ingres como estudiante en el departamento de matemticas de la Universidad
de Leningrado en 1926 interesado en las ciencias pero tambin en la economa poltica y la
historia moderna. Su actividad cientfica empez durante su segundo ao de estudios, de
esta forma los resultados de su primera investigacin se presentaron en 1930 durante el
Congreso de Matemticas de la Unin Sovitica. Al principio de la dcada de los 1930 estas
estaban relacionadas con las operaciones de anlisis de series y conjuntos proyectivos,
Kantorvich continu con su investigacin en ciencias exactas en la misma Universidad pero
estas se basaban en aplicaciones, tarea que sum a su actividad de docente.
En 1934, tras reinstaurarse el sistema de grados educativos, se le concedi el grado de
doctor y se le confirm en el puesto de profesor titular de la Universidad de Leningrado. A
mediados de esa dcada, cuando Leonid V. Kantorvichconpaginaba su labor acadmica
con los trabajos para el Instituto de Ingeniera de Construccin Industrial, comenz a
interesarse por las ordenaciones topolgicas de los espacios vectoriales. En la dcada de
los 30 fue una poca de intenso desarrollo del anlisis funcional que se convirti en unas de
las partes fundamentales de las matemticas modernas.
Su contacto inicial con la economa apareci en 1938 cuando el laboratorio de la firma
Plymood le encarg el anlisis de la distribucin de materias primas para la maximizacin
del equipo productivo. La solucin planteaba la maximizacin de una funcin lineal sujeta a
restricciones, metodologa que observ adecuada para su aplicacin en muchos problemas
de referencia econmico. A raz de estas consideraciones, el profesor Kantorvich escribi
un libro sobre mtodos matemticos de organizacin y planificacin de la produccin, que
no fue publicado hasta 1959. Este contena las ideas fundamentales de las teoras y
algoritmos de programacin lineal, esta permaneci desconociasda durante muchos aos
hasta que Tjallinjkoopmans, George Dantzing, encontraron pruebas de estas teoras y
adems, a su manera.
Se le considera uno de los creadores del mtodo de programacin lineal para la
optimizacin de recursos en la planificacin. Algunas de sus obras son: Mtodos
matemticos para la organizacin y la produccin (1939), Sobre la transferencia de masas
(1942), La asignacin ptima de recursos (1959) y Solucin ptima en economa (1972).
En la dcada de 1950 continu sus progresos en esta lnea de investigacin, que expuso en
1959 junto a los trabajos realizados en la dcada de 1940 en su libro "El mejor uso de los
recursos econmicos". En el Congreso auspiciado por la Academia de Ciencias de la Unin
Sovitica sobre Mtodos Matemticos en la Economa y la Planificacin, se aprob y apoy
esta lnea de investigacin. Como resultado, se fundaron un laboratorio de matemtica
aplicada y escuelas destinadas a formar economistas matemticos a lo largo de todo el pas.
En 1958 Leonid V. Kantorvich fue nombrado director del Centro para el Empleo de Mtodos
Estadsticos y Matemticos en Economa, a la vez que miembro de la Academia de Ciencias
de la URSS. En 1960 pas a formar parte del Instituto Matemtico de Novosibirsk y desde
1970 se encarg del laboratorio de investigacin del Instituto Nacional de Planificacin
Econmica en Mosc.
Fue miembro de mltiples organizaciones como la Academia de Ciencias de la Unin
Sovitica, la Academia de Ciencias Hngara, la Academia Americana de las Artes y de las
Ciencias o la Sociedad Economtrica. Entre sus obras destacan Thebest use of
economicresources (1959); Approximatemethods of higheranalysis (1958);
Calculconomique et utilisation des ressources (1963);
Tablitsydliachislennogoresheniiagranichnykhzadach
(1963);
Functionalanalysis
in
normedspaces (1964); Analysefonctionnelle (1981) y La asignacin ptima de los recursos
econmicos (1968), entre otras.
Ernesto Che Guevara

Ernesto Rafael Guevara de la Serna naci el jueves 14 de junio de 1928 en Rosario,
Argentina. Es el primer hijo del arquitecto Ernesto Guevara Linch, de descendencia
espaola e irlandesa de parte de su madre, y de Celia de la Serna y de la Llosa,
descendiente de una familia de fortuna.
La pareja Guevara-de la Serna, se cas en 1927 y se fueron a vivir a Puerto Caraguatay, en
la provincia de Misiones.
Estando Celia encinta, decidieron volver a Buenos Aires en barco por el ro Paran, para
que el beb naciera en total seguridad. Pero el 14 de junio de 1928, el barco debi hacer
una parada en el Puerto de Rosario, provincia de Santa Fe. El parto de Celia se desarroll
antes de lo previsto, y el beb vino al mundo en la maternidad del Hospital Centenario. Sus
padres lo llamaron Ernesto Rafael.
Ernesto Guevara de La Serna, hijo primognito de la pareja, su familia posea recursos
econmicos, pero con ideas socialistas. Fueron sus hermanos Celia, Roberto, Ana Mara y
Juan Martn. La mayor parte de su niez, su adolescencia y primera juventud transcurren en
Alta Gracia, a donde se mud la familia en 1932 en busca de un clima propicio para
contrarrestar el asma de Ernesto (a los dos aos de edad sufre su primer ataque), y
Crdoba donde concluye sus estudios secundarios.
Su madre le ense las primeras letras ya que l no poda ir a la escuela por el asma. En
1937, con 9 aos de edad asiste a tercer grado, demuestra gran inters en la guerra civil
espaola al punto de marcar en el mapa la evolucin militar de la misma. Ley con pasin
toda su vida. La biblioteca de su casa reuna varios miles de volmenes, libros de autores
clsicos de la literatura universal, de historia, de filosofa, psicologa, arte, aventuras,
algunos en francs. Haba obras de Marx, Engels y Lenin, con los que ms tarde se
familiariz en su juventud temprana. Poseedor de una vasta cultura, a los diecisiete aos
comienza a redactar un diccionario de filosofa, materia de inters a lo largo de su vida.
En Marzo de 1942 comienza sus estudios secundarios en el Colegio Nacional Dan Funes,
en Crdoba, a alrededor de 45 kilmetros de Alta Gracia.
La familia Guevara-de la Serna va a vivir en Alta Gracia hasta comienzos de 1943, En el
transcurso del verano, se mudan una vez ms para habitar una casa en la calle Chile en
Crdoba. En el mes de mayo nace Juan Martn.
En 1946, la familia se muda a Buenos Aires para vivir en un departamento de la abuela
paterna. Cuando la abuela, Ana Isabel, cae gravemente enferma, Ernesto la cuida durante
17 das, y a su muerte, anuncia que estudiar medicina en lugar de los estudios de ingeniero
que haba considerado.
Ernesto es juzgado no apto para el servicio militar debido a su enfermedad.
En 1947 comienza sus estudios de medicina y muestra poco inters hacia la poltica y los
movimientos de protesta de los estudiantes, an cuando sus padres, y ms particularmente
su madre, son militantes anti-peronistas.
Pero a fin del ao conoce a Berta Gilda Infante, conocida bajo el nombre de Tita. Ella es
miembro de la Juventud Comunista Argentina. Se vuelven pronto buenos amigos y Ernesto
lee con ella los textos marxistas y discuten sobre la realidad poltica de la poca.
Es en octubre de 1950, que l decide hacer su primer viaje por Amrica Latina, pasando por
Chile, Per y Colombia. Es el espectador atento de los problemas sociales de los pobres de
estos pases, y cita en sus notas la frase de Jos Marti: "Quiero unir mi destino al de los
pobres del mundo".
El 29 de diciembre de 1951, parte con su amigo Alberto Granados a travs del continente
sudamericano. Pero la moto sobre la cual ellos hacen el viaje, una Norton 500 cc, los
abandona, y deben trabajar, sea como asistente mdico o efectuando pequeos trabajos,
para continuar su viaje.
Ernesto regresa a Buenos Aires en agosto de 1952 para proseguir sus estudios de medicina.
Recibe el ttulo de Doctor en Medicina y Ciruga el 11 de abril de 1953 en la Universidad de
Buenos Aires.
El 7 de julio de 1953 parte una vez ms de viaje a travs de Amrica del Sur y Central. Es
acompaado por Carlos Ferrer "Calica". Observa en Bolivia los cambios sociales aportados
por el Movimiento Nacionalista Revolucionario llegado al poder. Despus visitan Per,
Ecuador, Panam y Costa Rica, donde conocen a los cubanos Calixto Garca y Severino
Rosell, que haban participado del asalto del Cuartel Moncada. Prosiguen el viaje y visitan
Nicaragua, Honduras y El Salvador, para finalmente llegar a Guatemala en 1953.
Ernesto Guevara se traslada a Mxico, donde trabajar de mdico en la Sala de Alergia del
Hospital Central y ve nuevamente con ico Lpez, quien lo conducira a Ral Castro, a
travs del cual conoce a Fidel Castro y se vincula a sus preparativos revolucionarios.
Ernesto permanece 57 das en la prisin Miguel Schultz despus de haber sido arrestado
por la polica mexicana en la hacienda "Santa Rosa", Popocatpetl, a 35 kilmetros de la
capital, que era el campo de entrenamiento de los revolucionarios cubanos que preparaban
un ataque contra Cuba, y que eran dirigidos por el general Alberto Bayo, un antiguo coronel
del Ejrcito Republicano durante la Guerra Civil en Espaa.
El domingo 25 de Noviembre de 1956, de la desembocadura del ro Tuxpn en Mxico,
Ernesto Che Guevara se va en el "Granma" con otros 81 hombres a bordo, un yacht de una
capacidad de 25 personas solamente, que Fidel Castro haba comprado a una empresa
norteamericana.
Una semana ms tarde, el domingo 2 de diciembre, desembarcan en Los Cayelos, al este
de Cuba, comenzando la guerrilla revolucionaria en las montaas de la Sierra Maestra.
Desde el comienzo, el Che se distingue como combatiente de la lucha revolucionaria en
Cuba contra la tirana del dictador Fulgencio Batista. El 1 de marzo de 1958, es difundida
por primera vez Radio Rebelde, una radio creada por el Che.
A fin del mes de abril de 1958, Ernesto es enviado desde Jibaro, en la Sierra Maestra, a la
cabeza del comando de la 8 Columna hacia la regin central del pas.
Llegan hasta la Sierra del Escambray, provincia de Las Villas, donde van a montar un
campamento de base.
El Che participa con mucho ardor en los combates y ms particularmente en la Batalla de
Santa Clara el 1 de diciembre de 1958, la cual se revela muy importante en su objetivo
principal: hacer caer la dictadura y hacer triunfar la Revolucin Cubana.
El 1 de enero de 1959, Cuba es liberada, y Batista parte en exilio.
El 2 de enero, Camilo Cienfuegos Gorriarn entra en La Habana, paralizada por una huelga
general. El da siguiente el Che hizo su entrada, y el domingo 8 de enero, Fidel Castro entra
victoriosamente en la capital.
Revolucin en el Poder
Fidel, y el Che el 8 de Enero de 1959 en La Habana

Al Triunfo de la Revolucin Cubana, por rdenes de Fidel, parte hacia La Habana para ocupar
la Fortaleza de San Carlos de La Cabaa y llega all al frente de su columna el 3 de enero. A
partir de esa fecha, se le asignan mltiples responsabilidades de Estado y de gobierno,
primero como jefe militar de La Cabaa y de Capacitacin del Ejrcito Rebelde,
posteriormente, jefe del Departamento de Industrializacin del Instituto Nacional de la
Reforma Agraria, presidente del Banco Nacional de Cuba, jefe militar de la regin de
Occidente, Ministro de Industrias, miembro de la direccin del Partido, con responsabilidades
en la Junta Central de Planificacin (JUCEPLAN). Se le otorg la ciudadana cubana, el ttulo
Doctor Honoris Causa en Pedagoga y fue nombrado hijo adoptivo de Cabaigun y Fomento
el 8 de febrero. Teniendo en cuenta los servicios prestados a Cuba, Ernesto Che Guevara es
declarado ciudadano cubano por el Consejo de Ministros el lunes 9 de febrero de 1959.
En el mes de marzo de 1958, Ernesto haba conocido en Escambray a una joven cubana de 22
aos, Aleida March Torres, y el 2 de junio de 1959 el matrimonio es celebrado despus de que
el divorcio fuera pronunciado entre el Che e Hilda Gadea el 22 de mayo de 1959.
Durante varios aos ocup funciones oficiales en el seno del gobierno cubano. Entre estos
diferentes cargos gubernamentales, militares y econmicos, es nombrado Jefe de las Fuerzas
Armadas Revolucionarias, Jefe de la Industria y la Reforma Agraria, y el 26 de noviembre de
1959 ocupa el puesto de Presidente del Banco Nacional de Cuba.
El 4 de marzo de 1960, en un atentado organizado por la CIA, el barco belga La Couvre ,
que llevaba armas a Cuba, explota en el puerto de La Habana.
El da siguiente, Alberto Korda toma la clebre foto del Che en el homenaje a las vctimas del
atentado, y en el curso de la ceremonia Fidel Castro pronuncia esta frase que quedar en la
historia: "Patria o muerte. Venceremos!".
Del 22 de octubre al 9 de diciembre, est a la cabeza de la misin econmica de Cuba que est
de visita en URSS, Checoslovaquia, RDA y Repblica Popular China.
El 19 de octubre de 1960, los Estados Unidos decretan el embargo comercial de Cuba.
El 23 de febrero de 1961, el Che es nombrado Ministro de la Industria y Miembro del Consejo
Central del Plan.
El 20 de mayo de 1962 nace su hijo, Camilo, nombre que le da en homenaje a su camarada
Camilo Cienfuegos, quien muri trgicamente en un accidente areo.
Del 17 al 20 de abril de 1961, Ernesto Che Guevara ocupa el comando militar de Pinar del
Ro durante el ataque de mercenarios sobre la playa Girn, en la Baha de los Cochinos, en el
curso de la cual 1500 contra-revolucionarios cubanos intentan invadir la isla en una operacin
organizada y financiada por la CIA. Los revolucionarios derrotaron a los mercenarios en
menos de 72 horas.
El 4 de agosto, el Che est a la cabeza de la delegacin cubana cuando la Conferencia de las
Amricas de Punta del Este en Uruguay. La delegacin es recibida en el Aeropuerto Nacional
de Carrasco por millares de personas cantando slogans anti-yankees y a los gritos de Viva la
Revolucin Cubana!.
En octubre de 1962 y hasta noviembre del mismo ao, Ernesto ocupa el mando militar de las
tropas de Pinar del Ro durante la Crisis de octubre.
Durante su presencia en Cuba, el Che trabaja en numerosas tareas: es el iniciador del Trabajo
Voluntario en todo el pas, de la organizacin de las Fuerzas Armadas Revolucionarias (FAR);
es el fundador de la revista Verde Olivo, donde escribe numerosos artculos; es el autor de
diferentes libros y ensayos. Las obras del Che ms conocidas son: Diario de Bolivia, Discurso
en Argel, Discurso de la XIX Asamblea General de las Naciones Unidas, El cuadro, columna
vertebral de la revolucin, El Socialismo y el Hombre en Cuba, La Guerra de Guerrillas,
Mensaje a los Pueblos del mundo a travs de la Tricontinental, Pasajes de la Guerra

Revolucionaria, Reforma Universitaria y Revolucin, Sobre la construccin del Partido,
Solidaridad con Vietnam del Sur, Tctica y Estrategia de la Revolucin Latinoamericana.
El 14 de junio nace el cuarto hijo del Che, el tercero con Aleida. Es una nia que se llamar
Celia, en homenaje a su madre.
El 19 de marzo de 1964, viene al mundo Omar Prez, fruto de la relacin extraconyugal que
Ernesto tuvo con Lidia Rosa Lpez.
Del 20 de marzo al 13 de abril de 1964, el Che est al frente de la delegacin cubana durante
la conferencia de la ONU para el Comercio y el Desarrollo en Gnova, en Suiza.
Del 15 al 17 de abril, est de visita en Franca, Argelia y Checoslovaquia.
Visita la URSS del 5 al 19 de noviembre y participa del 47 Aniversario de la Revolucin de
octubre. Preside de nuevo la delegacin cubana cuando la Asamblea General de la ONU en
New York del 9 al 17 de diciembre. Despus se va a Argelia.
Su ltima intervencin pblica en Cuba tuvo lugar el 15 de marzo cuando hizo una rendicin
de cuentas de sus viajes al extranjero delante de sus colaboradores del Ministerio de la
Industria.
A fin de proseguir ms adelante con sus ideales libertadores, solicita de la Direccin de la
Revolucin Cubana que lo liberen de las responsabilidades que lo atan a Cuba, para retomar
la lucha armada en solidaridad con los pueblos del mundo.
El 1 de abril de 1965 escribi cartas de despedida a sus padres, sus hijos y Fidel Castro, y se
va al Congo. En este pas sabr de la muerte de su madre.
Un ao ms tarde, el jueves 3 de noviembre de 1966, Ernesto Che Guevara llega a La Paz,
pasando por Madrid y Sao Paulo. Entra clandestinamente en Bolivia bajo el nombre de Adolfo
Mena Gonzlez, funcionario peruano de la Organizacin de Estados Americanos y posee, por
si acaso, un pasaporte uruguayo a nombre de Ramn Bentez Fernndez.
El 7 de Noviembre se encuentra en una hacienda de ancahuas donde, con un pequeo
grupo de combatientes bolivianos, cubanos y de otras nacionalidades, funda el Ejrcito de
Liberacin Nacional de Bolivia. Durante su estancia en Colombia, es conocido como
"Comandante Ramn", y tambin como "Fernando el sacamuelas".
Pero 11 meses ms tarde, despus de haber sido tomado prisionero y seriamente herido,
Ernesto Che Guevara es ejecutado, el domingo 8 de octubre de 1967 a las 13.10 hs., por
soldados bolivianos dirigidos por agentes de la CIA, en la pequea escuela del pueblo de La
Higuera, provincia de Chuquisaca.
Por su apariencia salvaje, romntica y revolucionaria, Che se convirti en una leyenda y un
dolo para los jvenes revolucionarios de todo el mundos, en un ejemplo de lucha y
revolucin, como nica esperanza para acabar con la explotacin capitalista, y conseguir la
construccin de una sociedad mas justa, digna e igualitaria; La Sociedad Comunista.
El 18 de octubre de 1967, en la Plaza de la Revolucin, Fidel Castro informa al medio milln
de cubanos presentes de la muerte del Comandante Ernesto Che Guevara: Has desaparecido
fsicamente, pero tu figura y tus ideales siguen y seguirn siendo vigentes en nosotros, porque
a esos no te los pueden matar con balas.
PROGRAMACIN LINEAL
Organiza tus ideas
Introduccin a la programacin lineal
Piensa y calcula
Escribe una funcin f(x, y) que calcule los ingresos que se obtienen al vender x chaquetas a
30 e y pantalones a 20
DEFINICION
La programacin lineal es actualmente la tcnica matemtica utilizada ms actualmente
gracias a que el algoritmo simplex es muy eficiente y al desarrollo de la computacin.
Lo que se busca con la aplicacin de la programacin lineal es resolver problemas comunes
y a la vez muy variados de la empresa en donde en general se tienen necesidades por
satisfacer con cierto nmero de recursos limitados o escasos y con el objetivo de lograrlo en
forma ptima. Esto significa la bsqueda de un valor mximo cuando se trata de beneficios;
o bien la bsqueda de un mnimo cuando se trata de esfuerzos a desarrollar.
Entrate!!!
Un modelo de programacin lineal es un conjunto de expresiones matemticas las cuales
deben cumplir la caracterstica de linealidad que puede cumplirse siempre y cuando las
variables utilizadas sean de primer grado. Adems un modelo de P.L debe tener las
propiedades de:
Proporcionalidad
Aditividad (adicin)
Divisibilidad
Certidumbre(certeza)
SOLUCION PRCTICA
Para poder solucionar un problema mediante un algoritmo primero se debe

extraer toda la informacin que nos aporta el enunciado y preparar el problema
para dicho algoritmo.
Los pasos para modelar un problema son los siguientes:
Sigue estos pasos al pie de la letra!!!
Paso 1: Se determinan las variables de decisin y se expresan

algebraicamente.
o X1,..., Xn
Paso 2: Se determina la funcin objetivo.

Maximizar o minimizar Z = C1X1 + C2X2 + ... + CnXn
Paso 3: Se determinan las restricciones y se expresan como ecuaciones

o inecuaciones de las variables de decisin:
A11X1 + A12X2 + ... + A1nXn , , = b1
A21X1 + A22X2 + ... + A 2nXn , , = b2
...
Am1X1 + Am2X2 + ... + AmnXn , , = bm
o
o
o
o
Paso 4: Se expresan todas las condiciones implcitamente establecidas

por la naturaleza de las variables: que no puedan ser negativas, que sean
enteras, que solo puedan tomar determinados valores, ...
o X1,..., Xn 0
o X1,..., Xn son nmeros enteros, o son booleanos,...
Aplica la teora
Ejemplo: Problema de mezcla de productos.
Un fabricante est tratando de decidir sobre las cantidades de produccin para
dos artculos: mesas y sillas. Se cuenta con 96 unidades de material y con 72
horas de mano de obra. Cada mesa requiere 12 unidades de material y 6 horas
de mano de obra. Por otra parte, las sillas usan 8 unidades de material cada una
y requieren 12 horas de mano de obra por silla. El margen de contribucin es el
mismo para las mesas que para las sillas: $5.00 por unidad. El fabricante
prometi construir por lo menos dos mesas.
Animo, t puedes entender esto:
El primer paso para resolver el problema es expresarlo en trminos matemticos
en el formato general de PL. Cul es el objetivo? Es maximizar la contribucin a
la ganancia. Cada unidad de mesas o sillas producidas contribuir con $5 en la
ganancia. As las dos alternativas son la produccin de mesas y la produccin de
sillas. Ahora puede escribirse la funcin objetivo:
Maximizar Z = 5x1 + 5x2
En donde:
x1 = nmero de mesas producidas

x2 = nmero de sillas producidas
Cules son las restricciones o limitaciones del problema? Existen tres

restricciones. Primero, el material est limitado a 96 unidades. Cada mesa se
lleva 12 unidades de material y cada silla usa 8 unidades. La primera restriccin
es, entonces:
12x1 + 8x2 96
La segunda restriccin es el total de horas de mano de obra. Una mesa se lleva 6
horas, una silla 12 horas y se dispone de un total de 72 horas. As:
6x1 + 12x2 72
Existe una limitacin ms. El fabricante prometi producir por lo menos dos
mesas. Esto puede expresarse como:
x1 2
Por ltimo, las restricciones de no negatividad son:
x1 0, x2 0
Poniendo todo junto el modelo se tiene:
Maximizar Z = 5x1 + 5x2
Restricciones: 12x1 + 8x2 96
6x1 + 12x2 72
x1 2
x1 0, x2 0
MODELOS
APLICACIONES DE LA PROGRAMACIN LINEAL
1.
APLICACIONES DE LA PROGRAMACIN LINEAL
MARKETING
1.1. SELECCIN DE MEDIOS PUBLICITARIOS
EN
La Programacin Lineal se utiliza en el campo del marketing y la publicidad como

una herramienta que nos permite determinar cul es la combinacin ms efectiva de
medios para anunciar nuestros productos. En muchas ocasiones partiremos de un
presupuesto para publicidad fijo y nuestro objetivo ser distribuirlo entre las distintas
opciones que se nos ofrecen (televisin, radio, peridicos, revistas, etc.) de forma
que nuestros productos tengan la mayor difusin posible. En otros casos, las
restricciones no sern presupuestarias sino que vendrn dadas por la disponibilidad
de cada medio y por las polticas publicitarias de nuestra propia empresa.
Supongamos, por ejemplo, que trabajamos para una cadena nacional de bingos, el
director de la cual nos otorga un presupuesto de 8.000 por semana para publicidad.
Este dinero debe dedicarse a publicar anuncios en cuatro tipos de medios de
difusin: TV, peridicos, y dos emisoras de radio. Nuestro objetivo final no ser otro
que el de conseguir la mayor audiencia posible. En el cuadro que se muestra a
continuacin se recoge informacin referente a la audiencia esperada por anuncio, el
coste del mismo, y el n mximo de anuncios que es posible insertar en cada medio
por semana:
MEDIO
AUDENCIA POR COSTE
POR N
MXIMO
ANUCIO
ANUNCIO ()
POR SEMANA
TV
5.000
800
12
Peridico
8.500
925
5
Radio 1
2.400
290
25
Radio 2
2.800
380
20
Adems, los acuerdos contractuales de nuestra empresa requieren la contratacin al
menos 5 anuncios de radio por semana, aunque la direccin insiste en no dedicar a
este medio ms de 1.800 por semana. Usaremos LINDO para plantear y resolver
este problema:
SELECCIN DE MEDIOS
Variables
X1= anuncios en TV por semana
X2= anuncios en peridico por semana

X3= anuncios en radio 1 por semana
X4= anuncios en radio 2 por semana
Funcin objetivo
Funcin objetivo (maximizar) = 5000 X1 + 8500 X2 + 2400 X3 + 2800 X4
Restricciones
Nmero mximo por semana
X1<= 12
X2<= 5
X3<= 25
X4<= 20
Coste por anuncio ()
800 X1 + 925 X2 +290 X3 + 380 X4<= 8000
Acuerdos contractuales
X3 +
X4>= 5
290 X3 +380 X4<= 1800
R./ Por tanto, la forma ms efectiva de distribuir nuestro capital en base a las
condiciones preestablecidas, ser emitiendo dos anuncios semanales en televisin, 5
en el peridico, y 6 en la radio 1. Ello har que unos 66.900 potenciales compradores
conozcan
nuestros
productos.
1.2 ESTUDIOS DE MERCADO

La programacin lineal es aplicable tambin a la investigacin de mercados. En el
siguiente ejemplo se muestra cmo los estadsticos pueden hacer uso de la
Programacin Lineal a la hora de disear encuestas:
Supongamos que pretendemos realizar una encuesta para determinar la opinin de
los espaoles acerca del problema de la inmigracin. A fin de que la misma sea
significativa desde un punto de vista estadstico, exigiremos que sta deba cumplir
los siguientes requisitos:
1. Entrevistar al menos un total de 2.300 familias espaolas.
2. De las familias entrevistadas, al menos 1.000 deben cumplir que su cabeza de
familia no supere los 30 aos de edad.
3. Al menos 600 de las familias entrevistadas tendrn un cabeza de familia con edad
comprendida entre los 31 y los 50 aos.
4. El porcentaje de entrevistados que pertenecen a zonas con elevada tasa de
inmigracin no debe ser inferior a un 15% del total.
5. Finalmente, no ms de un 20% de los entrevistados mayores de 50 aos
pertenecern a zonas con alta tasa de inmigracin.
Adems, todas las encuestas debern realizarse en persona. A continuacin
indicamos el coste estimado de cada encuesta segn la edad del encuestado y si
procede o no de una zona con una alta tasa de inmigracin:
ZONA
EDAD < 31 EDAD 31 - 50

EDAD > 50
AOS
Tasa de inmig. Elevada
7.50
6.80
5.50
Tasa de inmig. baja
6.90
7.25
6.10
Obviamente, nuestro objetivo ser cumplir todos los requisitos anteriores
minimizando el coste:
ESTUDIO DE MERCADO ENCUESTA
Variables
I3 = n encuestados de edad <= 30 y que viven en zonas de mucha inmigracin
I4 = n encuestados de edad entre 31- 50 que viven en zonas de mucha inmigracin

I5 = n encuestados de edad > 50 que NO viven en zonas de mucha inmigracin
N3 = n encuestados de edad<= 30 y que NO viven en zonas de mucha inmigracin.
N4 = n encuestados de edadentre 31-50 que NO viven en zonas de mucha
inmigracin.
N5 = n encuestados de edad > 50 que NO viven en zonas de mucha inmigracin.
Funcin objetivo
Funcin obj. (Minimizar) = 7.50 I3 + 6.80 I4 + 6.90 I5 + 6.90 N3 +7.25 N4 +6.10 N5
Restricciones
I3 + I4 + I5 + N3 + N4 + N5>= 2300
I3 +
N3
>= 1000
I4 +
N4
>= 600
I3 + I4 +I5 (0.15) I3 (0.15) I4 (0.15) I5 (0.15) N3 0.15) N4 (0.15) N5>= 0
I5 (0.2) I5 (0.2) N5<= 0
As pues, deberamos realizar la encuesta exclusivamente a 600 individuos del tipo
I4, a 140 del tipo I5, a 1.000 del tipo N3 y a 560 del tipo N5. Ello supondra unos
costes estimados de 15.166 .
2.
2.1
APLICACIONES DE LA PROGRAMACIN
PRODUCCIN
COMBINACIN PTIMA DE BIENES
LINEAL
EN
A menudo las tcnicas de PL permiten decidir sobre la cantidad ms

adecuada que una empresa debe producir de cada uno de sus productos a fin
maximizar los beneficios sin dejar de cumplir con unos determinados
requisitos (financieros, de demanda, contractuales, de disponibilidad de
materias primas, etc.).
Una empresa dedicada a la elaboracin y venta de ropa para hombre produce
cuatro tipos de corbatas, una de seda, otra de poliester, y dos de
poliester/algodn. La tabla siguiente muestra el coste de cada uno de estos
materiales y su disponibilidad:
MATERIAL
COSTE
METRO ()
POR METROS
DISPONIBLES/MES
Seda
21
800
Polister
3.000
Algodn
1.600
La empresa tiene contratos de larga duracin para suministrar corbatas a

cinco cadenas de tiendas de ropa. En dichos contratos se especifica que la
empresa deber suministrar unas cantidades mnimas mensuales de cada
tipo de corbata y, que en caso de recibir una demanda superior al mnimo,
ser la propia empresa la que decida si puede o no servir la cantidad extra
solicitada. A continuacin aparecen los datos relevantes:
TIPO DE PRECIO
CORBATA DE
VENTA
MINIMO
A
SERVIR
DEMAND
METROS
A
NECESARIO
MENSUAL S
COMPOSICIO
N
()
Seda
6.70
Polister
3.55
Algodn # 4.31
1
Algodn # 4.81
2
6.000
10.000
13.000
7.000
14.000
16.000
0.125
0.08
0.10
6.000
8.500
0.10
100% seda
100% polister
50% polister
50% algodn
30%polister
70% algodn
El objetivo de la empresa es elegir el plan de produccin que maximice sus

beneficios mensuales.
Lo primero en este problema ser determinar qu beneficios nos reporta cada
una de las corbatas vendidas y fabricadas. As por ejemplo, cada corbata de
seda requiere de 0.125 metros de este material, a un coste de 21 por metro,
lo que nos da un coste por corbata de 2.62 . Como la vendemos por 6.70 ,
el beneficio que obtenemos ser de 4.08 por cada unidad producida y
vendida. El mismo razonamiento se aplicar a los restantes tres tipos de
corbata, con lo que obtendremos el siguiente planteamiento:
COMBINACIN DE BIENES A PRODUCIR
Variables
S = N corbatas de seda a producir
P = N corbatas de polister a producir
A1 = N corbatas de algodn #1 a producir
A2 = N corbatas de algodn #2 a producir
Funcin objetivo
Funcin obj. (Maximizar) = 4.08 S + 3.07P + 3.56 A1 + 4.00 A2
Restricciones
0.125 S
<= 800
0.08 P + 0.05 A1 + 0.03 A2<= 3000
0.05 A1 + 0.07 A2<= 1600
S >= 6000
S <= 7000
P >= 10000
P <= 14000
A1>= 13000
A1<= 16000
A2>= 6000
A2<= 8500
Observar que la solucin a nuestro caso ser producir cada mes 6.400
corbatas de seda, 14.000 de polister, 16.000 de algodn #1, y 8.500 de
algodn #2. Ello nos dar unos beneficios de 160.052 por mes.
2.2
PLANIFICACIN DE LA PRODUCCIN
El establecer un plan de produccin para un perodo de semanas o meses resulta ser
una tarea difcil e importante en la mayora de las plantas de produccin. El director
de operaciones debe considerar muchos factores: mano de obra, costes de
inventario y almacenamiento, limitaciones de espacio, demanda, etc. Por lo general
la mayora de las plantas producen ms de un bien, con lo que la tarea anterior se
complica an ms. Como veremos en el siguiente ejemplo, el problema de la
planificacin se asemeja bastante al de la combinacin ptima de bienes, pudiendo
ser el objetivo maximizar beneficios o bien minimizar los costes de produccin ms

almacenamiento.
La empresa Motores de Almazora, S.A. fabrica dos tipos de motores elctricos los
cuales vende a la compaa Electrodomsticos Villareal, S.A. Tres veces al ao, el
director de compras de esta ltima empresa enva a la primera un pedido que abarca
los siguientes cuatro meses. A continuacin se muestra una tabla con el pedido para
el perodo enero-abril para cada modelo de motor:
MODELO
ME3A
ME3B
ENERO
800
1.000
FEBRERO
700
1.200
MARZO
1.000
1.400
ABRIL
1.100
1.400
La planificacin de la produccin en Motores de Almazora, S.A. debe considerar

cuatro factores:
1. El deseo de producir el mismo n de motores cada mes. Esto simplificara la
planificacin y los horarios de trabajadores y mquinas.
2. La necesidad de mantener lo ms bajo posible los costes de estucos. Esto sugiere
que en cada mes se ha de ajustar la produccin a lo estrictamente requerido en el
mismo.
3. Limitaciones de almacenes, las cuales son de 3.300 unidades mximo de cada
tipo.
4. La poltica de no despidos de la compaa, la cual garantiza que un mnimo de la
capacidad productiva estar en activo cada mes. Concretamente se asegura un nivel
no inferior a las 2.240 horas mensuales de mano de obra, pudindose ampliar tal
recurso hasta las 2.560 horas mensuales si fuese necesario.
Deberemos tener en cuenta que los costes de produccin son de 10 por unidad de
ME3A y de 6 por unidad de ME3B, si bien debido a un acuerdo con los sindicatos,
stos costes se incrementarn en un 10% a partir del 1 de marzo. Adems, cada
motor de tipo ME3A que permanezca en estoc supone un coste de 0.18 por mes,
mientras que almacenar uno de tipo ME3B genera un coste de 0.13 mensuales.
Por otro lado, se desea tener un inventario de seguridad de 450 ME3A y 300 ME3B a
finales de abril. Indicar finalmente que cada ME3A requerir de 1.3 horas de mano
de obra, mientras que cada ME3B necesita de 0.9 horas.
PLAN DE PRODUCCIN
Variables
XAi = nde ME3A producidos durante el mes i, donde i=1, 2, 3, 4.
XBi = nde ME3B producidos durante el mes i
IAi = n de ME3A en inventario al final del mes i
IBi = n de ME3B en inventario al final del mes i
Funcin objetivo
Funcin obj. (Minimizar) = 10XA1 + 10XA2 + 11XA3 + 11XA4 + 6XB1 + 6XB2 + 6.6XB3 +
6.6XB4 + 0.18 IA1 + 0.18 IA2 + 0.18 IA3 + 0.18 IA4 + 0.13 IB1 + 0.13 IB2 + 0.13 IB3 +
0.13 IB4
Costes de produccin y costes de inventario
Restricciones
XA1 IA1 = 800 demanda de enero
XB1 IB1 = 1000
XA2 + IA1 IA2 = 700 demanda de febrero
XB2 + IB1 IB2 = 1200
XA3 + IA2 IA3 = 1000 demanda de marzo

XB3 + IB2 IB3 = 1400
XA4 + IA3 IA4 = 1100 demanda de abril
XB4 + IB3 IB4 = 1400
IA4 = 450
IB4 = 300
IA1 + IB1 <= 3300
IA2 + IB2 <= 3300
IA3 + IB3 <= 3300
IA4 + IB4 <= 3300
1.3 XA1 + 0.9 XB1 >= 2240 mnimo uso de mano de obra en enero
1.3 XA1 + 0.9 XB1 <= 2560
1.3 XA2 + 0.9 XB2 >= 2240 mnimo de uso de manos de obra en febrero
1.3 XA2 + 0.9 XB2 <= 2560
1.3 XA3 + 0.9 XB3 >= 2240 mnimo de uso de manos de obra en marzo
1.3 XA3 + 0.9 XB3 <= 2560
1.3 XA4 + 0.9 XB4 >= 2240 mnimo de uso de manos de obra en abril
1.3 XA4 + 0.9 XB4 <= 2560
El ejemplo anterior nos muestra la elaboracin de un plan de produccin
relativamente sencillo ya que slo se consideran dos productos. Sin embargo, el
mismo procedimiento usado aqu es aplicable a planes de produccin con decenas
de
productos
y
centenares
de
restricciones .
3.
3.1
APLICACIONES DE LA PROGRAMACIN LINEAL A LA

DISTRIBUCIN DE TAREAS
ASIGNACIN DE TRABAJOS
El objetivo aqu ser asignar de la forma ms eficiente posible un trabajo a cada
empleado o mquina. Ejemplos de este tipo de asignacin seran la distribucin de
coches patrulla por las calles de una ciudad o la destino de cada jefe de ventas a una
determinada
zona
geogrfica.
El objetivo puede ser bien minimizar los tiempos o costes de desplazamiento, o bien
maximizar la efectividad de las asignaciones.
Aparte de poder utilizar los algoritmos tradicionales (Simplex y Karmarkar), este tipo
de problemas tambin puede resolverse usando tcnicas especialmente diseadas
para sus caractersticas como el mtodo hngaro, el cual necesita de menos
iteraciones para dar con la solucin.
Una propiedad particular de los problemas de asignacin es que tanto los
coeficientes tecnolgicos cmo los trminos independientes (right-hand-side)
siempre toman el valor 1. Adems, todas las variables sern binarias, tomando el
valor 1 si la asignacin propuesta se lleva a cabo y 0 en caso contrario.
Veamos un ejemplo:
Un gabinete de abogados tiene en su nmina cuatro hbiles licenciados en derecho
a los cuales quiere utilizar de forma ptima asignando a cada uno el caso que ms
se ajuste a sus caractersticas. El 1 de marzo llegan a la compaa cuatro clientes en
busca de asesoramiento, y el director del gabinete decide asignar cada caso a cada
uno de sus cuatro empleados segn sus especialidades y preferencias.
A continuacin se muestra una tabla donde se estima la efectividad (valorada en una
escala del 1 al 9) de cada trabajador para cada uno de los casos que presentan los
clientes:
ABOGADO
DIVORCIO
A1
A2
A3
A4
6
9
4
6
FUSION
EMPRESAS
2
3
8
7
ABSORCION
EMPRESAS
8
5
3
6
EXHIBICIONISMO
5
8
4
4
DESPACHO DE ABOGADO
Variable
Para resolver esta situacin, consideraremos las variables Xij, donde i = 1, 2, 3, 4
segn abogado, y j = 1, 2, 3, 4 segn caso. As, la variable Xij tomar el valor 1 si el
abogado i es asignado al caso j, y 0 en caso contrario.
Funcin objetivo
Funcin obj. (Max) = 6X11 + 2X12 + 8X13 + 5X14 + 9X21 + 3X22 + 5X23 + 8X24 + 4X31 +
8X32 + 3X33 + 4X34 + 6X41 + 7X42 + 6X43 + 4X44
Maximizamos la efectividad total
Restricciones
X11 + X21 + X31 + X41 = 1
Caso divorcio
X12 + X22 + X32 + X42 = 1
Caso fusin
X13 + X23 + X33 + X43 = 1
Caso absorcin
X14 + X24 + X34 + X44 = 1
Caso exhibicionismo
X11 + X12 + X13 + X14 = 1
Abogado 1
X21 + X22 + X23 + X24 = 1
Abogado 2
X31 + X32 + X33 + X34 = 1
Abogado 3
X41 + X42 + X43 + X44 = 1
Abogado 4
Queda claro pues que el abogado 1 se ocupar del caso de absorcin empresarial, el
abogado 2 del caso de exhibicionismo, el abogado 3 del caso de la fusin, y el
abogado 4 del divorcio.
3.2
PLANIFICACIN DE HORARIOS
La planificacin de horarios intenta dar una respuesta efectiva a las necesidades de
personal durante un perodo concreto de tiempo. La aplicacin de la PL a este tipo de
problemas resulta especialmente til cuando los directivos disponen de cierta
flexibilidad a la hora de asignar tareas a empleados polifuncionales. Un sector tpico
donde se hace uso de la PL para tomar decisiones sobre planificacin de horarios
son las entidades bancarias.
Supongamos que una oficina bancaria necesita diariamente entre 10 y 18 cajeros en
funcin de la hora segn se especifica en la tabla siguiente:
FRANJA HORARIA
9 a.m. 10 a.m.
N DE CAJEROS
NECESARIOS
10
10 a.m. 11 a.m.
12
11 a.m. 12 a.m.
14
12 a.m. 1 p.m.
16
1 a.m. 2 p.m.
18
2 a.m. 3 p.m.
17
3 a.m. 4 p.m.
15
4 a.m. 15 p.m.
10
En la actualidad la oficina tiene 12 trabajadores a jornada completa (full-time), y

dispone de una larga lista de gente dispuesta a trabajar a media jornada (part-time).
Un cajero que trabaje a media jornada ha de estar operativo 4 horas al da, y estar
disponible para comenzar su trabajo a cualquier hora entre las 9 a.m. y la 1 p.m. Por
su parte, los trabajadores a jornada completa estn operativos de 9 a.m. a 5 p.m.,
teniendo libre una hora para comer (la mitad de ellos lo harn de 11 a.m. a 12 a.m. y
la otra mitad de 12 a.m. a 1 p.m.). Observar que cada uno de estos cajeros tiene una
jornada semanal de 35 horas.
Las normas de la entidad limitan el nmero de horas realizadas por los part-time a,
como mximo, el 50% de las horas diarias requeridas. Los part-time ganan una
media de 4 la hora (es decir, 16 al da), por 50 diarios que ganan los full-time.
El banco pretende establecer un horario que minimice sus costes salariales, estando
dispuesto a desprenderse de algn trabajador full-time si ello resulta conveniente.
HORARIO BANCOS
Variables
F = n trabajadores full-time
P1 = n trabajadores part-time operativos de 9 a.m. a 1 p.m.
P5 = n trabajadores part-time operativos de 1 p.m. a 5 p.m.
Funcin objetivo
Funcin obj. (Min.) = 50 F + 16 P1 + 16 P2 + 16 P3 + 16 P4 + 16 P5
Se quiere minimizar los costos salariales
Restricciones
F + P1
>= 10
Necesidades de 9 a.m. a 10 a.m.
F + P1 + P2
>= 12
0.5 F + P1 + P2 + P3
>= 14
0.5 F + P1 + P2 + P3 + P4
>= 16
F+
P2 + P3 + P4+ P5 >= 18
F+
P3 + P4+ P5 >= 17
F+
P4+ P5 >= 15
F+
P5 >= 10
F <= 12
4P1 + 4P2 + 4P3 + 4P4 + 4P5 <= 56
Los part-time harn a lo sumo el 50% de la horas
4.
4.1
APLICACIONES DE LA PROGRAMACIN LINEAL A LAS

FINANZAS
SELECCIN DE UNA CARTERA DE VALORES
Un problema al que se tienen que enfrentar de forma habitual los directivos de
bancos, fondos de inversin, y compaas de seguros es la seleccin de una serie de
inversiones concretas de entre la gran variedad de alternativas existentes en el
mercado. Por norma general, el objetivo de estos directivos es maximizar los
beneficios esperados de estas inversiones, las cuales se ven sometidas a un
conjunto de restricciones, algunas legales y otras provenientes de la propia empresa
(como puede ser el nivel de riesgo que se desea asumir o la cantidad mxima que se
permite invertir).
Supongamos que nuestro banco se dedica a invertir en crditos al consumo, bonos

corporativos, depsitos de oro, y prstamos a la construccin. Con el fin de
diversificar la cartera de valores, la Junta Directiva del banco ha puesto lmite a las
cantidades que se permiten invertir en cada una de las opciones anteriores. En la
actualidad disponemos de 5 millones de para invertir, y pretendemos: (1) Maximizar
el inters esperado para los prximos seis meses, y (2) cumplir con la diversificacin
propugnada por la Junta Directiva segn se especifica en la tabla siguiente:
TIPO DE INVERSION
LIMITE
DE
INVERSION
(MILLONES DE )
Crdito al consumo
7%
1.0
Bonos corporativos
11%
2.5
Depsitos de oro
19%
1.5
Prestamos a la construccin 15%
1.8
Adems, la Directiva requiere que al menos un 5% de los fondos se dediquen a
depsitos de oro y prstamos a la construccin, mientras que el porcentaje dedicado
a crditos al consumo no debe superar el 15%.
SELECCIN DE UNA CARTERA
Variables
X1 = Cantidad invertida en crditos al consumo
X2 = Cantidad invertida en bonos corporativos
X3 = Cantidad invertida en depsitos de oro
X4 = Cantidad invertida en prstamos a la construccin
Funcin
objetivo
Funcin obj. (Max.)= 0.07 X1 + 0.11 X2 + 0.19 X3 + 0.15 X4
Restricciones
X1 <= 1.000.000
X2 <= 2.500.000
X3 <= 1.500.000
X4 <=1.800.000
X3 + X4 0.55X1 0.55X2 0.55X3 0.55X4 >= 0
X1- 0.15X1 0.15X2 0.15X3 0.15X4 >= 0
X1 + X2 + X3 + X4 <= 5.000.000
5.
5.1
INTERS
ESPERADO
APLICACIONES DE LA PROGRAMACIN LINEAL A LA

LOGSTICA
El PROBLEMA DEL TRANSPORTE
El llamado problema del transporte se refiere al proceso de determinar el nmero de
bienes o mercancas que se han de transportar desde cada uno de los orgenes a
cada uno de los destinos posibles. El objetivo suele ser minimizar costes de
transporte, y las restricciones vienen dadas por las capacidades productivas de cada
origen y las necesidades de cada destino. Este tipo de problema es un caso
especfico de PL, por lo que existen mtodos y algoritmos especiales que facilitan su
resolucin (Regla de la Esquina NorOeste, Mtodo de Vogel, Mtodo de Paso
Secuencial, y Mtodo de distribucin modificada o MODI).
Una compaa de mbito nacional produce y distribuye una lnea de bicicletas de alta
competicin. La empresa tiene lneas de montaje en dos ciudades, Castelln y
Sabadell, mientras que sus tres principales cadenas de distribucin estn localizadas
en Madrid, Barcelona, y Vitoria.
La oficina de Madrid presenta una demanda anual de 10.000 bicicletas, mientras que
la de Barcelona solicita 8.000 y la de Vitoria 15.000. La planta de Castelln puede
producir hasta 20.000 bicicletas anuales, por 15.000 la de Sabadell. Los costes de
transporte por unidad son los siguientes:
DESTINO
ORIGEN
Madrid
Barcelona
Victoria
Castellon
2
3
5
Sabadell
3
1
4
La compaa pretende establecer un plan de distribucin que minimice sus costes
anuales de transporte.
EL PROBLEMA DEL TRANSPORTE
Variables
CM = n bicicletas a transportar desde Castellon hasta Madrid
CB = n bicicletas a transportar desde Castellon hasta Barcelona
CV = n bicicletas a transportar desde Castellon hasta Victoria
SM = n bicicletas a transportar desde Sabadell hasta Madrid
SB = n bicicletas a transportar desde Sabadell hasta Barcelona
SV = n bicicletas a transportar desde Sabadell hasta Victoria
Funcin Objetivo
Funcin obj. (Min.)= 2 CM + 3 CM + 5 CV + 3 SM + 1 SB + 4 SV
Restricciones
CM + SM = 10.000
CB + SB = 8.000
CV + SV = 15.000
CM + CB + CV <=20.000
SM +SB + SV <= 15.000
6.
6.1
APLICACIONES DE LA PROGRAMACIN LINEAL A MEZCLAS

El PROBLEMA DE LA DIETA
Este problema representa una de las primeras aplicaciones de la PL, y
comenz a utilizarse en los hospitales para determinar la dieta ms
econmica con la que alimentar a los pacientes a partir de unas
especificaciones nutritivas mnimas. En la actualidad tambin se aplica con
xito en el mbito agrcola con la misma idea de encontrar la combinacin
ptima de alimentos que, logrando un aporte nutritivo mnimo, suponga el
menor coste posible.
Un centro de nutricin utiliza tres tipos de granos para elaborar un cereal
natural que vende por kilos. El eslogan del centro es que cada 125 gramos de
su cereal, tomados con medio vaso de leche entera, cubre las necesidades
alimenticias de un adulto en cuanto a protenas, hidratos de carbono, fsforo y
magnesio. El coste de cada tipo de grano y sus contenidos por kg. se reflejan
en la siguiente tabla:
GRAN
O
A
B
C
COST
E POR
KG.
0.33
0.47
0.38
PROTEINAS
(Unidades/Kg.
)
22
28
21
HIDRATOS C
(Unidades/Kg.
)
16
14
25
FSFORO
(Unidades/Kg
.
8
7
9
MAGNESIO
(Unidades/Kg
.
5
0
6
Los requisitos nutricionales mnimos por da para un adulto son 3 unidades de

protenas, 2 de hidratos de carbono, 1 de fsforo, y 0.425 de magnesio. Se
tratar pues de establecer la mezcla adecuada de granos que logra cubrir
estas necesidades con el mnimo coste para el centro.
PROBLEMA DE LA DIETA
Variables
XA = Kgs. Grano tipo A que usaremos en 125 gramos de cereal
XB = Kgs. Grano tipo B que usaremos en 125 gramos de cereal
XC = Kgs. Grano tipo C que usaremos en 125 gramos de cereal
Funcin Objetivo
Funcin obj. (Min.)= 0.33 XA + 0.47 XB + 0.38 XC
Restricciones
22 XA + 28 XB + 21 XC >= 3
16 XA + 14 XB + 25 XC >= 2
8 XA + 7 XB + 9 XC >= 1
5 XA +
6 XC >= 0.425
XA + XB + XC = 0.125
Queda claro pues que la solucin ideal ser usar 25 gramos de grano tipo A,
50 de grano tipo B y otros 50 de grano tipo C. Con ello logramos cumplir con
nuestro eslogan al menor coste posible.
Bibliografa
1.
Anderson, D.R., Sweeney, D. J. y Williams, T.A. (2001): Quantitative Methods for

Business. West Publishing Company. (Existe versin en espaol).
2.
Hillier, F.S. y Liebermann, G.J. (2001): Introduccin a la Investigacin de

Operaciones. Ed. McGraw-Hill.
3.
Winston, W. (1994): Investigacin de Operaciones. Aplicaciones y Algoritmos. Grupo

Editorial Iberoamericano.
4.
Eppen, G.D., Gould, F.J., Schmidt, C.P., Moore, J.H., Weatherford, L.R. (1998):
Introductory
Management
Science.
DecisionModelingwithSpreadsheets.
UpperSaddleRiver. (Existe versin en espaol)
EJERCICIOS
Ejercicios resueltos
1. Una refinera produce gasolina Corriente, Extra y ACPM para las cuales a establecido un
precio de venta de $4000, $4500 y $4100 por galn respectivamente. Para la produccin
de estos combustibles, la compaa cuenta con una disponibilidad de 5000 galones de
petrleo crudo y 7000 galones de petrleo refinado. Adems se a establecido que el
costo de galn de petrleo crudo es 3000 y el refinado a 3500. Por requerimientos de
calidad, se sabe que la gasolina corriente debe contener 40% de petrleo crudo y 60%
de petrleo refinado; la gasolina extra debe contener 30% de petrleo crudo y 70% de
petrleo refinado; mientras que el ACPM debe contener 50% de ambos petrleos.
Plantee el modelo de programacin lineal con el fin de obtener el beneficio de la
empresa.
---------------
P. CRUDO
CORRIENTE
EXTRA
ACPM
DISPONIBILIDA
D
PRECIO/GALON
40%
30%
50%
5000
galones
$3000
P.
REFINADO
60%
70%
50%
7000
galones
$3500
PRECIO/GALO
N
$4000
$4500
$4100
->Lo primero que hacemos es definir las variables a usar en el modelo de programacin
lineal:
X1= Galn de gasolina corriente; X2= Galn de gasolina extra; X3= Galn de ACPM; X4=
Galn de petrleo crudo; X5= Galn de petrleo refinado.
->Ahora definimos nuestra funcin objetivo, que es:
Zmax= 4000X1+4500X2+4100X3-(3000X4+3500X5)
->Y las restricciones a las que esta sometido nuestro problema son:
RESTRICCION DE PORCENTAJE DE P. CRUDO:
R1= 0.4X1+0.3X2+0.5X3 5000
RESTRICCION DE PORCENTAJE DE P. REFINADO:
R2= 0.6X1+0.7X2+0.5X3 7000
RESTRICCIONES DE POSITIVIDAD:
X1,X2,X3,X4,X5 0
2.
Una compaa de petrleo produce tres tipos de gasolina Sper, Normal y Euro. Se
obtienen por la mezcla de tres calidades de crudo que contienen tres componentes A, B
y C. La participacin de esos componentes en la fabricacin de cada crudo
es:Restricciones:
CRUDO
1
2
3
A
80%
10%
5%
B
45%
30%
20%
C
30%
40%
25%
Las especificaciones de los tres tipos de gasolina son:
TIPO
DE A
B
GASOLINA
SUPER
60%
25%
NORMAL
50%
30%
EURO
40%
35%
C
10%
15%
20%
Los costos por barril de crudo A, B y C es de $650, $500 y $450 respectivamente. El

presupuesto diario de compras es de $50 millones; la disponibilidad diaria de crudo B y
C se limita respectivamente a 3000 y 7000 barriles. Ciertos acuerdos obligan comprar al
menos 2500 barriles de A por da. Las demandas de las gasolinas Sper y Normal son
de 2000 y 2500 barriles diarios respectivamente, que deben satisfacerse. La compaa
desea maximizar la produccin de gasolina Euro.
DEFINIMOS LAS VARIABLES:
Xij=> i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S, N, E}; en unidades de barriles.
Y como ayuda tenemos de variable C, con respecto a cada componente de los crudos.
->Nuestra funcin objetivo es, teniendo en cuenta que la empresa desea maximizar la
produccin de gasolina Euro:
Zmax= XAE+XBE+XCE
->Restricciones de cantidades:
0.8C1+ 0.1C2+ 0.05C3 0.6 (XAS+XBS+XCS)
0.45C1+ 0.3C2+ 0.2C3 0.25 (XAS+XBS+XCS)
0.3C1+ 0.4C2+ 0.25C3 0.1 (XAS+XBS+XCS)
0.8C1+ 0.1C2+ 0.05C3 0.5 (XAN+XBN+XCN)
0.45C1+ 0.3C2+ 0.2C3 0.3 (XAN+XBN+XCN)
0.3C1+ 0.4C2+ 0.25C3 0.15 (XAN+XBN+XCN)
0.8C1+ 0.1C2+ 0.05C3 0.4 (XAE+XBE+XCE)
0.45C1+ 0.3C2+ 0.2C3 0.35 (XAE+XBE+XCE)
0.3C1+ 0.4C2+ 0.25C3 0.2 (XAE+XBE+XCE)
->Restriccin de costos diarios:
650 (XAS+XAN+XAE)+500 (XBS+XBN+XBE)+450 (XCS+XCN+XCE) 50 millones
->Restriccin de disponibilidad diaria de los crudos B y C:
XBS+XBN+XBE 3000 barriles.
XCS+XCN+XCE 7000 barriles.
->Restriccin de demandas de gasolina Sper y Normal:
(XAS+XBS+XCS) 2000 barriles
(XAN+XBN+XCN) 2500 barriles
->Restriccin de mnimo de compras de crudo A:
(XAS+XAN+XAE) 2500 barriles.
->Restriccin de positividad:
Xij0 i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S, N, E}.
3. Una compaa produce bibliotecas y escritorios para los cuales a establecido un precio de
venta por unidad de $9000 y $10000 respectivamente. Para la produccin de dichos
artculos, la compaa cuenta con una disponibilidad mensual de 700 metros de madera,
800 metros de tubo y 900 pliegos de papel de lija. Qu cantidad de bibliotecas y
escritorios se deben fabricar mensualmente, si se sabe que una biblioteca consume 7
metros de madera, 10 metros de tubo y 6 pliegos de papel de lija; mientras que el
escritorio consume 10 metros de madera, 8 metros de tubo y 15 pliegos de papel de lija?
Determinamos primero que todo, nuestras variables que son:
X1= Nmero de bibliotecas; X2= Nmero de escritorios.
Ahora, la funcin objetivo es:
Zmax=9000X1+10000X2
Restricciones:
Restriccin de cantidad de madera a emplear:
7X1+10X2 700 m
Restriccin de cantidad de tubo a emplear:

10X1+8X2 800 m
Restriccin de cantidad de papel de lija a emplear:
6X1+15X2 900 pliegos
Restriccin de positividad:
X1, X2 0
4. Una compaa de petrleo produce tres tipos de gasolina Sper, Normal y Euro. Se
obtienen por la mezcla de tres calidades de crudo que contienen tres componentes A, B
y C. La participacin de esos componentes en la fabricacin de cada crudo es:
CRUDO
1
2
3
A
80%
10%
5%
B
45%
30%
20%
C
30%
40%
25%
Las especificaciones de los tres tipos de gasolina son:
TIPO
DE 1
1
GASOLINA
SUPER
60%
25%
NORMAL
50%
30%
EURO
40%
35%
1
10%
15%
20%
Los costos por barril de crudo A, B y C es de $650, $500 y $450 respectivamente. El

presupuesto diario de compras es de $50 millones; la disponibilidad diaria de crudo B y
C se limita respectivamente a 3000 y 7000 barriles. Ciertos acuerdos obligan comprar al
menos 2500 barriles de A por da. Las demandas de las gasolinas Sper y Normal son
de 2000 y 2500 barriles diarios respectivamente, que deben satisfacerse. La compaa
desea maximizar la produccin de gasolina Euro.
DEFINIMOS LAS VARIABLES: Xij=> i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S,
N, E}; en unidades de barriles. Y como ayuda tenemos de variable C, con respecto a
cada componente de los crudos.
Nuestra funcin objetivo es, teniendo en cuenta que la empresa desea maximizar la
produccin de gasolina Euro:
Zmax= XAE+XBE+XCE
->Restricciones de cantidades:
0,80XAS+0,45XBS+0,30XCS 0,60(XAS+XBS+XCS)
0,10XAS +0,30XBS+0,40XCS 0,25(XAS+XBS+XCS)
0,05XAS+0,20XBS+0,25XCS 0,10 (XAS+XBS+XCS)
0,80XAN+0,45XBN+0,30XCN 0,50(XAN+XBN+XCN)
0,10XAN +0,30XBN+0,40XCN 0,30(XAN+XBN+XCN)
0,05XAN+0,20XBN+0,25XCN 0,15 (XAN+XBN+XCN)
0,80XAE+0,45XBE+0,30XCE 0,40(XAE+XBE+XCE)
0,10XAE +0,30XBE+0,40XCE 0,35(XAE+XBE+XCE)
0,05XAE+0,20XBE+0,25XCE 0,20(XAE+XBE+XCE)
->Restriccin de costos diarios:
650 (XAS+XAN+XAE)+500 (XBS+XBN+XBE)+450 (XCS+XCN+XCE) 50 millones
->Restriccin de disponibilidad diaria de los crudos B y C:
XBS+XBN+XBE 3000 barriles.
XCS+XCN+XCE 7000 barriles.

->Restriccin de demandas de gasolina Sper y Normal:
(XAS+XBS+XCS) 2000 barriles
(XAN+XBN+XCN) 2500 barriles
->Restriccin de mnimo de compras de crudo A:
(XAS+XAN+XAE) 2500 barriles.
->Restriccin de positividad:
Xij0 i= Tipo de crudo= {A, B, C}; j=Tipo de gasolina= {S, N, E}.
5. PROTRAC, produce dos lneas de maquinaria pesada. Una de sus lneas de productos,
llamada equipa de excavacin, se utiliza de manera primordial en aplicaciones de
construccin. La otra lnea, denominada equipo para la silvicultura, esta destinad a la
industria maderera. Tanto la maquina mas grane de la lnea de equipo de excavacin
(E9), como la mayor de toda la lnea de silvicultura (F9) son fabricadas en los mismos
departamento y con el mismo equipo. Empleando las proyecciones econmicas
correspondientes al siguiente mes, el gerente de mercadotecnia de PROTRAC ha
considerado que durante ese periodo ser posible vender todas las E9 y F9 que la
compaa sea capaz de producir. La gerencia tiene que recomendar ahora una meta de
produccin pare le mes prximo. Es decir, Cuntas E-9 y F-9 debern fabricar si la
direccin de PROTRAC desea maximizar la contribucin del mes entrante a las
ganancias?
Se toma en cuenta los siguientes factores importantes:
El margen de contribucin unitaria de PROTRAC es de $ 5000 pro cada E-9
vendida y de $4000 por cada F-9.
Cada producto pasa por las operaciones de maquinado, tanto en el departamento
A como el B.
Para la produccin correspondiente al mes prximo, estos dos departamentos
tienen tiempos disponibles de 150 y 160 horas, respectivamente. La fabricacin
de cada E-9 requiere 10 horas de maquinado en el departamento A y 20 horas
en el departamento B, mientras que la de cada F-9 requiere 15 horas en el
departamento A y 10 en el B.
Para que la administracin cumpla un acuerdo concertado con el sindicato, las
horas totales de trabajo invertidas en la prueba de productos terminados del
siguiente mes no deben ser mas all de 10% inferior a una meta convenida de
150 horas. Estas pruebas es llevan a cavo en un tercer departamento y no tiene
nada que ver con las actividades de los departamentos A y B. Cada E-9 es
sometida a pruebas durante 30 horas y cada F-9 durante 10. Dado que el 10%
de 150 es 15, las horas destinas a las pruebas no pueden ser menores que 135.
Con el fin de mantener su posicin actual en el mercado, la lata gerencia ha
decretado como poltica operativa que .deber construirse cuando menos una F9 por cada tres E-9 que sean fabricadas.
Uno de los principales distribuidores ha ordenado un total de cuando menos
cinco E-9 y F-9 para el prximo mes, por lo cual tendr que producirse por lo
menos esa cantidad.
Entonces tomamos como nuestras variables:
X= # mquinas E9
Y= # mquinas F9.
Nuestra funcin objetivo ser:

Zmax= 5000X + 4000Y.
Restricciones:
10X + 15Y 150.
20X + 10Y 160.
30X + 10Y 135.
X/Y 3.
X + Y 5.
X, Y 0.
6. Problema de Dieta
El problema de la dieta fue uno de los primeros sobre optimizacin. Se trataba hallar
la manera ms econmica de alimentar al ejercito pero asegurando al mismo tiempo
unos determinados niveles nutricionales.
Este tipo de problema se puede plantear en distintas formas tales como minimizar los
gastos de la compra, dieta para el ganado, una dieta adelgazante que cumpla unos
determinados niveles de caloras, protenas, hidratos de carbono, etc.
Ejemplo
Nos proponemos alimentar el ganado de una granja con una dieta que sea la ms
econmica posible. Dicha dieta debe contener cuatro tipos de nutrientes que
llamamos A, B, C, y D. Estos componentes se encuentran en dos tipos de piensos M
y N. La cantidad, en gramos, de cada componente por kilo de estos piensos viene
dada en la tabla siguiente:
A
B
C
D
M
100
100
200
N
100
200
100
La dieta diaria de un animal debe estar compuesta por al menos 0.4Kg del
componente A, 0.6Kg del componente B, 2Kg del componente C, y 1.7Kg del
componente D. El compuesto M cuesta 0.2/Kg y el compuesto N 0.08/Kg. Qu
cantidades de piensos M y N deben adquirirse para que el gasto de comida sea el
menor posible?
Solucin
Se determinan las variables de decisin y se representan algebraicamente. En este
caso:
X1: cantidad de pienso M en Kg
X2: cantidad de pienso N en Kg
Se determina la funcin objetivo:
Minimizar Z = 0.2X1 + 0.08X2
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de

las variables de decisin. Dichas restricciones se deducen de la composicin
requerida para la dieta diaria (en Kg):
En el componente A: 0.1X1 + 0X2 0.4
En el componente B: 0X1 + 0.1X2 0.6
En el componente C: 0.1X1 + 0.2X2 2
En el componente D: 0.2X1 + 0.1X2 1.7
Se expresan todas las condiciones implcitamente establecidas por la naturaleza

de las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso, la nica restriccin es que las
cantidades de pienso que forman la dieta no pueden ser negativas:
X1 0
X2 0
7. Transporte de tropas
Un destacamento militar formado por 50 soldados ingenieros, 36 zapadores, 22 de
las fuerzas especiales, y 120 soldados de infantera como tropa de apoyo, ha de
transportarse hasta una posicin estratgica importante. En el parque de la base se
dispone de 4 tipos de vehculos A, B, C, y D, acondicionados para transporte de
tropas. El nmero de personas que cada vehculo puede transportar es 10, 7, 6, y 9,
de la forma en que se detalla en la siguiente tabla:
Ingeniero
Zapatero
Fuerzas
Infanter
s
s
especiales a
A
3
2
1
4
B
1
1
2
3
C
2
1
2
1
D
3
2
3
1
El combustible necesario para que cada vehculo llegue hasta el punto de destino se
estima en 160, 80, 40, y 120 litros respectivamente. Si queremos ahorrar
combustible, cuntos vehculos de cada tipo habr que utilizar para que el consumo
sea el mnimo posible?
caso:
Xi: nmero de vehculos de cada tipo que se usen
X1: nmero de vehculos de tipo A
X2: nmero de vehculos de tipo B
X3: nmero de vehculos de tipo C
X4: nmero de vehculos de tipo D

Minimizar Z = 160X1 + 80X2 + 40X3 + 120X4
las variables de decisin. Dichas restricciones se deducen de los soldados que
deben ser transportados:
Ingenieros: 3X1 + X2 + 2X3 + 3X4 50
Zapadores: 2X1 + X2 + X3 + 2X4 36
Fuerzas especiales: X1 + 2X2 + 2X3 + 3X4 22
Infantera: 4X1 + 3X2 + X3 + X4 120
Se expresan todas las condiciones implcitamente establecidas por la naturaleza de
las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso las restricciones son que la cantidad de
vehculos no puede ser negativa y debe ser adems un nmero entero:
Xi 0
Xi son enteros
8. Transporte de mercancas
Para este tipo de problemas, aunque pueden ser resueltos por el mtodo del
Simplex, existe un mtodo especfico de ms fcil resolucin: el mtodo del
transporte o mtodo simplificado del Simplex para problemas de transporte. Este
mtodo ahorra bastante tiempo y clculos frente al mtodo del Simplex tradicional.
Sin embargo el problema se modela de la misma forma.
Ejemplo
Un fabricante desea despachar varias unidades de un artculo a tres tiendas T1, T2,
y T3. Dispone de dos almacenes desde donde realizar el envo, A y B. En el primero
dispone de 5 unidades de este artculo y en el segundo 10. La demanda de cada
tienda es de 8, 5, y 2 unidades respectivamente. Los gastos de transporte de un
artculo desde cada almacn a cada tienda estn expresados en la tabla:
T1
T2
T3
A
1
2
4
B
3
2
1
Cmo ha de realizar el transporte para que sea lo ms econmico posible?
Solucin
Se determinan las variables de decisin, en este caso:
Xi: nmero de unidades transportadas desde cada almacn a cada tienda
X1: nmero de unidades transportadas desde el almacn A hasta la tienda T1
X4: nmero de unidades transportadas desde el almacn B hasta la tienda T1
Minimizar Z = X1 + 2X2 + 4X3 + 3X4 + 2X5 + X6
las variables de decisin. Dichas restricciones se deducen de la disponibilidad de
unidades que hay en cada almacn as como de la demanda de cada tienda:
Disponibilidad en el almacn A: X1 + X2 + X3 = 5
Disponibilidad en el almacn B: X4 + X5 + X6 = 10
Demanda de la tienda T1: X1 + X4 = 8

Se expresan todas las condiciones implcitamente establecidas por la naturaleza
de las variables: que no puedan ser negativas, que sean enteras, que solo puedan
tomar determinados valores, ... En este caso las restricciones son que la cantidad de
unidades no puede ser negativa y debe ser adems un nmero entero:
Xi 0
Xi son enteros
9. rboles frutales
Un agricultor tiene una parcela de 640m para dedicarla al cultivo de rboles frutales:
naranjos, perales, manzanos y limoneros. Se pregunta de qu forma debera repartir la
superficie de la parcela entre las variedades para conseguir el mximo beneficio
sabiendo que:
cada naranjo necesita un mnimo de 16m, cada peral 4m, cada manzano 8m y
cada limonero 12m.
dispone de 900 horas de trabajo al ao, necesitando cada naranjo 30 horas al
ao, cada peral 5 horas, cada manzano 10 horas, y cada limonero 20 horas.
a causa de la sequa, el agricultor tiene restricciones para el riego: le han
asignado 200m de agua anuales. Las necesidades anuales son de 2m por cada
naranjo, 1m por cada peral, 1m por cada manzano, y 2m por cada limonero.
los beneficios unitarios son de 50, 25, 20, y 30 por cada naranjo, peral,
manzano y limonero respectivamente.
caso:
X1: nmero de naranjos
X2: nmero de perales
X3: nmero de manzanos
X4: nmero de limoneros
Maximizar Z = 50X1 + 25X2 + 20X3 + 30X4
Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de las
variables de decisin. Dichas restricciones se deducen de las necesidades de cada rbol
de terreno, horas de trabajo anuales, y necesidades de riego:
Necesidades de terreno: 16X1 + 4X2 + 8X3 + 12X4 640
Necesidades de horas anuales: 30X1 + 5X2 + 10X3 + 20X4 900
Necesidades de riego: 2X1 + X2 + X3 + 2X4 200
las variables: que no puedan ser negativas, que sean enteras, que solo puedan tomar
determinados valores, ... En este caso las restricciones son que el nmero de rboles no
puede ser negativo y adems debe ser un nmero entero:
Xi 0
Xi son enteros
10. Asignacin de personal

Una empresa ha preseleccionado 5 candidatos para ocupar 4 puestos de trabajo en
dicha empresa. Los puestos de trabajo consisten en manejar 4 mquinas diferentes
(un trabajador para cada mquina). La empresa puso a prueba a los 5 trabajadores
en las 4 mquinas, realizando el mismo trabajo todos ellos en cada una de las
mquinas, obteniendo los siguientes tiempos:
Maquina 1 Maquina 2 Maquina 3 Maquina 4
Candidato 1
10
6
6
5
Candidato 2
8
7
6
6
Candidato 3
8
6
5
6
Candidato 4
9
7
7
6
Candidato 5
8
7
6
5
Determinar qu candidatos debe seleccionar la empresa y a qu mquinas debe
asignarlos.
Xij: accin de que el trabajador i es asignado a la mquina j (0 indica que el
trabajador no ha sido asignado y 1 que s ha sido asignado)
Minimizar Z = 10X11 + 8X21 + 8X31 + 9X41 + 8X51 + 6X12 + 7X22 +
6X32 + 7X42 + 7X52 + 6X13 + 6X23 + 5X33 + 7X43 + 6X53 + 5X14 +
6X24 + 6X34 + 6X44 + 5X54
las variables de decisin. Dichas restricciones son que cada trabajador debe ser
asignado a una sola mquina y no debe quedar ninguna mquina sin un trabajador
asignado a ella:
Cada trabajador debe estar asignado a una sola mquina o a ninguna si no
se selecciona:

X11 + X12 + X13 + X14 1
X21 + X22 + X23 + X24 1
X31 + X32 + X33 + X34 1
X41 + X42 + X43 + X44 1
X51 + X52 + X53 + X54 1
En cada mquina debe haber un trabajador:
X11 + X21 + X31 + X41 + X51 = 1
X12 + X22 + X32 + X42 + X52 = 1
X13 + X23 + X33 + X43 + X53 = 1
X14 + X24 + X34 + X44 + X54 = 1
tomar determinados valores. En este caso las restricciones son que las asignaciones
de trabajadores a mquinas no puede ser negativa y debe ser adems una variable
booleana (0 no se asigna, 1 se asigna):
Xij 0
Xij es booleano
11. Camino mnimo

Los problemas conocidos como problemas del camino mnimo o camino ms corto,
tratan como su nombre indica de hallar la ruta mnima o ms corta entre dos puntos.
Este mnimo puede ser la distancia entre los puntos origen y destino o bien el tiempo
transcurrido para trasladarse desde un punto a otro. Se aplica mucho para problemas
de redes de comunicaciones.
Este tipo de problemas pueden ser resueltos por el mtodo del Simplex, sin embargo
existen otros mtodos ms eficientes como por ejemplo el algoritmo de Dijkstra o el
de Bellman-Ford.
Ejemplo
Una persona tiene que desplazarse a diario de un pueblo 1 a otro 7. Est estudiando
cual es el trayecto ms corto usando un mapa de carreteras. Las carreteras y sus
distancias estn representadas en la figura siguiente:
Solucin
Xij: accin de desplazarse del pueblo i al j (0 indica que no hay
desplazamiento y 1 que s hay desplazamiento)
Minimizar Z = 12X12 + 4X13 + 5X24 + 3X25 + 2X34 + 10X36 + 5X42 +
2X43 + 10X45 + 3X52 + 10X54 + 2X57+ 10X63 + 4X67
las variables de decisin. Dichas restricciones se deducen del balance entre los
posibles caminos que parten desde cada pueblo y los que llegan hasta l (obviando
los caminos que nos devuelvan al punto de partida y los que provengan del punto de
destino):
Balance de caminos del pueblo 1: X12 + X13 = 1
Balance de caminos del pueblo 2: X24 + X25 - X12 - X42 - X52 = 0
Balance de caminos del pueblo 3: X34 + X36 - X13 - X43 - X63 = 0
Balance de caminos del pueblo 4: X42 + X43 + X45 - X24 - X34 - X54 = 0
Balance de caminos del pueblo 5: X52 + X54 + X57 - X25 - X45 = 0
Balance de caminos del pueblo 6: X63 + X67 - X36 = 0
Balance de caminos del pueblo 7: - X57 - X67 = -1
tomar determinados valores, ... En este caso las restricciones son que las variables
deben ser booleanas (0 no se toma el camino, 1 se toma), y por lo tanto no pueden
ser negativas:
Xij 0
Xij es booleano
12. Localizacin
Una empresa tiene la exclusiva para la distribucin de un producto en 4 poblaciones.
En un estudio de mercado se ha determinado la demanda potencial, segn se
muestra en la siguiente tabla:
Poblacin 1
Poblacin 2
Poblacin 3
Poblacin 4
3000 Unidades
2000 unidades
2500 unidades
2700 unidades
Se sabe que los costes de transporte son de 0.02 por Km y unidad transportada. La
distancia en Km existente entre los pueblos es la que figura en la tabla siguiente:
Poblacin 1
Poblacin 2
Poblacin 3
Poblacin 4
Poblacin 1
25
35
40
Poblacin 2
25
20
40
Poblacin 3
35
20
30
Poblacin 4
40
40
30
Para abaratar los costes de transporte se decide instalar un almacn con capacidad
para 6000 unidades en dos de estas cuatro poblaciones. Determinar en qu
poblaciones se deben instalar los almacenes.
Solucin
Xij: cantidad enviada del almacn i a la poblacin j
Yi: almacn situado en la poblacin i (0 indica que no hay ningn almacn y 1
que s lo hay)
Minimizar Z = 0.5X12 + 0.7X13 + 0.8X14 + 0.5X21 + 0.4X23 + 0.8X24 +
0.7X31 + 0.4X32 + 0.6X34 + 0.8X41 + 0.8X42 + 0.6X43
las variables de decisin. Dichas restricciones se deducen de la siguiente manera:
Las unidades que se envan a cada poblacin desde los almacenes deben
cumplir con la demanda de dicha poblacin:
o X11 + X21 + X31 + X41 3000
o X12 + X22 + X32 + X42 2000
o X13 + X23 + X33 + X43 2500
o X14 + X24 + X34 + X44 2700
Solo se crearn dos almacenes:
o Y1 + Y2 + Y3 + Y4 = 2
La cantidad de unidades que puede enviar cada almacn debe ser menor o
igual que la capacidad de ste:
o X11 + X12 + X13 + X14 6000Y1
o X21 + X22 + X23 + X24 6000Y2
o X31 + X32 + X33 + X34 6000Y3
o X41 + X42 + X43 + X44 6000Y4
tomar determinados valores, ... En este caso las restricciones son que las unidades
enviadas desde cada almacn no pueden ser negativas y adems la variable que
determina si se crear o no un almacn debe ser booleana (0 no se crea, 1 se crea):
Xij 0
Yi es booleano
13. Inversin en bolsa

Una inversora dispone de 50.000 para invertir entre las cuatro siguientes
posibilidades: bolsa X, bolsa Y, bonos X, y bonos Y, por el periodo de un ao. Un
mximo de 10.500 puede ser invertido en bonos X, y un mximo de 10.000 en
bonos Y. La inversin en la bolsa X conlleva un riesgo considerable por lo que se
determina no invertir ms de un cuarto de la inversin total. La cantidad invertida en
la bolsa Y debe ser al menos tres veces la cantidad invertida en la bolsa X. Adems,
la inversora requiere que la inversin en bonos sea al menos tan grande como la
mitad de la inversin en las bolsas. Los retornos netos anuales se estiman segn se
muestra en la siguiente tabla:
Bolsa X
20 %
Bolsa Y
10 %
Bolsa X
9%
Bolsa Y
11 %
Cul es la forma ptima de realizar la inversin para conseguir las mximas

ganancias?
Solucin
X1: inversin en bolsa X
X2: inversin en bolsa Y
X3: inversin en bonos X
X4: inversin en bonos Y
Maximizar Z = 0.2X1 + 0.1X2 + 0.09X3 + 0.11X4
las variables de decisin. Dichas restricciones se deducen de las decisiones tomadas
por la inversora sobre la forma de invertir y de la inversin mxima que se puede
realizar:
X1 + X2 + X3 + X4 50000
X1 12500
X3 10500
X4 10000
3X1 - X2 0
0.5X1 + 0.5X2 - X3 - X4 0
tomar determinados valores, ... En este caso la nica restriccin es que las
inversiones no pueden ser negativas:
Xi 0
14. Elaboracin de zumos

Una empresa de alimentacin produce zumos de pera, naranja, limn, tomate,
manzana, adems de otros dos tipos denominados H y G que son combinados de
alguno de los anteriores. La disponibilidad de fruta para el periodo prximo, as como
los costes de produccin y los precios de venta para los zumos, vienen dados en la
tabla:
FRUTA
DISPONIBILIDAD
COSTE
PRECIO
MXIMA (KG)
(PTAS/KG)
VENTA
(PTAS/L)
NARANJA (N)
32000
94
129
PERA ( P)
25000
87
125
LIMN (L)
21000
73
110
TOMATE (T)
18000
47
88
MANZANA (M)
27000
68
97
Las especificaciones y precios de venta de los combinados vienen dados en la tabla:
COMBINAD
ESPECIFICACIN
PRECIO VENTA
O
(PTAS/L)
H
No ms del 50 % de M
1OO
No ms del 20 % de P
No menos del 10 % de L
G
40 % de N
120
35 % de L
25 % de P
La demanda de los distintos zumos es grande, por lo que se espera vender toda la
produccin. Por cada kg de fruta, se produce un litro del correspondiente zumo.
Determinar los niveles de produccin de los siete zumos, de manera que se tengan
beneficio mximo en el periodo entrante.
SOLUCION:
VARIABLES
Xij donde X: cantidad de litros
I: (H=1, G=2)
J: (naranja= 1, pera= 2, limn=3, tomate=4, manzana = 5)
FUNCION OBJETIVO
Z(max)= 100X1 + 120X2 + 129(X11+X21) + 125(X12+X22) + 110(X13+X23) +
88(X14+X24) + 97(X15+X25) 94(X11+X21) 87(X12+X22) 73(X13+X23)
47(X14+X24) 68(X15+X25)
Z(max)= 100X1 + 120X2 + 35(X11+X21) + 38(X12+X22) + 37(X13+X23) +
41(X14+X24) + 29(X15+X25)
RESTRICCIONES
Concentracin
X15 0,50 X1
X12 0,20 X1
X13 0,10 X1
X12 + X13 + X15 + X11 + X14 = X1
X21 = 0,40 X2
X23 = 0,35 X2
X22 =0,25 X2
X21 + X23 + X22 + X24 + X25 = X2
Disponibilidad
X11 + X21 32000
X12 + X22 25000
X13 + X23 21000
X14 + X24 18000
X15 + X25 27000
Positividad
Xij 0 para todo i= 1,2 y j= 1,2,3,4,5
Ejercicios propuestos
Formular y construir los modelos de los siguientes problemas de
programacin lineal:
1).- Un agente esta arreglando un viaje en esqus, puede llevar un mximo de 10
personas y ha decidido que debern ir por lo menos 4 hombres y 3 mujeres. Su
ganancia ser de 10 pesos por cada mujer y 15 pesos por cada hombre. Cuantos
hombres y cuantas mujeres le producen la mayorganancia?
2).- Un sastre tiene las siguientes materias primas a su disposicin: 16 m2 de
algodn, 11 m2 de seda y 15m2 de lana. Un traje requiere: 2 m2 de algodn, 1m2 de
seda y 1 m2 de lana. Una tnica requiere: 1m2 de algodn, 2m2 de seda y 3m2 de
lana. Si el traje se vende en $300 y una tnica en $500. Cuntas piezas de cada
confeccin debe hacer el sastre para obtener la mxima cantidadde dinero?.
3).- Mueblera MARY elabora dos productos, mesas y sillas que se deben procesar a
travs de los departamentos de ensamble y acabado. Ensamble tiene 60 hrs.
disponibles, acabado puede manejar hasta 40 hrs. de trabajo. La fabricacin de una
mesa requiere de 4 hrs. de ensamble y 2 hrs. de acabado, mientras que una silla
requiere de 2 hrs. de ensamble y 2 hrs. de acabado. Si la utilidad es de $80 por
mesa y $60 por silla. Cul es la mejor combinacin posible de mesas y sillas a
producir y vender para obtener la mxima ganancia?
4).- Una firma corredora de bolsa ofrece dos tipos de inversiones que producen
ingresos a razn de 4% y 5% respectivamente. Un cliente desea invertir un mximo
de $10000 y que su ingreso anual sea por lo menos de $4500. insiste en que por lo
menos del total debe ser invertido al 5%. El corredor recibe el 1% de los ingresos
de la inversin al 5% y 2% de la inversin del 4%. Cunto invertir el corredor a
cada tasa para que sus honorarios sean mximos?.
5).- Una compaa de carga area desea maximizar los ingresos que obtiene por la
carga que transporta la compaa tiene un solo avin diseado para transportar dos
clases de carga. Carga normal y carga frgil. La compaa no recibe pago extra por
transportar carga frgil; sin embargo para asegurar ciertos contratos de negocios, la
compaa ha acordado transportar cuando menos 5 toneladas de carga frgil. Este
tipo de carga debe llevarse en una cabina presurizada. La capacidad de la cabina
principal es de 20 toneladas de carga. La cabina presurizada no puede llevar mas de
10 toneladas de carga. El avin tiene restriccin de peso que le impide llevar mas de
20 toneladas de carga, para mantener en equilibrio el peso, la carga de la cabina
presurizada debe ser menor o igual que dos tercios del peso de la cabina principal,
mas una tonelada, la compaa recibe $1000 por tonelada de los dos tipos de carga
que transporta.
6).- Un inversionista tiene $10000 que quisiera produjeran tanto dinero como
sea posible; quiere invertir parte en acciones, parte en bonos y colocar el resto en
una cuenta de ahorro. El inversionista cree poder ganar 8% con el dinero que
invierta en acciones y el 7% que invierte en bonos. El banco paga el 5% de inters
sobre las cuentas de ahorros. Como las acciones son una inversin con cierto riesgo,
decide no invertir en acciones mas de lo que ponga en la cuenta de ahorro. El
inversionista se quedara con al menos $2000 en la cuenta de ahorros por si necesita
dinero en efectivo de inmediato.Cunto dinero deber invertir en cada tipo?
7).- Una mujer quiere disear un programa de ejercicios semanales, incluyendo
caminata, bicicleta y natacin. Para variar los ejercicios planea invertir al menos tanto
tiempo en bicicleta como la combinacin de caminata y natacin. Adems, quiere
nadar al menos dos hrs a la semana, por que le gusta mas nadar que los otros
ejercicios. La caminata consume 600 caloras por hora, en la bicicleta usa 300
caloras por hora nadando gasta 300 caloras por hora. Quiere quemar al menos
3000 caloras a la semana por medio de los ejercicios. Cuntas horas debe dedicar
a cada tipo de ejercicio si quiere minimizar el numero de horas invertidas.?
8).- Cierta compaa tiene una filial que le provee de las latas que necesita para
comercializar su producto, en dicha filial que produce latas de aluminio contiene las
tapaderas a partir de hojas metlicas rectangulares. Las dimensiones de estas hojas
son de 6cms x 15cms Se requieren dos tamaos diferentes de tapas, el dimetro de
las pequeas es de 3cms y el de las grandes de 6 cms. El programa de produccin
en un da determinado es de 20000 tapas chicas y 5000 tapas grandes. Cul es el
programa que minimice el numero total de hojas metlicas usadas de tal manera de
obtener la mejor combinacin de tapas de los diferente tamaos que pueden ser
cortadas?
9).- General Motors que vende el carro mas compacto desea hacer publicidad para
este modelo a travs de canal 13 de televisin, la publicidad consistir en pequeos
comerciales de duracin variable que se intercalaran en un programa semanal de 60
min. En el cual se presentaran los mejores cantantes del continente y un cmico de
la localidad. General Motors insiste en tener al menos 5 min. De comerciales y el
reglamento de la televisora requiere cuando mucho los comerciales consuman 18

min en programas de 60 min., y que nunca sea mayor el tiempo de los comerciales
de actuacin de los cantantes, los cantantes no quieren trabajar mas de 30 min. De
los 60 que dura el programa, de manera que el cmico se utiliza para cualquier lapso
de tiempo en el cual no habr comerciales o cuando no estn trabajando los
cantantes. Por experiencia de la empresa televisora, se sabe que por cada min. Que
los cantantes estn en el aire 6000 televidentes mas estarn viendo el programa, por
cada minuto que el comicoeste trabajando 3000 televidentes estarn viendo el
programa, en cambio por cada min de comerciales se pierden 500 televidentes.
El cmico cobra $200 por minuto, los cantantes cobran $1000 por min y los
comerciales $50 por min. Si en General Motors desea:
1).- Maximizar el numero de televidentes al finalizar el programa de 60 min.
2).- producir el programa un mnimo costo. Cul es el medelo a utilizar para cada
situacin?
10).- La compaa HOLSA de Mxico quiere minimizar los desperdicios de lamina,
para lo cual encarga a su departamento de produccin que optimice el costo de las
laminas de acuerdo a los requisitos de los consumidores. En particular se har con el
consumidor mas importante al cual se le surten tres tamaos de laminas a saber: tipo
1:30 cms x 60 cms y espesor de 8 mm; tipo 2:30cmsx 70 cms y espesor de 8 mm
tipo 3:30cms x 50 cms y espesor de 8 mm. Las cantidades necesarias son 10000,
15000 y 5000 por mes respectivamente. Si las laminas que produce la compaa son
de dimensiones de 30 cms x 180 cms con espesor de 8 mm. Cul es el modelo
para optimizar los desperdicios?.
11).- Una compaa de zapatos puede producir tres tipos de zapatos a su mxima
capacidad: zapatos de vestir, de trabajo y de deporte, la utilidad neta es de $1000.
$800 y $400 respectivamente. El mercado de zapatos ha bajado como consecuencia
de las dificultades econmicas existentes en el pais de tal manera que hay una
capacidad excesiva de 550,650 y 300 unidades por dia.
En las plantas existen dificultades de almacenamiento causado por el decremento de
las ventas. Las tres plantas tienen: 10000, 8500 y 4000 metros cuadrados de espacio
disponibles respectivamente. Los zapatos de vestir requieren de .50 metros
cuadrados para almacn , de .75 metros cuadrados para los de trabajo y .40 metros
cuadrados para los de deporte. La compaa ha pronosticado que las ventas sern
de 700, 850 y 750 unidades respectivamente para los zapatos de vestir, trabajo y
deporte. cul es el modelo que maximiza la utilidad neta?.
12).- E n un saln de Banquetes se tienen programados banquetes durante los
siguientes
cinco das, los requisitos de manteles por banquete son :
Banquete : 1 2 3 4 5
Numero de manteles : 80 60 100 130 200
El problema del administrador es que se requieren manteles diferentes a los que el
usa, por lo que tendr que comprar ese tipo de manteles; el costo de cada mantel es
de $40 y el costo de mandarlo a la lavandera bajo servicio urgente para tenerlo listo
a los dos das es de $10 por mantel.
cul es el modelo que le permitir al administrador cumplir con sus requisitos y
adems minimizar el costo total?
13).-Un inversionista dispone de $ 5000 los cuales desea invertir, se le presentan dos
opciones; A y B. El plan A le garantiza que cada peso invertido producir $ 0.50 en
un ao, mientras que el plan B le garantiza que cada peso invertido le producir
$1.50 en dos aos. cmo debe invertir dicha persona con el fin de maximizar sus
ganancias al final de tres aos?
14).- Una compaa fabrica tres productos: volantes, juntas y ejes, el gerente
enfrenta el problema de decidir cual debe ser el mejor programa de produccin para
el siguiente mes. Se ha determinado que hay disponibles cuando mas 1620 horas de
tiempo de produccin para el mes siguiente .no hay limite para el abastecimiento de
metal para estos tres productos, cada hora de tiempo de produccin cuesta $ 7.00 y
cada unidad de metal cuesta $2.20. todas las ventas son efectivo y todos los costos
deben pagarse en efectivo durante el siguiente mes los costos fijos para el siguiente
mes son de $ 2,200 y se requiere un flujo de efectivo de $800 debido a compromisos
previos. El saldo de efectivo a principios de mes es de $ 28,425.
TABLA DE DATOS TCNICOS.
PRODUCTO
HORAS
DE UNIDADES
DE
DEMANDA
TIEMPO
DE METAL
PRECIO
PRONOSTICADA DE
PRODUCCIN
NECESARIAS
UNITARIO
AL
LOS CLIENTES (EN
POR
UNIDAD POR
UNIDAD CLIENTE (EN $)
UNIDADES).
FABRICADA
FABRICADA
VOLANTES
4.5
3.25
$50.65
300
JUNTAS
1.8
4.70
$38.94
550
EJES
3.6
5.00
$50.20
320
La produccin puede realizarse con velocidad suficiente para permitir su distribucin
dentro del mismo mes. cul debe ser el programa de produccin para el prximo
mes, a fin de maximizar las utilidades?.
EJERCICIOS RESUELTOS TOMADOS DE:
1. Chediak, Francisco; Investigacin de operaciones Segunda
edicin; [en lnea];
pag 43 http://es.scribd.com/doc/39695565/20/Problema-de-la-mezcla; [citado el 19
de junio de 2012].
2.
Paz,
Francisco;
[en
lnea];< p://franciscopaz0.tripod.com/programacionlineal/id6.html>; [citado el 19 de
junio
de
2012].
EJERCICIOS
PROPUESTOS
TOMADOS
DE:
http://html.rincondelvago.com/investigacion-de-operaciones_8.html
MTODOS
1) Mtodo Grfico o Mtodo de las Rectas de Nivel

Los grficos no son el mejor mtodo para resolver los problemas de programacin
lineal de dos variables. Adems, una representacin grfica nos sirve para entender
mejor la estructura de los modelos de programacin lineal.
En el mtodo grfico existen dos procedimientos para encontrar la solucin factible
ptima:
1.
Evaluar la funcin objetivo Z en cada una de las esquinas del rea de soluciones
factibles. La debilidad de este procedimiento se presenta cuando se tienen muchas
restricciones y se generan demasiadas esquinas que por supuesto sera muy
dispendioso el proceso de evaluacin. Y sera en ese caso ms prctico utilizar el
siguiente mtodo.
2.
Usando la funcin objetivo para determinar la esquina del rea de soluciones

factible que la optimiza. La debilidad de este procedimiento podra ser visual al no
poder identificar con precisin algunas coordenadas paralelas a la recta de la
solucin factible.
Se recomienda usar el segundo procedimiento y en caso de dudas visuales sobre la
grfica, recurrir al primer procedimiento para dirimir la duda respecto al par de
esquinas.
Evaluar la funcin objetivo Z en cada una de las esquinas del rea de soluciones
factibles.
Usando la funcin objetivo para determinar la esquina del rea de soluciones factible
que la optimiza.
Paso 1: Se igualan las ecuaciones
Paso 2: Se le dan valores de cero a x1 y x2 para hallar dos puntos de la recta.
Paso 3: Se traza cada recta teniendo en cuenta la direccin del espacio restringido.
Paso 4: Luego de graficar todas las restricciones y tener el rea de solucin factible
se grafica la funcin objetivo.
Paso 5: Para graficar la funcin objetivos se le dan valores arbitrarios a la funcin,
por ejemplo es la ecuacin de una familia de rectas paralelas, las que se generan
cada vez que cambiemos el valor de Z.
1. SOLUCIN NICA
La solucin es nica cuando la solucin ptima se encuentra slo en uno de los
vrtices.
El valor de la funcin objetivo en cada una de las

esquinas del rea de soluciones factible es:
Al desplazar la funcin objetivo Z hacia la derecha, el

ltimo punto a la derecha del rea de soluciones factible
que toca es: X1 = 6, X2 = 4. Si las coordenadas del
punto extremo que representa la solucin optima no es
fcil de determinar, debemos interceptar las ecuaciones
de las restricciones X1 + 2X2 = 14 con 2X1 - X2 = 8
Una manera de hacer esto es empleando el mtodo de
los determinantes, que para un sistema de dos
ecuaciones y dos variables es:
2.
MULTIPLES SOLUCIONES
La solucin es mltiple cuando hay infinitas soluciones
que se ven representadas en la grfica como un
segmento de puntos que tiene por extremos dos vrtices
del rea de solucin factible y que es paralela a la recta
de la funcin objetivo.
La solucin ptima recae sobre un lado del rea de

soluciones factible, o sea que todos los puntos que
pertenecen a la recta 5X1 + 2X2 = 10 entre los puntos
(2,0) y (20/19, 45/19), maximizan la funcin objetivo, es
quiere decir, que existen mltiples soluciones, dos de
ellas son: X1* = 2, X2*=0, Z* = 5 X1* = 20/19, X2* =
45/19, Z* = 5
3. SOLUCION INDETERMINADA
Cuando la funcin objetivo no tiene valores extremos, la

regin factible es no acotada o indeterminada.
Al desplazar la funcin objetivo hacia la derecha,

siempre encontrar un punto ms a la derecha del rea
de soluciones factible que la minimice. Entre ms a la
derecha se encuentre un punto (X1, X2) que pertenezca
al rea de soluciones factibles, ms pequeo ser el
valor de la funcin objetivo y viceversa, como se
observa en este ejemplo, siempre habr una alternativa
de encontrar un punto de solucin ms a la derecha, por
ser un rea abierta y sin lmites.
Si se est tratando un problema real y ocurre ste caso,
falta considerar una restriccin, que cierre el rea de
soluciones factibles por el lado derecho. Se ha dejado
de considerar la restriccin de algn recurso, ya que los
valores de las variables en la realidad no pueden crecer
de manera ilimitada.
4.
SOLUCIN NO FACTIBLE
Cuando no existe regin factible por falta de zona
comn que encierren un rea de soluciones. Este caso
se presenta cuando entre las restricciones existen al
menos dos de ellas que sean excluyentes, tal como: X
2 y X 4. Aqu nunca podremos encontrar
un nmero que al mismo tiempo sea menor igual a 2
y mayor igual a 4, las dos restricciones son
excluyentes y por lo tanto no existe rea de soluciones
factible, grficamente
se
observa
de
la
siguiente manera:
Generalmente un par de variables de la vida real no

tienen este comportamiento.
2) Mtodo Simplex
El Mtodo Simplex es un mtodo analtico de solucin
de problemas de programacin lineal capaz de resolver
modelos ms complejos que los resueltos mediante el
mtodo grfico sin restriccin en el nmero de
variables.
El Mtodo Simplex es un mtodo iterativo que permite ir
mejorando la solucin en cada paso. La razn
matemtica de esta mejora radica en que el mtodo
consiste en caminar del vrtice de un poliedro a un
vrtice vecino de manera que aumente o disminuya
(segn el contexto de la funcin objetivo, sea maximizar
o minimizar), dado que el nmero de vrtices que
presenta un poliedro solucin es finito siempre se
hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947
por el estadounidense George Bernard Dantzig y el ruso
LeonidVitalievichKantorovich, con el nimo de crear un

algoritmo capaz de solucionar problemas de m
restricciones y n variables.
QUE ES UNA MATRIZ IDENTIDAD?
Una matriz puede definirse como una ordenacin
rectangular de elementos, (o listado finito de elementos),
los cuales pueden ser nmeros reales o complejos,
dispuestos en forma de filas y de columnas.
La matriz idntica o identidad es una matriz cuadrada
(que posee el mismo nmero tanto de columnas como
de filas) de orden n que tiene todos los elementos
diagonales iguales a uno (1) y todos los dems
componentes iguales a cero (0), se denomina matriz
idntica o identidad de orden n, y se denota por:
La importancia de la teora de matrices en el Mtodo

Simplex es fundamental, dado que el algoritmo se basa
en dicha teora para la resolucin de sus problemas.
OBSERVACIONES IMPORTANTES AL UTILIZAR
MTODO SIMPLEX
VARIABLES DE HOLGURA Y EXCESO
El Mtodo Simplex trabaja basndose en ecuaciones y
las restricciones iniciales que se modelan mediante
programacin 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
restriccin y que en el tabulado final representa el

"Slackor surplus" al que hacen referencia los famosos
programas de resolucin de investigacin de
operaciones, estas variables adquieren un gran valor en
el anlisis de sensibilidad y juegan un rol fundamental
en la creacin de la matriz identidad base del Simplex.
Estas variables suelen estar representadas por la letra
"S", se suman si la restriccin es de signo "<= " y se
restan si la restriccin es de signo ">=".
Por ejemplo:
VARIABLE ARTIFICIAL / MTODO DE LA "M"

Una variable artificial es un truco matemtico para
convertir inecuaciones ">=" en ecuaciones, o cuando
aparecen igualdades en el problema original, la
caracterstica principal de estas variables es que no
deben formar parte de la solucin, dado que no
representan recursos. El objetivo fundamental de estas

variables es la formacin 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 Mtodo de la M grande, donde M
significa un nmero demasiado grande muy poco
atractivo para la funcin objetivo), y el signo en la
funcin objetivo va en contra del sentido de la misma, es
decir, en problemas de Maximizacin su signo es menos
(-) y en problemas de Minimizacin su signo es (+),
repetimos con el objetivo de que su valor en la solucin
sea cero (0).
MTODO SIMPLEX PASO A PASO
EL PROBLEMA
La empresa el SAMN Ltda. Dedicada a la fabricacin
de muebles, ha ampliado su produccin en dos lneas
ms. Por lo tanto actualmente fabrica mesas, sillas,
camas y bibliotecas. Cada mesa requiere de 2 piezas
rectangulares de 8 pines, y 2 piezas cuadradas de 4
pines. Cada silla requiere de 1 pieza rectangular de 8
pines y 2 piezas cuadradas de 4 pines, cada cama
requiere de 1 pieza rectangular de 8 pines, 1 cuadrada
de 4 pines y 2 bases trapezoidales de 2 pines y
finalmente cada biblioteca requiere de 2 piezas
rectangulares de 8 pines, 2 bases trapezoidales de 2
pines y 4 piezas rectangulares de 2 pines. Cada mesa
cuesta producirla $10000 y se vende en $ 30000, cada
silla cuesta producirla $ 8000 y se vende en $ 28000,
cada cama cuesta producirla $ 20000 y se vende en $
40000, cada biblioteca cuesta producirla $ 40000 y se
vende en $ 60000. El objetivo de la fbrica es maximizar
las utilidades.
PASO
1:
MODELACIN
MEDIANTE
PROGRAMACIN LINEAL
Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
X1, X2 ,X3 ,X4 >=0
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3
+ 20000X4
PASO 2: CONVERTIR LAS INECUACIONES EN
ECUACIONES
En este paso el objetivo es asignar a cada recurso una
variable de Holgura, dado que todas las restricciones
son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 =
24
2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 =

20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad
(n = 4), formado por las variables de holgura las cuales
solo tienen coeficiente 1 en su respectivo recurso, por el
ejemplo la variable de holgura "S1" solo tiene coeficiente
1 en la restriccin correspondiente a el recurso 1.
La funcin objetivo no sufre variaciones:
ZMAX = 20000X1 + 20000X2 + 20000X3 +
20000X4
PASO 3: DEFINIR LA SOLUCIN BSICA INICIAL
El Mtodo Simplex parte de una solucin bsica inicial
para realizar todas sus iteraciones, esta solucin bsica
inicial se forma con las variables de coeficiente diferente
de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16
PASO 4: DEFINIR LA TABLA SIMPLEX INICIAL
Solucin: (segundo trmino)= En esta fila se consigna el

segundo trmino de la solucin, es decir las variables, lo
ms adecuado es que estas se consignen de manera
ordenada, tal cual como se escribieron en la definicin
de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene
cada una de las variables de la fila "solucin" en la
funcin objetivo.
Variable Solucin = En esta columna se consigna la
solucin bsica inicial, y a partir de esta en cada
iteracin se van incluyendo las variables que formarn
parte de la solucin final.
Cb = En esta fila se consigna el valor que tiene la
variable que se encuentra a su derecha "Variable
solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es
decir la suma de los productos entre trmino y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila
Cj y la fila Zj, su significado es un "Shadow price", es
decir, la utilidad que se deja de recibir por cada unidad
de la variable correspondiente que no forme parte de la
solucin.
Solucin inicial:
PASO
5:
REALIZAR
LAS
ITERACIONES
NECESARIAS
Este es el paso definitivo en la resolucin por medio del
Mtodo Simplex, consiste en realizar intentos mientras
el modelo va de un vrtice del poliedro objetivo a otro.
El procedimiento a seguir es el siguiente:
1.
Evaluar que variable entrar y cual saldr de la

solucin ptima:
2. El hecho de que una variable distinta forme parte de

las variables solucin implica una serie de cambios en el
tabulado Simplex, cambios que se explicarn a
continuacin.
- Lo primero es no olvidar el valor del "a"
correspondiente a la variables a entrar, en este caso el
"a = 4".
- Lo siguiente es comenzar a rellenar el resto de la tabla,

fila x fila.
- Se repite este procedimiento con las dos filas

restantes, ahora se harn los clculos correspondientes
en el resto de las celdas.
De esta manera se culmina la primera iteracin, este

paso se repetir cuantas veces sea necesario y solo se
dar por terminado el mtodo segn los siguientes

criterios.
- Continuamos con las iteraciones para lo cual tenemos

que repetir los pasos anteriores.
En esta ltima iteracin podemos observar que se

cumple con la consigna Cj - Zj<= 0, para ejercicios cuya
funcin objetivo sea "Maximizar", por ende hemos
llegado a la respuesta ptima.
X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo una vez finalizado el Mtodo Simplex se
debe observar una matriz identidad en el rectngulo
determinado por las variables de decisin, el hecho de
que en este caso no se muestre la matriz identidad
significa que existe una solucin ptima alterna.
La manera de llegar a la otra solucin consiste en alterar

el orden en que cada una de las variables entro a la
solucin bsica, recordemos que el proceso fue decidido
al azar debido a la igualdad en el Cj - Zj del tabulado
inicial. Aqu les presentamos una de las maneras de
llegar a la otra solucin.
Podemos observar como existe una solucin ptima

alternativa en la cual la combinacin de variables es
distinta y existe un menor consumo de recursos, dado
que el hecho de que se encuentre la variable "S1" en la
solucin ptima con un coeficiente de "3" significa que
se presenta una holgura de 3 unidades del recurso
(pieza rectangular de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)
X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)

X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin
utilizar =3)
Con una utilidad de: $ 340000
BIBLIOGRAFIA:
INGENIEROS INDUSTRIALES. (En lnea) consultado
el 15 de mayo del 2012.Disponible en:
http://ingenierosindustriales.jimdo.com/herramienta
s-para-el-ingeniero-industrial/investigaci%C3%B3nde-operaciones/m%C3%A9todo-simplex/

Investigacion de Operaciones

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Investigacion de Operaciones

Enviado por

Direitos autorais:

Formatos disponíveis

INVESTIGACION DE OPERACIONES

Fases de estudio de la I.O

Definicin del problema

Campos de aplicacin de la I.O

En la historia de la humanidad hemos visto como cientficos y militares se asocian para

Frederick W. Lanchester Premio de la Sociedad de Investigacin de Operaciones de

Ernesto Che Guevara

Fidel, y el Che el 8 de Enero de 1959 en La Habana

Mensaje a los Pueblos del mundo a travs de la Tricontinental, Pasajes de la Guerra

Introduccin a la programacin lineal

Para poder solucionar un problema mediante un algoritmo primero se debe

Paso 1: Se determinan las variables de decisin y se expresan

Paso 2: Se determina la funcin objetivo.

Paso 3: Se determinan las restricciones y se expresan como ecuaciones

Paso 4: Se expresan todas las condiciones implcitamente establecidas

x1 = nmero de mesas producidas

Cules son las restricciones o limitaciones del problema? Existen tres

La Programacin Lineal se utiliza en el campo del marketing y la publicidad como

X2= anuncios en peridico por semana

1.2 ESTUDIOS DE MERCADO

EDAD < 31 EDAD 31 - 50

I4 = n encuestados de edad entre 31- 50 que viven en zonas de mucha inmigracin

A menudo las tcnicas de PL permiten decidir sobre la cantidad ms

La empresa tiene contratos de larga duracin para suministrar corbatas a

El objetivo de la empresa es elegir el plan de produccin que maximice sus

ser el objetivo maximizar beneficios o bien minimizar los costes de produccin ms

La planificacin de la produccin en Motores de Almazora, S.A. debe considerar

XA3 + IA2 IA3 = 1000 demanda de marzo

APLICACIONES DE LA PROGRAMACIN LINEAL A LA

En la actualidad la oficina tiene 12 trabajadores a jornada completa (full-time), y

APLICACIONES DE LA PROGRAMACIN LINEAL A LAS

Supongamos que nuestro banco se dedica a invertir en crditos al consumo, bonos

APLICACIONES DE LA PROGRAMACIN LINEAL A LA

APLICACIONES DE LA PROGRAMACIN LINEAL A MEZCLAS

Los requisitos nutricionales mnimos por da para un adulto son 3 unidades de

Anderson, D.R., Sweeney, D. J. y Williams, T.A. (2001): Quantitative Methods for

Hillier, F.S. y Liebermann, G.J. (2001): Introduccin a la Investigacin de

Winston, W. (1994): Investigacin de Operaciones. Aplicaciones y Algoritmos. Grupo

Los costos por barril de crudo A, B y C es de $650, $500 y $450 respectivamente. El

Restriccin de cantidad de tubo a emplear:

Los costos por barril de crudo A, B y C es de $650, $500 y $450 respectivamente. El

XCS+XCN+XCE 7000 barriles.

Nuestra funcin objetivo ser:

X1: cantidad de pienso M en Kg

X2: cantidad de pienso N en Kg

Se determina la funcin objetivo:

Minimizar Z = 0.2X1 + 0.08X2

Se determinan las restricciones y se expresan como ecuaciones o inecuaciones de

En el componente A: 0.1X1 + 0X2 0.4

En el componente B: 0X1 + 0.1X2 0.6

En el componente C: 0.1X1 + 0.2X2 2

En el componente D: 0.2X1 + 0.1X2 1.7

Se expresan todas las condiciones implcitamente establecidas por la naturaleza

X4: nmero de vehculos de tipo D

Demanda de la tienda T1: X1 + X4 = 8

10. Asignacin de personal

11. Camino mnimo

13. Inversin en bolsa

Cul es la forma ptima de realizar la inversin para conseguir las mximas

14. Elaboracin de zumos

reglamento de la televisora requiere cuando mucho los comerciales consuman 18

1) Mtodo Grfico o Mtodo de las Rectas de Nivel

Usando la funcin objetivo para determinar la esquina del rea de soluciones