Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

Introduccin
La programacin lineal es una clase de modelos de programacin matemtica destinados a la asignacin
eficiente de los recursos limitados en actividades conocidas, con el objetivo de satisfacer las metas
deseadas (tal como maximizar beneficios o minimizar costos). La caracterstica distintiva de los modelos
de PL es que las funciones que representan el objetivo y las restricciones son lineales, o sea,
inecuaciones o ecuaciones de primer grado.
La PL tuvo sus orgenes a raz de la Segunda Guerra Mundial, cuando George Dantzin realiz
investigaciones y aplicaciones en distintos casos de operacin areo-militar.
Leonfiel aport principalmente en relaciones interindustriales a travs de su matriz de insumo - producto.
Koopmans incursion profundamente en aplicaciones microeconmicas resolviendo casos de
produccin, asignacin de recursos, maximizacin de beneficios y minimizacin de costos, etc.
La PL es un modelo sistemtico y matemtico de enfocar determinado problema para lograr una solucin
ptima o la mejor posible, empleando una ecuacin objetivo (propsito del problema), un conjunto de
restricciones lineales y una condicin de eliminar valores negativos (condicin de no negatividad).

Asesora didctica
Durante este primer parcial usted revisar los captulos II y III del texto gua Investigacin operativa
Tomo I, contenido que le servir para desarrollar la actividad. Adicionalmente, usted dispondr de
ejemplos relacionados con el tema de estudio en esta asesora.
A travs de la PL se pueden resolver interesantes casos tales como: combinacin ptima de mezclas de
produccin, disposicin interna de procesos, maximizacin de beneficios, localizacin, asignacin de
recursos, minimizacin de costos, transporte, entre los ms sobresalientes.
En cuanto al rea de aplicacin se resuelven casos en la industria en general y dentro de esta con
mejores opciones en la industria qumica, hierro y acero, papel y cartn, petrleo, farmacuticos,
alimenticios y textil.
Se han realizado aplicaciones tambin en la agricultura, construccin, aviacin, sistemas hidroelctricos,
transporte, etc.
Conceptos bsicos
Linealidad
Todo proceso, actividad o relacin lineal utilizada se identifica con la cantidad unitaria de cada uno de los
factores con respecto a los dems y a las cantidades de cada uno de los productos.
Divisibilidad
Los procesos pueden utilizarse en extensiones positivas divisibles mientras se dispongan de recursos.
Finitud
Tanto el nmero de procesos identificados cuanto los recursos disponibles, debern corresponder a
cantidades finitas, esto es, conocidas y cuantificadas en forma determinstica.
Algoritmos o iteraciones

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

Como se dijo anteriormente la IO en lo que se refiere a la PL utiliza mtodos mediante aproximaciones

sucesivas, ensayos, intentos que reciben el nombre de algoritmos o iteraciones y, segn los cuales se
determinan pasos o etapas hasta obtener el objetivo planteado.
El problema general de la PL
Los problemas de la PL se presentan por la limitacin de recursos que se tratan de distribuir en la mejor
forma. Los recursos a la vez que son limitados en trminos per se (por s mismo) pueden ser
distribuidos en tantas formas como combinaciones matemticas permitan relacionarlos a un mismo
objetivo, de all que es necesario distribuirlos adecuadamente en forma equilibrada y armnica entre los
factores que intervienen en el problema, a fin de encontrar las mejores alternativas de uso, cumpliendo
con el propsito fijado.
Un problema de PL trae implcitamente el sentido de funcin, propsito o meta, recursos disponibles y
habilidad o forma para seleccionar, comparar y decidir la mejor alternativa (decisin).
Los problemas de PL planteados y resueltos por cualquiera de los mtodos debern cumplir cuatro
condiciones necesarias y suficientes.
1. Funcin objetivo
Es la ecuacin que expresa la cantidad que va a ser maximizada o minimizada segn el objetivo
planteado y es de la forma:

Z = C1 X 1 + C 2 X 2 + C3 X 3 + C 4 X 4 + ...................... + C n X n
Z(MAX) para los casos de maximizacin
Z(MIN) para los de minimizacin

C1 , C 2 , C3 , C 4 ............. C n

Coeficientes de la funcin objetivo pueden ser mrgenes

X 1 , X 2 , X 3 , X 4 ............ X n

de beneficios, precios, costos unitarios, etc.

Variables del problema, lo que queremos lograr.

2. Limitaciones y restricciones
Es el conjunto de inecuaciones o ecuaciones que expresan las condiciones finitas del problema,
denominados tambin coeficientes tcnicos de produccin, tecnolgicos, de transporte, etc.,
segn sea el caso de estudio.

A11. X 1 + A12 X 2 + A13 X 3 + ............... + A1n X n T1 b1

A21 X 1 + A22 X 2 + A23 X 3 + ............... + A2 n X n T2 b2
A31 X 1 + A32 X 2 + A33 X 3 + ............... + A3 n X n T3 b3
......................................................................................
......................................................................................
Am1 X 1 + Am 2 X 2 + Am 3 X 3 + .............. + Amn X n Tn bn
Donde

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

A11 A12 A13 .......... A1n

A A A .......... A
2n
21 22 23
A31 A32 A33 .......... A3 n
Coeficientes tcnicos

............................

............................

Am1 Am 2 Am 3 ......... Amn

X 1 , X 2 , X 3 .......... X n
T1 , T2 , T3 .............Tn

Variables o incgnitas del problema

Signos o lmites del sistema

Igual o menor que

Mayor o igual que
= Igual
3. No negatividad
En la resolucin de los problemas de PL en ningn caso se aceptarn resultados negativos en
las respuestas, pues, no se concibe produccin negativa, gastos negativos, tendrn que ser por
lo menos igual o mayor que cero. Xn 0.
4. Condiciones de optimizacin
Se van obteniendo por aproximaciones sucesivas.
Solucin factible: Aquella que satisface las limitaciones y restricciones del problema.
Solucin bsica factible: Es aquella que satisface tanto las limitaciones o restricciones como la
funcin objetivo del problema (optimizacin).
El mtodo Simplex se basa en el lgebra y se lo emplea para resolver problemas de programacin lineal
tanto de maximizacin o minimizacin.
Es un proceso repetitivo numrico que permite llegar a una solucin ptima partiendo de un punto
extremo conocido; es decir, partiendo de una solucin bsica, si esta solucin bsica factible tomada
como punto de partida no satisface, es necesario tomar otra solucin que nos da un valor para Z mayor o
menor y as sucesivamente hasta llegar a la solucin final.
Es un mtodo iterativo (aproximaciones sucesivas), fue ideado por George Dantrig (1947) quien realiz
investigaciones basado en relaciones matemticas de carcter lineal.
Existen tres requisitos en la solucin de un problema de programacin lineal por el mtodo Simplex.
a) Todas las limitaciones deben estar establecidas como ecuaciones.
b) El segundo miembro de una limitante no puede ser negativo.
c) Todas las variables estn restringidas a valores no negativos.

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

Actividades de aprendizaje
Actividad de aprendizaje 1.1.
El texto gua tiene como complemento el CD para que resuelva los problemas.
Planteamiento

Objetivo

El tema se refiere a solucin grfica de los problemas de programacin lineal.

Del texto gua Investigacin Operativa Tomo I, de los problemas propuestos
que se encuentran al final del captulo II, resuelva los problemas 8 y 14; la
solucin debe ser manual y digitalizada.

Determinar las soluciones ptimas para problemas de programacin lineal

utilizando el criterio pesimista, el criterio optimista y el criterio del valor
esperado.

Solucin grfica
El mtodo grfico permite una comprensin visual de la resolucin de un
problema.
De acuerdo con las condiciones deber cumplir con los cuatro requisitos
bsicos:
1.
2.
3.
4.

Orientaciones
didcticas

Funcin objetivo
Conjunto de limitaciones o restricciones
Condicin de no negatividad
Condiciones u optimizacin
4.1. Solucin factible
4.2. Solucin bsica factible
4.3. Solucin ptima factible

Mediante el mtodo grfico se trata de resolver por aproximaciones o

interacciones grficas las posibilidades de mejorar las soluciones de
conformidad con la funcin objetivo determinada.
Maximizacin

Z ( MAX ) = C1 X 1 + C 2 X 2
Cuando se trata de problemas de maximizacin, la solucin est determinada
por la regin interior formada por el polgono convexo.
Para este caso, se utilizarn las expresiones (menor o igual) lo que indica
que la empresa no podr utilizar ms recursos de los que dispone (finitud) y
los coeficientes de X1 y X2 corresponden a las necesidades tcnicas de
produccin.
Las restricciones o limitaciones sern:

A11 X 1 + A12 X 2 b1
A21 X 1 + A22 X 2 b2
A31 X 1 + A32 X 2 b3

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

X1, X 2 0
La funcin objetivo puede representarse mediante un conjunto de rectas
paralelas con pendiente.

M =

C1
C2

Donde C1 es el coeficiente de X1 y C2 el coeficiente de X2. Cada recta indica

un conjunto de puntos que proporcionan un beneficio idntico.
Criterios de
evaluacin

Desarrollo de ejercicios y la evaluacin de los mismos.

Actividad de aprendizaje 1.2.

Planteamiento

Utilizando el CD del texto gua, de los problemas propuestos que se

encuentran al final del captulo II, resuelva mediante la computadora los
problemas 42 y 52. Debe seguir los pasos sealados en el texto para resolver
por computadora. El tema se relaciona con el anlisis de sensibilidad.

Objetivo

Utilizar tcnicas de asignacin de cantidades fijas de recursos a la

satisfaccin de varias demandas.

Anlisis de sensibilidad para las restricciones

La bsqueda de la solucin de un modelo de decisin es solo el primer paso
del anlisis. Tambin es importante que el gerente comprenda cun sensible
es la solucin a los cambios en las suposiciones y a los factores exgenos.
Esto tambin se aplica a los modelos de programacin lineal, y una de las
caractersticas agradables de los modelos de programacin lineal es que gran
parte de este anlisis de sensibilidad proviene directamente de la solucin del
problema. Primero veremos estos conceptos en forma grfica y despus por
medio de la interpretacin de las salidas de los programas de computacin
que se usan para resolver problemas de programacin lineal.
Precios duales
Orientaciones
didcticas

Considere la ecuacin de restriccin para la mquina 1, que especifica un

mximo de 24 horas disponibles. En trminos de la programacin lineal, este
lmite de la capacidad con frecuencia se denomina valor del trmino
independiente o segundo miembro de la restriccin (o sencillamente bi).
Los precios duales tienen muchas aplicaciones empresariales. Aunque en el
mundo existen restricciones y limitaciones, la mayora de ellas no son
absolutas. Por ejemplo, el gerente que formul el problema de programacin
lineal determin las horas disponibles en cada una de las mquinas en
circunstancias normales, pero podra obtener horas adicionales con trabajo en
tiempo extra, comprando equipo adicional o reprogramando otras actividades.
Los precios duales indican si vale la pena hacerlo y con qu margen, y as
ayudan a identificar los cuellos de botella clave. En nuestro ejemplo, el
gerente sabe que vale el doble (dos dlares en lugar de uno) obtener horas
adicionales para la mquina 1 que para la mquina 2.

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero
Un precio dual representa el valor marginal asociado con un cambio unitario
en el trmino independiente de una restriccin. Un costo reducido representa
el valor marginal de introducir en la solucin una unidad de una variable de
decisin. Los costos reducidos se pueden considerar como precios duales de
las restricciones de no negatividad. Si una restriccin no es efectiva, su precio
dual es cero.
Intervalos de variacin del trmino independiente
Los precios duales proporcionan el valor marginal de la realizacin de un
cambio pequeo en el lmite de una restriccin (es decir, el valor del trmino
independiente), pero sera un error creer que estos valores seran los mismos
si la capacidad se cambiara en forma arbitraria. Se llega a un punto en el cual
la capacidad adicional es excesiva y no tiene valor; por lo tanto, hay lmites
con respecto al intervalo de capacidad en el cual se mantienen los valores
marginales.
El precio sombra dado dice cunto aumentara el valor de la funcin objetivo
si se aumentara en 1 el lado derecho de esa restriccin. El precio sombra de
la restriccin para la planta 1 es O, puesto que esta planta ya est usando
menos horas (2) que las disponibles (4) y no habra beneficio en disponer de
una hora adicional. No obstante, las plantas 2 y 3 estn usando todas las
horas a su disposicin para los dos nuevos productos. Por ello, no es
sorprendente que los precios sombra indiquen que la funcin objetivo
aumentara si las horas disponibles en la planta 2 o en la 3 se aumentarn.
El precio sombra de una restriccin funcional da informacin valiosa
porque indica cunto aumentar el valor ptimo de la funcin objetivo
por un aumento de unidad en el lado derecho de la restriccin. A la
inversa, un valor negativo del precio sombra proporciona el cambio en el
valor ptimo de la funcin objetivo por una disminucin en el lado
derecho.
Sin embargo, esta informacin solo es vlida para cambios bastante
pequeos en el lado derecho. Esta seccin se centra en la determinacin de
qu tan grandes pueden ser estos cambios antes de que el precio sombra ya
no sea vlido.
La regla de 100%
Recuerde que la regla de 100% se usa para investigar cambios simultneos
en los coeficientes en lados derechos de forma similar.
Regla de 100% para cambios simultneos en los lados derechos
El precio sombra sigue vlido solo para predecir el efecto de cambiar en forma
simultnea los lados derechos de algunas restricciones funcionales, siempre y
cuando los cambios no sean demasiado grandes. Para verificar si los cambios
son suficientemente pequeos, calcule para cada cambio el porcentaje del
cambio permitido (disminucin o aumento) para que ese lado derecho se
conserve dentro de su intervalo de factibilidad. Si la suma de los cambios
porcentuales no excede del 100%, los precios sombra definitivamente
seguirn siendo vlidos. (Si la suma s excede 100%, entonces no hay
seguridad).
Cambios simultneos en los coeficientes de la funcin objetivo
En realidad, las estimaciones de todos los coeficientes (o al menos ms de
una) pueden ser inexactas al mismo tiempo. La pregunta crucial es si con esto

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero
es probable que se obtenga una solucin ptima equivocada. Si es as, se
debe tener ms cuidado en refinar estas estimaciones lo ms posible, al
menos para los coeficientes ms cruciales. Por otra parte, si el anlisis de
sensibilidad s revela que es improbable que afecten a la solucin ptima los
errores anticipados en la estimacin de los coeficientes, entonces la
administracin puede estar tranquila de que el modelo de programacin lineal
actual y sus resultados proporcionan una gua adecuada.
Esta seccin se centra en cmo determinar, sin resolver otra vez el problema,
si la solucin ptima podra cambiar si ocurrieran simultneos ciertos cambios
en los coeficientes de la funcin objetivo (debido a que sus valores
verdaderos difieren de sus estimaciones).
Pregunta: Qu ocurre si las estimaciones de las ganancias unitarias de los
dos nuevos productos de Wyndor son inexactas?

Criterios de
evaluacin

Desarrollo de ejercicios y la evaluacin de los mismos.

Actividad de aprendizaje 1.3.

Planteamiento

Objetivo

De los problemas que se encuentran al final del captulo III del texto gua
Investigacin Operativa Tomo I, que trata sobre el tema el mtodo Simplex,
resuelva manualmente los problemas 81 y 94, no se aceptan escaneados; y
mediante computadora, utilizando el CD del texto, el problema 82.

Explicar detalladamente por qu el mtodo Simplex encuentra soluciones

ptimas para problemas de programacin lineal.

Procedimiento
Cualquiera que sea el nmero de inecuaciones y de incgnitas de un sistema,
este por s mismo se ajusta a un tratamiento de identificacin que nos da una
idea de que sea sujeto de solucin.

Orientaciones
didcticas

Cuando el sistema rene a un nmero de ecuaciones inferior al nmero de

incgnitas, existen muchas soluciones. Justamente este es el caso ms
frecuente de los problemas de programacin lineal, de all que es necesario
introducir (+) variables de Holgura en los casos de la expresin (igual o
menor), restar (-) variables de holgura e introducir variables artificiales en los
casos de (mayor o igual) y en los casos de = se introducen variables
artificiales con signo ms.
+ VARIABLE DE HOLGURA
- VARIABLE DE HOLGURA + VARIABLE ARTIFICIAL
= + VARIABLE ARTIFICIAL
Cada caso se comprender con un ejemplo y as podremos establecer su
similitud y diferencias.
Maximizacin mediante el simplex
En problemas de matizacin (Ej. produccin) se debe tomar en cuenta.

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero
Planteamiento
Identificacin de
variables

Producto I = X1
Producto II = X2
Producto III = X3
Producto IV = X4

Funcin objetivo
Z(MAX) = C1X1 + C2X2 + C3X3+ ------------ + CnXn
Limitaciones o restricciones
A11X1 + A12X2 + A13X3 + ----------------- + A1nXn b1
A21X1 + A22X2 + A23X3 + ----------------- + A2nXn b2
A31X1 + A32X2 + A33X3 + ----------------- + A3nXn b3
...................................................................................
Am1X1 + Am2X2 + Am3X3 + ----------------- + AmnXn bn
No negatividad
Xj 0
Resolucin
Cuando se trata de un sistema de inecuaciones, no existe solucin nica, sino
que implican muchas posibilidades, razn por la cual, el mtodo Simplex va
generando soluciones bsicas.
Introduccin de variables de Holgura
Como el primer miembro de la inecuacin es inferior al otro, es necesario
introducir una variable denominada de HOLGURA que cubra imaginariamente
el valor faltante, para convertirlo en igualdad.
S1, S2, S3, ..... Sn = Variables de Holgura
A11X1 + A12X2 + A13X3 + ----- + A1nXn + S1
= b1
A21X1 + A22X2 + A23X3 + ----- + A2nXn
+ S2
= b2
A31X1 + A32X2 + A33X3 + ----- + A3nXn
+ S3
= b3
...............................................................................................
Am1X1 + Am2X2 + Am3X3 + ----- + AmXn + ---------------+ Sn = bn
Al convertir el sistema de desigualdades es un sistema de ecuaciones
mediante la introduccin de variables de holgura, se ha logrado un importante
punto de partida. Estas variables en la funcin objetivo irn antepuestas de un
coeficiente cero de beneficio.
Z(MAX) = C1X1 + C2X2 + ---- + CnXn + 0S1 + 0S2 + ---- + 0Sn
Generacin de una solucin bsica factible
En el caso de un ejemplo de produccin, el primer supuesto o alternativa del
mtodo simplex es no fabricar nada de los productos reales (variables
fundamentales), esto quiere decir dar respuesta al sistema manteniendo
inutilizados los recursos existentes, es decir:
X1 = 0
X2 = 0

S1 = b1
S2 = b2

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero
X3 = 0
S3 = b3
......................................
Xn = 0
Sn = b n
Proceso iterativo
En funcin de los criterios del mtodo Simplex se van obteniendo ensayos,
interacciones o algoritmos hasta lograr la respuesta ideal.
El objetivo es ir eliminando las variables de holgura e irlas reemplazando por
alternativas en funcin de variables fundamentales, propsito del problema.
El proceso se lo desarrolla por cuadros o etapas. Cada una de ellas nos
representar una mejor combinacin de produccin y un mayor beneficio,
para lo cual se necesita aplicar el mtodo matricial de coeficientes.
Cj

= Coeficiente de la funcin objetivo

Xj
= Solucin bsica de cada etapa: es la base vectorial que da solucin al
sistema.
*

= Elemento Pivote
= Elementos semipivotales

bn
= Parmetros; datos conocidos, nos indican la cuantificacin de
recursos.
Zj

= Valores que va tomando la funcin objetivo en cada posicin

Se la conoce como el "Criterio del simplex; permite continuar o no la

generacin de alternativos.
Cuando la expresin Zj - Cj corresponde en todas las posiciones a valores
POSITIVOS O CEROS, habr terminado el problema de maximizacin.
Pasos para formar la nueva tabla
Se elige el elemento (Zj-Cj) de menor valor negativo, la variable que le
corresponde debe entrar a la base de la nueva tabla para mejorar la solucin.
Para determinar que fila sale, se obtiene el elemento pivote, que es la
interseccin de la columna que ingresa y la fila que sale, para lo cual se divide
los elementos de la columna de bn para los elementos de la columna que
ingres, se escoge el menor cociente que representar al pivote, los restantes
elementos de la columna son los semipivotes. No se toma en cuenta la
divisin para nmeros negativos o cero.
Formar los nuevos elementos de la fila de la variable de holgura que es
reemplazada por la variable fundamental, basndose en el elemento PIVOTE,
que se encuentra en la interseccin de la columna que entra y la fila que sale.
" ELEMENTOS DE LA NUEVA FILA " =

ELEMENTOS ANTERIORES
PIVOTE

Los restantes elementos de la columna que entra se denominan

SEMIPIVOTES ().
Los elementos de las dems filas se obtienen restando los elementos

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero
anteriores de dicha fila menos los elementos de la nueva fila que ingres,
multiplicados por el semipivote correspondiente.
Elementos de otra fila Zj se obtienen multiplicando el coeficiente de la
variable fundamental que ingres por todos los elementos de dicha fila.
Obtenemos la fila Zj - Cj, restando los elementos de la fila de Zj menos los
elementos de la fila Cj, si todos sus elementos son positivos o ceros el
proceso se ha terminado, esto quiere decir que la tabla es ptima, caso
contrario construimos la nueva tabla eliminando el menor negativo que exista
y realizar el mismo proceso anterior.
El mximo beneficio est dado por el valor del elemento de Zj de la columna
bn.
El mtodo Simplex en los casos de minimizacin
Los casos de minimizacin se resuelven empleado tambin la metodologa
conocida del simplex, con algunas variaciones.
En los problemas de minimizacin se introducen variables de holgura con
signo negativo y las variables artificiales con signo positivo.
Sj = Variables de holgura
mj = Variables artificiales
Las variables artificiales tienen un coeficiente (M) que es un valor
indeterminado.
Cuando hay variables de holgura y artificiales, primero se eliminan las
artificiales, luego las de holgura.
Si la restriccin es una igualdad, entonces se introducen solamente variables
artificiales con signo positivo.
Maximizacin
Minimizacin
Igualdad

() + SJ
() Sj + mj
(=) + mj

Para resolver un problema de minimizacin, se empieza eliminando los

mayores valores positivos de la fila Zj Cj.
El proceso habr concluido cuando en la fila Zj Cj queden valores negativos
o ceros.
La funcin objetivos se representar por Z(MIN) y las variables artificiales
llevarn en esta funcin un coeficiente M.
Z(MIN) = ?X1 + ?X2 ---- + 0S1 + 0S2 + ------ + Mn1 + Mm2 --- Mmn
Restricciones, variables de holgura y artificiales
A11X1 + A12X2 - S1
+ m1
= b1
A21X1 + A22X2
- S2
+ m2 = b2
A31X1 + A32X2
-S3
+ m3 = b3
-----------------------------------------------------------------Xj 0

Nombre de la asignatura:

Investigacin Operativa I

Parcial de estudio:

Primero

Criterios de
evaluacin

El desarrollo de ejercicios y la evaluacin de los mismos.

Formato de
entrega

Archivo de Microsoft Office 2003.

Enve las actividades de aprendizaje a travs de la plataforma, mediante la

seccin Contenidos, en un archivo cuyo nombre debe ser:

Enviar a

Formato: G#.Apellido.Apellido.Nombre.Asignatura

Preguntas o
dudas

Enve sus preguntas o dudas a travs de la plataforma: utilice la seccin

Enviar correo y marque el nombre de su tutor.

Puntaje por actividad

Actividades de aprendizaje
Puntaje
8
8
4
20

Actividad de aprendizaje 1.1.

Actividad de aprendizaje 1.2.
Actividad de aprendizaje 1.3.

En caso de que el examen sea estrictamente necesaria la

consulta de tablas, frmulas, esquemas o grficos, estos sern
incluidos como parte del examen o en un anexo.
El examen ser sin consulta.

El tutor de la asignatura