INTRODUCCIN

La investigacin operativa combinada con las ciencias de la computacin y aplicadas en el campo

administrativo se convierte en una potente herramienta para resolver modelos, los cuales utilizan mtodos
para darle al administrador o ejecutivo herramientas que le permitan tomar decisiones ms efectivas, de
tal forma de lograr el gran objetivo de optimizar el bienestar humano y econmico de la poblacin, as
como el uso racional de los recursos de un pas.
NOCIONES DE INVESTIGACIN OPERATIVA.
Teoras sobre organizacin Empresarial.-
Clsica.- Sus creadores son Taylor y Fayol los cuales consideran que toda organizacin compleja
tiene ciertas funciones que son comunes o bsicas como la planeacin, la ejecucin, el control,
etc. Y, consideran que la organizacin es un arte sujeto a reglas y principios.
Emprica.- Es aquella que se concentra en la observacin de organizaciones a las que se pueda
considerar como modelo, as por ejemplo ver organizaciones que han tenido xito en su gestin
para tratar de imitarlas y ver a las que han fracasado y tratar de evitar las causas o procedimientos
que las llevaron a la ruina. Se reduce a observar.
Psicolgica.- sta teora trata de encontrar a la persona o personas que sean lderes o que tengan
capacidad de mando para que sean ellas las que llevan a la empresa hacia un objetivo establecido.
Es decir se preocupan de hallar las relaciones dentro de la empresa.
Moderna.- Se inicia en la dcada de 1940 y cuyos propulsores son los Ingenieros en Sistemas, se
resume en indicar que en una empresa existe un grupo que trabaja y otro que toma
decisiones. Esta corriente filosfica se preocupa del estudio de la teora de las decisiones a travs
de un enfoque cientfico.
Concepto
Es un conjunto de herramientas de tipo matemtico que tiende a lograr la ptima utilizacin de los
recursos y procedimientos en una organizacin compleja.
Aplicacin de la Investigacin Operativa
La aplicacin de la investigacin operativa es infinita en cualquier campo de la actividad humana. Si bien
en sus inicios se aplic en el campo militar; hoy se usa para resolver problemas de tipo diettico, de
personal, para una mejor utilizacin de recursos o de insumos en la industria, para realizar rutas e
itinerarios ms cortos y ptimos; se la estudia en las ramas de la economa, de la administracin, ya sea
pblica o privada, en el trabajo social, en las matemticas, en la estadstica y en todas las ramas dela
ingeniera.

Desarrollo de la Investigacin Operativa
Siendo el principal objetivo de la empresa, maximizar la operacin de bienes y servicios; y minimizar los
insumos requeridos para la produccin. Las bases de lo que hoy se denomina Investigacin Operativa se
comenzaron a aplicar desde que hizo su aparicin un simple artesano, es decir que desde tiempos
antiguos; pero se considera a Taylor y Fayol como sus precursores que dieron origen a la sistematizacin
debido al crecimiento y complejidad que experiment la empresa en la revolucin industrial pero fue
durante la segunda guerra mundial en donde prcticamente se desarroll la investigacin operativa para
calcular el lanzamiento de proyectiles y tambin rutas ms cortas. Una vez concluida la guerra muchos de
los especialistas que prestaban sus servicios en el campo militar pasaron a colaborar con la industria que
fue destruida durante la guerra. En 1950 aparecen diversas organizaciones mundiales especialistas en
Investigacin Operativa. En el Ecuador en 1984 se empieza a utilizar cuando en la Escuela Politcnica
Nacional se crea un grupo de especialistas dedicados a esta actividad. Se lo ha denominado con distintos
nombres como: Investigacin Operativa, Anlisis Operacional, Ciencias de la Administracin, Evaluacin
de Operaciones, Investigacin de Sistemas y hoy se lo conoce como Investigacin Operativa o
Investigacin de Operaciones.
CARACTERSTICAS DE LA INVESTIGACIN OPERATIVA
Orientadora de Sistemas.- Consiste en analizar las partes ms importantes y relacionadas con
otras partes para descubrir los problemas y dar soluciones verdaderas.
Actuacin de Grupos Interdisciplinarios.- Se dice que casi todos los problemas empresariales
tienen aspectos de orden econmico, psicolgico, sociolgico, estadstico, matemtico, contable,
etc. y por tanto, para dar solucin a los mismos intervienen especialistas de diversas disciplinas
para tener mayores enfoques y criterios que coadyuven positivamente a la bsqueda de la
solucin.
Utilizacin del Mtodo Cientfico como Matemtico.- Al igual que las otras ciencias la
Investigacin Operativa emplea el mtodo cientfico que consiste en la observacin, definicin
del problema, la formulacin de hiptesis, experimentacin y verificacin.
ETAPAS PARA RESOLVER UN PROBLEMA DE INVESTIGACIN OPERATIVA
1. Definicin del Problema.- Es necesario tener una idea clara y concreta del problema a ser
analizado, lo cual implica aspectos como el establecimiento de metas y objetivos de estudio, las
decisiones alternativas para el problema y un claro reconocimiento de los requerimientos, de las
restricciones y limitaciones del problema.
2. Construccin del Modelo.- Esta fase depende en gran manera de la complejidad y naturaleza del
problema que se halla sujeto a investigacin, a su vez el modelo contendr expresiones
cuantitativas tanto para la funcin objetivo as como para las restricciones expresadas a travs de
las correspondientes variables de decisin.
3. Dar solucin al Modelo.- Definido el modelo se proceder a encontrar la solucin adecuada al
respecto existen diversas tcnicas matemticas, todas estas por lo general tratan que el modelo
libere una solucin ptima, la misma que podra consistir en maximizar o minimizar una funcin
objetivo determinada.
4. Validacin del Modelo.- Un modelo es vlido si a pesar de las limitaciones que podra
representar el modelo ofrece una estimacin confiable del comportamiento del problema y para
esto hay que comparar su comportamiento y rendimiento con cierta informacin estadstica previa
que se hallare disponible al respecto.
5. Implementacin de los resultados.- Consiste en trasladar los resultados obtenidos del modelo a
una serie de instrucciones operativas, las cuales deben estar expresadas en un lenguaje claro y
comprensible para todas aquellas personas que administran y operan el sistema analizado. En esta
fase es importante la interaccin y coordinacin de personal dedicado a la Investigacin
Operativa y aquel correspondiente del rea operativa.

MODELOS PROTOTIPOS DE INVESTIGACION OPERATIVA
Para resolver problemas se lo realice mediante la experimentacin por cuanto seria costoso y riesgoso
hacerlo en la misma empresa y es por eso que se utilizan los modelos.
Un modelo se considera como una representacin idealizada de un sistema existente en la realidad, este
sistema a su vez podra tratarse de algo que ya existe o que se est pensando implementar en el futuro. En
la investigacin operativa se realiza los siguientes modelos:
Modelo Simplex
Modelo Transporte
Modelo Redes
Modelo inventario
Modelo de Teora de colas y esperas
Modelo bsqueda y reemplazo de equipo
Modelo matriz de insumo de producto
Dependiendo del tipo de aplicacin se emplean.
MODELO SIMPLEX
Es un modelo prototipo de la investigacin operativa que utiliza la programacin lineal para resolver
sistemas de ecuaciones de primer grado o sistemas de ecuaciones lineales, es un mtodo repetitivo que
mediante la solucin del sistema de ecuaciones optimiza la respuesta para maximizar utilidades o
beneficios y minimizar costos y prdidas.
Para resolver un problema por el modelo Simplex es necesario plantearse lo que se conoce como modelo
general de programacin lineal el cual consta de tres partes:
1. FUNCIN OBJETIVO
Define la efectividad del sistema como una funcin matemtica de las variables de decisin al
respecto se dice que la solucin ptima se obtiene el momento en el cual las variables de decisin
alcanzan el mximo o mnimo valor de la funcin objetivo. En trminos generales podramos
sealar que utilizar la funcin objetivo podra significar tanto maximizar utilidades o beneficios o
minimizar costos o perdidas. Se representa como max z o min z.




2. RESTRICCIONES O DESIGUALDADES

A efectos de registrar las limitaciones fsicas del problema el modelo deber incluir restricciones
que limiten las variables de decisin a valores factibles o permisibles esto normalmente
expresado a travs de desigualdades o inecuaciones matemticas. Las restricciones son las
limitaciones y estn constituidas por recursos escasos como son: tierra, capital, materias primas,
horas hombre, horas mquina, energa, etc. Se utiliza los smbolos mayor igual que, menor igual
que.

3. CONDICIN DE NO NEGATIVIDAD DE LAS VARIABLES DE DECISIN DEL
PROBLEMA

Las variables de decisin son las incgnitas del problema, estas son siempre positivas o cuando
ms cero. Este aspecto obedece a que los modelos de investigacin operativa representan sistemas
reales concretos en los que no tiene sentido hablar de produccin negativa. Por lo tanto se
representa x1mayor igual a 0 x2 mayor igual a 0.
PLANTEAMIENTO DE PROBLEMAS
a. Un fabricante de gasolina para avin vende 2 clases de combustibles A y B. el combustible clase
A tiene un 25% de gasolina grado 1, un 25% de gasolina grado 2y un 50% de gasolina grado 3. El
combustible clase B tiene 50% de gasolina de grado 2 y un 50% de gasolina grado 3, disponibles
para la produccin existen 500 galones de grado 1 y 200 galones de grado 2 y 3. Los costos son
$0.30 la gasolina de grado 1, $0.60 la de grado 2 y $0.50 la de grado 3 por galn. El precio de un
galn de combustible clase A es de $0.75 y de clase B $0.90.
Qu cantidad debe fabricarse de cada combustible?



Combustible Grado 1 Grado 2 Grado 3 Precio
A 25% 25% 50% 0.75
B 50% 50% 0.90
Disponible 500 200 200
Costo 0.30 0.60 0.50
Variables:
X1= nmero de galones tipo A
X2= nmero de galones tipo B

REQUERIMIENTOS
COMB. 1 COMB. 2
DISPONIBILIDAD
X1 X2
GRADO 1 0.25 500
GRADO2 0.25 0.50 200
GRADO 3 0.50 0.50 200
GANANCIAS 0.275 0.35
1. FUNCIN OBJETIVO
Max z= 0.275*x1+0.35*x2

2. RESTRICCIONES
0.25 X1500
0.25X1 + 0.50X2 200
0.50X1+0.50X2200

3. CONDICIN DE NO NEGATIVIDAD
X10
X20


b. Una fbrica de alimentos debe enviar 500m de alimentos que necesitan refrigeracin y 600m de
alimentos que no necesitan refrigeracin para ello va a contratar los servicios de una compaa
que renta camiones de refrigeracin de 2 tipos A y B. los camiones tipo A tienen espacio de
refrigeracin de 10m y un espacio sin refrigeracin de 15m y se renta a 5 unidades monetarias
por Km. Los camiones tipo B tienen un espacio de refrigeracin de 15m y sin refrigeracin de
10m siendo su costo de 8 unidades monetarias por Km. El problema consiste en determinar
Cuntos camiones por carga debe contratar la fbrica, si se quiere minimizar el costo de envo de
alimentos?.

ALIMENTOS:

Refrigeracin 500m
No refrigeracin 600m



CAMIONES ESPACIO REFRIGERACION SIN REFRIGERACION COSTO
A 10m 15m 5
B 15m 10m 8

VARIABLES
X1= nmero de camiones tipo A
X2= nmero de camiones tipo B
REQUERIMIENTOS
TIPO A TIPO B
DISPONIBILIDAD
X1 X2
ESPACIO REFRIG 10 15 500
ESPACION SIN REFRIG. 15 10 600
COSTO 5 8
1. FUNCION OBJETIVO
Min z= 5*x1+8*x2

2. RESTRICCIONES
10X1+15X2500
15X1+10X2600

3. CONDICION DE NO NEGATIVIDAD
X10
X20

MTODO GRFICO
Sistemas Cartesianos (X1, X2), Solo se utilizan dos variables, resuelve el problema en dos partes,
encontrando la zona factible y calculando el punto ptimo.
1. Zona Factible: Ejecutivo o Administrador puede tomar decisiones y se encuentran graficando
cada una de las ecuaciones e inecuaciones del problema, la zona factible ser el rea cuando se
cumple todas y cada una de las restricciones del problema.
2. Calculo Punto ptimo: Para encontrara el punto ptimo con respecto al problema se recure al
teorema de algebra lineal que dice que el ptimo estar en uno de los vrtices de la zona factible,
si es maximizacin en el vrtice que nos de mayor valor si es minimizacin lo contrario,
grficamente el punto primo se encuentra representando la funcin objetivo del problema, se la
grfica de tal manera que este dentro de la zona factible y se trazan paralelas hasta que haga
tangencia uno de los vrtices, si es maximizacin las paralelas se trazan del origen hacia arriba, si
es minimizacin las paralelas se trazan en sentido hacia el origen, la respuesta del problema
podemos comprobarlo matemticamente encontrando valores para cada uno de los vrtices de la
zona factible, la funcin objetivo tiene siempre una funcin pendiente.
Ejemplo maximizacin:

Graficamos:




PUNTO OPTIMO
2 2 1 1
2
1
max X C X C Z
C
C
m


2
2
x
1 0
0 1
2 1
2 1


x x
x x
8 0
0 4
2 1
2 1


x x
x x
0 6
3 0
2 1
2 1


x x
x x


Ejemplo minimizacin:








FUNCIN OBJETIVO:

Casos de soluciones especiales con el mtodo grfico:








3
6 3 4
3 3
2 1
2 1
2 1



x x
x x
x x
0 5 , 1
2 0
2 1
2 1


x x
x x
0 ,
2 3 min
2 1
2 1

x x
x x Z
0 3
3 0
2 1
2 1


x x
x x
0 1
3 0
2 1
2 1


x x
x x
2 . 4
) 2 . 1 ( 2 ) 6 . 0 ( 3
2 3
2 1

Z
Z
x x Z
12 3 3
15 2 3
12 6 max
2 1
2 1
2 1



x x
x x
x x Z
0 5
5 . 2 0
2 1
2 1


x x
x x
0 4
4 0
2 1
2 1


x x
x x
4
2
m
Solucin ptima mltiple:

A(0;2.5): Z=30
B(3;1): Z=30 (PUNTO PTIMO)
C(1;2): Z=30

1.- 3

2.-

1.-

2.-

2 1
12 6 x x Z
1.- 6

2.- 9

1.-

2.-

1.- 3

2.- 3

1.-

2.-

Solucin Degenerada

MTODO ALGEBRAICO
1. Hay que transformar las inecuaciones en ecuaciones y para eso se utiliza variables no negativas
conocidas como variables de holgura.
Si la restriccin es menor o igual que () se debe sumar una variable de holgura al lado
izquierdo de la igualdad para convertirla en ecuacin.

Si la restriccin es mayor o igual que () se debe restar una variable de holgura al lado
izquierdo de la inegualdad para convertirla en ecuacin.

2. Una vez que las inecuaciones se han convertido en ecuaciones, el sistema de ecuaciones lineales
restantes puede ser resuelto por cualquiera de los mtodos matemticos

(variables de decisin).

(restricciones).

Cambiamos a ecuaciones:

(variables de decisin).

(restricciones).

Caracterstica:
Se puede determinar las soluciones bsicas del sistema haciendo a la n-m variables iguales a cero y
calculando las restantes variables resolviendo el sistema. A esta solucin se le conoce como solucin
bsica. A las variables igualadas a cero se la llama no bsica y las otras sern bsicas. De las soluciones
bsicas se debe tomar en cuenta nicamente a aquellas en donde las variables bsicas sean mayores o
iguales que cero y se le conoce como solucin bsica factible.
El nmero de soluciones est dado por la frmula:

( )

Continuamos con el ejercicio planteado:

I II III IV V VI

0 0 0 4 6 2

0 8 6 0 0 4

24 0 6 0 -12 0

18 -6 0 6 0 0
0 54 48 60
x x

{

METODO SIMPLEX
Es un mtodo iterativo para la resolucin de problemas de programacin lineal, parte de una solucin
bsica factible inicial y en aplicaciones del medio determinan nuevas soluciones bsicas factibles que
permiten modificar o mantener los valores de la funcin objeto anterior.
El mtodo adems permite determinar cundo se ha llegado a una solucin ptima, a travs de un
indicador.
Para un problema de maximizacin con restricciones de tipo , los pasos que se deben dar en el mtodo
simplex son:
1. Transformar las inecuaciones correspondientes, en ecuaciones, aadiendo las variables de
holgura.
2. Generar la tabla con los coeficientes de las ecuaciones
3. Determinar la solucin bsica factible inicial haciendo a las (n-m) variables = 0 siendas estas no
bsicas y las restantes grficas. Para maximizacin, la solucin bsica factible inicial ( solo con
restricciones ) es aquella que hace que la funcin objeto valga cero
4. Para determinar una nueva solucin bsica factible (cambio de base), una variable no bsica debe
ser cambiada a variable bsica y por consiguiente una de las variables bsicas debe pasar a ser
una variable no bsica.
Entonces: NB B Se conoce como variable entrante.
B NB Se conoce como variable saliente.
Para determinar cual es la variable entrante y cual la variable saliente, a la tabla de coeficiente se debe
agregar una fila Cj, con los coeficientes que tienen cada una de las variables en la funcin objeto; as
como una columna Cb, con los coeficientes que tienen cada una de las variables bsicas en la funcin
objeto. Una fila conocida como Zj, en la cual cada elemento es calculado como el sumatorio de Cb*Xj. Y
finalmente otra fila Cj - Zj.
Para determinar la variable entrante se hace un anlisis de los coeficientes Cj - Zj. En el caso de
maximizacin, sta ser aquella que se encuentra en la columna en el cual el valor de Cj - Zj es el mayor
positivo. Se escoge como variable entrante a esa columna.
Cuando existen 2 o ms coeficientes Cj - Zj, se elige como variable entrante cualquiera de ellas y en un
problema de maximizacin si los coeficientes Cj - Zj son todos negativos o iguales a cero en ese instante
se tiene la solucin ptima, Para determinar la variable saliente, se dividen los elementos bi/aij de la
columna correspondiente a la variable entrante (8/2, 6/1), en estas relaciones no se toma en cuenta
aquellas cuya aij sea igual a cero o negativa. La variable saliente ser aquella que se encuentra en la fila
en la cual la relacin bi/aij es la menor,y la cruzan la columna de la variable entrante con la fila de la
variable saliente, se le conoce como elemento PIVOTE. A este elemento se lo debe convertir en 1,
mientras que a los elementos que estn sobre y debajo de l, tienen que ser ceros. Esto implica que los
coeficientes de las variables bsicas siempre deben formar una matriz unitaria.


Max z=
Rest
12
CNN xj 0
Maxz=
1) 4x1+2x2+x3=16
2) 2x1+2x2+x4=12
CNN xj 0
n=4,m=2
n-m=2
x1=0 x3=16
x2=0 x4=12

cj 8 6 0 0
Cbas Cvas X1 X2 X3 X4 bi
0 X3 4 2 1 0 16
0 X4 2 2 0 1 12
zj 0 0 0 0 0
Cj-zj 8 6 0 0

cj 8 6 0 0
cbas Cvas X1 X2 X3 X4 bi
8 X1 1 0.5 0.25 0 4
0 X4 0 1 -0.5 1 4
zj 8 4 2 0 32
Cj-zj 0 2 -2 0



cj 8 6 0 0
cbas Cvas X1 X2 X3 X4 bi
8 X1 1 0 0.5 -05 2
6 X2 0 1 -0.5 1 4
zj 8 6 1 2 40
Cj-zj 0 0 -1 -2

Maximixzar z=3x1+2x2
1) X1+2x26
2) 2x1+x28
3) x1+x2
4) X22
CNN xj 0
Maxz=3x1+2x2+0x3+0x4+0x5+0x6
1) X1+2x2x3=6
2) 2x1+x2+x4=8
3) x1+x2+x5
4) X2+x6=2
CNN xj 0
n=6,m=4
n-m=2
x1=0 x3=6
x2=0 x4=8
x5=1
x6=2
cj 3 2 0 0 0 0
Cbas vbas X1 X2 X3 X4 X5 X6 bi
0 X3 1 2 1 0 0 0 6
0 X4 2 1 0 1 1 0 0
0 X5 -1 1 0 0 1 0 1
0 X6 0 1 0 0 0 1 2
Zj 0 0 0 0 0 0 0
Cj-zj 3 2 0 0 0 0



cj 3 2 0 0 0 0
Cbas vbas X1 X2 X3 X4 X5 X6 bi
0 X3 0 3/2 1 -1/2 0 0 2
3 X1 1 1/2 0 1/2 1 0 4
0 X5 0 3/2 0 1/2 1 0 9
0 X6 0 1 0 0 0 1 2
Zj 3 3/2 0 3/2 0 0 12
Cj-zj 3 1/2 0 -3/2 0 0

cj 3 2 0 0 0 0
Cbas vbas X1 X2 X3 X4 X5 X6 bi
2 X2 0 1 2/3 -1/3 0 0 4/3
3 X1 1 0 -1/3 9/3 1 0 10/3
0 X5 0 0 -1 1 0 0 7
0 X6 0 0 -2/3 1/3 0 1 2/3
Zj 3 2 1/3 4/3 3 2 39/3
Cj-zj 0 0 -1/3 -4/3 -3 0




Minimizacin

Para determinar la variable entrante, se analiza los coeficientes Cj-Zj, la variable entrante ser aquella que
se encuentra en la columna en la cual el coeficiente Cj-Zj tiene el mayor valor negativo (o el menor
valor). Si todos los coeficientes Cj-Zj son positivos o cero se obtiene la solucin ptima.
Para la variable saliente, se utiliza el criterio igual al de maximizacin, por tanto ser aquella que se
encuentre en la fila cuya bi/aij sea la menor (solo positivos).
Por lo general en problemas de minimizacin se tiene restricciones de tipo. Cuando se tiene restricciones
de Tipo o ecuaciones = se tiene que utilizar el mtodo de la BIG M, que utiliza variables artificiales, las
mismas que no tienen ninguna interpretacin econmica en el problema y slo sirven para poder empezar
la aplicacin del mtodo simplex.
Sumamos variables artificiales MINZ= x7
3 1. 3
6 2. 4x1+3x2-x4+x6=6
3 3. X1+x2+x7=3
N=5
M=3
m-n =2

Cj 3 2 0 o M M O
cbis ubas X1 X2 X3 X4 X5 X6 X7 bi
M X5 3 P 1 -1 0 1 0 0 3/us
M X6 4 3 0 -1 0 1 0 6
O X7 1 1 0 0 0 0 1 3
zj 7M 4M -M -M M M 0 9M
Cj-zj 3-
7M/UE

2-4M
M M M O O

X1=0
X2=0
X3=-3
X4= -6
X5=3

X5=3
X6= 6
X7=3

X1=0
X2=0
X3= 0
X4= 0

Cj 3 2 0 o M M O
cbes ubas X1 X2 X3 X4 X5 X6 X7 bi
3 X1 1 1/3 -1/3 0 1/3 0 0 1
M X6 0 2/3 P 4/3 -1 -4/3 1 0 2US
O X7 0 2/3 1/3 0 -1/3 0 1 2
zj 3 1+5/3M -
1+4/3M
-M 1-4/3M M 0 3+2M
Cj-zj 0 1-5/3M -1-
4/3M
M -
1+7/3M
O O



Cj 3 2 0 o M M O
cbes ubas X1 X2 X3 X4 X5 X6 X7 bi
3 X1 1 0 -3/5 1/5 3/5 -1/5 0 3/5
2 X2 0 1 4/5 -3/5 -4/5 3/5 0 6/5
O X7 0 0 -1/5 2/5 1/5 -2/5 1 6/5
zj 3 2 -1/5 -3/5 1/5 3/5 0 4/5
Cj-zj 0 0 1/5 3/5 m-1/5 M-3/5 O








CASOS ESPECIALES DE SOLUCIONES DE PROGRAMACION
LINEAL
1. Soluciones ptimas mltiples
2. Soluciones no acotadas
3. Soluciones no factibles
4. Soluciones degeneradas
1. SOLUCIONES PTIMAS MULTIPLES.
Se obtiene cuando el coeficiente Cj - Zj correspondiente a una de las variables no bsicas tiene un valor 0.
2. SOLUCION NO ACOTADA.
Se tiene cuando en la columna de la variable entrante todos los coeficientes aij son no positivos.
(negativos).
3. SOLUCION NO FACTIBLE.
Se tiene cuando aplicando el mtodo de la Big M, o el mtodo de las dos fases, para resolver un
problema, se llega a obtener una solucin ptima en la cual como variable bsica existe una variable
artificial. En el caso de utilizar el mtodo de las 2 fases, este tipo de solucin se da cuando al minimizar,
en la primera fase existe una variable artificial que no ha salido de la base.
4. SOLUCION DEGENERADA.
Este tipo de solucin se tiene, cuando al determinar la variable que sale de la base se obtiene 2 o ms
relaciones bi/aij que son mnimas y que tienen el mismo valor. La variable correspondiente debe salir de
la base, pero al aplicar el mtodo simplex, la otra variable igual, se har necesariamente cero.

Max z= 6x1+12x2
Restricciones
1)3x1+6x215
2)3x1+3x212
Max =6x1+12x2+0x3+0x4
1) 3x1+6x2+x3=15
2) 3x1+3x2+x4=12
N=4 m=2
m-m=2
x1=0 x3=15
x2=0 x4=12
Cj 12 0 0 0
Cbas vbas X1 X2 X3 X4 bi
0 X3 3 6 1 0 15
0 X4 3 3 0 1 12
zj 0 0 0 0 0
Cj-zj 0 0 -2 0

Cj 12 0 0 0
Cbas vbas X1 X2 X3 X4 bi
0 X2 1/2 1 1/6 0 15
0 X4 3/2 0 -1/2 1 12
zj 6 12 2 0 0
Cj-zj 0 0 -2 0



Maxz=9x1+6x2
Restrinciones
1) 6x1+12x26
2) 9x2+12x236

Maxz= 9x1+6x2-0x3-mx4+0x5

1) 9x1+12x2-x3+x4=36
2) 6x1+3x2+x5=6
n=5
m=2
n-m=3 x1=0 x4=36
x2=0 x5=6
x3=0
cj 9 6 0 -M 0
cbas vbas X1 X2 X3 X4 X5 bi
-M X4 9 12 -1 1 0 36
0 X3 6 (P) 3 0 0 1 6 (VS)
Zj -9M -12M M -M 0 -36M
Cj-zj 9+9M 6+12M
(VE)
-M 0 0

cj 9 6 0 -M 0
cbas vbas X1 X2 X3 X4 X5 bi
-M X4 -15 0 -1 1 4 12
0 X2 2 1 0 0 1/3 2
Zj 15M+12 6 M -M 4M+2 -12M+12
Cj-zj -15-3 0 -M 0 -4M-2





VARIABLES NO RESTRINGIDAS (SIN RESTRICCION).
Xj no restringuida x3 no restringida
Xj=xj-xj x3 =x3-x3
xj0 x30
xj0 x31

max z= -10x1+40x2
restring
1) -30x+10x260
2) 10x1+20x240
3) -10x230
Max z= -10x+10x+40x2+0x3+0x4+0x5
COND
X1 NO RESTRINGIDA; X20
X1=X1-X1
1) -30 X1+30X1+10X2+X3=60
2) 10 X1-10X1+20X2+X4=40
3) -10X2+X5=30
X1 0 X30
X10 X40
X20 X50

n=6 m=3 n-m=
cj -10 10 40 0 0 0
Cbas vbas X1 X1 X2 X3 X4 X5 Bi
0 X3 -30 -30 10 1 0 0 60
0 X4 10 -10 20(P) 0 1 0 40(VS)
0 X5 0 0 -10 0 0 1 30
zj 0 0 0 0 0 0 0
Cj-zj -10 10 40(VE) 0 0 0


cj -10 10 40 0 0 0
Cbas vbas X1 X1 X2 X3 X4 X5 Bi
0 X3 -35 -35(P) 0 1 -1/2 0 40(VS)
40 X2 1/2 -1/2 1 0 1/20 0 2
0 X5 5 -5 0 0 1/2 1 50
zj 20 -20 40 0 2 0 80
Cj-zj -30 30(VE) 0 0 -2 0

cj -10 10 40 0 0 0
Cbas vbas X1 X1 X2 X3 X4 X5 Bi
10 X1 -1 1 0 1/35 -1/70 0 9/7
40 X2 0 0 1 1/70 9/70 0 18/7
0 X5 0 0 0 1/7 3/7 1 390/7
zj -10 10 40 6/7 11/7 0 800/7
Cj-zj 0 0 0 -6/7 -11/7 0

X1=X1-X1 =0-8/70=-8/7
X2= 18/7
Z=800/7

CNN{








Asociado a un problema de Programacin Lineal, existe otro problema.
Al original se le denomina PRIMAL y al otro como DUAL.
Un problema primal tiene la siguiente forma:
Max Z = C*X
Rest. A*X b
El problema dual de este problema primal resulta:
Min W = bt * Y
Rest. At * Y Ct
Cond. Y 0










VENTAJA DEL DUAL
La obtencin del problema dual es importante cuando el nmero de restricciones es mucho mayor, al
nmero de variables, ya que de esta manera se reduce la cantidad de operaciones, que hay que realizarlos
para resolver el modelo.
MAX =
40 RESTRICCIONES 7 VARIABLES

PRIMAL DUAL
40 ecuaciones 7 ecuaciones
7 variables 40 V seccin
40 variables holgura 7 variables holgura
40 ECU ,7VARIABLES 7 variables artificiales
7ecuaciones ,54 variables

Y4 es la holgura de X1
Y5 es la holgura de X2
Por lo tanto:
Bj - Wj de Y4 = X1
Bj - Wj de Y5 = X2
Solucin: X1 = 3/5 X2 = 6/5 Z=36
RELACIONES ENTRE PRIMAL Y DUAL.



















METODO DUAL SIMPLEX

Se utiliza con restricciones >= o =, puesto que elimina la necesidad de utilizar variables artificiales ya que
nicamente se cambia de signos a ambos lados de la restriccin y tambin su signo de relacin.

Para obtener la solucin ptima se deben dar dos condiciones:
1. Factibilidad Primal
2. Factibilidad Dual

FACTIBILIDAD PRIMAL
Se da cuando todas las variables bsicas son >= 0
FACTIBILIDAD DUAL
Para problemas de maximizacin se da cuando los coeficientes Cj-Zj son todos negativos o ceros (<=0),
para problemas de minimizacin se da cuando Cj-Zj son positivos o ceros (>=0)
REGLAS PARA RESOLVER POR EL METODO DUAL SIMPLEX
1. Una solucin que tiene factibilidad dual y factibilidad primal constituye una solucin optima
2. Si no existe factibilidad primal pero si existe factibilidad dual entonces aplicamos el mtodo dual
simplex, en este caso se debe mantener siempre la factibilidad dual y en cada aplicacin del
mtodo dual simplex se tiende a obtener la factibilidad primal, para eso:
I. Obtenemos la variable de salida para maximizacin o minimizacin es el mayor
valor de bi negativo
II. La variable de entrada se determina analizando los valores absolutos de

Considerando valores de

nicamente negativos correspondientes a los

coeficientes de la fila de la variable saliente, se debe tomar la menor relacin.
3. Si no existe factibilidad primal ni factibilidad dual lo primero que debe hacerse es restaurar la
factibilidad dual aplicando el mtodo simplex normal y una vez se tenga factibilidad dual se
aplica el mtodo dual simplex.


EJERCICIO:
MIN

Restricciones:
1)

2)

3)

Condicion de no negatividad

MINZ

1)

2)

3)

Cj 3 2 0 0 0
Cbas Vbas X1 X2 X3 X4 X5 bi
0 X3 -3 -1 1 0 0 -3
0 X4 -4 -3 0 1 0 -6
0 X5 1 1 0 0 1 3

Zj 0 0 0 0 0 0

Cj-
Zj 3 2 0 0 0


Cj 3 2 0 0 0

Cbas Vbas X1 X2 X3 X4 X5 bi
0 X3 -5/3 0 1 -1/3 0 -1
2 X2 4/3 1 0 -1/3 0 2
0 X5 -1/3 0 0 1/3 1 1

Zj 8/3 2 0 -2/3 0 4

Cj-
Zj 1/3 0 0 2/3 0


Cj 3 2 0 0 0

Cbas Vbas X1 X2 X3 X4 X5 bi
0 X3 1 0 -3/5 1/5 0 3/5
2 X2 0 1 4/5 -3/5 0 6/5
0 X5 0 1 -1/5 2/5 1 6/5

Zj 3 2 -1/5 -3/5 0 21/5

Cj-
Zj 0 0 1/5 3/5 0

Sol:

MODELO DE TRANSPORTE.

F1 F2 F3 (Fuentes de suministro, orgenes, oferta).

D1 D2 D3 (Destino, sectores, demanda).



El problema de transporte consiste en minimizar Costos de c/u * articulo * Xij desde i
hasta j. Entonces:
Min Z = C11X11+C12X12+C13X13+ ............. ...C34X34




CAPACIDAD DE SUMINISTRO:

X11+X12+X13+X14 = S1
X21+X22+X23+X24 = S2
X31+X32+X33+X34 = S3

REQUERIMIENTOS DE DEMANDA:

X11+X21+X31 = D1
X12+X22+X32 = D2
X13+X23+X33 = D3
X14+X24+X34 = D4

Se tiene que capacidad de suministro = requerimientos de demanda, cuando se cumple esto se dice que se
tiene un problema de transporte homogeneo.

a) S>D Si la capacidad de suministro es mayor que la Demanda, se debe crear un destino ficticio, con
costos de transporte igual a cero, que consuma el exceso de producto o suministro.

b) D>S Si la demanda es mayor que el suministro, se debe crear un suministro ficticio que genere el
suministro necesario para cubrir la demanda insatisfecha.



FUENTE DE
SUMINISTRO
B1 B2 B3 B4 CAPACIDAD
DE
SUMINISTRO
F1 5 12 8 6 80
F2 9 14 7 11 90
F3 4 13 10 3 60
REQUERIMINETO
DE DEMANDA
50 70 65 45






Min Z = 5X11+1212X12+813X13+ ............. ...3X34
CAPACIDAD DE SUMINISTRO:
X11+X12+X13+X14 = 80
X21+X22+X23+X24 = 90
X31+X32+X33+X34 = 60
REQUERIMIENTOS DE DEMANDA:
X11+X21+X31 = 50
X12+X22+X32 = 70
X13+X23+X33 = 64
X14+X24+X34 = 45

METODO DE LA ESQUINA NOROESTE
Es un mtodo directo para encontrar la solucin bsica factible inicial de un problema de transporte, y
empieza asignando los recursos a partir de la primera fila, y en esta a partir de la primera celda. La
asignacin de recursos debe hacerse hasta satisfacer la demanda.
FUENTE DE
SUMINISTRO
B1 B2 B3 B4 CAPACIDAD
DE
SUMINISTRO
F1 50 30 80
F2 40 50 90
F3 15 45 60
REQUERIMINETO
DE DEMANDA
50 70 65 45

Z=5X50+12X30+14X40+7X50+10X15+3X45
Z=1805

CELDAS MAXIMAS O MINIMAS

Se pueden presentar los siguientes casos:
1. Si Si > Dj, en este caso se asigna el recurso necesario para satisfacer la demanda y queda un exceso de
recurso que se asigna dentro de la misma fila.
2. Si Si = Dj, toda la capacidad de suministro se asigna directamente al requerimiento de demanda, y en la
celda contigua debe colocarse un cero.
3. Si Si < Dj, todo el Si es asignado a la celda respectiva para satisfacer parte de la demanda. La demanda
debe completarse asignando los recursos a la siguiente fila para satisfacer el restante requerimiento de
demanda.

MINIMIZACION
FUENTE DE
SUMINISTRO
B1 B2 B3 B4 CAPACIDAD
DE
SUMINISTRO
F1 35 45 80
F2 25 65 90
F3 15 45 60
REQUERIMINETO
DE DEMANDA
50 70 65 45

Z=5X35+12X45+14X25+7X65+4X15+3X45
Z=1715
MAXIMIZACION
FUENTE DE
SUMINISTRO
B1 B2 B3 B4 CAPACIDAD
DE
SUMINISTRO
F1 50 5 25 80
F2 70 20 90
F3 60 60
REQUERIMINETO
DE DEMANDA
50 70 65 45

Z=50X5+5X8+25X6+70X14+20X11+60X10
Z=2240
METODO DE LA PENALIDAD
Consiste en determinar la penalidad que se incurre por no asignar determinados recursos a determinados
requerimientos.

Minimizacin:

La penalidad de los recursos, es decir de las filas, se determinan restando el valor ms pequeo, dentro de
la fila, del siguiente valor ms pequeo en la misma fila.
La penalidad para los requerimientos, se calcula, restando el valor ms pequeo dentro
de una columna, del siguiente valor ms pequeo en la misma columna.
1. Se debe determinar luego, cual es la fila o la columna que tenga la mxima penalidad. Se escoge la
mxima penalidad, por cuanto el problema es de minimizacin, y hay que minimizar los costos que se
aadiran, por no asignar
2. La asignacin de los recursos debe realizarse a la celda que tiene el menor costo considerando las dos
celdas que se tomaron para calcular la penalidad.
3. Si en una sola asignacin se termina el recurso, y se satisface el requerimiento en una de las celdas
contiguas debe almacenarse un cero.
4. Se repite el proceso sin tomar en cuenta aquellas columnas en las cuales ya se han satisfecho los
requerimientos y aquellas filas en las cuales se han terminado los recursos.

MAXIMINIZACION:
1. Las penalidades se calculan restando del mayor valor el siguiente mayor valor en cada una de las filas y
en cada una de las columnas. En este caso la penalidad indicara, la perdida de ganancia que ocasiona el no
utilizar una ruta.
2. Escoger la mayor penalidad.
3. La asignacin se hace a la celda de mayor valor.
4. Repetir el proceso.

FUENTE DE
SUMINISTRO
B1 B2 B3 B4 CAPACIDAD
DE
SUMINISTRO
F1 5 12 8 6 80
F2 9 14 7 11 90
F3 4 13 10 3 60
REQUERIMINETO
DE DEMANDA
50 70 65 45






GRAFO

Consiste en dos conjuntos V y E, y es una estructura matemtica para analizar redes.
Existen grafos no direccionados y grafos direccionados.




Para un grafo no direccionado con n vrtices el nmero mximo de ramificaciones viene dado por n(n-
1)/2.

Para un grafo direccionado con n vrtices el nmero mximo de ramificaciones est dado por n(n-1).


Los vrtices adyacentes al vrtice 2 en G2 seran 1,4,5 y las ramas incidentes al vrtice 3 en G2 sern
(v1,v3), (v3,v6), (v3,v7).
Si la rama <v1,v2> es una rama direccionada, entonces el vrtice v1 se dice que es adyacente a v2,
mientras que v2 es adyacente desde v1, la rama <v1,v2> es incidente a
v1,v2.
Si tenemos el grafo:
G4
Un subgrafo de G es G tal que los vrtices de G son menores o iguales a los vrtices
de G y las ramas de G son menores o iguales a los ramas de G.
V(G) V(G)
E(G) E(G)

Longitud de un camino
Es el nmero de ramas en las contenidas.
V1,V2,V3,V4

Camino simple.
Es un camino en el cual todos los vrtices.
V2,V4,V3,V1

Ciclo
Es un camino simple en el cual el primero y ltimo vrtice son los mismos.
V1,V2,V4,V3,V1
Grado de un vrtice
Es el nmero de ramas incidentes al vrtice. Ej.: en G1 el grado de cualquier vrtice es 3.
Para un grafo direccionado el grado de entrada del vrtice v es el nmero de ramas para el cual v es
cabeza y el grado de salida del vrtice v es el nmero de ramas para el cual v es cola.
rbol
Es un grafo conexo que no contiene ciclos
Capacidad de flujo

Es el lmite superior de la magnitud permitida de flujo que puede llevar una rama en una direccin
especfica. La capacidad de flujo puede ser cualquier cantidad no negativa incluso infinita.
En una rama dirigida la capacidad de flujo es cero en una direccin contraria a la flecha.
Nodo Fuente

Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se conectan al l tienen una
direccin tal que dicho nodo es nicamente cola, es decir el flujo sale del nodo.
Se lo conoce tambin como inicio, origen o generador de flujo.
Nodo Destino

Es un nodo de un grafo dirigido que se caracteriza porque todas las ramas que se conectan a l tienen una
direccin tal que dicho nodo es cabeza, es decir el flujo entra al nodo. Se lo conoce tambin como llegada,
finalizador o absolvedor de flujo.
A Fuente, cola
C Destino, cabeza.
Representacin de Grafos

Tenemos dos formas de representacin:
1. Utilizacin de matrices adyacentes.
2. Utilizacin de listas adyacentes.

Matrices Adyacentes

Si tenemos una grafo G(V,E), compuesto de vrtices y enlaces con n vrtices, la matriz adyacente de G es
un arreglo de dos dimensiones de nxn. As tenemos:
A(i,j) con la propiedad de que:
124
A(i,j) = 1 si la rama (Vi,Vj) est en E(G).
A(i,j) = 0 si no existe tal rama.
Ejemplo:
En G1 tenemos n vrtices el arreglo A est formado por la matriz n x

1 2 3 4
1 0 1 1 1
2 1 0 1 1
3 1 1 0 1
4 1 1 1 0


1 2 3 4
1 0 1 1 0
2 1 0 0 1
3 0 0 0 0
4 0 1 1 0

De una matriz adyacente se puede determinar lo siguiente:
a. Si existe una rama conectando dos vrtices Vi, Vj.
b. Para un grafo no diseccionado el grado de cualquier vrtice Vi , es la suma de los unos (1) de sus filas.
125
c. Para un grafo diseccionado la suma de los unos (1) de las filas es el grado de salida y la suma de los
unos (1) de las columnas es el grado de entrada.
Listas Adyacentes.
Con esta representacin la n filas de la matriz adyacente se representan con n listas encadenadas. Hay una
lista para cada vrtice de G los nodos en la lista i representan a los vrtices que son adyacentes desde el
vrtice i. Cada nodo tiene al menos dos campos vrtice y enlace. Los campos de vrtice contienen los
ndices de los vrtices adyacentes
Matriz de incidencia.


















2
5 3
1 4



La matriz de incidencia de nodos ramas para una red dirigida G(V,E), se define como
el arreglo Z = [Zi,k]
Zi,k = 1. Si el nodo i que pertenece a V es el nodo de inicio de la rama a que pertenece al conjunto de
ramas o arcos E.
Zi,k = -1. Si el nodo i que pertenece a V es el nodo donde termina la rama ak que pertenece a E.
Zik = 0. Si no existe tal rama.
Si el grafo G no es dirigida Zi,k se define como:
Zik = 1. Si el nodo i que pertenece a V es conectado a la rama ak que pertenece a E
Zik = 0. Si no existe conexin.

A1 A2 A3 A4 A5 A6 A7

1 1 1 0 0 0 0 0

2 -1 0 1 1 0 0 0

3 0 -1 -1 0 1 1 0

4 0 0 0 -1 -1 0 1

5 0 0 0 0 0 -1 -1


ALMACENAMIENTO DE PESOS O VALORES DE LAS RAMAS DE UN
GRAFO O RED

Cuando se designan valores a las ramas estos valores pueden representar distancias ocostos necesarios
para ir de un ndice a otro adyacente, estos pueden almacenarse de acuerdo con la representacin utilizada
para una red esto es por medio de una matriz adyacente en donde los A(i,j) guardaran dicha informacin.




5 2


3 7

2 6

1
5
3
2
4



1 2 3 4 5
1 0 5 2 3 0

2 5 0 0 2 0

3 2 0 0 0 7

4 3 2 0 0 6

5 0 0 7 6 0

Las aplicaciones de grafos ms estudiadas por el modelo de redes son:
- Arboles de cobertura
- Problema de la ruta ms corta
- Problema del flujo mximo.

ARBOLES DE COBERTURA.
Cualquier rbol que est formado nicamente por las ramas de E pero que incluyen a todos los vrtices de
V de G es llamado un rbol de cobertura.
Posibles arboles de cobertura:








PROPIEDADES DE UN ARBOL DE COBERTURA.
Un rbol de cobertura tiene la propiedad de que es un subgrafo mnimo de G (G), tal que el conjunto de
vrtices de G es igual al conjunto de vrtices de G:
V(G) = V(G)
Por subgrafo mnimo se designa a aquel con el menor nmero de ramas.
Cualquier grafo conexo con n vrtices debe tener al menos n-1 ramas y todos los grafos conexos con n-1
ramas son rboles.

PROCEDIMIENTO GRAFICO.
1. Seleccionar un nodo arbitrario y conectamos el nodo ms cercano a ste obteniendo la primera rama del
rbol de cobertura de costo mnimo.
2. Identificar un nodo no conectado que sea el ms cercano a uno de los nodos que ya forman parte del
rbol y conectarlos sin formar ciclos.
2
1
4
3
1
3
4
2
3. Repetir esto hasta que todos los nodos se hayan conectado.
PROCEDIMIENTO MATRICIAL
1. Se comienza arbitrariamente en cualquier nodo, se designa a este nodo como conectado y se pone una
al lado del rengln correspondiente a este nodo. Se tacha la columna que corresponde a l.
2. Considerando todos los renglones que tengan una , se busca el valor mnimo en las columnas cuyo
ndice no ha sido tachado y se encierra ese valor en un crculo. Se rompen los empates de modo arbitrario.
La columna que corresponde este elemento encerrado en un crculo designa al nuevo nodo conectado. Se
tacha el ndice de esta columna y se pone una marca en el rengln correspondiente a este nodo. Se repite
este paso hasta que todos los nodos sean conectados.
3. Una vez que todos los nodos hayan sido conectados, se identifica el rbol de cobertura de costo mnimo
mediante los elementos circundados

PROBLEMA DE LA RUTA MAS CORTA
Trata de determinar el camino ms corto desde un punto de origen H hasta los dems nodos de la red a
travs de una red conexa, la longitud de un camino viene dado por la sumatoria de los valores de las
ramas en ese camino.
1 2 3 4 5 6 7
1 0 5 3 1 0 0 0
2 5 0 0 8 9 0 0
3 3 0 0 4 0 6 0
4 1 8 4 0 2 7 3
5 0 9 0 2 0 0 12
6 0 0 6 7 0 0 13
7 0 0 0 12 13 0





5 2
3

3


ALGORITMO DE ETIQUETADO

El algoritmo emplea el llamado proceso de etiquetado conforme avance el algoritmo se determina una
etiqueta para cada nodo, esa etiqueta asociara dos nmeros entre parntesis el primer nmero de la
etiqueta representara la distancia entre ese nodo a lo largo de una ruta especfica y el segundo numero al
nodo predecesor del nodo en cuestin sobre dicha ruta, en principio las etiquetas asociadas a un nodo que
no sea H se llamaran etiquetas temporales, cuando la distancia ms corta entre H t un nodo dado haya sido
determinado la etiqueta temporal se transformara en permanente el algoritmo empieza etiquetando el
nodo H con la etiqueta permanente (0,H) donde 0 significa que la distancia entre H y H tiene una longitud
cero y H solo identifica el nodo de salida, tan pronto cuando todos los nodos tengan etiqueta permanente
se termina el proceso






1
6
3
4
2 5
7

EJERCICIO
Hallar la ruta ms corta desde el nodo H hasta los dems nodos


NODOS
RUTA MAS
CORTA DESDE H DISTANCIA
1 H-1 3
2 H-1-2 7
3 H-3 2
4 H-1-2-4 9
5 H-1-2-4-5 13
6 H-1-2-4-5-6 14
7 H-1-2-7 14