Nombre de la asignatura: Investigacin Operativa I

Parcial de estudio: Primero

Investigacin Operativa
1
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 P. L. 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, quien 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 sta 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

Como se dijo anteriormente la I. O. en lo que se refiere a la P. L. utiliza mtodos mediante aproximaciones

sucesivas, ensayos, intentos que reciben el nombre de algoritmos o iteraciones y, segn los cuales se determina
pasos o etapas hasta obtener el objetivo planteado.
El problema general de la PL.
Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

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 de

beneficios, precios, costos unitarios, etc.
X 1 , X 2 , X 3 , X 4 ............ X n 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 TECNICOS 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 .............. Am n X n Tn bn
Donde
A1 1 A1 2 A1 3..........A1n
A A A ..........A
21 22 23 2n

A3 1 A3 2 A3 3..........A3 n
Coeficientes Tcnicos
............................
............................


m1 m 2 m 3
A A A .........A mn

X 1 , X 2 , X 3 ..........X n Variables o incgnitas del problema.
T1 , T2 , T3 .............Tn Signos o lmites del sistema.
Igual o menor que
Mayor o igual que
Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero
Igual
3. No negatividad

En la resolucin de los problemas de P. L. 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.

Actividades de aprendizaje
Actividad de aprendizaje 1.1.
Resultado de Resolver grficamente cualquier problema de programacin lineal de slo dos
aprendizaje variables por medio de los mtodos de punto de esquina y lnea de isotutilidad.

Contenido Solucin grfica de un problema de programacin lineal

Del texto gua Investigacin de Operativa Tomo I de Juan Carlos Erazo, primera edicin
2016, de los problemas propuestos pgina 111, resuelva los problemas 7, 15 y 19, la
solucin debe ser manual y digitalizada y mediante la utilizacin del programa de
Planteamiento de la
computacin QM for Windows, resuelva los problemas 27 y 67.adicionalmente resuelva
actividad
del libro Introduccin a la Investigacin de Operaciones de Hillier y Lieberman, novena
edicin 2010 de los problemas propuestos en las pginas 70 3.1-2

SOLUCIN GRFICA

El mtodo grfico permite una comprensin visual de la resolucin de un problema.

De acuerdo a las condiciones deber cumplir con los cuatro requisitos bsicos.
1.- Funcin Objetivo
2.- Conjunto de limitaciones o restricciones
3.- Condicin de no negatividad
Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

4.- Condiciones u optimizacin

4.1.- Solucin factible
4.2.- Solucin bsica factible
4.3.- Solucin ptima factible
Orientaciones
didcticas Mediante el mtodo grfico se trata de resolver por aproximaciones, o interacciones
grficas las posibilidades de mejorar las soluciones de conformidad a la funcin
objetivo determinada.
Maximizacin
Z ( MAX ) C1 X 1 C2 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 utilizar 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
X1, X 2 0
La funcin objetivo puede representarse mediante un conjunto de rectas paralelas con
pendiente.
C1
M
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
Desarrollo de ejercicios y la evaluacin de los mismos
evaluacin

Actividad de aprendizaje 1.2.

Resultado de Explicar detalladamente por qu el mtodo simplex encuentra soluciones ptimas para
aprendizaje problemas de programacin lineal.

Contenido Formular y resolver problemas de programacin lineal utilizando el mtodo simplex

Del texto gua Investigacin Operativa Tomo I, primera edicin 2016, de los
problemas propuestos pgina 201, resuelva manualmente los problemas 11, 23 y 27,
no se acepta escaneado. Utilizando el programa QM for Windows que se encuentra en
Planteamiento de la
el CD, resuelva el problema 29.adicionalmente resuelva Del texto gua Introduccin a
actividad
la Investigacin de Operaciones de Hillier y Lieberman, novena edicin 2010, de los
problemas propuestos de la pgina 139, resuelva manualmente los problemas 4.3-4

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 d 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
Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

introduce 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.

PLANTEAMIENTO

Identificacin de Producto I = X1
Variables Producto II = X2
Producto III = X3
Producto IV = X4
1) Funcin Objetivo

Z(MAX) = C1X1 + C2X2 + C3X3+ ------------ + CnXn

2) Limitaciones o Restricciones

A11X1 + A12X2 + A13X3 + ----------------- + A1nXn b1

A21X1 + A22X2 + A23X3 + ----------------- + A2nXn b2
A31X1 + A32X2 + A33X3 + ----------------- + A3nXn b3
...................................................................................
Am1X1 + Am2X2 + Am3X3 + ----------------- + AmnXn bn

RESOLUCIN

Cuando se trata de un sistema de inecuaciones, no existe solucin nica, si no que

implica 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

Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

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:

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 uno 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.

Zj-Cj =
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, el mismo 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 ANTERIORES
" ELEMENTOS DE LA NUEVA FILA "
PIVOTE

Los restantes elementos de la columna que entra se denominan SEMIPIVOTES ()

Los elementos de las dems filas se obtienen restando los elementos anteriores de
dicha fila menos los elementos de la nueva fila que ingres, multiplicados por el
semipivote correspondiente.

Elementos de otra filaZj se obtiene multiplicando el coeficiente de la variable

Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

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 introduce 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 introduce solamente variables artificiales

con signo positivo.

Maximizacin () + SJ
Minimizacin () Sj + mj
Igualdad (=) + 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

Criterios de
El desarrollo de ejercicios y la evaluacin de los mismos
evaluacin

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
Nombre de la asignatura: Investigacin Operativa I
Parcial de estudio: Primero

correo y marque el nombre de su tutor.

Puntaje por actividad

Actividades de aprendizaje

Puntaje
Actividad de aprendizaje 1.1. 10
Actividad de aprendizaje 1.2. 10
20

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