Investigación Operativa I

Instituto Tecnolgico Superior
Vida Nueva
COMPENDIO DE
INVESTIGACIN OPERATIVA
I
4 CRDITOS
1. Datos informativos:
Carrera/s Nivel
Administracin de Empresas 4
www.istvidanueva.edu.ec
Tecnolgico Vida Nueva http://campus.istvidanueva.edu.ec/
1
2. ndice
1. Datos informativos: ..................................................................................... 1
2. ndice........................................................................................................... 2
3. Introduccin................................................................................................. 4
4. Prerrequisitos .............................................................................................. 5
5. Evaluacin inicial ......................................................................................... 5
6. Orientaciones generales para el estudio ................................................... 11
7. Desarrollo de contenidos........................................................................... 13
I. Unidad: Teora de Redes y Grafos ........................................................ 21
Objetivos ................................................................................................... 21
Contenidos ................................................................................................ 21
Grafo...................................................................................................... 21
Arcos incidentes a un nodo ................................................................... 22
Recorrido de grafos ............................................................................... 22
Clasificacin De Grafos ......................................................................... 23
Ciclos y Circuitos ................................................................................... 25
Estrategias de enseanza aprendizaje .................................................. 28
Evaluacin................................................................................................. 30
Recursos ................................................................................................... 31
II. Unidad: Programacin Lineal ................................................................ 32
Objetivos ................................................................................................... 32
Contenidos ................................................................................................ 32
La programacin matemtica ................................................................ 32
Evaluacin................................................................................................. 64
Recursos ................................................................................................... 72
III. Unidad: Programacin Dinmica ......................................................... 73
Objetivos ................................................................................................... 73
Contenidos ................................................................................................ 73
Generalidades ....................................................................................... 73
Evaluacin................................................................................................. 80
Recursos ................................................................................................... 80
IV. Unidad: Flujos ptimos de una Red-Transporte y Asignacin ............ 81
Objetivos ................................................................................................... 81
Contenidos ................................................................................................ 81
Modelo particular de programacin lineal. ............................................. 81
Estrategias de enseanza aprendizaje ............................................... 82
Prueba De Optimalidad ......................................................................... 87
Evaluacin................................................................................................. 97
Recursos ................................................................................................... 98
8. Evaluacin final ......................................................................................... 99
9. Bibliografa .............................................................................................. 102
10. Anexos................................................................................................. 103
11. Glosario ............................................................................................... 105
Investigacin Operativa I Introduccin
3. Introduccin
La primera actividad de Investigacin Operativa se dio durante la
Segunda Guerra Mundial en Gran Bretaa, donde la Administracin
Militar llam a un grupo de cientficos de distintas reas del saber
para que estudiaran los problemas tcticos y estratgicos asociados
a la defensa del pas.
El nombre de Investigacin Operativa fue dado aparentemente

porque el equipo estaba llevando a cabo la actividad de investigar
operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos

britnicos, los administradores militares de Estados Unidos
comenzaron a realizar investigaciones similares.
Para eso reunieron a un grupo selecto de especialistas, los cuales

empezaron a tener buenos resultados y en sus estudios incluyeron
problemas logsticos complejos, la planificacin de minas en el mar
y la utilizacin efectiva del equipo electrnico.
Al trmino de la guerra y atrados por los buenos resultados

obtenidos por los estrategas militares, los administradores
industriales empezaron a aplicar las herramientas de la
Investigacin Operativa a la resolucin de sus problemas que
empezaron a originarse debido al crecimiento del tamao y la
complejidad de las industrias.
Aunque se ha acreditado a Gran Bretaa la iniciacin de la

Investigacin Operativa como una nueva disciplina, los Estados
Unidos tomaron pronto el liderazgo en este campo rpidamente
creciente. La primera tcnica matemtica ampliamente aceptada en
el medio de Investigacin Operativa fue el Mtodo Smplex de
Programacin Lineal, desarrollado en 1947 por el matemtico
norteamericano George B. Dantzig. Desde entonces las nuevas
tcnicas se han desarrollado gracias al esfuerzo y cooperacin de
las personas interesadas tanto en el rea acadmica como en el
rea industrial.
Tecnolgico Vida Nueva Pgina 4

Investigacin Operativa I Prerrequisitos
Un segundo factor en el progreso impresionante de la Investigacin

Operativa fue el desarrollo de la computadora digital que, con sus
tremendas capacidades de velocidad de cmputo y de
almacenamiento y recuperacin de informacin, permiti al
individuo que tena que tomar decisiones hacerlo con rapidez y
precisin.
Si no hubiera sido por la computadora digital, la Investigacin

Operativa con sus grandes problemas de computacin no hubiera
crecido al nivel de hoy en da.
Actualmente la Investigacin Operativa se est aplicando en

muchas actividades. Estas actividades han ido ms all de las
aplicaciones militares e industriales, para incluir hospitales,
instituciones financieras, bibliotecas, planificacin urbana, sistemas
de transporte y sistemas de comercializacin.
4. Prerrequisitos
Aprobar la materia de Algebra
5. Evaluacin inicial
Resuelva los siguientes ejercicios:

1. Restar -2a5b - ab5 + 6a3b3 - a2b4 - 3b6 de 8a4b2 + a6 - 4a2b4 +
6ab5

Investigacin Operativa I Evaluacin inicial
2. De x5-9x3+6x2-31 restar -11x4+31x3-8x2-19x
3. Factorizar: 1- 14x2y + 49x4y2

4. Factorizar 16x2 8xy + y2
5. Dividir -m7 + 5m6n + 14m5n2 + 20m4n3 13m3n4 9m2n5 +

20mn6 -4n7 entre n3 + 3m2n 5mn2 m3

6. Factorizar (3a4 5b2 )2
7. Factorizar (x2 + y2)(x2 y2)

8. Factorizar (1 3ax)(3ax + 1)
9. Dividir m2 11m +30 entre m - 6

10. Dividir 11a3 3a5 46a2 + 32 entre 8 3a2 6
11. Desarrolle: (n 4)3

Investigacin Operativa I Orientaciones generales para el estudio
12. grafique la funcin: y = x2 - 5x + 4
6. Orientaciones generales para el estudio
Seor(a)(ita) estudiante:
Para el desarrollo del proceso de aprendizaje, usted puede contar

con el apoyo de todos los docentes de la carrera de Administracin,
quienes se encuentran dispuestos a colaborarle de la mejor manera
para lograr que usted adquiera de mejor manera los conocimientos
necesarios para su desarrollo profesional.
El (la) estudiante para su aprendizaje debe utilizar el mdulo de

estudio, la bibliografa recomendada, la tutora presencial, Internet y
la informacin complementaria que requiera.
El (la) estudiante debe integrar los conocimientos adquiridos en las

actividades de aprendizaje, mediante al anlisis y aplicacin en los
ejercicios propuestos y a desarrollarse, conocimientos que se
reflejan en los dos trabajos que debe presentar en el semestre.
Para el desarrollo de la presente asignatura, recuerde que consta

de 4 crditos, que equivale a 64 horas en la modalidad Presencial,
Investigacin Operativa I Orientaciones generales para el estudio
en la modalidad semi presencial corresponde a 32 horas de tutoras

llevadas presencialmente distribuidas en 6 fines de semana y las 32
restantes corresponden a trabajo autnomo, para lo cual se le
recomienda que distribuya 1 hora diaria para la revisin de los
temas analizados en la tutora y la realizacin de las tareas o
trabajos autnomos enviados por el docente.
En esta gua encontrar adems autoevaluaciones las cuales deben

ser elaboradas de la manera ms honesta, de esta manera usted
podr confirmar la adquisicin de los conocimientos necesarios para
seguir con su carrera.
Adems se le recomienda:
Planificar adecuadamente las actividades diarias.

Escoger un lugar apropiado para el estudio.
Leer y entender en orden el contenido del mdulo. No seguir
adelante sin haber entendido el tema anterior.
Analizar en forma detenida los ejercicios resueltos en el
mdulo a fin de comprender su metodologa.
Preparar una serie de inquietudes para que el tutor le ayude
en su solucin.
Recuerde que usted cuenta con el apoyo sus tutores, no dude en solicitar su ayuda

Investigacin Operativa I Unidad: Teora de Redes y Grafos
7. Desarrollo de contenidos
Investigacin Operativa
A menudo se utiliza el trmino de Investigacin de Operaciones

para referirse a la Investigacin Operativa. Hablar de Investigacin
de Operaciones es utilizar la Investigacin Operativa para "hacer
investigacin sobre las operaciones que tienen lugar en los
distintos campos de las organizaciones humanas.
Es muy notable el rpido crecimiento del tamao y la complejidad

de las organizaciones (empresas) humanas que se ha dado en
estos ltimos tiempos. Tal tamao y complejidad nos hace pensar
que una sola decisin equivocada puede repercutir grandemente en
los intereses y objetivos de la organizacin y en ocasiones pueden
pasar aos para rectificar tal error. Tambin el ritmo de la empresa
de hoy implica que las decisiones se tomen ms rpidamente que
nunca, pues el hecho de posponer la accin puede dar una decisiva
ventaja al contrario en este mundo de la competencia.
La palpable dificultad de tomar decisiones ha hecho que el hombre

se aboque en la bsqueda de una herramienta o mtodo que le
permita tomar las mejores decisiones de acuerdo con los recursos
disponibles y los objetivos que persigue. Tal herramienta recibi el
nombre de Investigacin de Operaciones.
De la definicin de Investigacin Operativa, como veremos en el

siguiente apartado, podemos resaltar los siguientes trminos:
organizacin, sistema, grupos interdisciplinarios, objetivo y
metodologa cientfica.
Una organizacin puede entenderse como un sistema, en el cual

existen componentes; canales que comunican tales componentes e
informacin que fluye por dichos canales. En todo sistema las
componentes interactan unas con otras y tales interacciones
pueden ser controlables e incontrolables. En un sistema grande, las
componentes se relacionan de muchas maneras, pero no todas son

importantes, o mejor dicho, no todas las interacciones tienen

efectos importantes en las componentes del sistema.
Por lo tanto, es necesario que exista un procedimiento sistemtico

que identifique a quienes toman decisiones y a las interacciones
que tengan importancia para los objetivos de la organizacin o
sistema. Uno de esos procedimientos es precisamente la
Investigacin de Operaciones.
Una estructura por la que no fluye informacin no es dinmica, es

decir, no podemos considerarla como un sistema. Por lo tanto,
podemos decir que la informacin es lo que da "vida" a las
estructuras u organizaciones humanas.
Los objetivos de toda organizacin sern siempre alcanzar el

liderazgo en su rama, controlando la eficiencia y efectividad de
todas sus componentes por medio de mtodos que permitan
encontrar las relaciones ptimas que mejor operen el sistema, dado
un objetivo especfico.
Ante el tremendo avance que se ha dado en casi todas las ciencias

en las ltimas dcadas, ya no es factible querer saber un poco de
todo, sino ms bien especializarse en alguna rama de la ciencia.
Los problemas que se presentan en las organizaciones no se
pueden resolver fcilmente por un solo especialista. Por el contrario,
son problemas multidisciplinarios, cuyo anlisis y solucin requieren
de la participacin de varios especialistas. Estos grupos
interdisciplinarios necesariamente requieren un lenguaje comn
para poder entenderse y comunicarse, donde la Investigacin
Operativa viene a ser ese puente de comunicacin.
El enfoque de la Investigacin Operativa sigue las pautas del

mtodo cientfico. En particular, el proceso comienza por la
observacin cuidadosa y la formulacin del problema y sigue con la
construccin de un modelo cientfico (por lo general matemtico)
que intenta abstraer la esencia del problema real. En este punto se
propone la hiptesis de que el modelo es una representacin lo
suficientemente precisa de las caractersticas esenciales de la

situacin como para que las conclusiones (soluciones) obtenidas
sean vlidas tambin para el problema real. Esta hiptesis se
verifica y modifica mediante las pruebas adecuadas. Entonces, en
cierto modo, la Investigacin Operativa incluye la investigacin
cientfica creativa de las propiedades fundamentales de las
operaciones. Sin embargo, existe ms que esto. En particular, la
Investigacin Operativa se ocupa adems de la administracin
prctica de la organizacin. As, para tener xito, deber tambin
proporcionar conclusiones positivas y claras que pueda usar el
tomador de decisiones cuando las necesite.
La contribucin al enfoque de Investigacin Operativa proviene

principalmente de:
i) La estructuracin de una situacin de la vida real como un

modelo matemtico, logrando una abstraccin de los
elementos esenciales para que pueda buscarse una solucin
que concuerde con los objetivos del tomador de decisiones.
Esto implica tomar en cuenta el problema dentro del contexto
del sistema completo.
ii) El anlisis de la estructura de tales soluciones y el

desarrollo de procedimientos sistemticos para obtenerlas.
iii) El desarrollo de una solucin, incluyendo la teora

matemtica si es necesario, que lleva al valor ptimo de la
medida de lo que se espera del sistema (o quiz que compare
los cursos de accin opcionales evaluando esta medida para
cada uno).
El modelo matemtico trata de responder al problema de elegir los

valores de las variables de decisin de manera que se optimice la
funcin objetivo, sujeta a las restricciones dadas.
Optimizar es la accin de llevar una cierta magnitud a su ptimo, o

sea, a su mximo o a su mnimo, segn se trate de algo que se

considera beneficioso o perjudicial, en cuyos casos respectivos se

utilizan tambin los nombres de maximizar o minimizar. Se optimiza
todo tipo de magnitudes para las que se estima o valora que tienen
estados preferibles a otros y se quiere alcanzar el de mayor utilidad
o satisfaccin.
Una clasificacin de modelos especialmente importante es el

modelo de programacin lineal, en el que las funciones
matemticas que aparecen tanto en la funcin objetivo como en las
restricciones, son funciones lineales. Es posible construir modelos
especficos de programacin lineal que se ajustan a diversos tipos
de problemas.
Los modelos matemticos tienen muchas ventajas sobre una

descripcin verbal del problema. Una ventaja obvia es que el
modelo matemtico describe un problema en forma mucho ms
concisa. Esto tiende a hacer que toda la estructura del problema
sea ms comprensible y ayuda a revelar las relaciones importantes
entre causa y efecto. De esta manera indica con ms claridad que
datos adicionales son importantes para el anlisis. Tambin facilita
el manejo del problema en su totalidad y el estudio de todas sus
interrelaciones simultneamente. Por ltimo, un modelo matemtico
forma un puente para poder emplear tcnicas matemticas
poderosas, adems de los ordenadores, en el anlisis del problema.
La herramienta de clculo que supone el ordenador junto a
paquetes de Investigacin Operativa facilita la solucin de muchos
problemas.
Definicin de Investigacin Operativa
La Investigacin Operativa o Investigacin Operacional se puede

definir como: "La aplicacin del mtodo cientfico a problemas
relacionados con el control de las organizaciones o sistemas a fin
de que se produzcan soluciones que mejor sirvan a los objetivos de
toda la organizacin".

Metodologa de la Investigacin de Operativa
El proceso de la Investigacin Operativa comprende las siguientes

fases:
1. Formulacin y definicin del problema.
2. Construccin del modelo.
3. Solucin del modelo.
4. Validacin del modelo.
5. Implementacin de resultados.
Veamos estas fases:
1. Formulacin y definicin del problema. En esta fase del proceso

se necesita: una descripcin de los objetivos del sistema, es decir,
qu se desea optimizar; identificar las variables implicadas, ya sean
controlables o no; determinar las restricciones del sistema.
Tambin hay que tener en cuenta las alternativas posibles de

decisin y las restricciones para producir una solucin adecuada.
2. Construccin del modelo. En esta fase, el investigador de

operaciones debe decidir el modelo a utilizar para representar el
sistema. Debe ser un modelo tal que relacione a las variables de
decisin con los parmetros y restricciones del sistema. Los
parmetros (o cantidades conocidas) se pueden obtener ya sea a
partir de datos pasados o estimados por medio de algn mtodo
estadstico. Es recomendable determinar si el modelo es
probabilstico o determinstico. El modelo puede ser matemtico, de
simulacin o heurstico, dependiendo de la complejidad de los
clculos matemticos que se requieran.

Como ejemplo de modelos, tenemos
Determinsticos Probabilsticos Heursticos

Programacin Programacin Annealling (recocido)
matemtica estocstica simulado
Programacin lineal Gestin de Bsqueda tab
inventarios
Programacin entera Fenmenos de Algoritmos genticos
espera (colas)
Programacin dinmica Teora de juegos Redes neuronales
artificiales
Programacin no lineal Simulacin Algoritmos
bioinspirados
Programacin
multiobjetivo
Modelo de transporte
Modelos de redes
3. Solucin del modelo. Una vez que se tiene el modelo, se procede

a derivar una solucin matemtica empleando las diversas tcnicas
y mtodos matemticos para resolver problemas y ecuaciones.
Debemos tener en cuenta que las soluciones que se obtienen en
este punto del proceso son matemticas y debemos interpretarlas
en el mundo real. Adems, para la solucin del modelo, se deben
realizar anlisis de sensibilidad, es decir, ver cmo se comporta el
modelo ante cambios en las especificaciones y parmetros del
sistema. Esto se hace debido a que los parmetros no
necesariamente son precisos y las restricciones pueden estar
equivocadas.
4. Validacin del modelo. La validacin de un modelo requiere que

se determine si dicho modelo puede predecir con certeza el
comportamiento del sistema. Un mtodo comn para probar la
validez del modelo es someterlo a datos pasados disponibles del
sistema actual y observar si reproduce las situaciones pasadas del
sistema. Pero, como no hay seguridad de que el comportamiento
futuro del sistema contine replicando el comportamiento pasado,
entonces siempre debemos estar atentos a cambios posibles del

sistema con el tiempo, para poder ajustar adecuadamente el

modelo.
5. Implementacin de resultados. Una vez que hayamos obtenido la

solucin o soluciones del modelo, el siguiente y ltimo paso del
proceso es interpretar esos resultados y dar conclusiones y cursos
de accin para la optimizacin del sistema. Si el modelo utilizado
puede servir a otro problema, es necesario revisar, documentar y
actualizar el modelo para sus nuevas aplicaciones.
Estructura de los modelos empleados en la Investigacin Operativa
El enfoque de la Investigacin Operativa como construccin de

modelos constituye una herramienta que nos sirve para lograr una
visin bien estructurada de la realidad. As, el propsito del modelo
es proporcionar un medio para analizar el comportamiento de las
componentes de un sistema con el fin de optimizar su desempeo.
La ventaja que tiene el sacar un modelo que represente una
situacin real es que nos permite analizar tal situacin sin interferir
en la operacin que se realiza, ya que el modelo es como si fuera
"un espejo" de lo que ocurre.
Los modelos ms importantes para la Investigacin Operativa son

los modelos simblicos o matemticos, que emplean un conjunto de
smbolos y funciones para representar las variables de decisin y
sus relaciones para describir el comportamiento del sistema. El uso
de las matemticas para representar el modelo, el cual es una
representacin aproximada de la realidad, nos permite aprovechar
las computadoras de alta velocidad y tcnicas de solucin con
matemticas avanzadas.
Un modelo matemtico comprende principalmente tres conjuntos

bsicos de elementos.
Estos son: 1) variables y parmetros de decisin, 2) restricciones y

3) funcin objetivo.
1. Variables y parmetros de decisin. Las variables de decisin

son las incgnitas (o decisiones) que deben determinarse
resolviendo el modelo. Los parmetros son los valores conocidos
que relacionan las variables de decisin con las restricciones y
funcin objetivo. Los parmetros del modelo pueden ser

determinsticos o probabilsticos.
2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas,

econmicas y otras del sistema, el modelo debe incluir restricciones
(implcitas o explcitas) que restrinjan las variables de decisin a un
rango de valores factibles.
3. Funcin objetivo. La funcin objetivo define la medida de

efectividad del sistema como una funcin matemtica de las
variables de decisin.
La solucin ptima ser aquella que produzca el mejor valor de la

funcin objetivo, sujeta a las restricciones.
Concepto de optimizacin
Una caracterstica adicional, que se mencion como de pasada, es

que la Investigacin Operativa intenta encontrar la mejor solucin, o
la solucin ptima, al problema objeto de estudio. En lugar de
contentarse con slo mejorar el estado de las cosas, la meta es
identificar el mejor curso de accin posible. Aun cuando debe
interpretarse con todo cuidado, esta "bsqueda del ptimo" es un
aspecto muy importante dentro de la Investigacin Operativa.

INVESTIGACIN OPERATIVA I Unidad: Teora de Redes y Grafos
I. Unidad: Teora de Redes y Grafos
Objetivos
Analizar los sistemas productivos mediante el estudio de las
redes y grafos para mejorar el proceso productivo
Contenidos
Grafo
Un grafo G es una dupla G = (X, U), donde X es un conjunto finito y
no vaco de elementos llamados vrtices y U es el conjunto cuyos
elementos se componen de subconjuntos de X de cardinalidad dos
(2), llamados aristas.
Los vrtices de X se llaman usualmente x1, x2, x3, , xn, y se

representan como puntos, las aristas u1, u2, u3, , un, se dibujan
como lneas.
Grafo orientado: Un grafo G* es orientado, cuando sus aristas

tienen asignadas direcciones, o sea cuando existe una relacin de
precedencia entre los elementos. Sus puntos se llaman nodos, y
sus lneas arcos. En estos casos U es una familia depares
ordenados resultantes del producto cartesiano de X.
Ejemplo: X2
X1
X3
G*= ({x1,x2,x3},{x1.x2},{x3,x1},{x3,x2})
En realidad, no existen dos especies de grafos, orientados y no

orientados, sino que todos los grafos son orientados, pero por
razones conceptuales, es poco cmodo considerar las lneas
orientadas para los problemas de naturaleza no orientada.
Cada vez que apliquemos un concepto orientado en un grafo G =

(X,U) ese concepto deber ser considerado como aplicable de
hecho, en un grafo orientado G* al que le corresponde la orientacin
en los dos sentidos de cada arista.
Orden es el nmero de vrtices del grafo, el cardinal del conjunto X

de vrtices: |X|
Arcos incidentes a un nodo

Si un vrtice x es extremidad inicial de un arco u = (x,y) y xy,
diremos que el arco es incidente a x hacia el exterior. I+(x)={y / (x,y)
U}. I(x) ={y / (y,x) U}
El nmero de los arcos incidentes hacia el exterior se llama
semigrado exterior de x y se nota d+(x) = |I+(x)|
De igual forma se define arco incidente a x hacia el interior y

semigrado interior de x. Este ltimo se nota como d-(x)=|I-(x)|.
Grado de x, es la suma del semigrado exterior e interior de x. O

sea, es el nmero de arcos con una extremidad en x.
d(x) = d+(x) + d-(x)
Si todos los vrtices tienen el mismo grado, el grafo al que

pertenecen se llama grafo regular.
Recorrido de grafos
Cadena: concepto no orientado
Es una secuencia de aristas de G, tal que cada arista de la

secuencia tiene un extremo comn con el arco precedente y otra
con el siguiente.
Largo de una cadena, es el nmero de aristas de la secuencia.

Cadena elemental, es aquella que no repite vrtices.
Cadena simple, es aquella que no repite aristas.

Camino (concepto orientado)

Es una cadena
u = {u1, u2,..., uq} en la que para todo ui (con i q) el extremo
terminal de ui coincide con el extremo inicial de ui+1.
Las definiciones de largo de un camino, camino elemental y camino

simple son anlogas a las de cadenas, con la salvedad de la
orientacin.
Sendero, es un camino elemental (que no repite nodos).
Va, es un camino cuyos arcos se pueden recorrer en su sentido

directo o contrario.
Clasificacin De Grafos
Multigrafo, es un grafo no orientado con mltiples aristas entre
pares de nodos.
Grafo simple, es un grafo sin bucles, sin mltiples aristas entre

pares de vrtices.
Grafo completo
Para todo par de vrtices de G, existe por lo menos una arista que
los une.
Por lo tanto, un grafo completo de n vrtices es aquel que tiene sus

n vrtices mutuamente adyacentes.
n-clique, es un grafo completo simple de n vrtices. Se nota Kn
K5

Subgrafo de G = (X,U) engendrado por el conjunto A X , es un

grafo cuyos vrtices pertenecen al conjunto A y cuyas aristas son
aquellas de G que tienen las dos extremidades en A.
Grafo parcial de G = (X,U) engendrado por V U , es el grafo G' =

(X,V) cuyos vrtices son los mismos de G y cuyas aristas son las
que conforman el conjunto V U
Subgrafo parcial de G, es un subgrafo de un grafo parcial de G.
Grafo bipartito, es un grafo cuyo conjunto de vrtices puede ser

particionado en dos clases X1 y X2 de tal forma que dos vrtices de
la misma clase no sean jams adyacentes. Se nota G = (X1, X2, U)
X1: Conjunto de personas
X2: Conjunto de profesiones K 2,3
Grafo bipartito completo, es aquel en el que para todo elemento de

X1 y todo elemento de X2 existe por lo menos un arco que los liga.
Un grafo simple bipartito completo con p elementos en X1 y q

elementos en X2 se nota Kp,q.
Grafo Regular, es aquel en el que todos sus vrtices tienen el

mismo grado.
Grafo Ponderado G = (X, U, W) donde (X, U,) es un grafo y W es

una funcin W: U Z+ (Z+: enteros positivos) .

Si u U, w(u) es llamado el peso de la arista u. Estos pesos

corresponden, segn la aplicacin, a costos, capacidades u otras
propiedades de las aristas o arcos.
Cuando se desea asignar valores negativos o reales a los pesos de

las aristas, se debe tener especial cuidado en la eleccin de los
algoritmos ya que la correctitud de los mismos puede depender de
la restriccin a Z+.
Grafo Conexo, es aquel en el que para cada par de vrtices de G,

existe una cadena que los une.
En grafos orientados se definen 2 conceptos
a) Dbilmente conexo: si existe una cadena (sin tener en cuenta la

orientacin) que une cada par de nodos distintos.
b) Fuertemente conexo: si para cada par ordenado de nodos x e y,

existe un camino que va de x a y.
Una componente conexa de un grafo G, es un subgrafo de G

engendrado por los vrtices que pueden unirse a un vrtice xi dado,
mediante una cadena (puede ser todo el grafo G).
Ciclos y Circuitos
Ciclo, es una cadena simple, cuyos dos vrtices extremos, inicial y
terminal, coinciden (no tiene en cuenta la orientacin).
Si queremos describir la orientacin en un ciclo designamos como:
u+ = {ui : ui orientada en el sentido del ciclo}
u - = {ui : ui orientada en el sentido contrario al ciclo}
Ciclo elemental, es un ciclo donde no se repite ningn vrtice (salvo

el primero que coincide con el ltimo). Lo notamos uE= (u1,...,un).
Propiedad 1: Todo ciclo uc es una suma de ciclos elementales sin

aristas comunes.
Propiedad 2: Un ciclo es elemental si y solo si es un ciclo minimal

(es decir que no se pueden deducir otros ciclos por supresin de
aristas).

Seudociclo, es una cadena donde los extremos coinciden pero que

una misma arista puede figurar ms de una vez (tambin
consecutivamente)
Cociclo del conjunto de vrtices A, es el conjunto de aristas

incidentes a A, del tipo I(A) no vaco y particionado en dos clases
I+(A) y I-(A)
Ciclo Euleriano es aquel que incluye todas las aristas del grafo una
sola vez, conteniendo cada vrtice por lo menos una vez.
Cadena Euleriana, es aquella que recorre todas las aristas una sola
vez ( = simple) tocando todos los vrtices del grafo.
Todo multigrafo que posee un ciclo Euleriano es conexo y todos

sus vrtices tienen grado par
a b
d e f
c g
i
j k
l m
n o
A partir del siguiente ejemplo daremos una idea del mecanismo

utilizado por Euler para demostrar que la conexidad y el grado par
de todos los vrtices de un multigrafo, son condiciones necesarias y
suficientes para garantizar la existencia de un ciclo Euleriano.
Tenemos este grafo que es conexo y sus vrtices tienen grado par.

1) Primero se comienza por trazar un camino simple desde un

vrtice, p. ej. a. Supongamos que recorremos a-d-j-n-o-k-l-h-f-e-b-
a. Volvimos a a.
a b
e
d h f
k
j l
n o
La propiedad del grado par, significa que siempre podemos

abandonar cada vrtice al que entramos, excepto a. Es decir que
cualquier cadena que tracemos desde a debe volver a a, formando
un ciclo.
2) Las restantes aristas del grafo inicial, conforman un grafo no

conexo, pero todos sus vrtices mantienen el grado par, ya que al
retirar el ciclo encontrado, se redujo cada grado en una cantidad
par.
Cada subgrafo conexo posee un ciclo Euleriano: d-c-i-j-k-e-d y h-

g-m-h.
Estos dos ciclos pueden ser insertados en el ciclo encontrado en los

vrtices comunes d y h respectivamente, originando un ciclo
Euleriano a-d-c-i-j-k-e-d-j-n-o-kl-h-g-m-h-f-e-b-a, en el Grafo original.
Teorema E.1: Un multigrafo (no orientado) G = (X,U) posee un ciclo

Euleriano si G es conexo y todos sus vrtices son de grado par.
Una Cadena Euleriana es una cadena que recorre todas las aristas
del grafo una sola vez incluyendo todos los vrtices.
Corolario E.2: Un multigrafo posee una cadena Euleriana, si es

conexo y tiene exactamente dos vrtices de grado impar.

Se puede demostrar observando lo que sucede al agregarle una

arista cuyas extremidades sean los dos vrtices de grado impar. El
concepto de ciclo Euleriano es utilizado en la planificacin de redes
de alta tensin entre varias ciudades.
Estrategias de enseanza aprendizaje

Ejemplo de grafos
1. Problema del camino entre dos puntos.
El siguiente es un ejemplo de cmo modelar una porcin del

universo, su problemtica y como resolverla.
Supongamos que un hombre debe pasar a la otra orilla de un ro

llevando consigo una oveja, un repollo y un lobo. El inconveniente
que se le plantea es que slo puede cruzar con uno de ellos a la
vez y sospecha que si deja solos a la oveja con la repollo con el
lobo, la oveja se comer al repollo el lobo se comer a la oveja.
Teniendo en cuenta estas restricciones, el sujeto dibuja sobre la
arena de la orilla un grafo y aplicando alguna heurstica o algn
algoritmo conocido, encuentra el camino que debe seguir para
llegar a la otra orilla con su carga intacta.
Utilice el siguiente procedimiento:
0) Dibuja el grafo: Existen 4 elementos que determinan las

situaciones en cada orilla, ellos son:
H Hombre C Repollo L Lobo O Oveja
1) Enumera las situaciones en una de las orillas comenzando por

H,C,L,O.
2) Luego las ordena considerando:
a) se encuentra el hombre en esa orilla o no: H vs noH.
b) pasaje o secuencia de una situacin a otra. (obs. que no se

puede pasar de una situacin en la que est el hombre a otra en la
que tambin est)

3) Por ltimo busca en el grafo un camino del estado inicial al

estado final.
DESARROLLO DEL EJERCICIO

Evaluacin
Responda a las preguntas:
1. Qu es un grafo?
______________________________________________________
______________________________________________________
______________________________________________________
___________________________________________________
2. Que es un subgrafo?
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
3. Grafique un grafo de 4 vrtices
4. Explique que son los nodos
______________________________________________________
______________________________________________________
______________________________________________________
_____________________________________________________
5. Defina lo que es una cadena
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
__________________________________________________

6. Explique la diferencia entre un grafo simple y un grafo

completo
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
7. Qu es un grafo bipartito?
______________________________________________________
______________________________________________________
______________________________________________________
______________________________________________________
____________________________________________________
Recursos
Calculadora
Modulo
Campus virtual
Tutoriales

INVESTIGACIN OPERATIVA I Unidad: Programacin Lineal
II. Unidad: Programacin Lineal
Objetivos
Resolver problemas mediante programacin lineal para la
optimizacin de los recursos de la empresa.
Contenidos
La programacin matemtica
Es un conjunto de tcnicas y procedimientos desarrollados para
resolver problemas de optimizacin, entendindose por
optimizacin el proceso de maximizar o minimizar una funcin
conocida como la funcin objetivo del problema, la cual debe estar
formada o constituida por variables conocidas como variables de
decisin, las cuales siempre as encontraremos afectadas por un
conjunto de limitaciones o restricciones.
El modelo matemtico de un problema de optimizacin

generalmente tendr la siguiente presentacin:
Ejemplo 1:
Maximizar: G = x + 2y
Bajo las siguientes restricciones:
o 3x + y 5
o x 2y = 3
o x 0; y 0
Ejemplo 2:
Minimizar: C = 3x + y + 2z
Bajo las siguientes limitaciones:
o 2x y + z 3
o x 2y + z 5
o x0
o y>2
todos los modelos matemticos son de optimizacin como podemos

ver cada modelo contiene una funcin objetivo formada por
variables de decisin las cuales se hallan afectadas directamente
por un conjunto de limitaciones o restricciones, adems podemos

notar que la funcin objetivo siempre es una ecuacin, las

limitaciones pueden ser ecuaciones o inecuaciones.
Resolucin de un problema de programacin lineal
Para resolver un modelo matemtico de programacin lineal,

contamos con 3 mtodos fundamentalmente, de los cuales
estudiaremos el mtodo grfico y mtodo simplex en esta unidad.
Camino Tabular
Mtodo Simplex
Camino
Problema de extrictamente
programacin algebraico
lineal
Mtodo Grfico Grafico lineal
Mtodo grfico
Para ilustrar el mtodo grfico de la programacin lineal para la

resolucin de un modelo matemtico, utilizaremos el siguiente
ejemplo:
Minimizar: Z = 2x + y
Bajo las siguientes limitaciones:
o x+y8
o 2x y 3
o x0
o y0

Primer paso
Resolver el sistema de inecuaciones formado o generado por el

conjunto de limitaciones del modelo.
Las limitaciones x 0 e y 0. se conocen como limitaciones de no

negatividad y en el grafico no hace falta ni siquiera representarlas
por que inmediatamente nos damos cuenta que lo que nos dicen
estas es que siempre la solucin estar en el primer cuadrante del
plano cartesiano
SEGUNDO PASO
La regin solucin del sistema de inecuaciones se conoce en la

programacin Matemtica como la REGIN FACTIBLE del
problema. en cual sus vrtices contienen a los mximos y a los
mnimos siempre v cuando la regin sea con vrtices salientes. En
nuestro ejemplo podemos ver que la regin factible solo tiene los 2
vrtices VI Y V2. por qu en la parte superior va hacia el infinito y no
tenemos vrtices.

TERCER PASO
Reemplazamos las coordenadas de cada uno de los vrtices en la

funcin objetivo para determinar en cul de estos se encuentra el
mnimo que buscamos:
Vertices Funcin objetivo
Z= 2x + y
(0.8 ) Z= 0-8
Z= 8 M N I M O VALOR
( 11/3 , 13/3.)
Z= 2( 11/3)- 13/3
Z= 35/3
Z= 11,67
CUARTO PASO
Interpretamos la solucin diciendo:
El mnimo para Z se obtiene con x=0 e y=8
Programacin lineal
Mtodo simplex
se basa en las operaciones del anlisis matricial, mediante un
conjunto de iteraciones sucesivas que van acercando la
solucin al optimo buscando.
en cada iteracin se realizan tantas operaciones elementales

sean necesarias para lograr trasladarnos por la regin factible
del problema aproximndonos hacia el optimo
Ese mtodo se caracteriza por su aplicabilidad a problemas que

contiene 2 o rabies sin importar cun grande sea este nmero,
lgicamente mientras grande sea este nmero se requiere la ayuda
de un computador y un programa diseado para resolver este tipo
de modelos matemticos.

El proceso que aplica este mtodo se basa o se fundamenta en las

operaciones fundamentales del anlisis matricial. Mediante un
conjunto de iteraciones sucesivas que van acercando la solucin al
ptimo buscado. En cada iteracin se realizan tantas operaciones
elementales sean necesarias para lograr trasladarnos por la
periferie de la regin factible del problema aproximndonos hacia el
ptimo.
El proceso desarrollado por este mtodo se ilustra as:
Ejercicio ilustrativo:
Maximizar: P = 3X+ 5Y
Bajo las limitaciones:
X4
2Y 12
3X + 2Y 18
X0
Y0
PRIMER PASO:
A partir del modelo original del problema escribimos el denominado
MODELO ESTNDAR del problema.
Modelo Estndar que debe cumplir las siguientes condiciones:
Contiene una funcin objetivo Maximizar: P = 3X + 5Y
las limitaciones se presentarn como ecuaciones

Esto se lograr sumando una variable denominada de holgura (h) si

la limitacin es del tipo , o restando una variable de exceso (e) si la
limitacin es del tipo .
Las limitaciones de no negatividad no es necesario

considerarlas porque el mtodo Simplex ya las considera
implcitamente.
As en nuestro ejemplo tendremos:
X + h1 = 4
2Y + h2 =12
3X + 2Y + h3 = 18
Los miembros derechos de las ecuaciones es necesario que

siempre sean positivos, en el caso de que aparezca algn negativo
se deber cambiarle de signo multiplicando por -1 a toda la
ecuacin.
SEGUNDO PASO
Escribimos nuestro modelo estndar como un sistema de

ecuaciones bien estructurado, esto quiere decir que todas las
variables de cada ecuacin deben estar a la derecha y cada
variable debe tener su columna propia. As:
P - 3X - 5Y = 0
X +h1 = 4
2Y +h2 = 12
3X + 2Y +h3 = 18
Estos 2 pasos realizados constituyen lo que se conoce como la

preparacin del modelo para el Simplex.

A partir de este momento podemos seguir uno de los 2 caminos

siguientes: El camino estrictamente algebraico y el camino tabular
En este momento exactamente cuando entramos al Simplex.
Camino estrictamente algebraico
Partimos desde el modelo estndar presentado de una forma bien

estructurada:
Aplicamos la denominada PRUEBA DE OPTIMALIDAD. que

consiste en determinar si el valor que se encuentra en el miembro
derecho de la funcin objetivo P es el ptimo que buscamos, para
dar respuesta a esta interrogante miramos los coeficientes de las
variables entrantes en la funcin objetivo y decimos que; si todos
los coeficientes son positivo o ceros hemos llegado al ptimo
buscado cuando se trata de maximizacin. El caso de minimizacin
analizaremos ms adelante.
En nuestro ejemplo podemos ver claramente que el valor de P es

igual a cero es el mximo buscado por que los coeficientes de las
variables es X e Y tienen los coeficientes negativos - 3 y
-5 respectivamente.
P - 3X - 5Y =0
+X + H1 =4
+ 2Y + H2 = 12
+ 3X + 2Y + H3 = 18
Como no hemos llegado al ptimo entonces procedemos a realizar

la primera iteracin. Determinando primero la columna de la variable
entrante actual mediante el criterio que dice que: La variable
entrante actual ser aquella que tiene el coeficiente ms negativo
en el caso de maximizacin. En nuestro ejemplo la variable entrante
actuales Y. por lo tanto reservamos su columna, as:

P - 3X - 5Y =0
+X + H1 =4
+ 2Y + H2 = 12
+ 3X + 2Y + H3 = 18
Determinamos la fila de la variable saliente actual, tomando en

cuenta que variables salientes se considerarn las variables de
holgura y el exceso, las cuales hemos introducido en proceso de
generacin del modelo estndar. El procedimiento de determinacin
de la variable saliente actual dice; dividir cada uno de los miembros
derechos de las limitaciones para el coeficiente correspondiente en
la columna de la variable determinada como entrante Actual; y. la
fila de la variable saliente actual ser aquella que contiene el
12
/ 2= 6 menor valor, entonces la variable saliente actual es h2
18
/2 = 9
Columna de la variable
entrante actual
P - 3X - 5Y =0 Fila de la variable
+X + H1 =4 entrante actual
+ 2Y + H2 = 12
+ 3X + 2Y + H3 = 18
En la interseccin de la columna de la variable entrante actual con

la fila de la variable saliente actual debemos obtener un 1(uno)
positivo (pvot). Aplicando la operacin elemental de tipo II del
anlisis matricial.

En nuestro ejercicio, la operacin elemental del tipo II necesaria

ser la siguiente:
F3 ( : ) F3
Luego de la aplicacin de esta operacin elemental en nuestro

sistema tendremos:
P - 3X - 5Y =0
+X + H1 =4
+ 1Y +H2 =6
+ 3X + 2Y + H3 = 18
Utilizando este pvot. Debemos hacer ceros a todos los elementos

que se encuentran en su misma columna, mediante operaciones
elementales del tipo III del anlisis matricial. As para nuestro caso
las operaciones elementales necesarias sern:
F3(5) + F1 FI
F3(-2) + F4 F4
Aplicando estas operaciones en, nuestro sistema de ecuaciones

tendremos
P - 3X +5/2h2 = 30
+X + H1 =4
+ 1Y +H2 =6
+ 3X -H2 + H3 = 6
En este momento hemos terminado la primera iteracin, entonces

debemos aplicar nuevamente la prueba de optimalidad para saber
si ya hemos logrado el ptimo buscado, (en este caso para saber si
el valor de 30 obtenido para P es el mximo que buscamos),
entonces miramos todos los coeficientes de las variables entrantes
en la funcin objetivo, como todava existe un coeficiente negativo
para la variable X, quiere decir que no hemos llegado todava al
ptimo que buscamos.
Iniciamos la ejecucin de la segunda iteracin, en la cual se

repetirn exactamente los mismos pasos de la primera iteracin,
como podemos ver a continuacin:
Determinacin de la variable entrante actual:
P - 3X +5/2h2 = 30
+X + H1 =4
+ 1Y +H2 =6
+ 3X -H2 + H3 = 6
2. Determinacin de la variable saliente actual:
P - 3X +5/2h2 = 30
+X + H1 =4
+ 1Y +H2 =6
+ 3X -H2 + H3 = 6
Obtencin del pvot
F4(l/3) F4

P - 3X +5/2H2 = 30
+X + H1 =4
+ 1Y +H2 =6
+ 1X +1/3H2 + 1/3H3 = 2
Obtencin de ceros en la columna del pvot:
F4(3) + F1 F1
F4(-l) +F2 F2
P 0 0 +3/2H2 +H3 = 36
0 0 + H1 +1/3H2 -1/3H3 = 2
0 + 1Y +H2 =6
+ 1X 0 +1/3H2 + 1/3H3 = 2
Aqu termina la segunda iteracin y aplicamos la prueba de

optimalidad para determinar si el valor obtenido para P es el
mximo buscado. Al mirar los eficientes de las variables entrantes
observamos que todos se han hecho ceros por lo tanto se ha
logrado determinar el ptimo. Si algn coeficiente todava fuera
negativo tendramos que continuar con las iteraciones.
Pasamos entonces a interpretar la solucin, diciendo:
El mximo para P es 36 y se obtiene con X = 2 e Y = 6.

RESOLUCIN DE PROBLEMAS DE SITUACIONES REALES
La importancia de la Programacin Matemtica y en s de la

Investigacin de operaciones radica en que es una herramienta que
nos permite resolver problemas de situaciones reales en cualquiera
de los campos de desenvolvimiento del ser humano. por eso no
tiene caso enumerar los campos de aplicacin de la Investigacin
de Operaciones porque su aplicabilidad se la encuentra en todo.
Mtodo grfico
Disponemos1 de 210.000 euros para invertir en bolsa. Nos

recomiendan dos tipos de acciones. Las del tipo A, que rinden el
10% y las del tipo B, que rinden el 8%. Decidimos invertir un
mximo de 130.000 euros en las del tipo A y como mnimo 60.000
en las del tipo B. Adems queremos que la inversin en las del tipo
A sea menor que el doble de la inversin en B. Cul tiene que ser
la distribucin de la inversin para obtener el mximo inters anual?
Solucin
Es un problema de programacin lineal.
Llamamos x a la cantidad que invertimos en acciones de tipo A
Llamamos y a la cantidad que invertimos en acciones de tipo B
inversin rendimiento
Tipo A x 0,1x
Tipo B y 0,08y
210000 0,1x+0,08y
Condiciones que deben cumplirse (restricciones):
1 http://actividadesinfor.webcindario.com/proli.htm

R1
R2
R3
R4
Dibujamos las rectas auxiliares asociadas a las restricciones para

conseguir la regin factible (conjunto de puntos que cumplen esas
condiciones)
r1 r2 (paralela a OY) r3(paralela a
OX) r4
x y x y x y x y
0 210000 130000 0 0 60000 0 0
210000 0 130000 65000
La regin factible es la pintada de amarillo, de vrtices A, B, C, D y

E

A(0, 60000), B(120000, 60000), C(130000, 65000), D(130000,

80000) y E(0, 210000)
La funcin objetivo es;
F(x, y)= 0,1x+0,08y
Si dibujamos la curva F(x, y) =0 (en rojo) y la desplazamos se

puede comprobar grficamente que el vrtice ms alejado es el D,
y por tanto es la solucin ptima.
Comprobarlo analticamente (es decir comprobar que el valor
mximo de la funcin objetivo, F, se alcanza en el vrtice D)
2. En una pastelera se hacen dos tipos de tartas: Vienesa y Real.

Cada tarta Vienesa necesita un cuarto de relleno por cada Kg. de
bizcocho y produce un beneficio de 250 Pts, mientras que una tarta
Real necesita medio Kg. de relleno por cada Kg. de bizcocho y
produce 400 Ptas. de beneficio. En la pastelera se pueden hacer
diariamente hasta 150 Kg. de bizcocho y 50 Kg. de relleno, aunque
por problemas de maquinaria no pueden hacer ms de 125 tartas
de cada tipo. Cuntas tartas Vienesas y cuantas Reales deben
vender al da para que sea mximo el beneficio?
Solucin
En primer lugar hacemos una tabla para organizar los datos:
Tipo N Bizcocho Relleno Beneficio

T. Vienesa x 1.x 0,250x 250x
T. Real y 1.y 0,500y 400y
150 50
Funcin objetivo (hay que obtener su mximo): f(x, y)=250x+ 400y

Sujeta a las siguientes condiciones (restricciones del problema):

Consideramos las rectas auxiliares a las restricciones y dibujamos

la regin factible:
Para 0.25x+0.50y=50, x + 2y=200

x Y
0 100
200 0
Para x + y =150
x Y
0 150
150 0
La otras dos son paralelas a los ejes
Al eje OY x=125
Al eje Ox y =125
Y las otras restricciones (x e y mayor o igual a cero) nos indican que
las soluciones deben estar en el primer cuadrante
La regin factible la hemos coloreado de amarillo:
Encontremos los vrtices:

El O(0,0), el A(125, 0) y el D(0, 100) se encuentran directamente
(son las intersecciones con los ejes coordenados)
Se observa que la restriccin y es redundante (es decir sobra)
Resolviendo el sistema:
, por reduccin obtenemos y=50, x=100

Otro vrtice es el punto C(100, 50)

Y el ltimo vrtice que nos falta se obtiene resolviendo el sistema:
X+y=150
X=125
Cuya solucin es: X=125, Y=25 B(125, 25)
Los vrtices de la regin son O(0,0), A(125,0), B(125,25) y

C(100,50) y D(0,100),
Si dibujamos el vector de direccin de la funcin objetivo f(x,
y)=250x+ 400y
Haciendo 250x+ 400y =0, y=-(250/400)x=-125x/200
x Y
0 0
200 -125
Se ve grficamente que la solucin es el punto (100, 50), ya que es

el vrtice ms alejado (el ltimo que nos encontramos al desplazar
la rectas 250x+400y=0 )
Lo comprobamos con el mtodo analtico, es decir usando el
teorema que dice que si existe solucin nica debe hallarse en uno
de los vrtices

La uncin objetivo era: f(x, y)=250x+400y, sustituyendo en los

vrtices obtenemos
f(125,0)=31.250
f(125,25)=31.250+10.000=41.250
f(100,50)=25.000+20.000=45.000
f(0,100)=40.000
El mximo beneficio es 45.000 y se obtiene en el punto (100, 50)

Conclusin: se tienen que vender 100 tartas vienesas y 50 tartas
reales.
3. Una escuela prepara una excursin para 400 alumnos. La

empresa de transporte tiene 8 autocares de 40 plazas y 10
autocares de 50 plazas, pero solo dispone de 9 conductores. El
alquiler de un autocar grande cuesta 80 euros y el de uno pequeo,
60 euros. Calcular cuntos de cada tipo hay que utilizar para que la
excursin resulte lo ms econmica posible para la escuela.
Solucin
Es un problema de programacin lineal, en este caso lo que
queremos es hacer mnima la funcin objetivo.
Llamamos x al n de autocares de 40 plazas e y al n de autocares
de 50 plazas que alquila la escuela.
Entonces se tiene x ,y
Como slo hay 9 conductores se verifica que: x +y
Como tienen que caber 400 alumnos se debe de verificar:
40x +50y , que simplificada quedara 4 x +5y
Por lo tanto las restricciones que nos van a permitir calcular
la regin factible (conjunto de puntos solucin donde se cumplen
todas las condiciones) son
La funcin objetivo es F(x, y)= 60x+ 80y

Dibujamos las rectas auxiliares,
r1 r2 r3 r4
x y x y x y x y
8 0 0 10 0 9 0 8
0 9 10 0
As como la de que corresponde a F(x, y)=0 que se dibuja en rojo.

Teniendo en cuenta las restricciones (la de R4 es la parte de

arriba y que la R3 es la parte de abajo), se encuentra la regin
factible. En el dibujo es la parte amarilla.
Los vrtices son (0, 8), (0, 9) y el (5, 4), este ltimo es el punto de
interseccin de las rectas r3 y r4
por reduccin
restando ambas ecuaciones se tiene x =5 y sustituyendo en la 1

ecuacin, y =4
Resolviendo grficamente se llega a que el punto (5, 4) es la
solucin del problema. La solucin ptima.
Comprobarlo sustituyendo en F(x, y) todos los vrtices y que este
es el que da menor valor (mtodo analtico).
4. Una compaa posee dos minas: la mina A produce cada da 1

tonelada de hierro de alta calidad, 3 toneladas de calidad media y 5
de baja calidad. La mina B produce cada da 2 toneladas de cada
una de las tres calidades. La compaa necesita al menos 80
toneladas de mineral de alta calidad, 160 toneladas de calidad
media y 200 de baja calidad. Sabiendo que el coste diario de la
operacin es de 2000 euros en cada mina cuntos das debe
trabajar cada mina para que el coste sea mnimo?
Solucin
Organizamos los datos en una tabla:

das Alta Calidad Baja calidad Coste diario

calidad media
Mina A x 1x 3x 5x 2000x
Mina B y 2y 2y 2y 2000y
80 160 200
La funcin objetivo C(x, y)=2000x + 2000y
Las restricciones son:
La regin factible la obtenemos dibujando las rectas auxiliares: r1

x + 2y=80, r2 3x + 2y= 160 y r3 5x + 2y=200 en el primer
cuadrante y considerando la regin no acotada que determina el
sistema de restricciones:
Los vrtices son los puntos A(0, 100), B(20, 50), C(40, 20), D(80, 0),
que se encuentran al resolver el sistema que determinan dos a dos
las rectas auxiliares y (y que estn dentro de la regin factible).
r1 r2 que nos da el punto (40, 20) (comprobarlo)
r2 r3 que nos da el punto (20, 50)

r1 r3 no hace falta calcularlo pues queda fuera de la regin factible.

En la grfica se aprecia que el primer punto que se alcanza al
desplazar la recta C(x, y)=0 es el (40, 20). Luego la solucin es
trabajar 40 das en la mina A y 20 en la B. (mtodo grfico)
Lo comprobamos aplicando el mtodo analtico:
C(0, 100)=2000.100=200000
C(20, 50)=2000.20+2000.50=40000 + 100000= 140000
C(40, 20)= 2000. 40+2000.20=80000 + 40000= 120000 coste
mnimo
C(80, 0)= 2000.80 =160000
5. Se va a organizar una planta de un taller de automviles donde

van a trabajar electricistas y mecnicos. Por necesidades de
mercado, es necesario que haya mayor o igual nmero de
mecnicos que de electricistas y que el nmero de mecnicos no
supere al doble que el de electricistas. En total hay disponibles 30
electricistas y 20 mecnicos. El beneficio de la empresa por jornada
es de 250 euros por electricista y 200 euros por mecnico.
Cuntos trabajadores de cada clase deben elegirse para obtener
el mximo beneficio y cual es este?
Sea x = n electricistas
y = n mecnicos
La funcin objetivo
f (x, y)=250x+ 200y , las restricciones

La regin factible sera para estas restricciones:
Se aprecia grficamente (lnea en rojo) que la solucin ptima est

en el punto (20, 20).
Por tanto:
20 electricistas y 20 mecnicos dan el mximo beneficio, y este es
9000 euros, ya que f(x, y) =250.20+200.20=9000
6. Para recorrer un determinado trayecto, una compaa area

desea ofertar, a lo sumo, 5000 plazas de dos tipos: T(turista) y
P(primera). La ganancia correspondiente a cada plaza de tipo T es
de 30 euros, mientras que la ganancia del tipo P es de 40 euros.
El nmero de plazas tipo T no puede exceder de 4500 y el del tipo
P, debe ser, como mximo, la tercera parte de las del tipo T que se
oferten.
Calcular cuntas tienen que ofertarse de cada clase para que las
ganancias sean mximas.
Solucin
Sea x el n que se ofertan de tipo T, y el n que se ofertan de tipo P.
n Ganancia
Turista x 30x
Primera y 40y
Total 5000 30x +40y

La funcin objetivo es:

f(x, y)=30x +40y
Las restricciones:
La regin factible:
Los vrtices, A(0, 5000), B(3750, 1250), C(4500, 500) y D(4500, 0)

(comprueba el punto B resolviendo el sistema correspondiente)
El mtodo grfico nos da que el punto solucin es el B (3750, 1250)

Comprueba los resultados usando el mtodo analtico

(sustituyendo los puntos vrtices en f y viendo q el mximo valor se
obtiene en B)
Para ilustrar la forma como la Programacin Matemtica enfrenta un

problema de una situacin real, utilizaremos un ejemplo ilustrativo.
6.- Un seor tiene un bus y una camioneta. No puede trabajar en

ambos a la vez. El bus produce una ganancia de 40 dlares por
hora, la camioneta 20 dlares por hora. Por la situacin econmica
el seor tiene que trabajar por lo menos 12 horas al da. El bus
consume 2 dlares de combustible por hora en cambio la camioneta
consume I dlar por hora y solo cuenta con 20 dlares diarios para
el combustible de los 2 autos. Adems el bus por su modelo no le
permite trabajar ms de 6 horas diarias.
Determinar el nmero de horas que deber trabajar con cada uno

de los autos - para obtener la mxima ganancia por da
Solucin
Segn la metodologa de la Investigacin Operativa, los pasos que

debemos desarrollar para resolver un problema de una situacin
real son los siguientes
Primer paso
Formulamos el problema de acuerdo con los siguientes criterios:
Identificamos las variables de entrada. Bajo la consideracin

de que las variables sern las incgnitas del problema o lo que nos
piden encontrar.
En nuestro problema las variables sern entonces:

Nmero de horas a trabajar con el bus diariamente X
Nmero de horas a trabajar con la camioneta diariamente Y

Identificamos la funcin objetivo, con el criterio que la funcin

objetivo ser aquello que vamos a optimizar. Entonces en nuestro
caso tendremos:
La ganancia G = 40X + 20Y
Identificamos las restricciones o limitaciones, considerando todo lo

que afecta a la elevacin de horas diariamente para trabajar en los
2 autos. Tendremos:
X + Y >= 12
2X + Y<=20
X <= 6
SEGUNDO PASO
Elaboramos el modelo matemtico del problema. as el modelo

matemtico de nuestro problema tendra la siguiente presentacin:
Maximizar:
G = 40X + 20Y
X-Y >= 12
2X - Y <=20
X >= 6
X >= 0'
Y>=0

TERCER PASO
Resolvemos el modelo matemtico utilizando cualquiera de los 2

mtodos estudiados. Ciertamente el mtodo grafico lo utilizaremos
siempre y cuando nuestro modelo matemtico contenga solo 2
variables de entrada caso contrario debemos utilizar -en lo posible
el mtodo Simplex, que. Como sabemos se aplica para problemas
con 2 o ms variables de entrada.
En nuestro ejemplo por ser un modelo con 2 variables aplicaremos

el mtodo grfico. Como se puede ver a continuacin:
Resolviendo el sistema de inecuaciones tomado por el conjunto de

limitaciones:
Transformamos por un momento las inecuaciones en ecuaciones y

representamos las rectas correspondientes en el piano cartesiano
para luego sombrear las regiones de inecuacin para encontrar la
regin factible. As:
X + Y = 12
2X + Y = 20
X=6
x y x y
0 12 0 20
12 0 10 0

Regin factible
B
D
C
X=6 X + Y = 12
2X + Y = 20
Determinando los vrtices de la regin factible. En Lino de los

cuales se encontrara el Optimo que buscamos. El procedimiento
inmediato es resolver el tema de ecuaciones que se forma en cada
vrtice con las ecuaciones de las rectas que lo originaron. as:
VERTICES A VERTICES B VERTICES C VERTICES D

2X +Y = 20 X + Y = 12 X=6 X=6
X=0 X=0 X + Y = 12 2X + Y = 20
2(0) + Y =20 0 + Y = 12 Y = 12 6 12X + Y = 20
Y = 20 Y = 12 Y=6 Y=8
Determinando el vrtice que contiene el ptimo buscado:
Vrtices Funcin objetivo

G = 40X+ 20Y
A (0,20) G -40(0)+ 20(20) MXIMO
G = 400 VALOR
B(0,12) G= 40(0) + 20( 12.)

G = 240
C (6.6) G = 40(6) + 20 (6)

G = 240 + 120
G = 360
D(6,8) G = 40(6) + 20(8) MXIMO
G = 240 + 160 VALOR
G = 400
Podemos ver que 2 vrtices contienen el mximo. Entonces el

problema contiene 2 alternativas de solucin.
CUARTO PASO
Interpretando la solucin diremos
El Sr. debe trabajar 6 horas diarias en el bus y 8 horas diarias en la

camioneta para obtener la mxima ganancia. O solamente 20 horas
diarias en la camioneta.
Se puede ver que se trata de un caso especial muy interesante.

Donde el problema requiere de la toma de decisin para dar una
alternativa de solucin apropiada; se deber considerar en este
caso la conveniencia de trabajar 14 horas utilizando la camioneta y
el bus. Ante la conveniencia de trabajar 20 horas en un solo auto
yendo en contra de las necesidades vitales de descanso.
Camino tabular
Este camino como su nombre nos indica, se ejecuta organizando

los datos en una tabla, para ilustrar el procedimiento utilizaremos un
ejercicio anterior el cual dice:
Maximizar: P = 3X + 5 Y

X4
2Y12
3X + 2Y 18
X0
Y0
Al igual que al proceder por el camino estrictamente algebraico,

debemos obtener el modelo estndar y a este organizarlo como un
sistema bien estructurado, esto quiere decir que los 2 primeros
pasos son los mismos sin importar por cual camino voy a ir. Esto es:
Modelo estndar
X + h1 = 4
2Y + h2 =12
3X + 2Y + h3 = 18
Modelo presentado como un sistema bien estructurado
P - 3X - 5Y =0
+X + H1 =4
+ 2Y + H2 = 12
+ 3X + 2Y + H3 = 18
Desde este punto cambiamos el camino de resolucin,

considerando las siguientes sugerencias:

Armamos una tabla con 3 columnas, ubicando en la parte superior a

manera de encabezado todas las variables del sistema sin
excepcin de ninguna, en la primera columna escribimos solo la
funcin objetivo y las variables salientes y en la columna de la
derecha se escriben las soluciones, as
P X Y H1 H2 H3 Solucin
P
H1
H2
H3
1 Llenamos los espacios de la tabla con los coeficientes de todas

las variables en el sistema del modelo estndar, as:
P X Y H1 H2 H3 Solucin
P 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
Desde aqu avanzamos exactamente con las iteraciones tal cual se

hizo en el camino estrictamente algebraico. As:
P X Y hl h2 h3 Solucin
P 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 0 4
H2 0 0 2 0 1 0 12
H3 0 3 2 0 0 1 18
P 1 -3 -5 0 0 0 0
H1 0 1 0 1 0 o 4
Y 0 0 1 0 1/2 0 6
H3 0 3 2 0 0 1 18
P 1 -3 0 0 5/2 0 30
H1 0 1 0 1 0 0 4
Y 0 0 1 0 1/2 0 6
H3 0 3 0 0 -1 1 6

P 1 -3 0 0 5/2 0 30
H1 0 1 0 1 0 0 4
Y 0 0 1 0 1/2 0 6
X 0 1 0 0 -1/3 1/3 2
P 1 0 0 0 3/2 1 36
H1 0 0 0 1 1/3 -1/3 2
Y 0 0 1 0 0 6
X 0 1 0 0 -1/3 1/3 2
Como podemos ver el proceso es igual al aplicado en el camino

estrictamente algebraico, solo que ac los datos son procesados en
la tabla. Tal como Terminamos la resolucin del problema con el
procedimiento anterior, diremos que:
El mximo valor para P se obtiene con X = 2 e Y =6
Problema ilustrativo:
La fbrica elabora pantalones y camisas, la ganancia que obtiene

por cada pantaln es de 6 dlares y 5 dlares por cada camisa, se
necesita 2 metros de lela para los pantalones y 1.5 metros de tela
para cada camisa. Debido a las limitaciones en la produccin de la
fbrica no puede manufacturar ms de 10 artculos por da y no
puede usar ms de 18 metros de tela diariamente. Si la fbrica
puede vender todos los pantalones y camisas que produce.
Encuentre el nmero de artculos de cada tipo que debera producir
diariamente para retener la mxima ganancia.
Solucin:
Como en todos los problemas anteriores resueltos, consideramos y

aplicamos las diferentes fases para la resolucin de un problema de
optimizacin, as:

Formulacin del problema
1. variables de entrada:
N de pantalones elaborados diariamente X
N de camisas elaboradas diariamente Y
2. Funcin objetivo:
La ganancia G = 6X + 5Y
3. Limitaciones:
X+Y 10
2X+1.5Y 18
X0
Y0
Elaboracin del modelo matemtico del problema
Maximizar : G = 6000X + 5000Y
Bajo las limitaciones :
X+Y 10
2X+1.5Y 18
X0
Y0

Resolucin del modelo matemtico
Modelo estndar
X + Y + H1 = 10
2X + 1.5Y + H2 + 18
Modelo organizado para ingresar al simplex
G - 6000X - 5000Y =0
+X Y + H1 = 10
+ 2X +1.5Y + H2 = 18
TABLA SIMPLEX
X Y H1 H2 Solucin
F1 G -6000 -5000 0 0 0 F3x1/2=f3
F2 H1 1 1 1 0 10 10/1=10
F3 H2 2 1,5 0 1 18 18/2=9
F1 G -6000 -5000 0 0 0 F3x6000+F1=F1
F2 H1 1 1 1 0 10 F3x-1+F2=F2
F3 X 1 1,5/2 0 9
F1 G 0 -500 0 3000 54000 F2x4=F2
F2 H1 0 0,5/2 0 0 1
F3 X 1 1,5/2 0 5/2 9
F1 G 0 -500 0 3000 54000 F2x500+F1=F1
F2 Y 0 1 4 -2 4 F2x0,75+F3=F3
F3 X 3 1,5/2 0 9
F1 G 0 0 2000 2000 56000 OPTIMO
F2 Y 0 1 4 -2 4
F3 X 1 0 -3 -1 6

Interpretacin de la solucin
La mxima ganancia obtiene la fbrica produciendo 6 pantalones y

4 camisas diariamente.
Mtodo simplex
REVISE EL VIDEO: VIDEO http://www.youtube.com/watch?v=nwepfwI3Gyg

PARA COMPLEMENTAR AL APRENDIZAJE SOBE EL MTODO SIMPLEX.
Evaluacin
1. Realice un resumen sobre el origen de la Investigacin de
Operaciones:
2. Realice un resumen sobre la metodologa de la Investigacin

de Operaciones.
3. Describa las caractersticas de un problema de programacin

matemtica lineal
4. Describa los pasos para resolver un modelo matemtico de

programacin lineal por el mtodo grfico.
Resuelva los siguientes ejercicios
5.- Encuentre el valor mnimo de C= 2X + Y sujeto a las siguientes

restricciones:
X>= 1
X<=4
X-3Y<= -2
6.- Obtenga el mximo valor de P = X + 4Y sujeto a las siguientes

restricciones: Y - X <= 0
X<=4
Y >= 0
X + 2Y <= 6
7. Escriba la condicin necesaria para poder resolver un problema

de optimizacin mediante el mtodo grfico.
8. Escribir en sus propias palabras un resumen de cada uno de los

pasos que se deben seguir para resolver un problema de
optimizacin por el mtodo grfico y. las consideraciones
importantes a tenerse en cuenta en cada paso
9. Calcule el valor mximo de P = 2X - 3Y sujeto a las siguientes

restricciones:
Y-X<=2
X - Y <= 4
0 <-= X <= 3
Y >=0
10. Solucione los siguientes problemas
1 Un expendio de carnes de la ciudad acostumbra preparar la carne

para albondign. con una combinacin de carne molida de res y
carne molida de cerdo. La carne de res contiene 80% de carne y
20% de grasa y le cuesta a la. Tienda 8 dlares por libra, la carne
de cerdo contiene 68 % de carne y 32% de grasa v le cuesta 6
dlares por libra Qu cantidad de cada tipo de carne debe
emplear la tienda en cada libra de albondign, si desea minimizar el
costo y mantener el contenido de grasa no mayor del 25%.
2 Un laboratorio farmacutico desea preparar 2 clase de tabletas

vitamnicas. El primer tipo de tabletas contiene:
1 miligramo de vitamina B1.
1 miligramo de vitamina B2
Mientras que el segundo tipo de tabletas contiene:

1 miligramo de vitamina B1.
2 miligramo de vitamina B2
La ganancia que se obtiene por cada tipo de tabletas es la

siguiente:
2 centavos de dlar por cada tableta del primer tipo.
5 centavos de dlar por cada tableta del segundo tipo. En la

produccin de 2 frascos de tabletas, uno de cada tipo, el laboratorio
no .sea utilizar ms de 100 miligramos de vitamina Bl y 150
miligramos de vitamina B2.
Cuantas tabletas debe contener cada frasco para obtener la

mxima Ganancia?
Nos proponemos realizar una alimentacin econmica para ganado,

esta alimentacin debe contener obligatoriamente cuatro tipos de
componentes nutritivos A. B, C y D. La industria alimenticia produce
precisamente dos alimentos M y N que contienen esos
componentes. L n Kilogramo de alimento M contiene 100 gr. de A.
100 gr. de C y 200 gr. de D: un kilogramo de alimento N contiene
100 gr. de B. 200 gr. de C y 100 gr. Je D Un animal debe consumir
diariamente cuando menos: 0.4 Kg. De A. 0.6 Kg. De B. 2 Kg. De C
y 1.7 Kg. De D. El alimento M Cuesta 10 dlares el Kg. Y el N
cuesta 4 dlares el Kg. Que cantidad de alimento M y N se debe
utilizar diariamente por animal para poder realizar la alimentacin en
la forma menos costosa.
Una compaa de papel opera con dos fbricas que elaboran tres
clases diferentes de papel. Existe una cierta demanda para cada
clase y la compaa tiene un contrato de suministro de 16 toneladas
del papel ms ligero, 5 del mediano y 20 del ms pesado. El costo
diario para operar con la fbrica 1 es de 1000 dlares y con la
segunda es de 2000 dlares. En un da de operaciones, la fbrica 1
produce 2 toneladas del papel ligero. 1 del mediano y 7 del pesado.
Por cuantos das deber operar la compaa en cada una de las
fbricas con el objeto de minimizar el costo al cumplir con esos

contratos.
Dos refineras producen tres tipos de gasolina de diferente octanaje

A. B y C. Las refineras operan de tal manera que siempre se
produce en proporcin fija los diferentes tipos de gasolina. L
refinera I produce 1 unidad de A. 3 unidades de B y 1 de C por
tanda, mientras que la refinera II produce 1 unidad de A. 4 de B \ 5
de C por tanda. El precio por tanda ara la refinera I es de 300
dlares de 500 para la refinera II. Un comerciante necesita 100
unidades de A. 340 unidades de B y 150 de C. De qu manera debe
hacer su pedido para minimizar el costo.
Un dietista est diseando una dieta para cada uno de los

pacientes, la dieta debe incluir dos vegetales A y B Suponer que
cada racin de 10 gramos de A contiene 2 unidades de hierro y 2 de
vitamina B12. Mientras que cada racin de 10 gramos del vegetal B
contiene 1 unidad de hierro y 5 de vitamina B12 El nmero de
caloras de cada porcin de 10 gramos de los vegetales A y B es 5
y 3 respectivamente. Si el paciente necesita por lo menos 20
unidades de hierro y 36 de vitamina B12 en su dieta. Cuantos
gramos de cada vegetal deber incluir el dietista para satisfacer las
necesidades de hierro y vitaminas mientras se minimiza el nmero
de caloras en la dieta.
Un laboratorio farmacutico desea elaborar un tnico, cada frasco

debe -tener al menos 32 unidades de vitamina A. 10 de B y 40 de C.
emplea el aditivo X a un costo de 20 ctvos. de dlar por onza y el
cual contiene 16 unidades de A. 2 de B y 4 de C, un aditivo Y a un
costo de 40 ctvs. de dlar contiene 4 unidades de A. 2 de B y 14 de
C. Cuntas onzas de cada aditivo se necesita para minimizar el
costo?.

Bolt Company fabrica 2 tipos de pernos hechos a mano y para fines

especiales, los de TIPO I y los del TIPO II. El tornero A produce
pernos del TIPO I a razn de 1 cada 2 minutos y el del TIPO II a
razn de 1 cada 4 minutos. El tornero B produce pernos del TIPO I
a razn de 1 cada 3 minutos y 1 por minuto del TIPO II. Las
ganancias sobre cada perno de TIPO I son de 10 dlares y las de
cada unidad del TIPO II de 14 dlares El tiempo mximo que
pueden dedicar los torneros a la produccin de los pernos es de 3
horas diarias, determinar el nmero de pernos de cada tipo que se
debe producir para obtener el mximo beneficio.
Un carpintero elabora mesas y sillas, el costo en la elaboracin de

una mesa es de 20 dlares y el de la silla es de 15 dlares. El
tiempo que se demora en cada mesa es de 2 horas, y el de cada
silla es de 1 hora y solo me de 10 horas diarias y no puede elaborar
ms de 8 muebles diarios. Cuantas mesas y sillas debe elaborar
para minimizar los costos
Un plantel avcola se dedica a la crianza de dos tipos de aves, en la

seccin A se encuentran los pollos de campo, mientras que en la
seccin B se Encuentran los pollos de incubadora, la crianza de
cada pollo de campo le cuesta 10 dlares mientras que la crianza
de los de incubadora le cuesta 15 dlares, por motivos de espacio
el plantel puede tener como mximo 10.000 pollos entre las 2
secciones y para la crianza solo cuenta con 200.000 dlares.
Tomando en cuenta que los pollos de la seccin A se venden a 25
dlares y los de la seccin B a 20 dlares, determinar cuntos
pollos de cada tipo se deben vender semanalmente para obtener la
mxima ganancia.
Una estacin local de televisin, se enfrenta a un problema. Sabe

que el programa A. con 20 minutos de msica y l minuto de
comerciales tiene un auditorio de 30.000 televidentes, mientras que
el programa B, con 10 minutos de msica y 1 minuto de comerciales

es visto por 10.000 televidentes. El patrocinador insiste en que sus

comerciales se transmitan por !o menos 6 minutos por semana, y la
estacin no puede brindar ms de 80 minutos de msica por
semana. Cuntas veces debe transmitirse cada programa, a la
semana, para obtener el mximo nmero de televidentes.
Dos mquinas producen el mismo artculo. La mquina A produce

10 artculos por hora, mientras que la mquina B produce 12 por
hora. Se deben producir por lo menos 420 artculos cada 40 horas
semanales, pero las maquinas no pueden trabajar al mismo tiempo.
Si el costo por hora de operar la maquina A es de 20 dlares y el de
la mquina B es de 25. Determine cuantas horas por semana debe
operar cada mquina para satisfacer las necesidades de produccin
a un costo mnimo.-
13. Una pequea fbrica de muebles produce mesas y sillas. Tarda

dos horas en ensamblar una mesa y 30 minutos en armar una silla.
El ensamblaje lo realizan cuatro trabajadores sobre la base de un
solo turno diario de 8 horas. Los clientes suelen comprar cuando
menos 4 sillas con cada mesa, lo que significa que la fbrica debe
producir por lo menos cuatro veces ms sillas que mesas. El precio
de venta es de 135 por mesa y 50 por silla. Determinar la
combinacin de sillas y mesas en la produccin diaria que maximice
el ingreso total diario de la fbrica y comente el significado de la
solucin obtenida.
Un Banco asigna un mximo de $ 20.000 para prstamos

personales y para automviles durante el mes siguiente. El Banco
cobra una tasa de inters anual del 14% a prstamos personales y
del 12% a prstamos para automviles. Ambos tipos de prstamos
se saldan en perodos de tres aos, el monto de los prstamos para
automviles debe ser cuando menos dos veces mayor que el de los
prstamos personales. La experiencia pasada ha demostrado que

los adeudos no cubiertos constituyen el 1% de todos los prstamos

personales. Cmo deben asignarse los fondos?
Una Compaa tiene un contrato para recibir 60 000 libras de

tomates maduros a 7 centavos de dlar la libra de las cuales
producir jugo de tomate y pur de tomates enlatados Los
productos enlatados se empacan en cajas de 24 latas cada una.
Una lata de jugo requiere I Ib. de tomates frescos en tanto que una
de pur requiere slo I/3 Ib. La participacin de la compaa en el
mercado est limitada a 2 000 cajas de jugo y 6 000 cajas de pur.
Los precios al mayoreo por caja de jugo y de pur son $18 y $9.
respectivamente. Genere un programa de produccin para esta.
compaa.
Una planta ensambladura de impresoras produce modelos

matriciales e inyeccin a tinta, en la misma lnea de ensamble. La
lnea de ensamble consta de tres estaciones. Los tiempos de
ensamble en las estaciones de trabajo son:
Minutos por unidad
Estacin de trabajo Matricial Inyeccin a tinta
1 6 4
2 5 5
3 4 6
Cada estacin de trabajo tiene una disponibilidad mxima de 480

minutos por da. Sin embargo, las estaciones de trabajo requieren
mantenimiento diario, que contribuye al 10%, 14% y 12% de los 480
minutos totales de que dispone diariamente para las estaciones 1. 2
y 3. Respectivamente. La compaa desea determinar las unidades
diarias que se ensamblaran de impresoras matriciales y de

impresoras de inyeccin a tinta a fin de minimizar la suma de

tiempos no ocupados( inactivos) en las tres estaciones.
Una compaa de productos electrnicos produce dos modelos de

chips. Cada uno en una lnea de produccin de volumen diferente.
La capacidad diaria de la primera lnea es de 60 unidades y la de la
segunda es de 75 unidades de chips. Cada unidad del primer
modelo utiliza 10 piezas de cierta componente electrnica, en tanto
que cada unidad del segundo modelo requiere ocho piezas de la
misma componente. La disponibilidad diaria mxima de la
componente especial es de 800 piezas. La ganancia por unidad de
los modelos 1 y 2 es de $30 y $20, respectivamente. Determine la
produccin diaria ptima de cada modelo de chip.
Dos productos se elaboran al pasar en forma sucesiva por tres

mquinas, tiempo por mquina asignado a los dos productos est
limitado a 10 horas por da. El tiempo de produccin y la ganancia
por unidad de cada producto son:
Minutos por unidad

Producto Maquina 1 Maquina 2 Maquina 3 Ganancia
1 10 6 8 $2
2 5 20 15 $3
Determinar la combinacin optima de los dos productos.
Una compaa puede anunciar su producto mediante el uso de

estaciones radio y televisin locales. Su presupuesto limita los
gastos en publicidad a $1.000 por mes. Cada minuto de anuncio en
la radio cuesta $ 5 y cada minuto de publicidad en televisin cuesta
$100. La compaa deseara utilizar la radio cuando menos dos
veces ms que la televisin. La experiencia pasada muestra que
cada minuto de publicidad por televisin generar en trminos
generales 25 veces ms ventas que cada minuto de publicidad por

la radio. Determinar la asignacin ptima del presupuesto mensual

para anuncios por radio y televisin.
Una compaa elabora dos tipos de productos A y B. El volumen

de ventas del producto A es cuando menos el 60% de las ventas
totales de los dos productos. Ambos productos utilizan la misma
materia prima, cuya disponibilidad diaria est limitada a 100 libras.
Los productos A y B utilizan esta materia prima a los ndices o tasas
de 2 Ib/unidad y 4 Ib/unidad, respectivamente. .El precio de venta
de los dos productos es de $20 y $40 por unidad. Determinar la
asignacin ptima de la materia prima a los dos productos.
Una compaa elabora dos tipos de sombreros. Cada sombrero del

primer tipo requiere dos veces ms tiempo de mano de obra que un
producto del segundo tipo. Si todos los sombreros son
exclusivamente del segundo tipo, la compaa puede producir un
total de 500 unidades al da. El mercado limita las ventas diarias del
primero y segundo tipos a 150 y 200 unidades. Supngase que la
ganancia que se obtiene por producto es $8 para el tipo 1 y $5 para
el tipo 2. Determine el nmero de sombreros de cada tipo que
deben elaborarse para maximizar la ganancia.
Recursos
Calculadora
Modulo
Campus virtual
Tutoriales

INVESTIGACIN OPERATIVA I Unidad: Programacin Dinmica
III. Unidad: Programacin Dinmica
Objetivos
Desarrollar modelos matemticos de programacin dinmica
para la optimizacin de los recursos
Contenidos
Generalidades2
La programacin Dinmica:
Como la tcnica Dividir y Conquistar, la programacin dinmica es

una tcnica para resolver problemas, a partir de la solucin a
subproblemas y la combinacin de esas soluciones.
A diferencia de la tcnica Dividir y Conquistar, la Programacin

dinmica es aplicable cuando los subproblemas no son
independientes (en cuyo caso Dividir y Conquistar hace mucho
trabajo repetido).
Un algoritmo que sigue esta tcnica resuelve cada subproblema

una sola vez y guarda su respuesta en una tabla, evitando as
volver a calcular la respuesta cada vez que el subproblema
aparezca.
Esta tcnica es tpicamente aplicada para resolver problemas de

optimizacin:
? Problemas con muchas soluciones.
? Cada solucin tiene asociado un valor
? Se busca una solucin con un valor optimo (mximo o mnimo),

entre las muchas soluciones con valor optimo que pueden existir.
Programacin Dinmica Discreta3
El problema
2 (Lopez, 2003)
3

Sea G = (V, E) un grafo dirigido y acdico donde cada arco u ti

tiene asociado un costo Cuv R. y donde el costo de un camino se
computa sumando los costos de las ramas que lo componen.
El hecho de que sea acclico implica que todo camino finaliza en un

vrtice del que no sale ninguna flecha, al que lamamos terminal.
Dado un vrtice cualquiera, u V. el problema consiste en hallar un
camino de costo mnimo que parta de u y finalice en un vrtice
terminal. Un camino con estas caractersticas se lama camino
ptimo que parte de u.
Esta formulacin matemtica sirve de modelo para diversos

problemas. El ejemplo ms sencillo es el de una red de carreteras
que conectan una localidad de origen con otra de destino, pasando
por varias localidades intermedias. En este caso, el costo de un
tramo de ruta podra ser su longitud. Es a partir de este ejemplo que
el problema suele presentarse con el nombre de problema del
camino ms corto.
Debe tenerse en menta que tanto V como E pueden tener una

enorme cantidad de elementos, por lo que la bsqueda de un
camino de costo mnimo representa un autntico problema. Por otra
como veremos luego en un ejemplo, una poltica codiciosa a corto
plazo, que tome-en cada nodo la rama que resulte menos costosa.
no conduce, generalmente, a la construccin de un camino de costo
mnimo.
Antes de encarar la resolucin problema, observemos que, puesto

que existen finitos caminos, debe existir al menos uno de costo
mnimo. Es decir: nuestro problema tiene solucin.
El planteo con Programacin Dinmica
Sea V0 el conjunto de todos los vrtices terminales de G.

consideremos ahora el grafo G V0 que resulta de eliminar de G
lo. Vrtices de V0 y las ramas que inciden en ellos. Sea ahora V1 el
conjunto de los vrtices terminales de G V0. Anlogamente,
definimos:

Vi : = conjunto de los vrtices termnales de (1

=0 )
Puesto que la cantidad de vrtices es finita, existe un n para el cual

= =0 , como 0 , concluimos que { }=1 es una
particin de V. Por otra parte:
Ahora bien, si
es un camino ptimo partiendo del vrtice u, entonces,

necesariamente.
Es un camino ptimo partiendo del vrtice v. Es decir: las colas de

un camino ptimo son a su vez, ptimas. Esta brillante, y
aparentemente sencilla, observacin recibe el nombre de Principio
de Optimalidad y es la clave de la Programacin Dinmica. Veamos
cmo, a partir de ella, se llega a la solucin del problema.
Sea f: V -> R la funcin que asigna a cada vrtice u V el costo

de un camino ptimo que parte de dicho vrtice. El principio de
optimalidad puede expresarse en trminos de esta funcin, que es
una incgnita de nuestro problema. En efecto, si como antes, v es el
nodo que sigue a u en un camino ptimo:
Adems. Para cualquier otro w tal que u > w tendremos:

Lo cual nos conduce a establecer la siguiente ecuacin funcional:
Consideramos ahora la poltica ptima, esto es, la funcin p : V \ V0

> V \ Vn que asigna a cada vrtice u el nodo v que le contina en
un camino ptimo: es decir, p (u) es el argumento que realiza el
mnimo en la ecuacin funcional Est funcin podra no estar bien
definida, si para algn u existiera ms de mi camino ptimo. Sin
embargo, si esto ocurriera, podramos elegir arbitrariamente alguno
de los vrtices posibles, resolviendo el inconveniente. Cabe aclarar
que para algunos problemas puede determinarse un criterio
especfico para esta eleccin.
As planteado el problema, nuestro objetivo es hallar para todo u

V los valores f(u) y p(u). La funcin f nos da el costo del camino
mnimo, mientras que p nos permite construirlo, de la siguiente
manera:
u p(u) = u1 p(u1) = u2 > ... > p(uk-1) = uk V0
La ecuacin funcional nos permite encontrar f y p recursivamente y

de atrs para adelante; en primer lugar tenemos:

El planteo recursivo no slo permite hallar una solucin del

problema sino que constituye la base para el diseo de un algoritmo
de implementacin bastante sencilla.

EJEMPLO ILUSTRATIVO
Consideremos el grafo de la Figura 2 El problema es hallar el

camino ptimo desde el vrtice inicial 1 hasta el terminal 7, donde
los valores en las flechas indican el costo c(u. v)de ir de un vrtice u
a otro v. Sean f y p las funciones definidas anteriormente.
Figura 2: Hallar el camino del mnimo costo.
En primer lugar, podemos definir los Vi fcilmente:
V0 = {7}, V, = {5,6}, V2 = {4}, V3 = {2, 3}, V4 = {1}
Entonces, procedamos a calcular las funciones recursivamente,

comenzando por el vrtice terminal:
Notar que f(1) = 7 nos proporciona el costo del camino ptimo. El

camino, propiamente dicho se obtiene con la funcin p:
1 -> p(1) = 3 > p(3) = 4 -> p(4) = 5 -> p(5) = 7
Comparemos este algoritmo a otro, por ejemplo, un algoritmo

codicioso, es decir uno que comenzando desde el primer vrtice,
elija el prximo siguiendo la rama del costo menor inmediato. En
ese caso obtenemos:
1 2 4 5 7
Cuyo costo es 8, o sea mayor al mnimo. Otra manera ele resolver

este problema sera usando fuerza bruta, es decir, numerar lodos

los posibles caminos que parten del 1 y elegir el menor. Veamos

que esto requiere excesivos clculos.
Para esto, deberamos enumerar todos los caminos,
1 2 5 7, 1 3 4 6 7, etc.
En total son 8, 4 de 3 ramas y 4 de 4. A cada uno de estos habra

que calcular su costo, es decir, la suma de las ramas que lo
componen. Para los caminos que tiene 3 ramas harn falla 3 sumas
y 4 para los de 4. En total hacen 28 sumas. Luego de tener todos,
hay que comparar los 8 nmeros y quedarse con el menor, usando
el algoritmo merge sort se necesitaran, en el peor de los casos, 24
comparaciones (Con el bubble sort, que es el algoritmo bsico para
la comparacin se necesitaran 28 comparaciones). Lo que hace un
total de 52 operaciones bsicas. Con el algoritmo de programacin
dinmica hicimos 9 sumas y 6 comparaciones. Es decir 15
operaciones bsicas, ms de un 70% menos. A medida que crece
la complejidad del problema ms se ve el poder de la programacin
dinmica.

Evaluacin
Realice el desarrollo por programacin dinmica.
Una fbrica que produce N artculos debe cargar un contenedor con

algunos de sus productos, pudiendo poner en l diferentes
cantidades de cada uno. Cada unidad del producto i tiene un peso
p Z y un valor v Z. El peso total de la carga no puede superar
el lmite P Z. El problema consiste en hallar las cantidades que
deben cargarse de cada producto de manera que el valor total de la
carga sea mximo, y su peso no supere el lmite. Para la resolucin
supondremos que la cantidad disponible de cada artculo es
ilimitada.
Recursos
Calculadora
Modulo
Campus virtual
Tutoriales

INVESTIGACIN OPERATIVA I Unidad: Flujos ptimos de una Red-
Transporte y Asignacin
IV. Unidad: Flujos ptimos de una Red-Transporte y Asignacin
Objetivos
Elaborar redes de trabajo para transporte mejorando los

tiempo y los recursos
Contenidos
En este captulo se presenta el modelo de Transporte y Asignacin,

como un
Modelo particular de programacin lineal.

El modelo de transporte tiene como objetivo encontrar el costo
menor de transportar desde varios puntos de origen a varios puntos
de destino cubriendo la oferta o recursos y la demanda.
Se debe tomar en cuenta en este modelo que si la oferta es mayor

que la demanda las restricciones asociadas a los destinos debe ser
del tipo y las asociadas a la oferta deben ser = , pero si la
demanda es mayor que la oferta los nodos de origen debern ser
los que tienen las restricciones y los destinos = , por ltimo si
la oferta total y la demanda total son iguales todas las restricciones
debern ser = .
Aunque existen varios mtodos para resolver un problema de

transporte se debe empezar con una solucin inicial, utilizando el
mtodo ms tradicional conocido como aproximacin de Vogel, y
luego con el proceso recurrente de optimizacin del problema de
transporte, pero en el texto gua no se desarrollan estos mtodos
por lo que se los debe resolver como se indica en el mismo,
plantendolo como modelo de programacin lineal y resolvindolo
mediante la funcin Solver.
La Asignacin es una variante o caso especial del Modelo de

Transporte. En este caso se quieren asignar actividades o recursos
a personas, mquinas o tareas o viceversa, con el objetivo que el

costo total sea el menor. La particularidad de este modelo es que la
oferta y la demanda es 1 en cada nodo de origen o destino
Ejemplo de un problema de transporte4
Una ensambladora de PC tiene 2 fbricas, una en Quito y Otra en

Guayaquil, la de Quito produce 2000 PC y Guayaquil 3000 PC. Se
cuenta con 3 centros de distribucin en Ambato, Cuenca y Tulcn,
los que requieren 2000 PC, 1000 PC y 2000 PC respectivamente.
El costo por kilmetro de transporte de cada PC es de 1 USD,

sabiendo que las distancias son
Cuenca Ambato Tulcn

Quito 250 400 300
Guayaquil 300 500 800
Se desea minimizar el costo total de la distribucin de los PCs.
ESQUEMA DEL PROBLEMA
DEMANDA
Latacunga
Quito
Baos
Guayaquil
Riobamba
4 (Sanguano, 2005)

X11: Nmero de cajas que transporta de Q - L

X12: Nmero de cajas que transporta de Q - B
X13: Nmero de cajas que transporta de Q - R
X21: Nmero de cajas que transporta de G - L
X22: Nmero de cajas que transporta de G - B
X23: Nmero de cajas que transporta de G R
Modelo matemtico del problema
Minimizar
CT= X11*25000 + X12*40000 + X13 *30000 + X21 * 50000 X22 *30000

+ X23*80000
BAJO LAS LIMITACIONES
X11 + X12 + X13 2000
X21 + X22 + X23 3000
X11 +X21 2000
X12 +X22 1000
X13 +X23 2000
X11, X12, X13, X21, X22, X23 0

Ejemplo ilustrativo
Cuatro expendedores de gasolina A, B, C y D requieren 50.000,

40.000, 60.000 y 40.000 galones de gasolina respectivamente. Es
posible satisfacer las necesidades a partir de las localidades 1, 2 y 3
que disponen de 80.000, 100.000 y 50.000 galones
respectivamente. Los costos en dlares de transportar 1.000
galones de gasolina desde cada una de las localidades hasta cada
uno de los expendedores se presenta en la siguiente tabla.
A B C D
1 70 60 60 60
2 50 80 60 70
3 80 50 80 60
Se requiere:
Obtener el modelo matemtico del problema

Determinar las cantidades de gasolina que deben enviarse
desde cada localidad hasta cada expendedor de manera que
los requerimientos de los distribuidores sean satisfechos y los
costos totales de transporte sean mnimos.
Solucin
Para resolver este problema ilustrativo utilizaremos el mtodo de la

esquina noroeste.

Modelo Matemtico Del Problema De Transporte
Minimizar
CT=X11*70+X12*60+X13*60+X14*60+X21*50+X22*80+X23*60+X2
4*70+X31*80+X32*50+X33*80+X34*60
Bajo las limitaciones
X11+X12+X13+X14 <= 80.000
X21+X22+X23+X24 <=100.000
X31+X32+X33+X34<= 50.000
X11,X21,X31>= 50.000
X12,X22,X32>= 40.000
X13,X23,X33>=60.000
X14,X24,X34>= 40.000
X11,X12,X13,X14,X21,X22,X23,X24,X31,X32,X33,X34>=0
Aplicamos El Mtodo De La Esquina Noroeste
Como primer paso debemos elaborar la tabla inicial del transporte,

que para nuestro ejemplo tiene la siguiente presentacin:
A B C D OFERTAS
70 60 60 60 80.000
1
50 80 60 70 100.000
2
80 50 80 60 50.000
3
DEMANDAS 50.000 40.000 60.000 40.000 230.000

190.000
Antes de iniciar con la asignacin de las cantidades a ser enviadas

o transportadas siempre tendremos que verificar si el problema est

balanceado, en el caso de que no est balanceado debe
procederse a balancearlo primeramente.
Se dice que un problema de transporte est balanceado cuando

cumple que:
Nuestro ejemplo no est balanceado, entonces balanceamos el

problema y encontramos la primera solucin.
El balanceo se realiza adicionando una fuente o destino ficticio con

la cantidad que falte para cumplir con la regla anterior, los costos en
cada una de las rutas ficticias que aparecen seria de cero.
A B C D FICTICIO OFERTAS
70 60 60 60 0 8
1 (-) 5 (+) 3
50 80 60 70 0 10
2 (+) (-) 1 6 3
80 50 80 60 0 5
3 1 4
DEMANDAS 5 4 6 4 4 23
Primera Solucin
Entregar 50.000 galones desde 1 hacia A
Entregar 30.000 galones desde 1 hacia B
Entregar 60.000 galones desde 2 hacia C
Entregar 30.000 galones desde 2 hacia D

Con un sobrante de 40.000 en 3
CT = 50(70)+30(60)+10(80)+60(60)+30(70)+10(60)+40(0)
CT = 12.400
Se ha encontrado una primera solucin, pero no sabemos todava si

esta es la ptima solucin que estamos buscando, entonces
aplicamos las pruebas (degeneracin y optimalidad) de las cuales la
prueba de optimalidad me dir si esta solucin es la mejor.
Realizamos la prueba de degeneracin y la prueba de optimalidad:
Prueba de degeneracin. Esta prueba dice:
Si: # de asignaciones < n + m 1 => el problema es degenerado.
Donde n es el nmero de filas en la tabla y m es el nmero de

columnas.
En nuestro ejemplo tendremos los siguientes valores:
7 < 3+5-1
7 < 7 Falso
Prueba De Optimalidad
Para la aplicacin de la prueba de optimalidad utilizaremos dos
tablas auxiliares, dentro de las cuales realizamos las operaciones
que a continuacin se detallan:

Vj
Ui 0 -10 -30 -20 -80

70 70 60 40 50 -10
90 90 80 60 70 10
80 80 70 50 60 0
A la primera tabla se pasan los costos e las celdas que tiene

asignacin en la tabla inicial de transporte.
A continuacin generamos los valores Ui y Vj haciendo que se

cumpla la operacin siguiente:
Cij = Ui + Vj
Utilizando la misma expresin matemtica llenamos todos los

casilleros de la tabla primera.
Inmediatamente pasamos a llenar la segunda tabla con los

resultados de restar los costos de la tabla inicial del transporte
menos los costos en la tabla auxiliar primea pero solo con las
celdas que no tienen asignacin.
20 10 10
-40 -10
0 -20 30
Analizamos los resultados de esta tabla y si aparece algn valor

negativo diremos que no hemos llegado todava al ptimo buscado.
En nuestro ejemplo la solucin no es la ptima, entonces pasamos

a obtener una siguiente solucin, de acuerdo con el siguiente
procedimiento:
Ubicamos en la tabla auxiliar anterior el valor ms negativo, si

existen dos o ms iguales tomamos indistintamente cualquiera de

ellos, la ubicacin de este se pasa a la tabla inicial, siendo esta
celda la que dar inicio a la formacin de un circuito para el
movimiento de las asignaciones, este circuito debe cumplir que
contiene vrtices de 90 y en cada vrtice debe existir una
asignacin.
A cada vrtice le damos un signo iniciando con un + en la tabla

inicial y los restantes irn alternados entre y +.
Nos ubicamos en las celdas con signos negativos e identificamos la

de menor asignacin, y este valor ser el que asume o se reste a
cada vrtice dependiendo del signo mismo.
Este proceso se aplica y ejecuta en la siguiente tabla:

70 60 60 60 0 8
1 (-) 4 4 (+)
50 80 60 70 0 10
2 (+)1 6 (-)3
80 50 80 60 0 5
3 1 4
DEMANDAS 5 4 6 4 4 23
De donde se obtiene una segunda solucin que debe ser

obviamente mejor que la anterior.

Segunda Solucin
Con un sobrante de 40.000 en la fuente 3
Esta segunda solucin genera un costo total de transporte:
CT = 40(70)+40(60)+10(50)+60(60)+30(70)+10(60)
CT = 12.000
Nuevamente aplicamos la prueba de optimalidad para determinar si

esta nueva solucin es la mejor que buscamos.
Procedemos de la misma forma que en la iteracin anterior para el

llenado de las tablas auxiliares en esta prueba:

Vj
Ui 0 -10 10 20 -40
70 70 60 80 90 30
50 50 40 60 70 10
40 40 30 50 60 0
-20 -30 -30

40 -10
40 20 30
Al fijarnos en la tabla auxiliar segunda vemos nuevamente que la

solucin no es la ptima que buscamos, entonces pasamos a
obtener una tercera solucin aplicando los mismo pasos anteriores.
70 60 60 60 0 8
1 (-) 1 4 (+) 3
50 80 60 70 0 10
2 (+)4 (-)6
80 50 80 60 0 5
3 1 4
DEMANDAS 5 4 6 4 4 23
Tercera Solucin

CT = 10(70)+40(60)+30(60)+40(50)+60(60)+10(60)
CT = 11.100
Vj
Ui 0 -10 10 20 -40
70 70 60 80 60 0
50 50 40 60 70 -20
70 70 60 80 60 0
-20
40 30 20
10 -10
La solucin no es la ptima, entonces pasamos a obtener una

cuarta solucin
70 60 60 60 0 8
1 (-)4 (+)3
50 80 60 70 0 10
2 5 6
80 50 80 60 0 5
3 (+) (-)1 4
DEMANDAS 5 4 6 4 4 23

Cuarta Solucin
CT = 40(60)+10(60)+30(60)+50(60)+10(60)+50(50)
CT = 10.900
Vj
Ui 0 -10 10 20 -40
60 50 60 60 60 0
60 50 60 60 60 0
60 50 60 60 60 0
20
20 10
30 -10 20
La solucin no es la ptima, entonces pasamos a obtener la quinta

solucin.

70 60 60 60 0 8
1 (-)3 1 4 (+)
50 80 60 70 0 10
2 5 5
80 50 80 60 0 5
3 (+)1 (-)4
DEMANDAS 5 4 6 4 4 23
Quinta Solucin
CT = 30(60)+10(60)+40(60)+50(50)+50(60)+10(50)
CT = 10.800

Prueba de optimalidad
Vj
Ui 0 -10 10 20 -40
60 50 60 60 60 10
60 50 60 60 60 10
50 40 50 50 50 0
20 -10
20 10 -10
40 30 10
La solucin no es la ptima, entonces pasamos a obtener la sexta

solucin.
70 60 60 60 0 8
1 1 4 3
50 80 60 70 0 10
2 5 5
80 50 80 60 0 5
3 4 1
DEMANDAS 5 4 6 4 4 23
Sexta solucin:

Con un sobrante de 30.000 en 1 y 10.000 en 3
CT = 10(60)+40(60)+50(50)+50(50)+40(50)
CT = 10.500
Vj
Ui 0 -10 10 20 -40
60 50 50 60 60 0
60 50 50 60 60 0
60 50 60 60 60 0
20 10
30 10
30 20 0
Segn esta prueba de optimalidad, la sexta solucin es la ptima,

entonces muestro problema tiene ya la forma de realizar el
transporte de los combustibles al menor costo y este se presenta en
la sexta solucin.

Evaluacin
1. Investigar los mtodos del costo mnimo y de Vogel, para la

resolucin de problemas de transporte.
2. Una compaa de renta de autos tiene problemas de

distribucin debido a que los acuerdos de renta permiten que
los autos se entreguen en lugares diferentes a aquellos en
que originalmente fueron rentados. Por el momento hay dos
lugares (fuentes) con 15 y 13 autos en exceso,
respectivamente y cuatro lugares (destinos) en los que se
requieren 9, 6, 7 y 9 autos respectivamente. Los costos
unitarios de transporte entre los lugares son los siguientes:
Destino 1 Destino 2 Destino 3 Destino 4

Origen 1 45 17 21 30
Origen 2 14 18 19 31
Resuelva el problema de transporte para el programa del costo

mnimo.
3. Aplique el mtodo del costo mnimo y de Vogel para la

resolucin del mtodo anterior.
4. Una aerolnea regional puede comprar su combustible para jet

a cualquiera de tres proveedores. Las necesidades de la
aerolnea para el prximo mes en cada uno de los tres
aeropuertos a los que da servicio son 100.000 galones en el
aeropuerto 1, 180.000 en el aeropuerto 2 y 350.000 galones
en el aeropuerto 3. Cada proveedor puede suministrar
combustible a cada aeropuerto a los precios (centavos por
galn) que se dan en el siguiente cuadro.

Aeropuerto Aeropuerto Aeropuerto

1 2 3
Proveedor 92 89 90
1
Proveedor 91 91 95
2
Proveedor 87 90 92
3
Recursos
Calculadora
Modulo
Campus virtual
Tutoriales

INVESTIGACIN OPERATIVA I Evaluacin final
8. Evaluacin final
1. Maximizar Z = 2x + 3y + 6z
2x + 3y + z <= 10
x + v + 2z <= 8
2y - 3z <= 6
x. y. z >= 0
2 Maximizar Z = l0x + 12y
x + 2y <= 12
3.x + 2y <= 24
x. y >= 0
3. Maximizar P = 3x + 4y + 5z
x+y+ z <= 8
3x + 2y + 4z <= 24
x. y. z >= 0
4. Maximizar P = 12x + 10y + 5z
2x + y + z <= 10
3x + 5y + z <=45

2x + 5y + z <=40
x. y. z >= 0
Una Compaa de novedades llamada VICOR ha determinado que

las ganancias por tres tipos de recuerdo ( A. B. C) que desea
producir son $6. $5 y $4. Para fabricar una pieza A se necesitan 2
minutos en la mquina I. 1 minuto en la mquina II y 2 minutos en la
mquina III. Para una pieza B se necesita 1 minutos en la mquina
I. 3 minutos en la mquina II y 1 minuto en la mquina III. Para una
pieza C se necesitan 1 minuto en la mquina I. y 2 minutos en las
mquinas II y III. Existen 3 horas disponibles en la maquina I. 5
horas en la maquina II y 4 horas disponibles en la mquina III para
fabricar estos recuerdos diariamente. Cuntas unidades de cada
tipo debe fabricar al da la compaa para maximizar la ganancia?.
La compaa LACROSSE elabora dos modelos de enrejado para

chimenea de hierro forjado, el modelo A y el modelo B. La
produccin de un enrejado modelo A requiere 20 libras de hierro
forjado y 20 minutos trabajo mientras que un enrejado del modelo B
requiere 30 libras de hierro forjado y 15 minutos de trabajo. La
ganancia por un enrejado A es de $6 y $8 por un enrejado B. Se
dispone de 7200 libras de hierro forjado y 100 horas de trabajo por
semana. Debido a una holgura de produccin de la semana pasada,
el dueo ha decidido que no debe fabricar ms de 150 unidades del
modelo A esta semana. Cuntos enrejados de cada modelo debe
fabricar para maximizar las ganancias?
Una compaa fabricante de muebles para oficina est

introduciendo al mercado una nueva lnea de escritorios ejecutivos,
elaborados con una madera de nogal especial. En un principio, se
lanzaran al mercado tres modelos. A. B y C. Cada escritorio del
modelo A requiere 1 hora para produccin. 1 hora para montaje y 1
hora para acabados; por ltimo cada escritorio del modelo B
requiere 1.5 horas para produccin. 1 hora para montaje y 1 hora
para acabados; cada escritorio del modelo C requiere 1.5 horas

para produccin. 0.75 horas para montaje y 0.5 horas para
acabados. La ganancia unitaria es: A. $26: B. $28 y C. $24. Las
cantidades totales de tiempo disponible en los departamentos de
produccin, montaje y acabados en el primer mes de produccin
son 310, 205 y 190 horas, respectivamente. Para maximizar las
ganancias de la compaa. .Cuntos escritorios de cada modelo
deben producirse en este mes.
Un vivero desea aadir rboles frutales y orientales a sus cultivos

existentes. Por cada rbol frutal obtiene una ganancia de 6 dlares
y por los arbustos orientales 7 dlares. Cada rbol ocupa 2 metros
cuadrados y el arbusto 3 metros cuadrados para exhibicin, el
tiempo de exhibicin es 2 minutos para el rbol y 1 minuto para el
arbusto, las restricciones son mximo 12 metros cuadrados para
exhibicin y de 8 minutos. Determinar el nmero de rboles y
arbustos se deben exhibir para maximizar las ganancias.
Abel se dedica a la cra de patos y gansos. l es demasiado flojo

para mantener a ms de 30 aves en total y sin embargo desea
obtener la mxima ganancia posible. El costo de cra de cada pato y
de cada ganso es de 1000 y de 1500 respectivamente, y solo
cuenta con 40 000 para cubrir dicho costo. Si desea ganar 1500 por
cada pato y 2000 por cada ganso. Cuntos animales de cada
especie debe cuidar para obtener la mxima ganancia?
Una compaa minera trabaja con 2 minas, la una produce 20

toneladas de mineral A y 30 de B por da la segunda 15 de A y 35
de B. El A se vende a 17 dlares la tonelada y a 34 la tonelada de
B. Se puede vender a lo ms 630 toneladas de B mensualmente y
todo lo de A. No hay espacio para almacenar B y se trabaja con una
mina a la vez y no deben trabajar ms de 20 das al mes. Cuntos
das por mes para cada mina debe programar la compaa para
obtener el mximo ingreso por la venta del mineral

INVESTIGACIN OPERATIVA I Bibliografa
9. Bibliografa
Lopez, J. C. (2003). Programacion Dinamica. Colombia.
Marruete, M. (Julio de 2006). Programacin Dinamica. Argentina.
Sanguano, V. (2005). Investigacin Operativa. Quito, Pichincha,

Ecuador: Universidad Tecnologica America.
Sasieni, M. (2007). Investigacin de Operaciones. Mexico: AID.

INVESTIGACIN OPERATIVA I Anexos
10. Anexos

INVESTIGACIN OPERATIVA I Anexos

INVESTIGACIN OPERATIVA I Glosario
11. Glosario
Grafo: representacin grfica de un conjunto finito y no vaco de

elementos llamados vrtices.
Grafo orientado: Un grafo G es orientado, cuando sus aristas tienen

asignadas direcciones, o sea cuando existe una relacin de
precedencia entre los elementos. Sus puntos se llaman nodos, y
sus lneas arcos.
Cadena: Secuencia de aristas de G, tal que cada arista de la

secuencia tiene un extremo comn con el arco precedente y otra
con el siguiente.
Cadena simple: Es aquella que no repite aristas.

Sendero, es un camino elemental
Va: Es un camino cuyos arcos se pueden recorrer en su sentido
directo o contrario.
Multigrafo: Es un grafo no orientado con mltiples aristas entre

pares de nodos.
Grafo simple: Es un grafo sin bucles, sin mltiples aristas entre

pares de vrtices.
Grafo bipartito: Es un grafo cuyo conjunto de vrtices puede ser

particionado en dos clases.
Grafo Regular: Es aquel en el que todos sus vrtices tienen el

mismo grado.
Ciclo: es una cadena simple, cuyos dos vrtices extremos, iniciales

y terminal.
Ciclo Euleriano: Es aquel que incluye todas las aristas del grafo una
sola vez, conteniendo cada vrtice por lo menos una vez.
Cadena Euleriana: Es aquella que recorre todas las aristas una sola
vez ( = simple) tocando todos los vrtices del grafo.
2016-2016

Investigación Operativa I

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Investigación Operativa I

Caricato da

Copyright:

Formati disponibili

Instituto Tecnolgico Superior

El nombre de Investigacin Operativa fue dado aparentemente

Motivados por los resultados alentadores obtenidos por los equipos

Para eso reunieron a un grupo selecto de especialistas, los cuales

Al trmino de la guerra y atrados por los buenos resultados

Aunque se ha acreditado a Gran Bretaa la iniciacin de la

Tecnolgico Vida Nueva Pgina 4

Un segundo factor en el progreso impresionante de la Investigacin

Si no hubiera sido por la computadora digital, la Investigacin

Actualmente la Investigacin Operativa se est aplicando en

Aprobar la materia de Algebra

Resuelva los siguientes ejercicios:

Tecnolgico Vida Nueva Pgina 5

2. De x5-9x3+6x2-31 restar -11x4+31x3-8x2-19x

3. Factorizar: 1- 14x2y + 49x4y2

Tecnolgico Vida Nueva Pgina 6

4. Factorizar 16x2 8xy + y2

5. Dividir -m7 + 5m6n + 14m5n2 + 20m4n3 13m3n4 9m2n5 +

Tecnolgico Vida Nueva Pgina 7

6. Factorizar (3a4 5b2 )2

7. Factorizar (x2 + y2)(x2 y2)

Tecnolgico Vida Nueva Pgina 8

9. Dividir m2 11m +30 entre m - 6

Tecnolgico Vida Nueva Pgina 9

10. Dividir 11a3 3a5 46a2 + 32 entre 8 3a2 6

11. Desarrolle: (n 4)3

Tecnolgico Vida Nueva Pgina 10

12. grafique la funcin: y = x2 - 5x + 4

6. Orientaciones generales para el estudio

Para el desarrollo del proceso de aprendizaje, usted puede contar

El (la) estudiante para su aprendizaje debe utilizar el mdulo de

El (la) estudiante debe integrar los conocimientos adquiridos en las

Para el desarrollo de la presente asignatura, recuerde que consta

en la modalidad semi presencial corresponde a 32 horas de tutoras

En esta gua encontrar adems autoevaluaciones las cuales deben

Planificar adecuadamente las actividades diarias.

Tecnolgico Vida Nueva Pgina 12

A menudo se utiliza el trmino de Investigacin de Operaciones

Es muy notable el rpido crecimiento del tamao y la complejidad

La palpable dificultad de tomar decisiones ha hecho que el hombre

De la definicin de Investigacin Operativa, como veremos en el

Una organizacin puede entenderse como un sistema, en el cual

Tecnolgico Vida Nueva Pgina 13

importantes, o mejor dicho, no todas las interacciones tienen

Por lo tanto, es necesario que exista un procedimiento sistemtico

Una estructura por la que no fluye informacin no es dinmica, es

Los objetivos de toda organizacin sern siempre alcanzar el

Ante el tremendo avance que se ha dado en casi todas las ciencias

El enfoque de la Investigacin Operativa sigue las pautas del

suficientemente precisa de las caractersticas esenciales de la

La contribucin al enfoque de Investigacin Operativa proviene

i) La estructuracin de una situacin de la vida real como un

ii) El anlisis de la estructura de tales soluciones y el

iii) El desarrollo de una solucin, incluyendo la teora

El modelo matemtico trata de responder al problema de elegir los

Optimizar es la accin de llevar una cierta magnitud a su ptimo, o

Tecnolgico Vida Nueva Pgina 15

considera beneficioso o perjudicial, en cuyos casos respectivos se

Una clasificacin de modelos especialmente importante es el

Los modelos matemticos tienen muchas ventajas sobre una

Definicin de Investigacin Operativa

La Investigacin Operativa o Investigacin Operacional se puede

Tecnolgico Vida Nueva Pgina 16