2matematicas II

1
MATEMTICAS II
RAZONAMIENTO LGICO MATEMTICO PARA LA TOMA DE DECISIONES
Plan: 2011
Licenciatura: INFORMTICA rea: Matemticas Requisitos: Tipo de asignatura: Obligatoria (x)
Semestre:
Hrs. Asesora: Hrs. Por semana: Optativa ( )
AUTOR:
GUADALUPE PADILLA LVAREZ
TEMARIO OFICIAL
Horas 1. Introduccin a las evaluaciones de habilidades cuantitativas 2. Solucin de problemas y suficiencia de datos 3. Fundamentos para el anlisis matemtico 4. lgebra y tpicos especiales de matemticas 5. Mtodos cuantitativos aplicados a los negocios y la toma de decisiones 4 4 20 16 20
INTRODUCCIN
Bienvenido (-a) a la asignatura Razonamiento lgico matemtico para la toma de decisiones. En esta asignatura te guiaremos en forma coherente y coordinada para obtener un razonamiento lgico
matemtico y emplearlo para la toma de decisiones, es decir, para la eleccin del mejor curso de accin para lograr un objetivo, lo que es justamente una de las actividades propias de tu profesin. Por eso, es muy importante que emplees y desarrolles modelos matemticos que reflejen una problemtica real especfica en la que puedas plantear una serie de soluciones factibles para resolverlo.
En la unidad 1 se encuentran las bases del razonamiento lgico matemtico, creacin de modelos matemticos, procedimientos y tcnicas de resolucin.
En la unidad 2 se expondrn los mtodos para la resolucin de problemas junto con la justificacin de datos o sea, los pasos necesarios y suficientes para encontrar la solucin a problemas en menos tiempo. Por esta razn, sers capaz de crear modelos matemticos, despejar una o ms variables en sistemas lineales, cuadrticos, exponenciales y aplicars las leyes de los exponentes, la de los logaritmos y de las proporciones.
La unidad 3 presenta el anlisis matemtico, que es un conjunto de tcnicas que facilitan las comparaciones econmicas, contables, fsicas o de otra ndole.
La unidad 4 se refiere a la utilizacin de smbolos Algebraicos en las operaciones fundamentales como son la suma, la diferencia, el cociente, la multiplicacin, en las desigualdades y las relaciones que estos smbolos en los modelos Algebraicos (polinomios, funciones,
ecuaciones de primer grado, segundo, tercero y cuarto grado).
En la unidad 5 se utilizar el razonamiento lgico matemtico para la creacin de modelos hipotticos para su aplicacin en condiciones reales. Asimismo, se analizarn las tcnicas matemticas de solucin, como por ejemplo: la programacin lineal, el mtodo grafico, el mtodo simplex, los mtodos de transporte, el mtodo de asignacin y el control de inventarios son muy importantes para la toma de decisiones.
Esperamos que est asignatura te sea de mucha utilidad para la compresin de la Administracin, pero sobre todo, para que la puedas aplicar en tu ejercicio profesional con la seguridad de que las matemticas sern una herramienta til para la toma de decisiones econmicas. Comencemos!
OBJETIVO GENERAL
Que el alumno domine los fundamentos matemticos a fin de desarrollar habilidades de razonamiento lgico-matemtico que le permitan analizar situaciones hipotticas y de la vida real para la resolucin de problemas. Asimismo, ser capaz de acreditar evaluaciones de razonamiento matemtico y habilidades cuantitativas.
ESTRUCTURA CONCEPTUAL
RAZONAMIENTO LGICO MATEMTICO (RLM) PARA LA TOMA DE DECISIONES
1. Bases RML
2. Mtodos para resolucin de problemas con modelos matemticos
5. Utilizacin
4. lgebra
3. Anlisis matemtico Smbolos
Modelos
Operaciones
UNIDAD 1
INTRODUCCIN A LAS EVALUACIONES DE HABILIDADES CUANTITATIVAS
OBJETIVO
Proporcionar las bases terico-prcticas para que el alumno: Desarrolle habilidades de comprensin, anlisis y razonamiento matemtico para la resolucin de problemas de la vida real. Refuerce y domine los fundamentos de aritmtica, lgebra y geometra. Analice y resuelva problemas por medio de la lgica-matemtica. Aprenda a interpretar resultados de modelos matemticos para sustentar la toma de decisiones.
INTRODUCCIN
En tu ejercicio profesional como licenciado en Administracin, estars tomando decisiones relevantes no slo para ti, sino para un conjunto de personas y para la organizacin en que trabajes. Algunas veces, esas decisiones estarn debidamente planeadas, en ocasiones decidirs sobre la marcha del negocio o en situaciones de emergencia. Cualquiera que sea el caso, los modelos matemticos pueden ayudarte, pues en ellos puedes plantear los problemas u objetivos y eventualmente desarrollar las formas de solucionarlos, creando escenarios posibles.
Ahora bien, los modelos matemticos empleados para la toma de decisiones, pueden ahorrarte tiempo y evitar que pruebes alguna solucin al azar. Adems, te obligan a identificar todas las variables del problema a resolver y manejar con eficiencia los recursos que tengas a tu cargo.
Asimismo, los modelos matemticos te podrn auxiliar para controlar los resultados de una decisin, fincar responsabilidades y maximizar los beneficios financieros de un negocio.
10
Por esa razn, en esta primera unidad, estudiars todo lo relativo a la estructura y funcionamiento de las habilidades cuantitativas que debes poseer para llevar a cabo una excelente planeacin y un eficiente control. Analizars los ejercicios tipo problem solving, importantsimos para la resolucin de problemas repentinos y complejos, as como los ejercicios data sufficiency, en los cuales, la informacin juega un papel determinante.
LO QUE S
En qu consiste la Toma de Decisiones?
11
TEMARIO DETALLADO
1.1 Estructura y funcionamiento de las evaluaciones de habilidades cuantitativas. 1.1.1 Estructura de los ejercicios Problem Solving 1.1.2 Estructura de los ejercicios Data Sufficiency
12
1.1. Estructura y funcionamiento de las evaluaciones de

habilidades cuantitativas
En la fase de la planeacin se establecen las metas y objetivos de la entidad, as como la medicin de los resultados y se podra concluir que se est prediciendo el funcionamiento del negocio. Sin embargo, el administrador siempre se enfrentar a situaciones o problemas inesperados que requieran solucin rpida o que no tengan solucin aparente, para lo cual, se emplea el enfoque de solucin de problemas o problem solving.
Como se mencionaba en la introduccin a este tema, los modelos matemticos son utilizados como modelos estndar para la resolucin de problemas que ayudarn a garantizar que las decisiones sean racionales y lgicas, sobre todo, las que se tomen en situaciones de emergencia.
13
1.1.1. Problem solving

Para empezar, vamos a aclarar lo que entendemos por la resolucin de problemas y qu es la toma de decisiones, as como la manera en que se relacionan entre s. La resolucin de problemas (problem solving) es un conjunto de actividades destinadas a analizar una situacin sistemtica y generar, implementar y evaluar soluciones.
La toma de decisiones es un mecanismo de eleccin de alternativas en cada paso de la proceso. resolucin de problemas de
La toma de decisiones es parte de la solucin de problemas y se produce en cada paso del proceso de resolucin de problemas.
Cul es la estructura de los ejercicios o casos problem solving? Un ejercicio o un caso es una especie de problema que se emplean con frecuencia y que hacen referencia a contextos ajenos a las matemticas propiamente dichas, los que llevan dentro una cierta "historia", que se pueden contar. Sin embargo, la vida real y sobre todo, la profesin de los negocios implica la resolucin de problemas ms complejos que identifican variables y soluciones precisas que deben ser valuadas a travs de las matemticas.
14
Por lo tanto, un problema sera una cuestin a la que no es posible contestar por aplicacin directa de ningn resultado conocido con anterioridad, sino que para resolverlo es necesario poner en juego conocimientos administrativos, matemticos, etc., buscando relaciones nuevas entre ellos. Pero adems tiene que ser una cuestin que sea importante para la entidad y en la que estemos dispuestos a dedicarle tiempo y esfuerzo.
A continuacin, se muestran algunos aspectos por considerar al momento de plantear un problema matemtico:
Las situaciones existen en la realidad. Los problemas los distinguimos nosotros. Pasan a ese estatus cuando los asumimos como un reto y decidimos en consecuencia dedicarle tiempo y esfuerzos para procurar resolverlos.
La resolucin de un problema aade algo que ya se conoca; proporciona relaciones nuevas entre lo que ya se saba o aporta otros puntos de vista de situaciones ya conocidas. Supone el aporte de la chispa de la creatividad, aquella que aparece de vez en cuando, y que logra su cometido.
Una vez que tenemos un problema, los hay mejores y peores, vamos a referirnos a los rasgos que caracterizan a los buenos problem solving.
No son cuestiones con trampas ni acertijos. Deben tener aplicaciones. Representan un desafo.
15
Una vez resueltos apetece proponerlos a otras personas para que a su vez intenten resolverlos. Parecen a primera vista algo que se pueda abordar, no nos dejan bloqueados o sin capacidad de reaccin.
Para resolver problemas no existen frmulas mgicas; no hay un conjunto de procedimientos o mtodos que aplicndolos lleven necesariamente a la resolucin del problema (an en el caso de que tenga solucin). Pero de ah no hay que sacar una apreciacin ampliamente difundida en la sociedad, a saber: que la nica manera de resolver un problema es por "iluminacin".
Es evidente que hay personas que tienen ms capacidad para resolver problemas que otras de su misma edad y formacin parecida. Que suelen ser las que aplican (generalmente de una manera inconsciente) toda una serie de mtodos y mecanismos que suelen resultar especialmente indicados para abordar los problemas. Son los procesos que se llaman "heursticos": operaciones mentales que se manifiestan tpicamente tiles para resolver problemas. El conocimiento y la prctica de los mismos es justamente el objeto de la resolucin de problemas, y hace que sea una facultad, un apartado en el que se puede mejorar con la prctica. Pero para ello hay que conocer los procesos y aplicarlos de una forma planificada, con mtodo.
16
Es ya clsica, y bien conocida, la formulacin que hizo Plya (1953) de las cuatro etapas esenciales para la resolucin de un problema, que constituyen el punto de arranque de los ejercicios problem solving: 1. Comprender el problema. 2. Trazar un plan para resolverlo 3. Poner en prctica el plan 4. Comprobar los resultados
Dentro de las lneas de desarrollo de las ideas de Plya, Schoenfeld da una lista de tcnicas heursticas de uso frecuente, que agrupa en tres fases, y que extractamos:
Anlisis 1. Trazar un diagrama. 2. Examinar casos particulares. 3. Probar a simplificar el problema. Exploracin 1. Examinar problemas esencialmente equivalentes. 2. Examinar problemas ligeramente modificados. 3. Examinar problemas ampliamente modificados. Comprobacin de la solucin obtenida a. Verifica la solucin los criterios especficos siguientes? Utiliza todos los datos pertinentes? Est acorde con predicciones o estimaciones razonables? Resiste a ensayos de simetra, anlisis dimensional o cambio de escala? b. Verifica la solucin los criterios generales siguientes? Es posible obtener la misma solucin por otro mtodo? Puede quedar concretada en casos particulares? Es posible reducirla a resultados conocidos? Es posible utilizarla para generar algo ya conocido?
17
Finalmente, se hace una recopilacin de las estrategias ms frecuentes que se suelen utilizar en la resolucin de problemas: Ensayo-error Empezar por lo fcil, resolver un problema semejante ms sencillo. Manipular y experimentar manualmente. Descomponer el problema en pequeos problemas (simplificar). Experimentar y extraer pautas (inducir). Resolver problemas anlogos (analoga). Seguir un mtodo (organizacin). Hacer esquemas, tablas, dibujos (representacin). Hacer recuente (conteo). Utilizar un mtodo de expresin adecuado: verbal, Algebraico, grfico, numrico (codificar, expresin, comunicacin). Cambio de estados. Sacar partido de la simetra. Deducir y sacar conclusiones. Conjeturar. Analizar los casos lmite. Reformular el problema. Suponer que no (reduccin al absurdo). Empezar por el final (dar el problema por resuelto).
Algunos de los problemas ms antiguos que se conocen son de tipo aritmtico. Es tpico que se pida hallar una cantidad determinada por ciertas condiciones, o bien cumpliendo ciertos requisitos.
18
El siguiente problema pertenece a esta categora. Diofanto fue un notable matemtico griego que desarroll su actividad en Alejandra en el siglo III A.C. y del cual se conservan muy pocos datos biogrficos. Sin embargo se dice que su epitafio contena la siguiente inscripcin: Caminante: aqu yacen los restos de Diofanto. Y los nmeros pueden mostrar cun larga fue su vida, cuya sexta parte constituy su hermosa infancia. Haba transcurrido adems, una duodcima parte cuando sus mejillas se cubrieron de vello. Luego de una sptima parte se cas, y transcurrido un quinquenio le hizo dichoso el nacimiento de su primognito, cuya existencia dur tan slo la mitad de la de su padre. Luego de cuatro aos buscando consuelo en la ciencia de los nmeros, descendi Diofanto a la sepultura. Qu edad alcanz Diofanto? A qu edad se cas? Cuntos aos vivi su hijo?
Veamos si comprendemos bien el problema. Cul es la incgnita? El nmero de aos que vivi Diofanto (las preguntas restantes se responden fcilmente conociendo la respuesta a la primera).
Cules son los datos? Una serie de informaciones sobre las etapas sucesivas de su vida, desde su infancia hasta su muerte.
Ahora debemos concebir un plan. Te has encontrado con un problema semejante? Es de esperar que s, ya que la mayora de los problemas resueltos por mtodos Algebraicos elementales son semejantes.
19
El plan general consiste en escribir ecuaciones que reflejen las condiciones planteadas, resolver el sistema resultante e interpretar las soluciones obtenidas en el contexto original del problema.
Llamemos x al nmero de aos vividos por Diofanto. Esta cantidad debe ser igual a la suma de las duraciones de las etapas de su vida, a saber: su infancia (x=6), la duodcima parte transcurrida hasta que le sali barba (x=12), los aos transcurridos hasta que contrajo matrimonio (x=7), los aos transcurridos hasta que naci su primognito (5), los aos que ste vivi (x=2) y los 4 aos que Diofanto le sobrevivi. Por lo tanto escribimos:
x = x/6+ x/12+ x/7+ x/5 + x/2+ 4
El resultado es 42 aos
1.1.2. Data Sufficiency

Los ejercicios de suficiencia de datos sirven para poner a prueba tu capacidad de "razonar cuantitativamente". Esto est en contraste con la solucin de problemas, que est diseada para evaluar qu tan bien se manipulan nmeros. Si te encuentras haciendo un montn de clculos numricos sobre las cuestiones de suficiencia de datos, estars haciendo algo incorrecto.
20
Adems del empleo de la aritmtica bsica, en estos ejercicios puedes esperar preguntas que pongan a prueba tu conocimiento de los promedios, fracciones, decimales, lgebra, factorizacin, y los principios bsicos de la geometra, como tringulos, crculos, y la forma de determinar las reas y volmenes de formas geomtricas simples (cuadrados, rectngulos, crculos, etc.)
En la Administracin, el planteamiento de problemas de suficiencia de datos es de gran importancia, ya que requiere que pongas en accin los conocimientos que vas adquiriendo y los plasmes como una solucin matemtica.
En la siguiente unidad podrs resolver algunos ejercicios de problem solving y suficiencia de datos.
21
RESUMEN
En esta unidad hemos estudiado la importancia que tienen los modelos matemticos para la administracin, en especfico, cuando se habla de la fase de planeacin.
La planeacin implica establecer la misin, objetivos y las estrategias del negocio. En este sentido, se necesita de un cmulo de informacin y de modelos que sinteticen lo que se espera del futuro. Es aqu en donde hacen su entrada los modelos matemticos y la expresin numrica explica a la perfeccin los resultados probables.
Aqu se estudi el razonamiento matemtico, que no es otra cosa que la lgica al formular modelos y al resolverlos, pero adems, esta lgica consiste en interpretar los resultados y darles un sentido prctico.
Primeramente analizamos los ejercicios problem solving o resolucin de problemas, los cuales se caracterizan por incluir una serie de variables en el modelo y obtener un solo resultado probable. Tambin se mencion que este tipo de ejercicios ayuda al licenciado en Administracin en la resolucin de problemas inesperados.
22
Posteriormente se habl de los ejercicios de suficiencia de datos ( data Sufficiency) en los cuales se pueden obtener varios resultados a partir de dos condicionantes o criterios. En este tipo de ejercicio se pone de manifiesto, el conocimiento que adquiere el administrador, tanto de su empresa, como de su entorno.
23
GLOSARIO
Alternativa Curso de accin posible para la resolucin de un problema.
Anlisis dimensional Parte de la fsica que estudia cmo se relacionan las distintas magnitudes.
Analoga Semejanza o afinidad entre dos o ms casos.
Aritmtica Es una rama de las matemticas que se encarga de estudiar las estructuras numricas elementales, as como las propiedades de las operaciones y los nmeros en s mismos en su concepto ms profundo, construyendo lo que se conoce como teora de nmeros.
Criterios Es una regla o condicin o un juicio de valor para la eleccin de una alternativa.
24
Diagramas Es la representacin grfica de una frmula o ecuacin matemtica.
Ejercicios data sufficiency Tambin llamados, ejercicios de suficiencia de datos, son aquellos en los que se presentan dos o ms condiciones o criterios, que limitan la resolucin de un problema. Son ejercicios de aplicacin de
conocimientos.
Ejercicios problem solving Son ejercicios que permiten trasmitir informacin, discutir y evaluar un resultado.
Ensayo-error Prueba en la que se experimenta con distintas variables o elementos al azar.
Escala Unidad de medicin asignada a un objeto o elemento.
Escenarios Son las situaciones previstas en las que puede ocurrir una alternativa.
Geometra Rama de las matemticas que se ocupa de estudiar las figuras y situarlas dentro de un plano.
Habilidades cuantitativas
25
Capacidad de una persona para plasmar un problema o un objetivo en un modelo matemtico.
Induccin Situacin de estudio que parte de hechos particulares para llegar a una conclusin general, ampliando el conocimiento.
Objetivo Es la finalidad esperada en la que se invierten recursos, dinero y tiempo.
Planeacin Es la fase del proceso administrativo en la que se delimitan y miden los objetivos, as como la forma de lograrlos.
Problemas Son eventualidades que requieren de solucin.
Resultados Representan el logro o la conclusin de una alternativa elegida o de un problema planteado.
Simplificacin Capacidad de sintetizar un problema.
26
Simetra En matemticas tiene varias acepciones, la comn de ellas se refiere al hecho de que la solucin de un problema se logra por la aplicacin de dos operaciones distintas.
Toma de decisiones Proceso racional para la eleccin de una alternativa que resuelva un problema o que logre un objetivo.
27
ACTIVIDADES DE APRENDIZAJE
ACTIVIDAD 1 Elabora un mapa conceptual de los temas tratados en la unidad.
ACTIVIDAD 2 Elabora un cuadro comparativo en el que incluyas las diferencias entre ejercicios de problem solving y data sufficiency
28
CUESTIONARIO DE REFORZAMIENTO
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. En qu consiste la planeacin? Qu es un objetivo? Qu es un problema? En qu consiste la toma de decisiones? Qu es una alternativa? Qu es un modelo matemtico? En qu consisten los ejercicios problem solving? Qu es la informacin? En qu consisten los ejercicios data sufficiency? En qu consiste la medicin de resultados?
LO QUE APREND
LO QUE APREND Cules son las caractersticas de los modelos matemticos?
29
EXAMEN DE AUTOEVALUACIN
I. Lee los siguientes enunciados y contesta si son falsos (F) o verdaderos (T). 1. La toma de decisiones administrativa prescinde de los modelos matemticos: ( ) 2. Es posible la elaboracin de modelos matemticos a partir de los problemas administrativos: ( ) 3. Un ejercicio matemtico de problem solving, implica un resultado posible: ( ) 4. Un ejercicio matemtico de data sufficiency implica la aplicacin de los conocimientos adquiridos en una disciplina: ( ) 5. Un ejercicio de data sufficiency se encuentra condicionado por limitantes: ( )
30
MESOGRAFA
BIBLIOGRAFA RECOMENDADA
Autor Arya (2009) Kowalsky (1989) Captulo 1 1 Pginas 1-58 7-30
BIBLIOGRAFA BSICA
Arya, J.C. y R.W. Lardner. (2009). Matemticas aplicadas a la administracin y a la economa, 5 ed., Mxico, Prentice-Hall, 818 pp Budnick, F. (2007). Matemticas aplicadas para administracin,
economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp. Burden, L. y Faires J., (2011), Anlisis numrico, 9 ed., Mxico, Cengage Learning, 888 pp. Kaufmann, Jerome E. (2010). lgebra, 8 ed., Mxico, Cengage Learning, 920 pp. Kowalsky, Robert. (1989). Lgica, programacin e inteligencia artificial, Madrid, Daz de Santos, 546 pp.
31
Prawda, Juan. (2004). Mtodos y modelos de investigacin de operaciones I, Mxico, Limusa, 785 pp. Render, Barry. (2006). Mtodos cuantitativos para los negocios, 9 ed., Mxico: Pearson, 731 pp. Swokowski, Earl W. (2009). lgebra y trigonometra con geometra analtica, 12 ed., Mxico, Cengage Learning, 1032 pp. Wayne, Winston. 82005). Investigacin de operaciones, aplicaciones y algoritmos. Mxico, Thompson, 831 pp.
BIBLIOGRAFA COMPLEMENTARIA
Cheney W. y Kincaid D. (2011). Mtodos numricos y computacin, 6 edicin Mxico: Cengage Learning, 792 pp. Dulan, Steven W., GMAT exam prep, Indianapolis: Pearson Education, 2007, 418 pp. Graduate Management Admission Council, GMA. (2008). Course Book, Kaplan, Nueva York, NY, 449 pp. Harshbarger Ronald J. (2005). Matemticas aplicadas a la
administracin, economa y ciencias sociales, 7 ed., Mxico, McGraw-Hill Interamericana, 959 pp. Martz, Geoff. (2007). Cracking the GMAT, Nueva York, Random House, 535 pp. GMAT. (2009). The official guide for GMAT review, 12 ed., Wiley, Hoboken, NJ, 840 pp. Pyla, George. (1953). How to solve it, a new aspect of a mathematical method. Princeton, Princeton University Press
32
SITIOS DE INTERS
CEPECH, Tutorial Nivel Medio. Disponible en lnea:
http://es.scribd.com/doc/35032058/Suficiencia-de-Datos. (Consultado el 4 de abril de 2011). Senz, Pablo, Aprendizaje Basado en Resolucin de Problemas en Ingeniera Informtica, disponible en lnea: (Consultado
http://www.citrevistas.cl/revista-formacion/v1n2fu/art02.pdf el 2 de abril de 2011).
Ponciano, L. Math Problem Solving Strategies. Disponible en lnea: http://www.erusd.k12.ca.us/ProjectAlphaWeb/index_files/PR/Problem%2 0Solving%20Strategies.pdf. (Consultado el 3 de abril de 2011). Vilanova, Silvia, La educacin Matemtica, el papel de la resolucin de problemas en el aprendizaje, disponible en ln ea:
http://www.rieoei.org/deloslectores/203Vilanova.PDF, (Consultado el 1 de abril de 2011).
33
UNIDAD 2
SOLUCIN DE PROBLEMAS Y SUFICIENCIA DE DATOS
34
OBJETIVO
Que el alumno analice y resuelva problemas por medio de la lgicamatemtica.
INTRODUCCIN
Resolver problemas de matemticas es una de las herramientas fundamentales de las sociedades avanzadas, en cuyo aprendizaje las escuelas invierten buena parte de su tiempo y esfuerzo. Podra considerarse, junto a la lectura, una de las capacidades que se han tratado de universalizar. Sin embargo, con frecuencia se conocen indicadores que sealan que las personas muestran un nivel bajo en matemticas en general as como en resolucin de problemas.
Cules pueden ser los motivos de este preocupantemente bajo nivel de rendimiento? Uno de los motivos podra ser que a pesar de que esta tarea pudiera parecer relativamente sencilla desde el punto de vista del conocimiento, los procesos implicados en la resolucin de problemas matemticos son muchos y muy complejos. Otro motivo, estrechamente relacionado con el anterior, podra ser que en las clases o en los cursos de capacitacin se presentan los problemas de matemticas de una manera muy dirigida, limitando el proceso de resolucin en sus aspectos
35
estrictamente matemticos, de manera que potencia el desarrollo de los procesos vinculados a los conocimientos estrictamente matemticos a la vez que relega otros, relacionados con la aplicacin de otros tipos de conocimiento y que en ocasiones son igualmente importantes.
En esta unidad queremos presentarte los problemas de matemticas como una tarea de aplicacin de conocimientos no slo matemticos, sino tambin sobre el mundo real de los negocios y de sentido comn, que son necesarios para una comprensin genuina de la situacin descrita por el problema y para la toma de decisiones.
Entonces, el objetivo de esta unidad es doble. Por un lado, revisaremos los modelos de resolucin de problemas (problem solving) que incluyen esta comprensin situacional como parte del proceso de resolucin, y la suficiencia de datos (Data Sufficiency), los cuales marcan la aplicacin de conocimientos y la correcta interpretacin de los resultados.
LO QUE S
Por qu son importantes los modelos matemticos?
36
TEMARIO DETALLADO
2.1 Anlisis, comprensin y resolucin de ejercicios Problem Solving 2.2 Anlisis, comprensin y resolucin de ejercicios de suficiencia de datos (Data Sufficiency)
37
2.1. Anlisis, comprensin y resolucin de ejercicios Problem Solving

Antes de comenzar, es indispensable indicarte que los ejercicios de problem solving y data sufficiency requieren de conocimientos tcnicos en lgebra elemental, aritmtica y geometra. En lo que queremos hacer nfasis es en el planteamiento de estos problemas y la aplicacin de los conocimientos administrativos.
Para aprender a resolver problemas, a lo largo de su trayectoria profesional, el administrador habr de enfrentarse a diferentes tareas matemticas. Para resolver algunas de ellas necesitar conocimientos exclusivamente matemticos, mientras que para resolver otras, adems de esos conocimientos administrativos, e informacin acerca del mundo real, adquiridos a travs de su experiencia. De esta manera, los problemas matemticos que los administradores deben resolver en las tareas habituales pueden clasificarse en funcin de la relevancia que adquiere para resolverlos.
38
Veamos cmo se plantean los problemas y la solucin a los mismos: Cuntos minutos faltan para el medioda, si hace 8 minutos faltaban 9/5 de lo que falta ahora?
Si llamamos x a los minutos que faltan para el medioda, entonces:
x + 8 =(9/5)x
por tanto x = 10
Halla las soluciones reales del sistema de ecuaciones siguiente: x+y=1 x5 + y5 = 31
Por ejemplo, estas ecuaciones pueden representar una combinacin de productos, o de procesos, o puede tratarse de dos zonas geogrficas.
Divida la segunda ecuacin entre la primera y trate de llegar a una ecuacin de segundo grado en xy. La solucin es: x = 2, y = -1 x = -1 y=2
39
2.2 Anlisis, comprensin y

resolucin de ejercicios de suficiencia de datos (Data Sufficiency)
Como habamos comentado en la unidad anterior, estos problemas implican la aplicacin de conocimientos y las respuestas se encuentran condicionadas a los datos disponibles en el planteamiento. Estos ejercicios estn generalmente compuestos por un problema y dos premisas que contienen datos aclaratorios para poder resolver el problema. Debers analizar el problema y las dos premisas para elegir qu opcin es suficiente para resolverlo.
Las opciones entre las que debers elegir son: a) Si SOLO la premisa (1) es suficiente, pero la premisa (2) solamente no es suficiente para resolver el problema. b) Si SOLO la premisa (2) es suficiente, pero la premisa (1) solamente no es suficiente para resolver el problema c) Si AMBAS premisas (1) y (2) JUNTAS son suficientes para resolver el problema, pero NINGUNA considerada en forma individual lo es.
40
d) Si CADA premisa considerada en forma INDIVIDUAL puede resolver el problema. e) Si las premisas JUNTAS (1) y (2) NO son suficientes para resolver el problema y se necesitan datos adicionales.
En estos ejercicios no se te pide entonces un valor sino que analices los datos dados; debers determinar si tienes informacin suficiente para resolver el problema.
Las estrategias bsicas para hacer frente a los problemas de suficiencia de datos son los siguientes. Conoce las opciones de respuesta Procura mantener los datos independientes Simplifica la cuestin y los datos Evita clculos innecesarios Utiliza un proceso de eliminacin Conoce el "trampas"
Ejemplo Un carro fue vendido originalmente en $3,000.00. Despus de un mes, el valor del carro disminuy en un x%. Posteriormente, en el siguiente mes, el precio del carro disminuy y%.
El precio del carro despus de estas disminuciones, asciende a menos de $2,600? (1) y= 10 (2) x= 15
41
1. Si SOLO la premisa (1) es suficiente, pero la premisa (2) solamente no es suficiente para resolver el problema. 2. Si SOLO la premisa (2) es suficiente, pero la premisa (1) solamente no es suficiente para resolver el problema 3. Si AMBAS premisas (1) y (2) JUNTAS son suficientes para resolver el problema, pero NINGUNA considerada en forma individual lo es. 4. Si CADA premisa considerada en forma INDIVIDUAL puede resolver el problema. 5. Si las premisas JUNTAS (1) y (2) NO son suficientes para resolver el problema y se necesitan datos adicionales.
Solucin
La primera premisa no es suficiente para resolverlo, porque sabiendo que el segundo descuento es de 10%, si el primero fuese del 1%, no sera menor a $2600; en cambio si fuera mayor, s llegara a menos de ese valor.
Con la segunda premisa s se puede resolver porque al aplicar ese primer descuento, el precio del auto ya se va por debajo de $2600, de modo que no interesa qu descuento se le aplique despus.
Por lo tanto la respuesta es 2.
42
RESUMEN
En la presente unidad, hemos estudiado la manera en que se resuelven los ejercicios de problem solving y data sufficiency, revisando algunas caractersticas de ambos.
Para los ejercicios de problem solving, es necesario establecer un modelo matemtico que represente la realidad de alguna situacin empresarial que se tenga que resolver, ya que una funcin principal de la administracin consiste en resolver problemas. El mundo real, fsico y social, en el que vivimos, nos presenta toda suerte de enigmas, acertijos, lmites, dilemas, cuestionamientos, obstculos e impedimentos, todo lo cual es necesario sortear para continuar con la operacin, en este caso, de un negocio.
Como primer paso de la resolucin de un problema, debemos encontrar la manera de describir, explicar o an predecir la parte de la realidad en la que reside el problema. Lo que podrs notar al principio y que tratamos en esta unidad, es que nuestro juicio se va desarrollando dentro de nuestra mente y que no podemos introducir porciones importantes de la realidad en nuestra cabeza. Y, puesto que la realidad permanece en el exterior, lo nico que podemos hacer es crear ideas o pensamientos acerca de la realidad. As pues, nuestros pensamientos
43
son abstracciones de la realidad que pueden plasmarse en un modelo, que puede ser matemtico.
Para poder resolver este problema o este modelo, necesitamos una serie de datos que se concentraran en una sola respuesta o solucin, que ese es el centro de estudio para la resolucin de ejercicios de problem solving.
Respecto a los ejercicios de data sufficiency, que tambin son modelos matemticos y que tambin requieren de informacin, la solucin est dada por una serie de condicionantes que hacen que el razonamiento lgico llegue a todo su esplendor, ya que lo que analizamos al resolverlos no es el resultado en s, sino que los datos sean suficientes para darle respuesta a un cuestionamiento.
As, hemos dejado evidentes las caractersticas de estos ejercicios y la forma en que deben solucionarse. En la siguiente unidad estudiaremos las premisas o fundamentos matemticos en los que descansan los modelos matemticos.
44
GLOSARIO
lgebra Rama de las matemticas que estudia las estructuras, las relaciones y las cantidades.
Datos independientes Son datos asignados al azar.
Ejercicios data sufficiency Tambin llamados, ejercicios de suficiencia de datos, son aquellos en los que se presentan dos o ms condiciones o criterios, que limitan la resolucin de un problema. Son ejercicios de aplicacin de conocimientos.
45
Ejercicios problem solving Son ejercicios que permiten trasmitir informacin, discutir y evaluar un resultado.
Geometra Rama de las matemticas que se ocupa de estudiar las figuras y situarlas dentro de un plano.
Premisas Es el conjunto de enunciados lgicos en los que se basa la conclusin o resolucin de un problema.
Problemas matemticos Planteamientos matemticos que representan la realidad de un hecho u objeto y que requieren de una solucin numrica.
46
Resuelve los siguientes ejercicios ACTIVIDAD 1 Una persona debe recorrer 12.3 kilmetros y ha caminado 7.850 metros. Cunto le falta por recorrer? a) 4.45 km b) 4.55 km c) 5.55 km d) 5.45 km e) 6.62 km
47
ACTIVIDAD 2 En una tienda hacen un descuento de un 15% de la mitad del precio marcado de una mercanca. Si el producto tiene un precio marcado de $600, cunto descuentan? a) $ 555 b) $ 510 c) $ 255 d) $ 45 e) $ 90
ACTIVIDAD 3 Es x > 0? (1) X2 >0 (2) X3 >0 a) (1) es suficiente, pero la (2) por s sola no es suficiente. b) (2) es suficiente, pero la (1) por s sola no es suficiente c) Las dos juntas son suficientes, pero no bastan por s solas. d) Cada declaracin por separado es suficiente. e) (1) y (2) juntas no son suficientes
48
1. Cules son las caractersticas de los ejercicios de Problem Solving? 2. Cul es la utilidad de los ejercicios de Problem Solving para la Administracin? 3. Por qu los ejercicios de Problem Solving incluyen una sola respuesta? 4. Cuntas premisas deben contener los ejercicios Problem Solving? 5. Menciona el proceso de resolucin de ejercicios Problem Solving. 6. Cules son las caractersticas de los ejercicios de Data Sufficiency? 7. Cul es la utilidad de los ejercicios de Data Sufficiency para la administracin? 8. Cuntas premisas deben contener los problemas de Data Sufficiency? 9. Qu son las condiciones en los problemas de Data Sufficiency? 10. Menciona las estrategias para resolver un problema de Data Sufficiency.
49
LO QUE APREND
En qu consisten los ejercicios Problem Solving y Data Sufficiency ?
I. Resuelve los siguientes ejercicios 1. En un balneario, hay 2,500 residentes permanentes. En el mes de febrero, de cada seis personas solo una es residente permanente, cuntas personas hay en febrero? a) 416 b) 4.000 c) 12.500 d) 15.000 e) 17.500
50
2. La tabla adjunta muestra la temperatura a distintas horas de un da de verano.
Entonces,
cul(es)
de
las
siguientes
afirmaciones
es
(son)
verdadera(s)? I) La mxima temperatura se registra a las 14 horas. II) Para 8 t 14, la temperatura de la tabla est dada por T(t) = 12 + 3t. III) Para 14 t 20, la temperatura de la tabla est dada por T(t) = 30 (t 14). a) Slo I b) Slo I y II c) Slo I y III d) Slo II y III e) I, II y III 3. Jorge compr tres artculos distintos en $ (4a + b). El primero le cost $ a y el segundo $ (2a b). Cunto le cost el tercero? a) $ a b) $ 7a c) $ (3a b) d) $ (3a + 2b) e) $ (a + 2b)
4. En un local de flores se venden claveles por unidades. Juan y Luis compran en el local 1 ramo de claveles cada uno. El ramo de Juan
51
tiene 12 claveles y le cost $ a. Cunto pag Luis por su ramo si tiene 4 claveles ms que el de Juan? a) 4a b) 16a c) 3a d) 4a3 e) 3a4
5. P y Q en conjunto tienen un capital de $ 10.000.000, se puede determinar el capital de Q si: (1) Los capitales de P y Q estn en razn de 3:2 (2) P tiene $ 2.000.000 ms que Q a) (1) por s sola b) (2) por s sola c) Ambas juntas, (1) y (2) d) Cada una por s sola, (1) (2) e) Se requiere informacin adicional
6. Se puede concluir que x es un nmero negativo si se sabe que:
(1) 4x es negativo. (2) x 3 es negativo. a) (1) por s sola b) (2) por s sola c) Ambas juntas, (1) y (2) d) Cada una por s sola, (1) (2) e) Se requiere informacin adicional
7. Cecilia tiene dos hijos. Ella es 25 aos mayor que su hijo menor. Se
puede determinar la edad de Cecilia si:
52
(1) Entre sus dos hijos suman la edad de ella. (2) La diferencia de edad de sus hijos es de 5 aos. a) (1) por s sola b) (2) por s sola c) Ambas juntas, (1) y (2) d) Cada una por s sola, (1) (2) e) Se requiere informacin adicional
53
MESOGRAFA
Autor Arya (2009) Kowalski (1989) Wayne (2005) 1 9 1 7-30 247-264 1-10 Captulo 1 Pginas 1-58
BIBLIOGRAFA BSICA
Arya, J.C. y R.W. Lardner. (2009). Matemticas aplicadas a la administracin y a la economa, 5 ed., Mxico, Prentice-Hall, 818 pp Budnick, F. (2007). Matemticas aplicadas para administracin,
economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp.
54
Burden, L. y Faires J., (2011), Anlisis numrico, 9 ed., Mxico, Cengage Learning, 888 pp. Kaufmann, Jerome E. (2010). lgebra, 8 ed., Mxico, Cengage Learning, 920 pp. Kowalsky, Robert. (1989). Lgica, programacin e inteligencia artificial, Madrid, Daz de Santos, 546 pp. Prawda, Juan. (2004). Mtodos y modelos de investigacin de operaciones I, Mxico, Limusa, 785 pp. Render, Barry. (2006). Mtodos cuantitativos para los negocios, 9 ed., Mxico: Pearson, 731 pp. Swokowski, Earl W. (2009). lgebra y trigonometra con geometra analtica, 12 ed., Mxico, Cengage Learning, 1032 pp. Wayne, Winston. (2005). Investigacin de operaciones, aplicaciones y algoritmos. Mxico, Thompson, 831 pp.
administracin, economa y ciencias sociales, 7 ed., Mxico, McGrawHill Interamericana, 959 pp.
55
Martz, Geoff. (2007). Cracking the GMAT, Nueva York, Random House, 535 pp. GMAT. (2009). The official guide for GMAT review, 12 ed., Wiley, Hoboken, NJ, 840 pp.
SITIOS DE INTERS
http://es.scribd.com/doc/35032058/Suficiencia-de-Datos. (Consultado el 4 de abril de 2011). Senz, Pablo, Aprendizaje Basado en Resolucin de Problemas en Ingeniera Informtica, disponible en lnea:
http://www.citrevistas.cl/revistaformacion/v1n2fu/art02.pdf (Consultado el 2 de abril de 2011). Ponciano, L. Math Problem Solving Strategies. Disponible en lnea: http://www.erusd.k12.ca.us/ProjectAlphaWeb/index_files/ PR/Problem%20Solving%20Strategies.pdf. (Consultado el 3 de abril de 2011). Vilanova, Silvia, La educacin Matemtica, el papel de la resolucin de problemas en el aprendizaje, disponible en lnea: http://www.rieoei.org/deloslectores/203Vilanova.PDF, (Consultado el 1 de abril de 2011).
56
UNIDAD 3
FUNDAMENTOS PARA EL ANLISIS MATEMTICO
57
OBJETIVO PARTICULAR
Al finalizar el estudio de la presente unidad, el alumno ser capaz de identificar y poner en prctica, los fundamentos del anlisis matemtico para la resolucin de problemas y la suficiencia de datos.
58
INTRODUCCIN
Las matemticas se rigen por una serie de principios que comprueban la realidad de algo tangible o de algn evento. En la Administracin, el conocimiento de estos principios es fundamental para el planteamiento de problemas y modelos matemticos.
Ahora que hemos llegado al punto de concentrar nuestra atencin en los modelos matemticos, es necesario preguntarse cmo se plantean?, qu reglas deben seguirse para que representar a la realidad?
Estas reglas se encuentran concentradas en las ramas de las matemticas, esencialmente en la aritmtica, lgebra y geometra.
Para entender de primera vista lo anterior, es necesario clasificar los tipos de modelos matemticos: a) Modelos cuantitativos. Consiste en construir modelos con smbolos y variables que representan nmeros. b) Modelos cualitativos. Representaciones de la realidad en la que la mayor parte de las variables o smbolos son de carcter cualitativo o no-numricos, como es el caso de la teora de conjuntos.
59
OBJETIVO
Al finalizar el estudio de la presente unidad, el alumno ser capaz de identificar y poner en prctica, los fundamentos del anlisis matemtico para la resolucin de problemas y la suficiencia de datos. c) Modelos probabilsticos. Son los que estn basados en la estadstica y probabilidad, en los cuales introducimos los riesgos que por lo general acompaan nuestras observaciones de acontecimientos o eventos reales. d) Modelos determinados. Es el modelo matemtico que considera probabilidades. e) Modelo confeccionado. Se emplea para describir las frmulas matemticas estndares para los problemas que se ensean en las escuelas como tcnicas y mediante los cuales todo lo que se necesita es sustituir los valores para obtener una respuesta. Este es el caso de los ejercicios problem solving. f) Modelo hecho a la medida. Es aquel que se construye sin tener ninguna frmula estndar que se ajuste con exactitud a su problema y se procede a fabricar una frmula especficamente adaptada al caso. Esta es la caracterstica fundamental de los problemas de data sufficiency.
60
g)
Modelos descriptivos. Se emplean como su nombre lo indica, para describir una situacin en el mundo real en trminos matemticos. Esta descripcin puede utilizarse para exponer una situacin con mayor claridad.
h)
Modelo optimizador. Es el ideado especficamente para elegir entre muchas alternativas, de acuerdo con ciertos criterios, que forman parte del modelo.
Toda vez que hemos hecho este recuento de los tipos de modelos matemticos que existen, podemos proceder a analizar sus
componentes o reglas.
En la presente unidad, estudiaremos todo lo relacionado con el anlisis matemtico. Iniciaremos con anlisis aritmtico (comportamientos lineales), anlisis Algebraico (ecuaciones) y despus estudiaremos el anlisis geomtrico (comportamientos exponenciales).
LO QUE S
LO QUE S En qu consiste el anlisis matemtico?
61
TEMARIO DETALLADO
3.1 Principios del anlisis aritmtico 3.1.1Resolucin de ejercicios Problem Solving y Data Sufficiency con: Propiedades de los nmeros Fracciones y decimales Escalas y proporciones Exponentes y radicales 3.2 Principios del anlisis Algebraico 3.2.1 Resolucin de ejercicios Problem Solving y Data Sufficiency con: Simplificacin Algebraica, polinomios y factorizacin Ecuaciones lineales, inecuaciones, sistemas de ecuaciones y ecuaciones cuadrticas 3.3 Principios del anlisis geomtrico 3.3.1 Resolucin de ejercicios Problem Solving y Data Sufficiency con: Lneas, ngulos, reas y permetros Tringulos, polgonos y circunferencias
62
3.1. Principios del anlisis aritmtico

Para comenzar, hay que definir lo que es el anlisis matemtico:
El anlisis matemtico es una rama de las matemticas que estudia los nmeros reales, los complejos y sus funciones. Se empieza a desarrollar a partir del inicio de la formulacin rigurosa del clculo y estudia conceptos como la continuidad, la integracin y la diferenciacin de diversas formas.
Dentro del anlisis matemtico est el anlisis aritmtico que se refiere a las propiedades de los nmeros reales y las operaciones fundamentales.
Propiedades de los nmeros reales Un nmero real es un nmero racional o irracional que consta de todos los decimales.
Los nmeros 1, 2, 3,
, reciben el nombre de nmeros naturales. Con
ellos se realizan dos operaciones, la suma de nmeros naturales y el producto de nmeros naturales, que dan como resultado otro nmero natural perfectamente definido. Para dos nmeros naturales
63
cualesquiera m y n, su suma suele representarse por m+n y su producto por mn o mn (si no hay lugar a confusin). Si denotamos con N el conjunto de todos los nmeros naturales, podemos pensar en la suma y el producto como aplicaciones del producto cartesiano NN en N: + : NN " N, : NN " N. (m,n) " m+n (m,n) " mn
Hay cuatro propiedades bsicas de los nmeros: conmutativa, asociativa, distributiva, y de identidad. Debers familiarizarse con cada una de stas. Es especialmente importante comprender estas
propiedades una vez que se llegue a la matemtica avanzada y al clculo.
Propiedad Conmutativa a) Suma. Cuando dos nmeros se suman, la suma es la misma sin importar el orden en el cual los nmeros son sumados. 3+5=8 5+3=8
b) Multiplicacin. Cuando dos nmeros son multiplicados juntos, el producto es el mismo sin importar el orden de los factores. 3 x 5 = 15 5 x 3 = 15
Propiedad Asociativa a) Suma. Cuando se suman tres o ms nmeros, la suma es la misma sin importar el modo en el que los nmeros son agrupados. 6 + (4 + 3) = 13 (6 + 4) + 3 = 13
b) Multiplicacin. Cuando se multiplican tres o ms nmeros, el producto es el mismo sin importar la manera en la que se agrupan los nmeros.
64
6 x (4 x 3) = 72 (6 x 4) x 3 = 72
Propiedad Distributiva La suma de dos nmeros multiplicada por un tercer nmero es igual a la suma de cada sumando multiplicado por el tercer nmero. 5 x (7 + 2) = 45 5 x 7 + 5 x 2 = 45
Propiedad de Identidad
a) Suma. La suma de cualquier nmero y cero da como resultado el mismo nmero. 12 + 0 = 12
b) Multiplicacin, El producto de cualquier nmero y uno da como resultado ese mismo nmero. 18 x 1 = 18
El saber estas propiedades de los nmeros te ayudar a mejorar tu entendimiento y dominio de la matemtica.
A continuacin describimos las propiedades fundamentales de estas operaciones (m, n, p representan nmeros naturales cualesquiera): Propiedad asociativa de la suma: (m+n)+ p = m+(n+ p). Propiedad conmutativa de la suma: m+n = n+m. Propiedad asociativa del producto: (mn)p = m(np). Propiedad conmutativa del producto: mn = nm. Elemento neutro (identidad) para el producto: hay un nmero natural, que denotamos por 1, tal que 1 n = n 1 = n.
65
Propiedad distributiva del producto respecto de la suma: m(n+ p) = mn+mp.
Se puede asimismo comparar el tamao de dos nmeros naturales cualesquiera y establecer as una relacin de orden en N. Suele escribirse m #n para indicar que m es menor o igual que n (o lo que es lo mismo, que n es mayor o igual que m, lo que tambin se escribe n $ m); y se escribe m < n (o n > m) para expresar que m es estrictamente menor que n, es decir, que m es menor (y distinto) que n.
Esta relacin cumple las siguientes propiedades (m, n, p representan nmeros naturales cualesquiera): Propiedad reflexiva: m # m. Propiedad antisimtrica: si m # n y n # m, entonces m = n. Propiedad transitiva: si m # n y n # p, entonces m # p. Propiedad de orden total: siempre es m # n o n # m.
La ordenacin de N no es independiente de la suma y el producto: para dos nmeros naturales m, n se tiene m > n si y solo si m = n+ p para algn nmero natural p.
Principio de buena ordenacin. Todo conjunto no vaco de nmeros naturales posee un elemento mnimo, es decir, dado S % N no vaco, existe un elemento m en S tal que m # n para todo n & S.
El principio de induccin. Esta es una de las propiedades de N que ms vamos a usar durante el curso. Se puede enunciar as:
66
Si un conjunto de nmeros naturales contiene a 1 y por cada elemento n del conjunto tambin n+1 pertenece a l, entonces el conjunto es N. Es decir, dado S % N tal que 1 & S y n+1 & S siempre que n & S, es S = N.
En la prctica, el principio de induccin suele aplicarse en trminos de propiedades ms que en trminos de conjuntos: Supongamos que para cada nmero natural n se tiene una propiedad Pn que puede ser cierta o falsa. Supongamos adems que:
a) P1 es cierta; b) si para algn n & N la propiedad Pn es cierta, entonces la propiedad Pn+1 tambin es cierta.
Entonces, Pn es cierta para todo n & N.
La siguiente variante se llama principio de induccin completa: Supongamos que para cada nmero natural n se tiene una propiedad Pn que puede ser cierta o falsa. Supongamos adems que:
67
a) P1 es cierta; b) si para algn n &N todas las propiedades P1, P2, . . . , Pn son ciertas, entonces Pn+1 tambin es cierta.
Entonces, Pn es cierta para todo n & N. Es un hecho notable, sealado por el matemtico italiano Peano 1 en su obra Arithmetices principia nova methodo exposita: todas las
propiedades de los nmeros naturales pueden deducirse de las siguientes, llamadas en su honor axiomas de Peano para los nmeros naturales: Para todo nmero natural n existe otro nmero natural, ns, que se llama siguiente o sucesor de n. Existe un nmero natural, que denotamos por 1, tal que ns '= 1 cualquiera que sea el nmero natural n.
Fracciones y decimales, escalas y proporciones Una fraccin es el cociente de dos nmeros enteros a y b, que representamos de la siguiente forma: a/b En donde: b, denominador, indica el nmero de partes en que se ha dividido la unidad. Mientras que a, numerador, indica el nmero de unidades fraccionarias elegidas.
Giuseppe Peano (Cuneo, actual Italia, 1858-Turn, 1932) Matemtico italiano.
68
Un todo se toma como unidad. La fraccin expresa un valor en relacin con ese todo. Por ejemplo, un tanque contiene 2/3 de gasolina. El todo: el depsito. La unidad equivale a 3/3, en este caso; pero en general sera una fraccin con el mismo nmero en el numerador y el denominador. 2/3 de gasolina expresa la relacin existente entre la gasolina y la capacidad del depsito. De sus tres partes dos estn ocupadas por gasolina.
Tambin podemos definir a la fraccin como cociente: Repartir $4.00 entre 5 amigos.
$4.00 /5 amigos = $0.8
La fraccin tambin puede emplearse como operador. Para calcular la fraccin de un nmero, multiplicamos el numerador por el nmero y el resultado lo dividimos por el denominador. Calcular los 2/3 de $60.00. = $40.00
La fraccin como razn y proporcin. Cuando comparamos dos cantidades de una magnitud, estamos usando las fracciones como razones. As, cuando decimos que la proporcin entre chicos y chicas en el Instituto es de 3 a 2, estamos diciendo que por cada 3 chicos hay 2 chicas, es decir, que de cada cinco estudiantes, 3 son chicos y 2 son chicas.
Un caso particular de aplicacin de las fracciones como razn son los porcentajes, ya que stos no son ms que la relacin de
proporcionalidad que se establece entre un nmero y 100 (tanto por ciento), un nmero y mil (tanto por mil) o un nmero y uno (tanto por
69
uno). Lus compra una camisa por $35, le hacen un descuento del 10%. Cunto pagar por la camisa? $31.5
Clasificacin de fracciones a) Fracciones propias Las fracciones propias son aquellas cuyo numerador es menor que el denominador. Su valor comprendido entre cero y uno
b) Fracciones impropias Las fracciones impropias son aquellas cuyo numerador es mayor que el denominador. Su valor es mayor que 1.
c) Nmero mixto El nmero mixto o fraccin mixta est compuesto de una parte entera y otra fraccionaria. Para pasar de nmero mixto a fraccin impropia, se deja el mismo denominador y el numerador es la suma del producto del entero por el denominador ms el numerador, del nmero mixto.
Para pasar una fraccin impropia a nmero mixto, se divide el numerador por el denominador. El cociente es el entero del nmero mixto y el resto el numerador de la fraccin, siendo el denominador el mismo.
d) Fracciones unitarias Las fracciones unitarias tienen el numerador igual al denominador.
70
e) Fracciones decimales Las fracciones decimales tienen como denominador una potencia de 10.
f) Fracciones equivalentes Dos fracciones son equivalentes cuando el producto de extremos es igual al producto de medios. a y d son los extremos; b y c, los medios. Calcula si son equivalentes las fracciones: 12 = 6 8 48 = 48
Si se multiplica o divide el numerador y denominador de una fraccin por un nmero entero, distinto de cero, se obtiene otra fraccin equivalente a la dada. Al primer caso le llamamos ampliar o amplificar.
Simplificar una fraccin es transformarla en una fraccin equivalente ms simple. Para simplificar una fraccin dividimos numerador y denominador por un mismo nmero. Empezaremos a simplificar probando por los primeros nmeros primos: 2, 3, 5, 7, ... Es decir, probamos a dividir numerador y denominador entre 2 mientras se pueda, despus pasamos al 3 y as sucesivamente. Se repite el proceso hasta que no haya ms divisores comunes. Si los trminos de la fraccin terminan en ceros, empezaremos quitando los ceros comunes finales del numerador y denominador. Si el nmero por el que dividimos es el mximo comn denominador del numerador y denominador llegamos a una fraccin irreducible.
g) Fracciones irreducibles
71
Las fracciones irreducibles son aquellas que no se pueden simplificar, esto sucede cuando el numerador y el denominador son primos entre s.
Reduccin de fracciones a comn denominador Reducir varias fracciones a comn denominador consiste en convertirlas en otras equivalentes que tengan el mismo denominador. Para ello: Se determina el denominador comn, que ser el mnimo comn mltiplo de los denominadores. Este denominador comn, se divide por cada uno de los denominadores, multiplicndose el cociente obtenido por el numerador correspondiente. 12 = 22 3 9 = 32 m.c.m.(3. 12. 9) = 22 32 = 36
Ordenar fracciones Fracciones con igual denominador De dos fracciones que tienen el mismo denominador es menor la que tiene menor numerador.
Fracciones con igual numerador De dos fracciones que tienen el mismo numerador es menor el que tiene mayor denominador.
Con numeradores y denominadores distintos En primer lugar las tenemos que poner a comn denominador.
Nmeros racionales Se llama nmero racional a todo nmero que puede representarse como el cociente de dos enteros, con denominador distinto de cero.
Representacin de nmeros racionales
72
Los nmeros racionales se representan en la recta junto a los nmeros enteros. Para representar con precisin los nmeros racionales: 1. Tomamos un segmento de longitud la unidad. 2. Trazamos un segmento auxiliar desde el origen y lo dividimos en las partes que deseemos. 3. Unimos el ltimo punto del segmento auxiliar con el extremo del otro segmento y trazamos segmentos paralelos en cada uno de los puntos, obtenidos en la particin del segmento auxiliar.
Multiplicacin de fracciones La multiplicacin de dos fracciones es otra fraccin que tiene: Por numerador el producto de los numeradores. Por denominador el producto de los denominadores.
Divisin de fracciones La divisin de dos fracciones es otra fraccin que tiene: Por numerador el producto de los extremos. Por denominador el producto de los medios.
Potencias de fracciones Potencias de exponente entero y base racional. Algunas reglas que se siguen son: a) Producto de potencias con la misma base. Es otra potencia con la misma base y cuyo exponente es la suma de los exponentes. b) Divisin de potencias con la misma base. Es otra potencia con la misma base y cuyo exponente es la diferencia de los exponentes. c) Potencia de una potencia. Es otra potencia con la misma base y cuyo exponente es el producto de los exponentes. d) Producto de potencias con el mismo exponente. Es otra potencia con el mismo exponente y cuya base es el producto de las bases
73
e) Cociente de potencias con el mismo exponente. Es otra potencia con el mismo exponente y cuya base es el cociente de las bases.
Operaciones combinadas con fracciones 1. Pasar a fraccin los nmeros mixtos y decimales. 2. Calcular las potencias y races 3. Efectuar las operaciones entre parntesis, corchetes y llaves. 4. Efectuar los productos y cocientes. 5. Realizar las sumas y restas.
Como hemos visto, de las fracciones y decimales se desprende el estudio de la escala y la proporcin.
El trmino de escala alude al tamao de un objeto comparado con un estndar de referencia o con el de otro objeto.
La proporcin se refiere a la justa relacin de una parte con otras o con el todo.
Proporciones Cuando comparemos 2 magnitudes mediante una divisin diremos que esas 2 magnitudes se encuentran en una razn. Por ejemplo, sean a y b dos cantidades, entonces una razn entre a y b es: a:b = ab y lo leeremos a es a b:
Supongamos que se realiz una encuesta entre los jvenes entre 18 y 21 aos cuya conclusin es: "1 de cada 5 jvenes est inscrito en el Registro Electoral". Entonces, podemos decir que la razn entre los que
74
votan y el total de jvenes es 1:5. Tambin podemos decir que la razn entre los que votan y los que no, es 1:4.
Como vimos antes, ya que las razones son nmeros racionales, entonces podemos amplificarla y simplificarla como nosotros queramos mientras se mantenga la razn.
Cuando tengamos 2 razones igualadas diremos que tenemos una proporcin entre ambas razones. Por ejemplo, sean a; b; c y d cuatro magnitudes, entonces una proporcin entre ambas razones es ab= cd Y lo leeremos "a es a b como c es a d":
Vemoslo con un ejemplo. Se sabe que x es a 10 como 12 es a 15, entonces x=? Aplicando lo anterior, podemos resumir el problema en la igualdad x:10 = 12:15
x = 12.50
Exponentes y radicales Un radical es equivalente a una potencia de exponente fraccionario en la que el denominador de la fraccin es el ndice del radical y el numerador de la fraccin es el exponente el radicando. Si n es un entero positivo, la notacin exponencial a n, representa el producto del nmero real a multiplicado n veces por s mismo. La expresin an se lee a a la ensima potencia o simplemente a a la n.
75
El entero positivo se llama exponente y el nmero real a, base. Entonces podemos generalizar: (recordemos que n es cualquier entero positivo).
Las leyes de los exponentes se mencionan a continuacin: En la multiplicacin de exponentes de igual base, los exponentes se suman. am x an = am+n
En la divisin de exponentes de igual base, los exponentes se restan. am / an = am-n
En la potencia de una potencia se multiplican los exponentes. (am)n = amn
En la raz de una potencia, los exponentes se dividen:

m
an
= a m/n
Ahora se presentan las leyes de los radicales, mismos que se basan en las leyes de los exponentes: Multiplicacin de races de igual ndice, se junta todo bajo la misma raz. Divisin de races de igual ndice, se junta todo bajo la misma raz. Multiplicacin de races se une todo y se suman los ndices. Divisin de races, se une todo y se restan los ndices.
76
Raz de una potencia se dividen los exponentes. Raz de una raz se multiplican los exponentes.
3.2. Principios del anlisis Algebraico

Ahora analicemos los principios del anlisis Algebraico, para eso definamos lo que es el lgebra:
El lgebra es la rama de las matemticas en la que se utilizan letras para representar relaciones aritmticas. Sus operaciones fundamentales son adicin, sustraccin, multiplicacin, divisin y calculo de races. El lgebra te ensea las bases para ms tarde poder hacer planteamientos matemticos que representen la realidad, por ejemplo, de una empresa, claro est, entre otras muchas cosas.
El estudio del lgebra se basa en el establecimiento de ecuaciones. Para su anlisis, es necesario definir lo qu es un monomio, un polinomio y una ecuacin.
Un monomio es una expresin Algebraica en la que las nicas operaciones que aparecen entre las letras son el producto y la potencia de exponente natural.
77
Se llama coeficiente de un monomio al nmero que aparece multiplicando a las letras. Normalmente se coloca al principio. Si es un 1 no se escribe y nunca es 0 ya que la expresin completa sera 0
Se denomina grado de un monomio a la suma de los exponentes de las letras. Ejemplo: 8ab3
Podemos considerar a un polinomio como una expresin con variable que se obtiene mediante las dos operaciones bsicas (sumas y multiplicaciones). Es la relacin entre monomios. El grado de un polinomio es el mayor exponente de la variable siempre y cuando se coeficiente sea distinto de 0. Dicho exponente es un nmero natural.
Los polinomios cumplen las mismas propiedades de la aritmtica aunque el lgebra incluye nmeros irracionales y nmeros complejos.
Factorizacin de polinomios Los polinomios se pueden multiplicar. Se multiplica cada trmino del primer polinomio por cada trmino del segundo polinomio. Una vez hechas estas operaciones, todos los trminos del mismo grado se han de agrupar para simplificar la expresin, a esto se le conoce como factorizar.
Factorizar un polinomio es descomponerlo en producto de polinomios (factores) del menor grado posible.
Pasos para factorizar un polinomio:
78
Sacar factor comn Recordar los productos notables Si es un polinomio de grado > 2 , entonces se emplea la frmula de Ruffini2, probando con los divisores del trmino independiente, hasta obtener resto cero: P(x) = (x a).C(x) Si es un polinomio de grado = 2: Se resuelve la ecuacin de segundo grado: ax + bx + c = 0
2
Dada una expresin Algebraica complicada, resulta til el descomponer en un producto de varios trminos ms sencillos. Por ejemplo. x2 + 2xy + y2= (x + y)2 x2 - 2xy + y2= (x - y)2 x2 y2 = (x + y) (x y ) x2 + (a + b)x + ab = (x + a) (x + b)
Paolo Ruffini (Valentano, 22 de septiembre de 1765 Mdena, 10 de mayo de 1822) fue un matemtico y mdico italiano.
79
Mnimo comn mltiplo El mnimo comn mltiplo de dos o ms nmeros es el menor mltiplo comn distinto de cero.
Encontrar el mnimo comn mltiplo puede ser til para poder hacer ciertas operaciones con fracciones Algebraicas. Dadas varias
expresiones, su mnimo comn mltiplo es aquella expresin con el menor grado y los menores coeficientes que se puede dividir exactamente por cada una de ellas.
Mximo comn divisor El mximo comn divisor de dos o ms nmeros es el nmero, ms grande posible, que permite dividir a esos nmeros.
Para hallar el mximo comn divisor y el mnimo comn mltiplo de monomios y polinomios se descomponen las expresiones dadas en sus factores primos.
Veamos un ejemplo del clculo del mnimo comn mltiplo y mximo comn divisor: P(x) = x - x- 8x + 12 Q(x) = x - 5x + 8x -4
P(x) = x - x- 8x + 12
P ( x ) = ( x - 2 ) ( x + x - 6 )
P(x)=(x-2)(x+3)(x-2)=(x-2)(x+3)
80
Q(x) = x - 5x + 8x -4
Q ( x ) = ( x + 2 ) ( x - 3x + 2 ) Q(x)=(x+2)(x-2)(x-1)
Mximo comn divisor = x - 2 Mnimo comn mltiplo = ( x - 2 ) ( x + 3 ) ( x + 1 ) Ecuaciones Una ecuacin representa la igualdad en la que intervienen una o ms letras, llamadas incgnitas. Es decir, es una igualdad entre expresiones lgebraicas. Las expresiones que estn a ambos lados del signo igual son los miembros de la ecuacin: primer miembro el de la izquierda, segundo miembro el de la derecha.
Una ecuacin lineal es un planteamiento de igualdad, involucrando una o ms variables a la primera potencia, que no contiene productos entre las variables, o mejor dicho, es una ecuacin que involucra solamente sumas y restas de una variable a la primera potencia. En el sistema cartesiano representan rectas. Una forma comn de ecuaciones lineales es y = mx + c Donde m representa la pendiente y el valor de c determina la ordenada al origen (el punto donde la recta corta al eje Y). Las ecuaciones en las que aparece el trmino x*y (llamado rectangular) no son consideradas lineales.
Se llama solucin de una ecuacin a un valor de la incgnita, o a un conjunto de valores de las incgnitas, para los cuales se verifica la igualdad. Una ecuacin puede tener una, ninguna o varias soluciones. Por ejemplo:
81
3x 7 = x + 1 es una ecuacin con una incgnita. Tiene una nica solucin: x = 4.
x2 + y2 + 5 = 0 es una ecuacin con dos incgnitas sin solucin, pues la suma de dos cuadrados es un nmero positivo a partir del cual no se puede obtener 0 sumndole 5.
2x + 3y = 15 es una ecuacin con dos incgnitas que tiene infinitas soluciones, algunas de las cuales son x = 0, y = 5; x = 3, y = 3; x = 30, y = -15.
Dos ecuaciones se llaman equivalentes si tienen las mismas soluciones o ambas carecen de solucin. As, la ecuacin 3x 7 = x + 1 es equivalente a 2x 8 = 0 porque ambas tienen como solucin nica x = 4.
Las ecuaciones con una incgnita suelen tener un nmero finito de soluciones. Las ecuaciones con varias incgnitas, sin embargo, suelen tener infinitas soluciones; por ello, estas ecuaciones interesa estudiarlas cuando forman sistemas de ecuaciones. Las ecuaciones con una incgnita pueden ser de distintos tipos: polinmicas, racionales, exponenciales, trigonomtricas.
82
Las ecuaciones polinmicas son de la forma P(x) = 0, donde P(x) es un polinomio en x. O bien, son de tal forma que al trasponer trminos y simplificar adoptan esa expresin. 3x3 - 5x2 + 3x + 2 = 0 es una ecuacin polinmica.
Las ecuaciones polinmicas de primer grado, ax + b = 0, se llaman ecuaciones lineales. 5x + 7 = 3 es lineal y tambin lo es (x - 5)2 + 3 = x2 1 porque al desarrollar y simplificar se obtiene -10x + 29 = 0. Las ecuaciones polinmicas de segundo grado, ax2 + bx + c = 0, se llaman cuadrticas. Son ecuaciones de este tipo: x2 - 5x + 3 = 0, (x 2)2 + 7x =5 + x.
En las ecuaciones exponenciales la incgnita est en un exponente: 2x+4x+1-18=0
Resolver una ecuacin es hallar su solucin o soluciones, o bien concluir que no tiene solucin. Para resolver una ecuacin, se pasa a otra equivalente cuya fisonoma sea ms sencilla. As, mediante una serie de pasos sucesivos se llega a una ltima ecuacin del tipo x = s en la que la incgnita est despejada (es decir, aislada en el primer miembro), con lo que la solucin es evidente. Por ejemplo, para resolver la ecuacin 5x 6 = 3x + 12 se procede como se explica a continuacin. Para pasar los trminos en x al primer miembro y los nmeros al segundo miembro, se resta en ambos miembros 3x y se suma 6, con lo que queda: 5x 3x = 12 + 6
83
Y simplificando, 2x = 18.
Para despejar la x se divide por 2 en ambos miembros: x = 18/2 = 9
La solucin es, evidentemente, x = 9.
Sin embargo, hay tipos de ecuaciones para cuya resolucin se requieren tcnicas especiales. Es el caso, por ejemplo, de las ecuaciones cuadrticas y bicuadradas.
El sistema de ecuaciones lineales puede ser resuelto por los mtodos de sustitucin o igualacin. A continuacin, te mostramos en qu consiste cada unos de ellos.
Mtodo de sustitucin Este es un sistema de ecuaciones lineales.
Para resolverlas, primero: Despejamos una de las incgnitas en una de las dos ecuaciones. Elegimos la incgnita que tenga el coeficiente ms bajo.
2x = 16 -4y
x = 8-2y
Despus, sustituimos en la otra ecuacin la variable x, por el valor anterior: 3(8 -2y) -4y -6
84
Resolvemos la ecuacin obtenida: 24 -6y -4y = -6 -10y = -30 y=3
Sustituimos el valor obtenido en la variable despejada.
x = 8 -2*3 = 8-6 x= 2
Quedando as: x= 2, y = 3
Mtodo de igualacin Nuevamente tomamos este sistema de ecuaciones lineales
Primero despejamos, por ejemplo, la incgnita x de la primera y segunda ecuacin:
3x = -6 +4
x = -6+4y 3 2x = 16-4y
x = 16-4y 2
85
Despus Igualamos ambas expresiones:
-6+4y = 16-4y 2 3
Resolvemos la ecuacin:
2 (-6 +4y) = 3(16 -4y) 8y +12y = 48+12 20y = 60 y=3
-12+8y = 48-12y
Sustituimos el valor de y, en una de las dos expresiones en las que tenemos despejada la x y nos queda:
-6 +4 * 3 X =--------------------3 Quedando as: x= 2, y = 3 =2
Ecuaciones cuadrticas Anteriormente trabajamos con ecuaciones lineales. Las ecuaciones lineales son ecuaciones polinmicas de grado uno. Ahora estudiaremos ecuaciones polinmicas de grado dos conocidas como ecuaciones cuadrticas.
86
Una ecuacin cuadrtica es una ecuacin de la forma ax2 + bx + c = 0 donde a, b, y c son nmeros reales y a es un nmero diferente de cero. Ejemplos: x2 - 9 = 0; x2 - x - 12 = 0; 2x2 - 3x - 4 = 0 Las ecuaciones cuadrticas se resuelven a travs de la siguiente frmula: -b +/- b2 4ac x= ____________ 2 La condicin de que a es un nmero diferente de cero en la definicin asegura que exista el trmino x2 en la ecuacin. Existen varios mtodos para resolver las ecuaciones cuadrticas. El mtodo apropiado para resolver una ecuacin cuadrtica depende del tipo de ecuacin cuadrtica que se va a resolver. Tambin existen los siguientes mtodos de resolucin:
Factorizacin Para utilizar este mtodo la ecuacin cuadrtica debe estar igualada a cero. Luego expresar el lado de la ecuacin que no es cero como un producto de factores. Finalmente se iguala a cero cada factor y se despeja para la variable.
87
Raz cuadrada Este mtodo requiere el uso de la propiedad que se menciona a continuacin.
Propiedad de la raz cuadrada: Para cualquier nmero real k, la ecuacin x2 = k es equivalente a:
Completando el cuadrado Completar el cuadrado conlleva a hallar el tercer trmino de un trinomio cuadrado perfecto cuando conocemos los primeros dos. Esto es, trinomios de la forma: x2 + bx + ?
El ltimo trmino de un trinomio cuadrado perfecto (con a = 1) es el cuadrado de la mitad del coeficiente del trmino del medio. Esto es: el trinomio cuadrado perfecto cuyos dos primeros trminos son x2 + bx, es:
Al completar el cuadrado queremos una ecuacin equivalente que tenga un trinomio cuadrado perfecto a un lado. Para obtener la ecuacin equivalente el nmero que completa el cuadrado debe sumarse a ambos lados de la ecuacin.
88
Inecuaciones Una inecuacin es una expresin matemtica que establece que una o ms variables tiene un valor que no es exacto sino que se encuentra dentro de un rango.
Son desigualdades en las que aparecen letras y nmeros con las operaciones usuales. Las letras son las variables o incgnitas de las inecuaciones. Por ejemplo: x 2, x-3 y x2-5x 4 xy-3 > 0
Las inecuaciones pueden ser de primer o segundo grado.
3.3. Principios del anlisis geomtrico

La geometra es una parte de la matemtica que trata de estudiar unas idealizaciones del espacio en que vivimos, que son los puntos, las rectas y los planos, y otros elementos conceptuales derivados de ellos, como polgonos o poliedros.
89
En la prctica, la geometra sirve para solucionar problemas concretos en el mundo de lo visible. Entre sus utilidades se encuentran la justificacin terica de muchos instrumentos: comps, teodolito, pantgrafo, sistema de posicionamiento global. Tambin es la que nos permite medir reas y volmenes, es til en la preparacin de diseos, e incluso en la fabricacin de artesanas.
La geometra clsica o axiomtica es una matemtica en la cual los objetos, en vez de ser nmeros, son puntos, rectas, planos y otras figuras definidas en funcin de estas.
Figuras geomtricas Figuras fundamentales: Punto, Recta y Plano.
En la recta se pueden ver: Segmentos, semirrectas y vectores.
En el plano, una recta determina dos semiplanos, su interseccin determina las figuras convexas: faja, ngulo, Tringulo, cuadrngulo y Polgono.
Utilizando el concepto de distancia: se definen: el crculo y la esfera.
Utilizando el concepto de semiespacio se definen: el diedro, el espacio prismtico, el triedro, el ngulo poliedro, y los poliedros. Entre los ltimos encontramos como casos particulares: el tetraedro, el prisma, la pirmide y el paraleleppedo.
El concepto de crculo en el espacio da origen a: el cono y el cilindro.
90
Entre dos o ms figuras puede haber relaciones diferentes, dos rectas pueden ser paralelas, perpendiculares u oblicuas (se cortan en un punto formando ngulos no rectos). En el espacio, tambin pueden ser alabeadas (o cruzadas). Uno de los conceptos ms importantes dentro de la geometra es el de congruencia o igualdad.
Teniendo en cuenta ms axiomas se obtienen otras geometras (en las cuales todo lo dicho hasta aqu es vlido). Si damos por cierto el axioma del paralelismo de Euclides, obtenemos la Geometra euclidiana tambin conocida como geometra plana.
Agregando a estos los axiomas relativos al espacio, obtenemos la geometra espacial (estos ltimos no son ms que extensiones de los axiomas relativos al plano). La Geometra descriptiva, es la que se encarga de que los problemas posibilitar la resolucin de los problemas de la geometra del espacio por medio de operaciones efectuadas en un plano.
Si agregamos otros axiomas, ya sean diferentes postulados de paralelismo o de existencia de conjuntos de puntos mayores que el plano (y menores que el espacio) se obtienen las geometras no elucdelas.
Utilizando los conocimientos de otras reas (y por lo tanto sus axiomas respectivos), se obtienen: la geometra analtica, los mtodos del lgebra y del anlisis matemtico que es lo que estamos estudiando en esta unidad.
Lneas, ngulos, reas y permetros
91
Para hablar de este tema, es necesario definir primeramente, lo que es un punto, del cual ya nos hemos referido como una figura geomtrica bsica.
Un punto slo tiene posicin en el espacio. Es la unidad indivisible de la geometra. No tiene dimensin (largo, alto, ancho).
La Lnea es una figura geomtrica que se genera por un punto en movimiento. Si el punto se mueve sin cambiar de direccin, entonces es una lnea recta.
Si el punto cambia continuamente de direccin entonces es una lnea curva A
Un plano es una superficie que tiene longitud y anchura pero no espesor.
El plano tiene dos dimensiones a diferencia de la mayora de los casos que nos rodean que estn en tres dimensiones. Cuando dos rectas se cortan, forman 4 regiones llamadas ngulos. Cada ngulo est limitado por dos lados y un vrtice. Semirrecta OA
92
Vrtice
Semirrecta OB
ngulo recto: es aquel que mide exactamente 90. Se marca con un pequeo rectngulo en el vrtice.
ngulo agudo. Es aquel cuya magnitud es menor de 90.
ngulo obtuso. Es aquel cuya magnitud es mayor de 90 y menos a 180.
ngulo llano. Es aquel cuya magnitud es igual a 180
93
. ngulo entrante. Es aquel cuya magnitud es mayor de 180 y menor de 360.
ngulo pergono. Es aquel cuya magnitud es igual a 360. Es un crculo.
Permetros y reas Ahora bien, los siguientes elementos por estudiar en el anlisis geomtrico son el permetro y el rea de una figura. El permetro de una figura es la suma de las longitudes sus lados.
El rea de una figura es la medida de su regin o superficie encerrada por una figura plana.
94
A continuacin se presentan las principales formulas para calcular el permetro y el rea de las diferentes figuras geomtricas:
Tringulo: Es un polgono formado por lados y tres ngulos, cumpliendo la propiedad de que la suma de todos sus ngulos siempre es 180 grados. Permetro: lado + lado + lado rea: (Base x Altura) / 2
Cuadrado. El cuadrado es un polgono formado por cuatro lados de igual longitud que forman entre s ngulos de 90 grados.
Permetro: lado + lado + lado + lado = 4 x lado rea: (Lado x lado)
Rectngulo: El rectngulo es un polgono compuesto por dos pares de lados iguales que forman entre s ngulos de 90 grados.
Permetro: lado x 2 + lado x 2 rea: Base x Altura
95
Trapecio. El trapecio es un polgono de cuatro lados, pero sus cuatro ngulos son distintos de 90.
Permetro: Suma de todos sus lados rea del trapecio = [(base mayor + base menor).altura] / 2
Rombo: El rombo es un polgono de cuatro lados iguales, pero sus cuatro ngulos son distintos de 90.
Permetro: 4 x lado rea del rombo = (diagonal mayor x diagonal menor) / 2
96
Circunferencia: Es el lugar geomtrico de todos los puntos que conforman esta figura y que equidistan de un punto llamado centro de la circunferencia. Permetro: 2 x x radio rea de la circunferencia x radio2
El nmero Pi () cociente entre la longitud de la circunferencia (permetro) y la longitud de su dimetro. Se emplea frecuentemente en matemticas, fsica e ingeniera. El valor numrico de , limitado a sus primeras cifras, es el siguiente: = 3.1415926535897932384... Tringulos, polgonos y circunferencias Ya hemos hablado de las principales figuras geomtricas justamente en el punto anterior, ahora vamos a detallarlas.
Tringulo Es un polgono el cual est limitado por tres lados los cuales forman entre s tres ngulos, tambin se puede definir como el plano limitado por tres rectas las cuales se cortan dos a dos.
97
Un tringulo se denota colocando tres letras maysculas en sus vrtices y en los lados opuestos se colocan las letras minsculas que correspondan en conclusin podemos decir que un tringulo est compuesto por tres elementos que son: 3 ngulos, 3 lados y tres vrtices, lo cual puedes observar en las siguientes figuras:
Los tringulos se pueden clasificar en:
Equiltero. En este tipo de tringulo se observa que sus tres lados tienen la misma magnitud como se observa en la figura.
98
Issceles. En este caso dos de sus lados son iguales mientras que el tercer lado es diferente y esto lo podemos observar en la figura siguiente:
Escaleno. En este ltimo tringulo la magnitud de sus lados es diferente completamente, esto lo observamos en la figura siguiente:
Obtusngulo. Es aquel que tiene un ngulo obtuso como el observado en la siguiente figura:
99
Acutngulo. Es el que tiene sus tres ngulos agudos.
Rectngulo. Este tipo de tringulo tiene un ngulo recto (90), mientras que sus otros dos lados tienen nombres especiales.
Cualquier tringulo tiene 3 alturas, 3 medianas, 3 mediatrices y 3 bisectrices, que se les llaman rectas notables y al punto donde se unen cada una de las 3 reciben nombres diferentes.
100
Altura. Segmento de recta perpendicular al lado y que pasa por el vrtice opuesto. Ejemplo:
Ortocentro. Es el punto en el cual las alturas se intersecan o cruzan.
Medianas. Es el segmento de recta que une un vrtice con el punto medio del lado opuesto y se le llama mediana correspondiente a ese lado.
Baricentro. Es el punto en el cual las medianas se cruzan o intersecan.
101
Mediatriz. Segmento de recta que es perpendicular a cada lado del tringulo y que pasa exactamente por el punto medio.
Circuncentro. Es el punto en donde las mediatrices se cruzan o intersecan y este es el centro de la circunferencia circunscrita.
Incentro. Es el lugar en el cual las bisectrices se cruzan o intersecan y este punto es el centro de la circunferencia inscrita en el tringulo.
102
Algunas propiedades de los tringulos son: Teorema 1. En todo tringulo la suma de sus ngulos interiores es igual a 180. Teorema 2. En todo tringulo, un ngulo exterior es igual a la suma de los dos interiores no adyacentes a l. Teorema 3. En todo tringulo, un lado cualquiera es menor que la suma de los otros dos y mayor que su diferencia.
Y desde luego, el teorema de Pitgoras aplicable a los tringulos rectngulos.
Polgonos Un polgono es una figura limitada por tres o ms segmentos.
103
Los lados de un polgono son los segmentos que lo limitan. En donde concurren los segmentos, estn sus vrtices y los ngulos estn determinados por dos lados consecutivos.
Si n es el nmero de los lados del polgono, la suma de ngulos del mismo es: (n 2 ) 18 0
Polgono convexo Es aquel en el que todos sus ngulos son menores a 180o
Polgono cncavo Es aquel que tiene un ngulo que mide ms de 180.
Tipos de polgonos Casi hemos visto todos, slo los recordaremos brevemente. Tringulo
104
Tienen 3 lados.
Cuadrilteros
Tienen 4 lados.
Pentgonos
Tienen 5 lados.
Hexgonos
Tienen 6 lados.
105
Heptgonos
Tienen 7 lados.
Octgonos
Tienen 8 lados.
Circunferencias Se llama circunferencia al lugar geomtrico formado por los puntos que equidistan de otro punto llamado centro.
Elementos de la circunferencia
106
Se llama cuerda al segmento que une dos puntos cualquiera de la circunferencia. Se llama dimetro a la cuerda que pasa por el centro de la circunferencia. Se llama radio al segmento que une el centro con un punto cualquiera de la circunferencia.
Se llama arco a cada una de las partes en las que una cuerda divide a la circunferencia. Se llama semicircunferencia a cada una de las partes en las que un dimetro divide a la circunferencia. Se llama ngulo central al ngulo cuyo vrtice coincide con el centro de la circunferencia.
Ya hemos estudiado las principales reglas que rigen el anlisis matemtico y los modelos. Teniendo todos estos conocimientos de nuevo a la mano, en la siguiente unidad, elaboraremos los modelos matemticos aplicados a la administracin.
107
RESUMEN
En esta unidad hemos repasado los conceptos bsicos de matemticas, a fin de establecer las reglas aritmticas, Algebraicas y geomtricas que deben cumplirse en los modelos matemticos y por ende, en los formulados y empleados en la administracin.
Primeramente, definimos qu es el anlisis matemtico, y eventualmente establecimos qu es la aritmtica, los nmeros reales y sus propiedades (propiedad conmutativa, asociativa, distributiva y de identidad), as como sus principios fundamentales.
Posteriormente, estudiamos qu son las fracciones como partes de un todo, los decimales como una forma de expresar las fracciones, las escalas para saber la importancia numrica de cada parte con relacin al todo. Asimismo, estudiamos lo que son las proporciones.
Como parte del anlisis aritmtico, analizamos lo que son los exponentes (la multiplicacin de un nmero n veces por s mismo) y los radicales (la raz de un nmero). Revisamos las leyes de los exponentes y los radicales.
108
En seguida, explicamos el anlisis Algebraico, el cual se centra en el estudio de los monomios (expresiones en nmero y literales que representan algo que sucede en el mundo real), los polinomios y las ecuaciones, tanto lineales como cuadrticas. Analizamos el concepto de mnimo comn mltiplo y mximo comn divisor y las inecuaciones (ecuaciones con desigualdades).
Por
ltimo,
concentramos
nuestros
esfuerzos
en
definir
las
caractersticas fundamentales del anlisis geomtrico, estudiando el punto, la lnea (recta y curva), ngulos (convergencia de rectas), permetros (lmites de rea), el rea (espacio de una forma), y los principales polgonos como los tringulos y finalmente revisamos la circunferencia.
Para qu nos sirve conocer todos estos principios matemticos? Para poder representar la realidad administrativa, a partir del diseo de modelos matemticos, mismos que estudiaremos en la siguiente unidad.
109
GLOSARIO
lgebra Rama de las matemticas que estudia las estructuras, las relaciones y las cantidades
Anlisis Algebraico Anlisis matemtico basado en los principios del lgebra.
Anlisis aritmtico Anlisis matemtico basado en los principios de la aritmtica.
Anlisis geomtrico Anlisis matemtico basado en la geometra.
110
Anlisis matemtico El anlisis es una rama de la ciencia matemtica que estudia los nmeros reales, los complejos, los vectores y sus funciones.
ngulo Figura formada en la superficie de dos lneas que parten del mismo punto.
rea Superficie de una figura, comprendida dentro de un permetro.
Circunferencia La circunferencia es una lnea curva, cerrada y plana, cuyos puntos estn todos a la misma distancia de otro punto, llamado centro.
Decimales Forma de expresin de los nmeros no enteros.
Ecuaciones Igualdad entre dos expresiones Algebraicas.
Ecuaciones cuadrticas Es una ecuacin polinmica donde el mayor exponente es igual a dos. Tambin se conoce como ecuacin de segundo grado.
Ecuaciones lineales Es una ecuacin polinmica donde el mayor exponente es igual a 1. Tambin se le conoce como ecuaciones de primer grado.
111
Escalas La escala es la relacin matemtica que existe entre las dimensiones reales y las del dibujo que representa la realidad sobre un plano o un mapa.
Exponentes Es el nmero de veces que se multiplica un nmero por s mismo.
Factorizacin Es la expresin un objeto o nmero (por ejemplo, un nmero compuesto, una matriz o un polinomio) como producto de otros objetos ms pequeos.
Fracciones Es la expresin de una cantidad dividida entre otra. La fraccin parte de un todo.
Geometra Es una rama de las matemticas que se ocupa del estudio de las propiedades de las figuras geomtricas en el plano o el espacio.
Inecuaciones Es una expresin matemtica la cual se caracteriza por tener los signos de desigualdad.
Mximo comn divisor El mximo comn divisor de dos o ms nmeros es el nmero, ms grande posible, que permite dividir a esos nmeros.
112
Mediatriz Es la recta perpendicular a dicho segmento trazada por su punto medio.
Mtodo de igualacin Para resolver un sistema de ecuaciones por este mtodo hay que despejar una incgnita, la misma, en las dos ecuaciones e igualar el resultado de ambos despejes, con lo que se obtiene una ecuacin de primer grado.
Mtodo de sustitucin Mtodo para resolver ecuaciones Algebraicas sustituyendo una variable con una cantidad equivalente en trminos de otra(s) variable(s) de manera que el nmero total de incgnitas se reduzca
Mnimo comn mltiplo El mnimo comn mltiplo de dos o ms nmeros naturales es el menor nmero natural que es mltiplo de todos ellos.
Monomio Un monomio es una expresin Algebraica en la que se utilizan letras, nmeros y signos de operaciones. Las nicas operaciones que aparecen entre las letras son el producto y la potencia de exponente natural.
Nmeros reales Son aquellos que poseen una expresin decimal e incluyen tanto a los nmeros racionales como a los nmeros irracionales, que no se pueden expresar de manera fraccionaria y tienen infinitas cifras decimales no peridicas.
113
Permetro Es la medida del contorno de una figura geomtrica.
Plano Es el ente ideal que slo posee dos dimensiones, y contiene infinitos puntos y rectas.
Polgono Es una figura geomtrica cerrada, formada por segmentos rectos consecutivos y no alineados, llamados lados.
Polinomio Es la suma de varios monomios.
Producto Es la multiplicacin de dos trminos.
Propiedades de los nmeros reales Son las caractersticas que deben cumplir los nmeros reales para que puedan aplicrseles procedimientos aritmticos.
Proporciones Es la igualdad entre dos razones geomtricas.
114
Punto Describe una posicin en el espacio, determinada respecto de un sistema de coordenadas preestablecido.
Radicales Es el signo para extraer races de los nmeros.
Razn Es una relacin entre dos magnitudes semejantes.
Recta Distancia entre dos puntos y de un punto a una recta.
Teorema Es una afirmacin que puede ser demostrada dentro de un sistema formal. Demostrar teoremas es un asunto central en la matemtica.
Tringulo Polgono determinado por tres rectas se cortan dos a dos en tres puntos no alineados.
115
ACTIVIDAD 1 Elabora un mapa conceptual de los temas tratados en la unidad.
ACTIVIDAD 2 Del libro Jagdish C. Arya, y Robin W. Lardner. (2009). Matemticas aplicadas a la administracin y a la economa, 5 ed., Mxico, PrenticeHall, resuelve los ejercicios presentados en las pginas 48 y 52.
ACTIVIDAD 3 Resuelve los ejercicios 1-13 correspondientes a las pginas 75 y 76 del libro de Arya y Lardner (2009).
ACTIVIDAD 4 Resuelve los ejercicios 14-24 correspondientes a las pginas 75 y 76 del libro de Arya y Lardner (2009).
116
ACTIVIDAD 5 Elabora un ensayo en el que hables de la relacin entre la aritmtica, el lgebra y la geometra.
ACTIVIDAD 6 Resuelve los siguientes ejercicios: 1. Expresa en nmeros decimales las siguientes fracciones: 6/100 14/1000 8/10 32/10 457/100 2. Escribe en forma de fraccin los siguientes decimales: 59.73 45.9 0.37 0.0037 3. Escribir en forma decimal las siguientes fracciones: 6/10 16/10 14/16 22/80 4. Escribe los siguientes radicales como potencia de exponente fraccionario:
117
5. Escribe las siguientes potencias como radicales: 7 5 2/3
6. Escribe un radical equivalente, partiendo de este radical:
7. Efecta las siguientes operaciones con monomios: 2x3 5x3 = 3x4 2x4 + 7x4 = (2x3) (5x3) = (2x3 y2) (5x3 y z2) = (12x3) (4x) = (18x3 y2 z5) (6x3 y z2) = (2x3 y2)3 = (2 x3 y2z5)5 = 3x3 5x3 2x3 = (12 x3 y5 z4) + (3x2 y2 z3) = 8. Factoriza los siguientes polinomios: xy 2x 3y +6 = 5x2 1= 36x6 49 = x2 2x +1 = 6 x2 6x +9 = x2 20x +100 =
118
9. Resuelve los siguientes sistemas de ecuaciones lineales por el mtodo de sustitucin y por el mtodo de igualacin. 4x + 3y = 1 3x - 2y = -5
8x + 6y = 2 9x 6y = -15
10. Determinar el lado de un t rin gu lo equiltero cuyo permetro es igual al de un cuadrado de 12 cm de lado. Sern iguales sus reas? 11. Calcular el rea de un tringulo equiltero inscrito en una circunferencia de radio 6 cm. 12. Dado un tringulo equiltero de 6 m de lado, hallar el re a de uno de los sectores determinado por la circunferencia circunscrita y por los radios que pasan por los vrtices. 13. Determinar el rea del cu a d rad o inscrito en una circunferencia de longitud 18.84 m. 14. En un cuadrado de 2 m de lado se inscribe un crcu lo y en este crculo un cuadrado y en este otro crculo. Hallar el rea comprendida entre el ltimo cuadrado y el ltimo crculo.
119
1. Qu es el anlisis matemtico? 2. Qu es la aritmtica? 3. Qu son los nmeros reales? 4. Menciona las propiedades de los nmeros reales. 5. Qu es una fraccin? 6. En qu consisten los decimales? 7. Describe las operaciones con fracciones. 8. Qu es un exponente? 9. Qu es un radical? 10. Menciona las leyes de los exponentes. 11. Menciona las leyes de los radicales. 12. Qu es el lgebra? 13. Qu es un monomio? 14. Qu es un polinomio? 15. Cmo se factoriza un polinomio? 16. Qu es el mnimo comn mltiplo? 17. Qu es el mximo comn divisor? 18. Qu es una ecuacin? 19. Qu es una ecuacin lineal?
120
20. Qu es una ecuacin cuadrtica? 21. En qu consiste la geometra? 22. Menciona las figuras geomtricas fundamentales. 23. Qu es la lnea? 24. En qu consiste el permetro de una figura geomtrica? 25. En qu consiste el rea de una figura geomtrica? 26. Qu es un ngulo? 27. Menciona los tipos de ngulos. 28. Qu es un polgono? 29. Qu es una circunferencia?
LO QUE S
LO QUE S En qu consiste el anlisis aritmtico, algebraico y geomtrico?
121
I. Lee los siguientes enunciados y elige la respuesta correcta 1. Cul es la fraccin de 32.75? a) 3000/100 b) 30/1000 c) 131/4 d) 27.50/4
2. Se compran 1600 kg de materia prima para la produccin de 8 artculos. Si la materia prima se divide en 8 partes iguales y se da una parte para la elaboracin de 5 productos, qu porcentaje de la materia prima no fue asignada? a) 62.50% b) 61.50% c) 59.50% d) 37.50%
122
3. De un tonel de combustible se han extrado 2/7, quedando 15 litros, cuntos litros de combustible haba inicialmente? a) 21 litros b) 15 litros c) 7 litros d) 3 litros 4. x2 * x7 es igual a: a) x2 b) x5 c) x7 d) x9 5. (x7)3 es igual a: a) x21 b) x10 c) x7 d) x3 6. El radical de 23 =8 es: a) b) c) d)
123
7. Cul es el radical de 5 1/3? a) b) c) d) 8. Cul es la suma de los siguientes polinomios? 3a + 2b c + 2a+ 3b +c a) 3a + 2b b) 2a + 3b c) 5a + 5b d) +c c
9. Cul es la suma de los siguientes polinomios? 7a 4b + 5c + -7a + 4b 6c a) 7a - 4b b) 7a + 4b c) 5c 6c d) -c
10. Dos pilotos viajan a Brasil cada 12 y 18 das. Si coincidieron el 1 de diciembre, en cuntos das se volvern a encontrar? a) 90 das b) 46 das c) 36 das d) 30 das
124
11. La caja de un camin tiene las siguientes dimensiones: 600 cm de largo por 200 cm de ancho y por 300 cm de alto. Se trata de preparar paquetes de piezas para que el transporte sea ms rentable con todo el volumen ocupado Cunto debe medir cada paquete? a) 1 m3 b) 2 m3 c) 3 m3 d) 6 m3 12. Cul es el resultado de la siguiente ecuacin: x2 -3x 4 = 0? a) x1 = 3, x2 = 2 b) x1 = -1, x2 = 4 c) x1 = 1, x2 = 3 d) x1 = -3, x2 = -2
13. Cul es el resultado de la siguiente ecuacin: x(x+1) =0? a) x1 = 0, x2 = -1 b) x1 = -1, x2 = 0 c) x1 = 0, x2 = 1 d) x1 = 0, x2 = 0
125
II. Clasifica los siguientes tringulos segn sus lados y segn sus ngulos: 14. Equiltero y a)
acutngulo (d)
15.
Escaleno
b)
acutngulo (e)
16.
Escaleno
c)
obtusngulo (c)
17.
Issceles
d)
rectngulo (a)
126
18.
Issceles
e)
obtusngulo (b)
19.
Escaleno
f)
rectngulo (f)
127
MESOGRAFA
Autor Arya (2009)
Captulo 1 2 3 4
Pginas 1-58 59-91 92-122 124174
176222
224269
128
BIBLIOGRAFA BSICA
Arya, J.C. y R.W. Lardner. (2009). Matemticas aplicadas a la administracin y a la economa, 5 ed., Mxico, Prentice-Hall, 818 pp. Budnick, F. (2007). Matemticas aplicadas para administracin,
economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp. Burden, L. y Faires J., (2011), Anlisis numrico, 9 ed., Mxico, Cengage Learning, 888 pp. Kaufmann, Jerome E. (2010). lgebra, 8 ed., Mxico, Cengage Learning, 920 pp. Kowalsky, Robert. (1989). Lgica, programacin e inteligencia artificial, Madrid, Daz de Santos, 546 pp. Prawda, Juan. (2004). Mtodos y modelos de investigacin de operaciones I, Mxico, Limusa, 785 pp. Render, Barry. (2006). Mtodos cuantitativos para los negocios, 9 ed., Mxico: Pearson, 731 pp. Swokowski, Earl W. (2009). lgebra y trigonometra con geometra analtica, 12 ed., Mxico, Cengage Learning, 1032 pp. Wayne, Winston. (2005). Investigacin de operaciones, aplicaciones y algoritmos. Mxico, Thompson, 831 pp.
129
administracin, economa y ciencias sociales, 7 ed., Mxico, McGrawHill Interamericana, 959 pp. Martz, Geoff. (2007). Cracking the GMAT, Nueva York, Random House, 535 pp. GMAT. (2009). The official guide for GMAT review, 12 ed., Wiley, Hoboken, NJ, 840 pp. Pyla, George. (1953). How to solve it, a new aspect of a mathematical method. Princeton, Princeton University Press
130
SITIOS DE INTERS
http://es.scribd.com/doc/35032058/Suficiencia-de-Datos. (Consultado el 4 de abril de 2011). Senz, Pablo, Aprendizaje Basado en Resolucin de Problemas en Ingeniera Informtica, disponible en lnea: (Consultado
http://www.citrevistas.cl/revista-formacion/v1n2fu/art02.pdf el 2 de abril de 2011).
Ponciano, L. Math Problem Solving Strategies. Disponible en lnea: http://www.erusd.k12.ca.us/ProjectAlphaWeb/index_files/PR/Problem%2 0Solving%20Strategies.pdf. (Consultado el 3 de abril de 2011). Vilanova, Silvia, La educacin Matemtica, el papel de la resolucin de problemas en el aprendizaje, disponible en lnea:
http://www.rieoei.org/deloslectores/203Vilanova.PDF, (Consultado el 1 de abril de 2011).
131
UNIDAD 4
LGEBRA Y TPICOS ESPECIALES DE MATEMTICAS
132
OBJETIVO PARTICULAR
Al finalizar la presente unidad, el alumno ser capaz de definir el concepto de Investigacin de Operaciones as como su utilidad en la Ciencia de la Administracin. De igual forma, identificar los elementos relacionados con la construccin de modelos Algebraicos y el anlisis cuantitativo.
133
INTRODUCCIN
La ciencia de la administracin es una manera de abordar la toma de decisiones en la administracin, ya que se basa en el mtodo cientfico, utiliza ampliamente el anlisis cuantitativo.
Otro nombre ampliamente conocido y aceptado es investigacin de operaciones. En la actualidad muchas personas utilizan los trminos Investigacin de Operaciones y Ciencia de la Administracin en forma indistinta.
La revolucin cientfica en las tcnicas administrativas de principios de este siglo, iniciada por Frederick W. Taylor, es la que sent la base para la actual CA/IO. Pero se considera, en trminos generales, que la moderna ciencia de la administracin/investigacin de operaciones se origino durante la Segunda Guerra Mundial, cuando se formaron grupos de investigacin de operaciones para abordar y manejar los problemas tcticos y estratgicos que enfrentaban los organismos militares. Se constituyeron equipos que con frecuencia contaban con personas de diversas especialidades (por ejemplo, matemticos, ingenieros,
cientficos de la conducta y otros) para resolver un problema comn mediante la utilizacin del mtodo cientfico.
134
Dos procesos, que ocurrieron en el periodo posterior a la Segunda Guerra Mundial, condujeron al desarrollo y uso de la ciencia de la administracin en organizaciones no militares.
En primer lugar, la continuacin de las investigaciones sobre los mtodos cuantitativos para la toma de decisiones dio como resultado nmerosos progresos metodolgicos. Es posible que el progreso ms significativo haya sido el descubrimiento que hizo George Dantzig en 1947 del mtodo simplex para resolver problemas de programacin lineal.
Junto con estos progresos metodolgicos se dio una virtual explosin en la capacidad de clculo que las computadoras hicieron disponible. Las computadoras permitieron a los investigadores implantar con xito los avances en metodologa en la resolucin de una gran variedad de problemas industriales.
En esta unidad vamos a estudiar precisamente de qu tratan los modelos cuantitativos, cmo se formulan y cul es su significado, a fin de poder tomar decisiones administrativas.
LO QUE S
LO QUE S Qu es la Ciencia de la Administracin?
135
TEMARIO DETALLADO
4.1 Construccin de modelos Algebraicos Introduccin al modelado Convirtiendo texto en expresiones y ecuaciones Representacin grfica de ecuaciones lineales 4.2 Anlisis cuantitativo Definicin del problema Desarrollo del modelo Datos de entrada Solucin y anlisis de resultados Implementacin
136
4.1. Construccin de modelos algebraicos
El modelaje es la esencia del enfoque de las matemticas. El construir un modelo ayuda a colocar los aspectos complejos e inciertos de un problema de decisin en una estructura lgica que es adecuada para el anlisis formal. Este modelo especifica las alternativas de la decisin y sus consecuencias anticipadas para todos los eventos posibles que pueden ocurrir, indica los datos importantes para analizar las alternativas y conduce a condiciones generales que informan y tienen sentido
Qu es un modelo? Un modelo es una abstraccin o una representacin idealizada de la vida real. El propsito del modelo es proporcionar un medio para analizar el comportamiento del sistema con el fin de mejorar su desempeo. O si el sistema no existe todava, para definir la estructura ideal de este sistema futuro indicando las relaciones funcionales entre sus elementos. La realidad de la solucin obtenida depende de su validez para representar el sistema real. Entre ms grande sea la discrepancia entre la salida del modelo y el mundo real,
137
ms impreciso es el modelo para describir el comportamiento del sistema original.
Para aumentar la abstraccin, los modelos se clasifican como Icnicos Anlogos Simblicos
Estos sistemas, junto con los que mencionamos en la unidad anterior, conforman los modelos matemticos. Vamos a definir los modelos que estamos describiendo.
Modelos icnicos Son las representaciones fsicas, a escala reducida o aumentada de un sistema real. Por ejemplo, un barquito de juguete, es un modelo icnico de uno real. Aqu tambin tenemos los planos y las maquetas.
Modelos anlogos Los modelos anlogos esencialmente requieren la sustitucin de una propiedad por otra con el fin de permitir la manipulacin del modelo. Despus de resolver el problema, la solucin se interpreta de acuerdo con el sistema original. Por ejemplo, un modelo de redes elctricas puede utilizarse como un modelo anlogo para el estudio de flujos de un sistema de transporte.
138
Modelos simblicos Son aquellos en los que se emplea un conjunto de smbolos matemticos y funciones para representar las variables de decisin y sus relaciones para describir el comportamiento del sistema. La solucin del problema se obtiene aplicando tcnicas matemticas conocidas (tales como programacin lineal) al modelo. Por consiguiente son
representaciones aproximadas de la realidad.
Con en el empleo de las computadoras y los programas matemticos han tenido auge tambin los siguientes modelos:
Modelos de simulacin Los modelos de simulacin son generalmente programas de
computacin que replican el comportamiento de un sistema utilizando el sistema electrnico. En ellos se mueve el valor de las variables que conforman un sistema. Los modelos de simulacin, en realidad son un proceso de planteamiento de modelos y experimentacin que se utilizan para describir y/o analizar un problema o un rea de problemas especficos.
Modelos heursticos Los modelos heursticos son esencialmente modelos que emplean reglas intuitivas o ciertas guas tratando de generar nuevas estrategias que se traduzcan en soluciones mejoradas. Los modelos heursticos no pretenden obtener soluciones ptimas de un problema. Un ejemplo de un modelo heurstico podra ser: atienda todos los clientes de una lnea sobre la base de que el primero que llega es el primero que se atiende.
139
El resultado del ejercicio exitoso de construccin de un modelo es entonces, un modelo, que ayudar al tomador de decisiones para realizar la eleccin que sea ms conmensurable con sus metas, indicando aquellas variables de mayor importancia en la decisin y reflejando las suposiciones de simplificacin que puedan introducirse sin distorsionar la naturaleza bsica del problema.
Elementos del modelo matemtico Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos. Estos son:
Variables y parmetros de decisin Funciones objetivo Restricciones
Veamos de qu tratan cada uno: 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 las funciones objetivo. Los parmetros del modelo pueden ser determinsticos o probabilsticos (estocsticos).
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.
140
Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema como funcin matemtica de las variables de decisin. Una decisin ptima del modelo se obtiene cuando los valores de las variables de decisin producen el mejor valor de la funcin objetivo, sujeta a las restricciones.
Una formulacin pobre o inapropiada de la funcin objetivo conduce a una solucin pobre del problema. Un ejemplo comn de esto ocurre cuando se desprecian algunos aspectos del sistema. Por ejemplo, para determinar el nivel ptimo de produccin de un determinado producto, la funcin objetivo puede reflejar solamente metas de produccin del departamento, despreciando las metas de mercado y finanzas.
Veamos cmo se plantea un modelo matemtico en trminos lgebraicos. La compaa XYZ produce dos juguetes, los osos Bobby y Teddy. Cada uno de estos productos debe ser procesado en dos mquinas diferentes. Una mquina tiene 12 horas de capacidad disponible y la otra 8. Cada Bobby producido necesita 2 horas de tiempo en ambas mquinas. Cada Teddy producido requiere 3 horas de tiempo en la primera mquina y 1 hora en la segunda mquina. La ganancia incremental es de $ 6 por Bobby y de $7 por Teddy vendidos y la firma puede vender tantas unidades de cada producto como fabrique. El problema es determinar cuntas unidades de Bobbies y Teddies deben producirse.
Para resolver este problema, lo primero que debemos hacer es, traducir el problema de la compaa XYZ a un problema de descripcin verbal en trminos matemticos y posteriormente utilizando las herramientas
141
matemticas disponibles, resolver el problema matemtico nuevamente definido.
Supongamos: producir.
x1: nmero de unidades de Bobbies que se deben x2: nmero de unidades de Teddies que se deben producir. Z: ganancia incremental total de la compaa.
Las variables X1 y X2 son variables de decisin del problema. Estas son las variables sobre las cuales la compaa ejerce control y cuyos niveles busca establecer (para maximizar su ganancia).
Como la compaa puede hacer una utilidad de $6 y $7 respectivamente por cada Bobby y Teddy vendido, la utilidad total de la compaa est dada por
P = 6X1 + 7X2 La ecuacin anterior es la funcin objetivo de la compaa (y del problema) que se debe maximizar. Es una funcin lineal de las variables de decisin (X1 y X2) y de los parmetros ($6 y $7). La compaa desea seleccionar valores de X1 y X2 que maximicen esta funcin. La compaa desea producir cuanto sea posible de X1 y X2, pues las utilidades se incrementarn en esa misma forma. Sin embargo no puede hacerlo debido a las restricciones bajo las cuales debe operar.
142
Hay dos: las restricciones de capacidad en las dos mquinas utilizadas para producir ambos productos.
La restriccin de la primera mquina transformada a trminos matemticos se expresa como sigue: 2X1 + 3X2 12 Esto es, que cada Bobby utiliza 2 horas de esta mquina y cada Teddy utiliza tres horas (estos son parmetros asociados con las restricciones tecnolgicas del problema). Por lo tanto el nmero total de horas utilizado por los Bobbies y los Teddies est expresado por el lado izquierdo de esta ecuacin. Este debe ser igual o menor que el total de horas disponibles en esta mquina (=12).
Para la segunda mquina, la restriccin similar es: 2X1 + 1X2 8 Adems, debamos imponer la restriccin que limita X1 y X2 a valores no negativos.
En trminos del problema, esto significa que la compaa no puede producir cantidades negativas de productos.
El problema de la compaa se puede resumir simblicamente como sigue as: Maximizar Sujeto a P = 6X1 + 7X2 2X1 + 3X2 12 2X1 + 1X2 8 X1 0, X2 0
143
Es un problema de programacin (programacin Lineal) porque nos pide programas o establecer los niveles de variables de decisin para maximizar (algunas veces minimizar) una funcin objetivo. Es un problema de programacin lineal porque nos piden maximizar una funcin objetivo lineal sujeta a restricciones lineales, incluyendo las condiciones de no negatividad. Los parmetros del problema, esto es, los coeficientes de las variables en la funcin objetivo y en las restricciones as como tambin las constantes (12 y 8 en el lado derecho de las restricciones) se suponen determinsticas.
Particularmente, sin embargo, no es posible producir una fraccin de oso; as, necesitamos otra restriccin a las variables de decisin para asegurar, tanto la condicin de no negatividad como la integridad. Esto es, la restriccin no negatividad debe alterarse as
X1 , X2 = 0 , 1 , 2 , 3 , ......., entero Tenemos ahora, un problema de programacin entera.
En este orden de ideas, otra forma de clasificar los modelos es desde el punto de vista de la ciencia de la administracin: modelos
determinsticos y estocsticos, lineales y no lineales, estticos y dinmicos y, por ltimo modelos de simulacin.
Modelos determinsticos En un modelo determinstico, las relaciones fundamentales, es decir, los parmetros del modelo, se conocen con certidumbre.
144
Modelos estocsticos En un modelo estocstico puede tener algunas relaciones funcionales que sean determinsticas y estocsticas o todas pueden ser
estocsticas.
Un modelo lineal es en el que todas las relaciones funcionales implican que la variable dependiente es proporcional a las variables
independientes. Por otra parte los modelos no lineales utilizan ecuaciones curvilneas o no proporcionales.
Los modelos estticos se definen en un punto fijo del tiempo y se supone que las condiciones del modelo no cambian en ese periodo especfico en el proceso de solucin del modelo.
Un modelo dinmico difiere de uno esttico en que el curso de accin mejor u ptimo se determina examinando periodos mltiples.
Los modelos dinmicos se utilizan en situaciones en las que no puede determinarse el curso ptimo de accin para un nmero ptimo de periodos sin considerar en forma colectiva las acciones que se emprenden en cada periodo.
Representacin grfica de ecuaciones lineales Una de las funciones matemticas clave para la formulacin de modelos, est representada por las ecuaciones lineales o de primer grado, que estudiamos en la unidad anterior, y que por cierto, se estableci en la funcin objetivo del caso de Bobbies y Teddies.
145
Como vimos, se denomina ecuacin lineal a aquella que tiene la forma de un polinomio de primer grado, es decir, las incgnitas no estn elevadas a potencias, ni multiplicadas entre s, ni en el denominador.
Por ejemplo, 3x + 2y + 6z = 6 es una ecuacin lineal con tres incgnitas.
Como es bien sabido, las ecuaciones lineales con 2 incgnitas representan una recta en el plano.
Si la ecuacin lineal tiene 3 incgnitas, su representacin grfica es un plano en el espacio.
Un ejemplo de ambas representaciones puede observarse en la siguiente figura: Y
Este es un plano cartesiano, en el que se presenta una serie de coordenadas que forman la recta.
Si la ecuacin tuviera tres dimensiones, entonces el plano sera:
146
X Z
El objetivo del tema es el estudio de los sistemas de ecuaciones lineales, es decir, un conjunto de varias ecuaciones lineales. Diremos que dos ecuaciones son equivalentes si tienen las mismas soluciones, o geomtricamente representan la misma recta o plano.
Un sistema de ecuaciones lineales es un conjunto de ecuaciones lineales de la forma: a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2 ... am1 x1 + am2 x2 + am3 x3 + + amn xn = bm En este caso se tiene m ecuaciones y n incgnitas. Los nmeros reales aij se denominan coeficientes y los xi se denominan incgnitas (o nmeros a determinar) y bj se denominan trminos independientes. En el caso de que las incgnitas sean 2 se suelen designar simplemente por xe y en vez de x1 y x2.
147
En el caso de tres, x, y, z en lugar de x1, x2 y x3 pero esto es indiferente a la hora de resolver el sistema.
Diremos que dos sistemas son equivalentes cuando tienen las mismas soluciones y este tipo de ecuaciones da origen al sistema de matices.
Matrices Desde 1920, la teora de matrices ha sido una herramienta importante de las ciencias fsicas, se ha aplicado en la astronoma, la mecnica y la teora de circuitos elctricos, entre otras. Su primera aplicacin directa en las disciplinas administrativas fue en 1940, cuando el matemtico G. Dantzing, quien trabajaba para la Fuerza Area de los Estados Unidos, desarroll las ideas de la programacin lineal.
Una matriz es una tabla rectangular de nmeros cuya aplicacin principal es la representacin de sistemas de ecuaciones de primer grado con varias incgnitas. Cada fila de la matriz representa una ecuacin, en donde los valores de una fila son los coeficientes de las distintas variables de la ecuacin, en determinado orden, de tal manera que el primer rengln est situado arriba de la matriz y la primera columna, al extremo izquierdo. Entonces, podemos localizar siempre un nmero o variable (al que llamamos elemento) ocupando un lugar en la interseccin de una columna y un rengln, de la misma manera que podemos localizar a un amigo en la interseccin entre dos calles. Una matriz se representa normalmente entre parntesis o corchetes:
148
1 4
15 0.5 B 10 7 3 6
3 1 9
2 C 4
1 3 7 2 7 8
1 2 1 0 21 3 4 8
2 0.3
El tamao de una matriz est dado por el nmero de filas y de columnas, en este orden. As, A, B, C son de tamao 2 X 3 (dos por tres), 3 X 3, 4 X 4, respectivamente. Los elementos de una matriz general de tamao m n se representan normalmente utilizando un doble subndice: el primero, i, indica el nmero de fila; y el segundo, j, el nmero de columna. Entonces, el elemento a23 est en la segunda fila, tercera columna.
La matriz general
a11 a 21 . . a m1 a12 a 22 . . a m2 a13 a 23 . . a m3 .... a1n .... a 2 n . . .... a mn
Se puede representar de forma abreviada como A = (aij), en donde los posibles valores de los ndices i = 1, 2,..., m y j = 1, 2,..., n se han de dar explcitamente si no se sobrentienden. Si m = n, la matriz es cuadrada; y el nmero de filas (o columnas), el orden de la matriz. Dos matrices, A = (aij) y B = (bij), son iguales si y slo si son de igual tamao y si para todo i y j, aij = bij. Si A = (aij) es una matriz cuadrada, los elementos a11, a22, a33,... forman la diagonal principal de la matriz. La matriz traspuesta AT
149
de una matriz A es otra matriz, en la cual la fila i es la columna i de A; y la columna j, la fila j de A. Por ejemplo, tomando la matriz A anterior,
1 AT 7 1 2 0.3 4
es la matriz traspuesta de A.
La adicin y multiplicacin de matrices estn definidas de manera que ciertos conjuntos de matrices forman sistemas Algebraicos.
Consideremos los elementos de las matrices de nmeros reales cualesquiera. La matriz cero es aquella en la que todos los elementos son cero; y la matriz unidad Im de orden m es una matriz cuadrada de orden m en la cual todos los elementos son cero, excepto los de la diagonal principal, que son 1. El orden de la matriz unidad se puede omitir si se sobrentiende con el resto de la expresin; por lo que Im se escribe simplemente I.
La suma de dos matrices slo est definida si ambas tienen el mismo tamao. Si A = (aij) y B = (bij) tienen igual tamao, entonces la suma C = A + B se define como la matriz (cij), en la que cij = aij + bij; es decir, para sumar dos matrices de igual tamao basta con sumar los elementos correspondientes.
Por otro lado, en el conjunto de todas las matrices de un determinado tamao, la adicin tiene las propiedades uniforme, asociativa y conmutativa. Adems, hay una matriz nica O tal que, para cualquier matriz A, se cumple
150
A + O = O + A = A y una matriz nica B tal que A + B = B + A = O.
El producto matricial AB se define si y slo si el nmero de columnas de A es igual al de renglones de B, o n A

mB .
Si la multiplicacin puede efectuarse, el producto resultante ser una matriz que tenga la dimensin m A
nB
En el clculo matricial se utiliza una simbologa que resulta muy til para varios tipos de clculo en Administracin. La notacin matricial es fundamentalmente un medio de simplificacin, en particular para la investigacin de operaciones, en cuyas soluciones se puede encontrar sistemas con decenas de ecuaciones lineales y decenas de variables.
Conforme comiences a trabajar con las matrices, te dars cuenta de que al vaciar la informacin en ellas, logrars precisar datos. La desventaja de esto es que debes ser muy cuidadoso, pues al mecanizar cualquier proceso hay menos seales que te permitirn darte cuenta si cometes algn error. Por ello, una de las primeras aplicaciones en las que se usaron las computadoras fue el trabajo de matrices.
As, al igual que con los conjuntos, es posible realizar diversas operaciones con las matrices, que dan origen a otras matrices. Y para que las operaciones puedan efectuarse, las matrices con las que trabajes deben tener ciertas caractersticas; de otra manera, la operacin no es posible o conformable, como se dice en el lenguaje de matrices.
Ya se coment que una de las aplicaciones principales de las matrices es la representacin de sistemas de ecuaciones de primer grado con variables incgnitas. Cada rengln de la matriz representa una ecuacin,
151
los elementos de una fila o los coeficientes de las distintas variables de la ecuacin.
Por ejemplo:
3x 2 y
20
lo podemos representar como
x 3 y 16
3 1
2 20 3 16
De esta manera, se logra ser ms conciso y la manipulacin es ms sencilla, pero es necesario ser muy cuidadosos con el orden.
La representacin matricial de sistemas de ecuaciones permite la solucin de los mismos en una fraccin de tiempo, con mucho menos trabajo y con los mtodos Algebraicos que el lector ya puede conocer, como la igualacin y la sustitucin. Esto en un sistema pequeo (de dos ecuaciones con dos incgnitas, por ejemplo) no tiene importancia; no obstante, en un sistema de cuatro ecuaciones con cuatro incgnitas, los mtodos matriciales y Algebraicos mencionados resuelven el problema fcilmente.
Entre los mtodos matriciales de solucin de sistemas de ecuaciones lineales, se encuentra el de Gauss-Jordan, cuyo aprendizaje es difcil al principio, pero una vez comprendido te ser ms fcil aplicarlo.
Cuando domines la manipulacin de matrices, podrs aplicarlas en economa, mercadotecnia y produccin. A continuacin, te mostramos el mtodo Gauss Jordan para resolver las matrices.
El mtodo Gauss-Jordan
152
El mtodo de eliminacin Gauss-Jordan consiste en representar el sistema de ecuaciones por medio de una matriz y escalonarla para obtener la solucin de la ecuacin.
153
Una matriz escalonada es de la forma.
Si escribimos la ecuacin como una matriz aumentada tenemos
3 2 -17 7 5 -41
El primer rengln lo multiplicamos por 1/3 por lo tanto tenemos El mismo primer rengln lo
1 7
2/3 5
-17/3 41
multiplicamos por siete y lo usamos al segundo y el resultado lo ponemos en el segundo rengln. Ahora 7R1+R2 R2
1 0
2/3 1/3
-17/3 -4/3
Ahora multiplicamos el rengln 2 por el 3. Entonces 3R2
1 0
2/3 1
-17/3 -4
Enseguida multiplicamos el segundo rengln por -2/3 y se le suma al primer rengln. Como en el primer rengln y la primera columna de la matriz tiene el valor de x = -3, y = -4
154
1 0
0 1
-9/3 -4
uno, esto implica que el resultado para x es -9/3=-3. Por otro lado en el segundo rengln y la segunda columna de la matriz tiene el valor de uno, esto implica que el resultado para y es -4.
Veamos los tipos de matrices: Tipo de matriz Fila Definicin Aquella matriz que tiene una sola fila, siendo su orden 1n Columna Aquella matriz que tiene una sola columna, siendo su orden m1 Rectangular Aquella matriz que tiene distinto nmero de filas que de columnas, siendo su orden mn , Traspuesta Dada una matriz A, se llama traspuesta de A a la matriz que se obtiene Ejemplo
cambiando ordenadamente las filas por las columnas. Se representa por At AT Opuesta La matriz opuesta de una dada es la que resulta de
155
sustituir por su
cada
elemento La
opuesto.
opuesta de A es -A. Nula Si todos sus elementos son cero. Tambin se
denomina matriz cero y se denota por 0mn Identidad Es una matriz cuadrada que tiene todos sus
elementos nulos excepto los de la diagonal principal que son iguales se a 1.
Tambin
denomina
matriz unidad. Inversa Decimos que una matriz cuadrada A tiene inversa, A-1, si se verifica que: A-1 = A-1A = I
156
4.2. Anlisis cuantitativo

La mayor parte de los problemas de un negocio u organizacin comienzan con el anlisis y definicin de un modelo cualitativo y se avanza gradualmente hasta obtener un modelo cuantificable. Algunos problemas sin embargo no pueden cuantificarse por: Tcnicas inadecuadas de medicin Necesidad de muchas variables Algunas relaciones son desconocidas o especiales Algunas variables son desconocidas Algunas relaciones son demasiado complejas
Cuando el problema ha quedado definido en forma adecuada, el cientfico de administracin comienza su labor de desarrollar un modelo que se pueda utilizar para representar el problema en trminos matemticos.
A continuacin se presenta un breve panorama de las tcnicas de la ciencia de la Administracin.
157
Programacin Lineal La programacin lineal es un mtodo de solucin de problemas que se ha desarrollado para situaciones que implican la maximizacin o la minimizacin de una funcin lineal sujeta a restricciones lineales que limitan la medida en la que se puede tender hacia la funcin objetivo.
Programacin lineal segn enteros Esta programacin lineal es un mtodo que se utiliza para problemas que pueden plantearse como programas lineales, con el requisito adicional de que algunas o todas las decisiones recomendadas deben asumir valores enteros.
Modelos de redes Una red es una representacin grfica de un problema que consiste en pequeos crculos, a los que se denomina nodos, interconectados por lneas a las que se denomina arcos. Existen procedimientos de solucin especializados para este tipo de problemas que permiten resolver rpidamente muchos problemas gerenciales en reas como diseo de sistemas de transporte, diseo de sistemas de informacin y programacin de proyectos.
Administracin de proyectos: PERT/CPM En muchos casos los administradores asumen la responsabilidad de la planeacin, la programacin y el control de proyectos que constan de numerosas tareas o trabajos que son llevados a cabo por diversos departamentos.
Modelos de inventarios
158
Estos modelos se utilizan para auxiliar a administradores que enfrentan los problemas duales de mantener suficientes inventarios para satisfacer la demanda de bienes, y, al mismo tiempo, de incurrir en los menores costos posibles por el mantenimiento de esos inventarios.
Modelos de lneas de espera (colas) Se han desarrollado los modelos de lneas de espera (colas o filas) para ayudar a los administradores a comprender y a tomar mejores decisiones con respecto a la operacin de sistemas de lneas de espera.
En la siguiente unidad se profundizaran en estos modelos.
Modelo de teora de juegos Los psiclogos destacan la importancia del juego en la infancia como medio de formar la personalidad y de aprender de forma experimental a relacionarse en sociedad, a resolver problemas y situaciones
conflictivas. Todos los juegos, de nios y de adultos, juegos de mesa o juegos deportivos, son modelos de situaciones conflictivas y
cooperativas en las que podemos reconocer situaciones y pautas que se repiten con frecuencia en el mundo real.
El estudio de los juegos ha inspirado a cientficos de todos los tiempos para el desarrollo de teoras y modelos matemticos. La estadstica es una rama de las matemticas que surgi precisamente de los clculos para disear estrategias vencedoras en juegos de azar. Conceptos tales como probabilidad, media ponderada y distribucin o desviacin estndar, son trminos acuados por la estadstica matemtica y que tienen aplicacin en el anlisis de juegos de azar o en las frecuentes
159
situaciones sociales y econmicas en las que hay que adoptar decisiones y asumir riesgos ante componentes aleatorios.
Se dice de un comportamiento que es estratgico cuando se adopta teniendo en cuenta la influencia conjunta sobre el resultado propio y ajeno de las decisiones propias y ajenas.
La Teora de Juegos ha alcanzado un alto grado de sofisticacin matemtica y ha mostrado una gran versatilidad en la resolucin de problemas. Muchos campos de la Economa se han visto beneficiados por las aportaciones de este mtodo de anlisis. En el medio siglo transcurrido desde su primera formulacin el nmero de cientficos dedicados a su desarrollo no ha cesado de crecer. Y no son slo economistas y matemticos sino socilogos, politlogos, bilogos o psiclogos. Existen tambin aplicaciones jurdicas: asignacin de responsabilidades, adopcin de decisiones de pleitear o conciliacin, etc.
Hay dos clases de juegos que plantean una problemtica muy diferente y requieren una forma de anlisis distinta. Si los jugadores pueden comunicarse entre ellos y negociar los resultados se tratar de juegos con transferencia de utilidad (tambin llamados juegos cooperativos), en los que la problemtica se concentra en el anlisis de las posibles coaliciones y su estabilidad. En los juegos sin transferencia de utilidad, (tambin llamados juegos no cooperativos) los jugadores no pueden llegar a acuerdos previos; es el caso de los juegos conocidos como "la guerra de los sexos", el "dilema del prisionero" o el modelo "halcnpaloma".
160
Los modelos de juegos sin transferencia de utilidad suelen ser bipersonales, es decir, con slo dos jugadores. Pueden ser simtricos o asimtricos segn que los resultados sean idnticos desde el punto de vista de cada jugador. Pueden ser de suma cero, cuando el aumento en las ganancias de un jugador implica una disminucin por igual cuanta en las del otro, o de suma no nula en caso contrario, es decir, cuando la suma de las ganancias de los jugadores puede aumentar o disminuir en funcin de sus decisiones. Cada jugador puede tener opcin slo a dos estrategias, en los juegos biestratgicos, o a muchas.
Las estrategias pueden ser puras o mixtas; stas consisten en asignar a cada estrategia pura una probabilidad dada. En el caso de los juegos con repeticin, los que se juegan varias veces seguidas por los mismos jugadores, las estrategias pueden ser tambin simples o reactivas, si la decisin depende del comportamiento que haya manifestado el contrincante en jugadas anteriores.
Definicin del problema La definicin de un problema es el primero y ms importante de los pasos de todo el proceso de investigacin. El problema permite conocer y delimitar el terreno de lo desconocido, es decisivo en el resultado final. Una definicin incorrecta nos lleva a encontrar una pseudo-solucin. Su planteamiento adecuado no slo implica considerar la situacin problemtica, sino tambin establecer las posibles vas de solucin. El planteamiento correcto del problema significa, en ocasiones, ms de la mitad de su solucin.
Como premisas para el establecimiento de esta definicin se tiene que:
161
Para que una situacin matemtica represente un problema para un individuo, sta debe contener una dificultad intelectual y no slo operacional o algortmica. Adems debe suceder que la persona de manera consciente reconozca la presencia de la dificultad y la situacin pase a ser objeto de inters para la misma, o sea, que exista una disposicin para resolverla. La base de conocimientos requerida puede estar compuesta por conocimientos y experiencias que se han adquirido y acumulado previamente o puede ser ampliada al abordar el problema, mediante consulta de textos o de personas capacitadas. En todo problema aparece al menos un objeto, que puede ser matemtico como un tringulo, un nmero, una ecuacin, etc., o puede ser real, como un camino que enlace dos puntos, un ro, un poste, etc. Tambin pueden aparecer objetos de ambos tipos, de todas formas los objetos reales en el proceso de resolucin del problema deben representarse matemticamente para poder aplicar los mtodos de esta ciencia. Junto a los objetos, en cada problema suele aparecer una serie de caractersticas de los mismos, algunas de carcter cuantitativo como longitudes, volmenes, nmero de vrtices, aristas, etc. y otras cualitativas como el tipo de tringulo (equiltero, issceles, escaleno o rectngulo), el tipo de camino (recto, curvo, poligonal), etc. Tambin pueden aparecer relaciones entre los objetos, tales como relaciones de distancia, tangencia, semejanza,
equivalencia, congruencia, etc.
Las condiciones del problema son conformadas por algunos objetos, caractersticas de estos y relaciones entre los mismos, que son dadas en la formulacin del problema. La exigencia o
162
interrogante a la cual hay que dar respuesta tambin se expresa en trminos de objetos, caractersticas o relaciones.
Si la dificultad que presenta la situacin matemtica es slo algortmica, es decir, si el conocimiento previo incluye un programa bien preciso para su solucin, no lo consideramos problema, sino ejercicio.
Una vez definido el problema matemtico, podemos adentrarnos en el estudio de su proceso de resolucin
Cuando hablamos de modelos aplicables a la administracin, nos estamos refiriendo a la Investigacin de operacin que como su nombre lo dice, significa hacer investigacin sobre las operaciones. Entonces, la investigacin de operaciones se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones (o actividades) dentro de una organizacin. La naturaleza de la organizacin es esencialmente inmaterial y, de hecho, la investigacin de operaciones se ha aplicado de manera extensa en reas tan diversas como la manufactura, el transporte, la constitucin, las telecomunicaciones, la planeacin financiera, el cuidado de la salud, la milicia y los servidores pblicos, por nombrar slo unas cuantas. As, la gama de aplicaciones es extraordinariamente amplia.
La parte de investigacin en el nombre significa que la investigacin de operaciones usa un enfoque similar a la manera en que se lleva a cabo la investigacin en los campos cientficos establecidos. En gran medida, se usa el mtodo cientfico para investigar el problema en cuestin. (De hecho, en ocasiones se usa el trmino ciencias de al administracin
163
como sinnimo de investigacin de operaciones.) En particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema incluyendo la recoleccin de los datos pertinentes. El siguiente paso es 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. Despus, se llevan a cabo los experimentos adecuados para probar esta hiptesis, modificarla si es necesario y eventualmente verificarla. (Con frecuencia este paso se conoce como la validacin del modelo.) Entonces, en cierto modo, la investigacin de operaciones incluye la investigacin cientfica creativa de las propiedades fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la IO se ocupa tambin de la administracin prctica de la organizacin. As, para tener xito, deber tambin proporcionar conclusiones claras que pueda usar el tomador de decisiones cuando las necesite. Una caracterstica ms de la IO es su amplio punto de vista. Como qued implcito en la seccin anterior, la IO adopta un punto de vista organizacional, de esta manera, intenta resolver los conflictos de intereses entre las componentes de la organizacin de forma que el resultado sea el mejor para la organizacin completa. Esto no significa que el estudio de cada problema deba considerar en forma explcita todos los aspectos de la organizacin sino que los objetivos que se buscan deben ser consistentes con los de toda ella.
Una caracterstica adicional es que la IO intenta encontrar una mejor solucin (llamada solucin ptima) para el problema bajo consideracin.
164
(Decimos una mejor solucin y no la mejor solucin porque pueden existir muchas soluciones que empaten como la mejor.) En lugar de contentarse con mejorar el estado de las cosas, la meta es identificar el mejor curso de accin posible. Aun cuando debe interpretarse con todo cuidado en trminos de las necesidades reales de la administracin, esta bsqueda de lo ptimo es un aspecto importante dentro de la investigacin de operaciones.
Todas estas caractersticas llevan de manera casi natural a otra. Es evidente que no puede esperarse que un solo individuo sea un experto en todos los mltiples aspectos del trabajo de investigacin de operaciones o de los problemas o de los problemas que se estudian; se requiere un grupo de individuos con diversos antecedentes y habilidades. Entonces, cuando se va a emprender un estudio de investigacin de operaciones completo de un nuevo problema, por lo general es necesario emplear el trmino de equipo. Este debe incluir individuos con antecedentes firmes en matemticas, estadstica y teora de probabilidades, al igual que en economa, administracin de empresas, ciencias de la computacin, ingeniera, ciencias fsicas, ciencias del comportamiento y, por supuesto, en las tcnicas especiales de IO. El equipo tambin necesita tener la experiencia y las habilidades necesarias para permitir la consideracin adecuada de todas las ramificaciones del problema a travs de la organizacin.
Al aplicar la IO al estudio de sistemas y a la resolucin de problemas se corre el riesgo de tratar de manipular los problemas para buscar que se ajusten a las diferentes tcnicas, modelos de algoritmos establecidos en lugar de analizar los problemas y buscar resolverlos obteniendo las soluciones mejores, utilizando los mtodos apropiados, es decir resolver
165
el problema utilizando los mtodos que proporcionan las mejores soluciones y no buscar ajustar el problema a un mtodo especfico.
Para llegar a hacer un uso apropiado de la IO, es necesario primero comprender la metodologa para resolver los problemas, as como los fundamentos de las tcnicas de solucin para de esta forma saber cundo utilizarlas o no en las diferentes circunstancias.
Enfoque de la Investigacin de Operaciones La parte innovadora de la IO es sin duda alguna su enfoque modelstico, producto de sus creadores aunado a la presin de supervivencia de la guerra o la sinergia generada al combinarse con diferentes disciplinas, una descripcin del enfoque es el siguiente. 1. Se define el sistema real donde se presenta el problema. Dentro del sistema interactan normalmente un gran nmero de variables. 2. Se seleccionan las variables que norman la conducta o el estado actual del sistema, llamadas variables relevantes, con las cuales se define un sistema asumido del sistema real. 3. Se construye un modelo cuantitativo del sistema asumido, identificando y simplificando las relaciones entre las variables relevantes mediante la utilizacin de funciones matemticas. 4. Se obtiene la solucin al modelo cuantitativo mediante la aplicacin de una o ms de las tcnicas desarrolladas por la IO. 5. Se adapta e imprime la mxima realidad posible a la solucin terica del problema real obtenida en el punto 4, mediante la consideracin de factores cualitativos o no cuantificables, los cuales no pudieron incluirse en el. 6. Se implanta la solucin en el sistema real.
166
La investigacin de operaciones obtiene la solucin del problema real indirectamente, y no como normalmente se intentara pasando del problema real a la solucin real.
Metodologa de la Investigacin de Operaciones
I.
Definicin del problema y recoleccin de datos
La mayor parte de los problemas prcticos con los que se enfrenta el equipo IO estn descritos inicialmente de una manera vaga. Por consiguiente, la primera actividad que se debe realizar es el estudio del sistema relevante y el desarrollo de un resumen bien definido del problema que se va a analizar. Esto incluye determinar los objetivos apropiados, las restricciones sobre lo que se puede hacer, las interrelaciones del rea bajo estudio con otras reas de la organizacin, los diferentes cursos de accin posibles, los lmites de tiempo para tomar una decisin, etc. Este proceso de definir el problema es crucial ya que afectar en forma significativa la relevancia de las conclusiones del estudio.
Por su naturaleza, la investigacin de operaciones se encarga del bienestar de toda la organizacin, no slo de algunos de sus componentes. Un estudio de IO busca soluciones ptimas globales y no soluciones sub-ptimas aunque sean lo mejor para uno de los componentes. Entonces, idealmente, los objetivos que se formulan deben coincidir con los de toda la organizacin. Sin embargo, esto no siempre es conveniente. Muchos problemas interesan pero
exclusivamente a una parte de la organizacin, de manera que el
167
anlisis sera innecesariamente basado si lo objetivos fueran muy generales y si se prestara atencin especial a todos los efectos secundarios sobre el resto de la organizacin. En lugar de ello, los objetivos usados en un estudio deben ser tan especficos como sea posible, siempre y cuando contemplen las metas principales del tomador de decisiones y mantengan un nivel razonable de consistencia con los objetivos de los altos niveles.
Las condiciones fundamentales para que exista un problema es que se establezca una diferencia entre lo que es (situacin actual) y lo que debe ser (situacin deseada u objetivo) y adems exista cuando menos una forma de eliminar o disminuir esa diferencia. Los componentes de un problema son: a) el tomador de decisiones o ejecutivo; b) los objetivos de la organizacin; c) el sistema o ambiente en el que se sita el problema; d) Los cursos de accin alternativos que se pueden tomar para resolverlo.
Para formular un problema se requiere; a) identificar los componentes y variables controlables y no controlables del sistema; b) identificar los posibles cursos de accin, determinados por las componentes controlables; c) definir el marco de referencia dado por las componentes no controlables; d) definir los objetivos que se busca alcanzar y clasificarlos por orden de importancia; e) identificar las interpelaciones importantes entre las diferentes partes del sistema y encontrar las restricciones que existen.
II. Formulacin de un modelo matemtico Una vez definido el problema del tomador de decisiones. La siguiente etapa consiste en reformularlo de manera conveniente para su anlisis.
168
La forma convencional en que la investigacin de operaciones realiza esto es construyendo un modelo matemtico que represente la esencia del problema. Antes de analizar cmo formular los modelos de este tipo, se explorar la naturaleza general de los modelos y, en particular, la de los modelos matemticos.
El modelo matemtico est constituido por relaciones matemticas (ecuaciones y desigualdades) establecidas en trminos de variables, que representa la esencia del problema que se pretende solucionar.
Para construir un modelo es necesario primero definir las variables en funcin de las cuales ser establecido. Luego, se procede a determinar matemticamente cada una de las dos partes que constituyen un modelo: a) la medida de efectividad que permite conocer el nivel de logro de los objetivos y generalmente es una funcin (ecuacin) llamada funcin objetivo; b) las limitantes del problema llamada restricciones que son un conjunto de igualdades o desigualdades que constituyen las barreras y obstculos para la consecucin del objetivo.
Un modelo debe ser menos complejo que el problema real, es una aproximacin abstracta de la realidad con consideraciones y
simplificaciones que hacen ms manejable el problema y permiten evaluar eficientemente las alternativas de solucin.
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 ayude a relevar las relaciones importantes entre causa y efecto. De esta manera,
169
indica con ms claridad qu datos adicionales son importantes para el anlisis. Tambin facilita simultneamente el manejo del problema en su totalidad y el estudio de todas sus interpelaciones. Por ltimo, un modelo matemtico forma un puente para poder emplear tcnicas matemticas y computadoras de alto poder, para analizar el problema. Sin duda, existe una amplia disponibilidad de paquetes de software para muchos tipos de modelos matemticos, para micros y minicomputadoras.
Por otro lado, existen obstculos que deben evitarse al usar modelos matemticos. Un modelo es, necesariamente, una idealizacin abstracta del problema, por lo que casi siempre se requieren aproximaciones y suposiciones de simplificacin si se quiere que el modelo sea manejable (susceptible de ser resuelto). Por lo tanto, debe tenerse cuidado de que el modelo sea siempre una representacin vlida del problema. El criterio apropiado para juzgar la validez de un modelo es el hecho de si predice o no con suficiente exactitud los efectos relativos de los diferentes cursos de accin, para poder tomar una decisin que tenga sentido. En consecuencia, no es necesario incluir detalles sin importancia o factores que tienen aproximadamente el mismo efecto sobre todas las opciones. Ni siquiera es necesario que la magnitud absoluta de la medida de efectividad sea aproximadamente correcta para las diferentes alternativas, siempre que sus valores relativos (es decir, las diferencias entre sus valores) sean bastante precisos. Entonces, todo lo que se requiere es que exista una alta correlacin entre la prediccin del modelo y lo que ocurra en la vida real. Para asegurar que este requisito se cumpla, es importante hacer un nmero considerable de pruebas del modelo y las modificaciones consecuentes. Aunque esta fase de pruebas se haya colocado despus en el orden del libro, gran parte del trabajo de validacin del modelo se lleva a cabo
170
durante la etapa de construccin para que sirva de gua en la obtencin del modelo matemtico.
III. Obtencin de una Solucin a partir del modelo Resolver un modelo consiste en encontrar los valores de las variables dependientes, asociadas a los componentes controlables del sistema con el propsito de optimizar, si es posible, o cuando menos mejorar la eficiencia o la efectividad del sistema dentro del marco de referencia que fijan los objetivos y las restricciones del problema.
La seleccin del mtodo de solucin depende de las caractersticas del modelo. Los procedimientos de solucin pueden ser clasificados en tres tipos: a) analticos, que utilizan procesos de deduccin matemtica; b) numricos, que son de carcter inductivo y funcionan en base a operaciones de prueba y error, c) simulacin, que utiliza mtodos que imitan o, emulan al sistema real, con base en un modelo.
Muchos de los procedimientos de solucin tienen la caracterstica de ser iterativos, es decir buscan la solucin basndose en la repeticin de la misma regla analtica hasta llegar a ella, si la hay, o cuando menos a una aproximacin.
IV. Prueba del Modelo El desarrollo de un modelo matemtico grande es anlogo en algunos aspectos al desarrollo de un programa de computadora grande. Cuando se completa la primera versin, es inevitable que contenga muchas fallas. El programa debe probarse de manera exhaustiva para tratar de encontrar y corregir tanto problemas como sea posible. Eventualmente, despus de una larga serie de programas mejorados, el programador (o
171
equipo de programacin) concluye que el actual da, en general, resultados razonablemente vlidos. Aunque sin duda quedarn algunas fallas ocultas en el programa (y quiz nunca se detecten, se habrn eliminado suficientes problemas importantes como para que sea confiable utilizarlo.
De manera similar, es inevitable que la primera versin de un modelo matemtico grande tenga muchas fallas. Sin duda, algunos factores o interpelaciones relevantes no se incorporaron la modelo y algunos parmetros no se estimaron correctamente. Esto no se puede eludir dada la dificultad de la comunicacin y la compresin de todos los aspectos y sutilezas de un problema operacional complejo, as como la dificultad de recolectar datos confiables. Por lo tanto, antes de usar el modelo debe probarse exhaustivamente para intentar identificar y corregir todas las fallas que se pueda. Con el tiempo, despus de una larga serie de modelos mejorados, el equipo de IO concluye que el modelo actual produce resultados razonablemente vlidos. Aunque sin duda quedarn algunos problemas menores ocultos en el modelo (y quiz nunca se detecten), las fallas importantes se habrn eliminado de manera que ahora es confiable usar el modelo. Este proceso de prueba y mejoramiento de un modelo para incrementar su validez se conoce como validacin del modelo.
Debido a que el equipo de IO puede pasar meses desarrollando todas las piezas detalladas el modelo, es sencillo no ver el bosque para buscar los rboles. Entonces, despus de completar los detalles (rboles) de la versin inicial del modelo, una buena manera de comenzar las pruebas es observarlo en forma global (el bosque) para verificar los errores u omisiones obvias. El grupo que hace esta revisin
172
debe, de preferencia, incluir por lo menos a una persona que no haya participado en la formulacin. Al examinar de nuevo la formulacin del problema y compararla con el modelo pueden descubrirse este tipo de errores. Tambin es til asegurarse de que todas las expresiones matemticas sean consistentes en las dimensiones de las unidades que se emplean. Adems, puede obtenerse un mejor conocimiento de la validez del modelo variando los valores de los parmetros de entrada o de las variables de decisin, y comprobando que los resultados del modelo se comporten de una manera factible. Con frecuencia, esto es especialmente revelador cuando se asignan los parmetros o a las variables valores extremos cercanos a su mximo o mnimo.
Un enfoque ms sistemtico para la prueba del modelo es emplear una prueba retrospectiva. Cuando es aplicable, esta prueba utiliza datos histricos y reconstruye el pasado para determinar si el modelo y la solucin resultante hubieran tenido un buen desempeo, de haberse usado. La comparacin de la efectividad de este desempeo hipottico con lo que en realidad ocurri, indica si el uso del modelo tiende a dar mejoras significativas sobre las evidencias en cuanto a lo bien que el modelo predice los efectos relativos de los diferentes cursos de accin.
Cuando se determina que el modelo y la solucin no son vlidos, es necesario iniciar nuevamente el proceso revisando cada una de las fases de la metodologa de la investigacin de operaciones.
V. Establecimiento de controles sobre la solucin Una solucin establecida como vlida para un problema, permanece como tal siempre y cuando las condiciones del problema tales como: las variables no controlables, los parmetros, las relaciones, etc., no
173
cambien significativamente. Esta situacin se vuelve ms factible cuando algunos modelos de los parmetros fueron estimados aproximadamente. Por lo anterior, es necesario generar informacin adicional sobre el comportamiento de la solucin debido a cambios en los parmetros del modelo. Usualmente esto se conoce como anlisis de sensibilidad. En pocas palabras, esta fase consiste en determinar los rangos de variacin de los parmetros dentro de los cuales no cambia la solucin del problema
VI. Implantacin de la solucin El paso final se iniciar con el proceso de vender los hallazgos que se hicieron a lo largo del proceso a los ejecutivos o tomadores de las decisiones. Una vez superado este obstculo, se debe traducir la solucin encontrada a instrucciones y operaciones comprensibles para los individuos que intervienen en la operacin y administracin del sistema. La etapa de implantacin de una solucin se simplifica en gran medida cuando se ha propiciado la participacin de todos los involucrados en el problema en cada fase de la metodologa.
Preparacin para la aplicacin del modelo. Esta etapa es crtica, ya que es aqu, donde se cosecharn los beneficios del estudio. Por lo tanto, es importante que el equipo de IO participe, tanto para asegurar que las soluciones del modelo se traduzcan con exactitud a un procedimiento operativo, como para corregir cualquier defecto en la solucin que salga a la luz en este momento.
El xito de la puesta en prctica depende en gran parte del apoyo que proporcionen tanto la alta administracin como la gerencia operativa. Es ms probable que el equipo de IO obtenga este apoyo si ha mantenido a la administracin bien informada y ha fomentado la gua de la gerencia
174
durante el estudio. La buena comunicacin ayuda a asegurar que el estudio logre lo que la administracin quiere y por lo tanto merezca llevarse a la prctica. Tambin proporciona a la administracin el sentimiento de que el estudio es suyo y esto facilita el apoyo para la implantacin.
La etapa de implantacin incluye varios pasos. Primero, el equipo de investigacin de operaciones da una cuidadosa explicacin a la gerencia operativa sobre el nuevo sistema que se va a adoptar y su relacin con la realidad operativa. En seguida, estos dos grupos comparten la responsabilidad de desarrollar los procedimientos requeridos para poner este sistema en operacin. La gerencia operativa se encarga despus de dar una capacitacin detallada al personal que participa, y se inicia entonces el nuevo curso de accin. Si tiene xito, el nuevo sistema se podr emplear durante algunos aos. Con esto en mente, el equipo de IO supervisa la experiencia inicial con la accin tomada para identificar cualquier modificacin que tenga que hacerse en el futuro.
A la culminacin del estudio, es apropiado que el equipo de investigacin de operaciones documente su metodologa con suficiente claridad y detalle para que el trabajo sea reproducible. Poder obtener una rplica debe ser parte del cdigo de tica profesional del investigador de operaciones. Esta condicin es crucial especialmente cuando se estudian polticas gubernamentales en controversia.
Limitaciones de la Investigacin de Operaciones Frecuentemente es necesario hacer simplificaciones del problema original para poder manipularlo y detener una solucin.
175
La mayora de los modelos slo considera un nico objetivo y frecuentemente en las organizaciones se tienen objetivos mltiples. Existe la tendencia a no considerar la totalidad de las restricciones en un problema prctico, debido a que los mtodos de enseanza y entrenamiento dan la aplicacin de esta ciencia centralmente se basan en problemas pequeos para razones de ndole prctico, por lo que se desarrolla en los alumnos una opinin muy simplista e ingenua sobre la aplicacin de estas tcnicas a problemas reales. Casi nunca se realizan anlisis costo-beneficio de la implantacin de soluciones definidas por medio de la IO, en ocasiones los beneficios potenciales se ven superados por los costos
ocasionados por el desarrollo e implantacin de un modelo.
Modelos Especficos de la Investigacin de Operaciones Planeacin de la Produccin Asignacin de personal Transporte Inventarios Dietas Mercado Estrategias de Inversin
176
Los resultados de la Investigacin de Operaciones son tiles porque constituyen modelos de planeacin. En la siguiente unidad hablaremos de la aplicacin de la IO en la Ciencia de la Administracin y elaboraremos modelos matemticos de problem solving y data sufficiency.
177
RESUMEN
En esta unidad has aprendido en qu consiste la construccin de modelos matemticos y para qu sirven.
Lo primero que se analiz fue la importancia de la Investigacin de Operaciones para la Ciencia de la Administracin. La Investigacin de Operaciones no es otra cosa que la aplicacin matemtica del mtodo cientfico a la Administracin.
Los modelos IO, nacieron en la Guerra, pero fcilmente se adaptaron a la realidad administrativa y de gran competencia que viven las empresas modernas: Por ello, identificamos los tipos de modelos provenientes de este enfoque, tales como la programacin lineal, el mtodo smplex, las matrices como tcnica clave para la resolucin de problemas que implican ecuaciones lineales, los modelos icnicos, anlogos,
simblicos, de simulacin, heursticos, estocsticos, lineales, etc.
Tambin identificamos los elementos de los modelos matemticos, como lo son las variables, la funcin objetivo expresada como ecuacin, y las restricciones.
178
Y finalmente, revisamos los modelos que permiten la realizacin del anlisis cuantitativo, es decir, el anlisis matemtico que se expresa en ecuaciones y en resultados numricos. As, volvimos a definir los problemas de programacin lineal para la maximizacin de utilidades, enfocados a la produccin (programacin lineal segn enteros). Despus analizamos la teora de redes para la programacin y secuencia de actividades, los modelos PERT/CPM o ruta crtica, los modelos para hacer ms eficiente al almacn, la teora de filas para la logstica y la prestacin de servicios y la teora de juegos.
En la siguiente unidad, profundizaremos en todas y cada una de estas tcnicas, para identificar su aplicacin prctica en la Administracin.
179
GLOSARIO
Anlisis cuantitativo Es una tcnica que aplica las matemticas, sobre todo el clculo estocstico, al mbito de la economa y la Bolsa.
Ciencia de la administracin Actividad profesional cientfica que se encarga de establecer los procesos necesarios en una organizacin, a fin de lograr sus objetivos, planeando, controlando y dirigiendo los recursos de una entidad.
Definicin de problemas Es la actividad relacionada con la identificacin, delimitacin y expresin de un problema u objetivo, para su eventual solucin.
Funcin objetivo Es una ecuacin que refleja el problema por resolver, ya sea de maximizacin o minimizacin.
180
Incgnitas Son las variables que no se conocen y que quieren encontrarse en la resolucin de una ecuacin.
Investigacin de operaciones Rama de las Matemticas consistente en el uso de modelos matemticos, estadstica y algoritmos con objeto de realizar un proceso de toma de decisiones.
Matrices Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, suelen ser nmeros ordenados en filas y columnas.
Mtodo cientfico Es un mtodo de investigacin usado principalmente en la produccin de conocimiento en las ciencias.
Mtodo simplex Es una tcnica popular para dar soluciones numricas del problema de la programacin lineal, con ms de dos productos.
Modelado Es uno de los tipos de modelos cientficos, que emplea algn tipo de formulismo matemtico para expresar relaciones, proposiciones
sustantivas de hechos, variables, parmetros, entidades y relaciones entre variables o entidades u operaciones, para estudiar
comportamientos de sistemas complejos ante situaciones difciles de observar en la realidad.
181
Modelos de inventarios Modelos matemticos empleados para determinar la inversin ptima en el almacn.
Modelos de lneas de espera Modelos matemticos empleados para determinar el tiempo de atencin en una lnea de produccin, distribucin o servicio.
Modelos de simulacin Modelo en que se aplican ensayos. Construido el modelo, se ensaya una alternativa en l con el fin de aplicar las conclusiones al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
Modelos determinsticos Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma. Modelos dinmicos Utilizados para representar sistemas cuyo estado vara con el tiempo.
Modelos estocsticos Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo.
Modelos Icnicos Son aquellos que ofrecen una representacin pictrica del objeto. Muestra algunos rasgos o parecidos.
Modelos heursticos
182
Estos modelos estn basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado.
Modelos lineales Se dice que una funcin es lineal cuando su grfica es una lnea recta.
Modelos de redes Son problemas de programacin lineal expresados en redes, con lneas, nodos y arcos.
Modelos simblicos Reproducen sistemas o entidades mediante el uso de smbolos para representar los objetos fsicos
Modelo Gauss-Jordan Se trata de una serie de algoritmos del lgebra lineal para determinar los resultados de un sistema de ecuaciones lineales y as hallar matrices e inversas.
Problemas de programacin lineal Son aquellos en donde la funcin objetivo y las restricciones se expresan como ecuaciones o desigualdades lineales. Programacin entera Son aquellos donde la totalidad o un subconjunto de las variables de decisin toman valores enteros.
PERT/CPM
183
Son las abreviaciones de Program Evaluation and Review Technique y el Critical Path Method. Son redes de tiempos y movimientos.
Premisas Son cada una de las proposiciones anteriores a la conclusin de un argumento.
Restricciones Es el lmite o impedimento para solucionar un problema.
Variables Son los elementos de los que depende la solucin de un problema.
184
ACTIVIDAD 1 Elabora un mapa conceptual de los temas tratados en esta unidad.
ACTIVIDAD 2 A continuacin se presenta una serie de problemas cuantitativos, con base en ellos, elabora la ecuacin que los explique: 1. Se tiene 6lb de caf 5lb de azcar cuyo costo fue de 2.27 dlares y posteriormente 5lb de caf y 4 de azcar a los mismos precios costaron 1.88 dlares. 2. La diferencia de dos nmeros A y B es 14; adems se tiene que un cuatro de su suma da como resultado 13. 3. Durante una aventura ecoturstica un bote navega por un ro; recorre 15km en un tiempo de una hora y media a favor de la corriente en la ida y luego12km en 2 horas contra la corriente en la vuelta. 4. Se tiene que la suma de tres nmeros A, B y C es 160. Donde un cuarto de la suma del mayor y el mediano equivalente al menor disminuido en 20, y si a un medio de las diferencias entre las mayor y el menor se suma el nmero de en medio, el resultado es 57. 5. Hace 8 aos la edad de M era el tripe que la edad de P; y dentro de cuatro aos la edad de M ser los 5/9 de la edad de P.
ACTIVIDAD 3
185
Investiga en los sitios electrnicos sugeridos, la utilidad de los modelos de Programacin lineal.
ACTIVIDAD 4 Resuelve el siguiente ejercicio de matrices: Sean las matrices:

1 A= -2 0 B= 1 -3 1 0 1 1 2 2 1
-2 E= 0 0 D= 0
1 -2 0 0
1 1 0 0
Encuentre la solucin correspondiente a los siguientes Operaciones entre Matrices de acuerdo a lo que se pide:
1. Determine A+ B:
1 3 -3 3 -3 3 3 -3 3 -3 3 3 2 3 2 3 2 3 2 3 2
a)
-1 1
b)
1 1
c)
1 1
d)
1 -1
e)
186
2. Determine A+ (B+C):
-1 -4 5 -4 -5 4 -5 -4 -5 -4 -5 2 3 2 3 2 3 2 3 -2 3
a)
1 -1
b)
1 -1
c)
-1 -1
d)
-1 -1
e)
-1
187
1. Qu es la Ciencia de la Administracin? 2. En qu consiste el mtodo cientfico? 3. En qu consiste la investigacin de operaciones? 4. Por qu es importante la investigacin de operaciones? 5. Cules son los elementos que integran un modelo IO? 6. Qu es una variable? 7. Qu es una restriccin? 8. Qu es la funcin objetivo? 9. Qu es la programacin lineal? 10. Qu son las ecuaciones lineales? 11. En qu consiste la construccin de un modelo matemtico? 12. Enumera los tipos de modelos matemticos. 13. En qu consiste un modelo de simulacin? 14. Qu es un modelo heurstico? 15. Qu es un problema determinstico?
188
16. Qu es un modelo estocstico? 17. Qu es una ecuacin lineal? 18. Qu es una matriz? 19. Cules son las ventajas de la IO? 20. Cules son las limitaciones de la IO?
LO QUE APREND
LO QUE APREND Por qu es importante la Investigacin de Operaciones en la Ciencia de la Administracin?
189
Elije la respuesta correcta: 1. Sean x1 y x2 la cantidad a producirse de dos artculos 1 y 2, los parmetros son los costos de produccin de ambos productos, $3 para el producto 1 y $5 para el producto 2. El tiempo total de produccin est restringido a 500 horas y el tiempo de produccin es de 8 horas por unidad para el producto 1 y de 7 horas por unidad para el producto 2. Cmo se plantea su funcin objetivo?
a) 3x1 + 5x2 b) X1 + 7x2 c) 8x1 + 7x2 d) 5x1 + 3x2 2. Con los datos del ejercicio anterior, cul sera la frmula para la restriccin? a) 7x1 + 8 x1 = 1000 b) 7x1 8 x1 = 500 c) 8x1 + 7x2 d) 8x1 + 7x2 500 500
190
3. Continuando con los mismos datos, la funcin objetivo indica que sta debe: a) Maximizarse b) Minimizarse c) Igualarse d) No se hace nada
4. Un fabricante de dos productos A y B dispone de 6 unidades de material y 28 horas para su ensamblaje, el modelo A requiere 2 unidades de de material y 7 horas de ensamblaje, el modelo B requiere una unidad de material y 8 horas de ensamblaje, los precios de los productos son $120 y $80 respectivamente. Cul sera su funcin objetivo?
a) 6 x1 +28 x2 b) 28 x1 +6 x2 c) 80x1 +120 x2 d) 120x1 + 80 x2 5. Cmo se expresa la restriccin de materiales?
a) 7 x1 +8 x2 6 b) 6 x1 + 28 x2 c) 2x1 + x2 6 d) x1 + 2 x2 120 6
191
6. Cmo se expresa la restriccin de horas? a) 7 x1 +8 x2 6 b) 7 x1 +8 x2 28 c) 2x1 + x2 28 d) x1 + 2 x2 120 7. Continuando con los mismos datos del punto 4, la funcin objetivo indica que sta debe: a) Maximizarse b) Minimizarse c) Igualarse d) No se hace nada
8. En los dos ejemplos mostrados, X1 y X2 deben ser: a) Igual a cero b) Menores que ceros c) Mayor o igual a cero d) Menor o igual a cero
192
MESOGRAFA
Autor Arya (2009) Wayne (2005) Captulo 10 1 2 Pginas 406-446 1-10 11-47
BIBLIOGRAFA BSICA
economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp. Burden, L. y Faires J., (2011), Anlisis numrico, 9 ed., Mxico, Cengage Learning, 888 pp. Kaufmann, Jerome E. (2010). lgebra, 8 ed., Mxico, Cengage Learning, 920 pp. Kowalsky, Robert. (1989). Lgica, programacin e inteligencia artificial, Madrid, Daz de Santos, 546 pp. Prawda, Juan. (2004). Mtodos y modelos de investigacin de operaciones I, Mxico, Limusa, 785 pp.
193
Render, Barry. (2006). Mtodos cuantitativos para los negocios, 9 ed., Mxico: Pearson, 731 pp. Swokowski, Earl W. (2009). lgebra y trigonometra con geometra analtica, 12 ed., Mxico, Cengage Learning, 1032 pp. Wayne, Winston. (2005). Investigacin de operaciones, aplicaciones y algoritmos. Mxico, Thompson, 831 pp.
administracin, economa y ciencias sociales, 7 ed., Mxico, McGrawHill Interamericana, 959 pp. Martz, Geoff. (2007). Cracking the GMAT, Nueva York, Random House, 535 pp. GMAT. (2009). The official guide for GMAT review, 12 ed., Wiley, Hoboken, NJ, 840 pp.
194
SITIOS DE INTERS
Barc, Jaime. (1996). Proceso de construccin de modelos matemticos. Madrid, Isdefe. Disponible en lnea:
http://es.scribd.com/doc/53028303/2/El-proceso-de-construccion-demodelos-modelos-matematicos. consultado el 14 de abril de 2011 Bellini M., Franco. (2004). Investigacin de Operaciones, Universidad de Santa Mara, Caracas, curso disponible en lnea:
http://www.investigacion-operaciones.com/operaciones.htm, recuperado el 14/04/11 ______________. (2004b). Modelizacin, disponible en lnea:
http://www.investigacionoperaciones.com/Introduccion_modelizacion.htm recuperado el 14/04/11 Bustos Faras Eduardo (2008). Investigacin de Operaciones, Concepto e Importancia de la, (25/09/08) Sociedad Colombiana de Investigacin de Operaciones. Disponible en lnea:
http://www.youtube.com/watch?v=yNjTT2rdTgA. Consultado el 14/04/11 Investigacin de Operaciones, Aplicaciones de la Investigacin Operativa en la Gestin de Empresas. Qu es la investigacin de operaciones, disponible en lnea:
http://www.investigaciondeoperaciones.net, consultado el 14/04/11 Instituto Tecnolgico Superior de Calkini en el Estado de Campeche. (2007). Pasos generales y tcnicas de la construccin de modelos matemticos, disponible en lnea:
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r24490.PDF, consultado el 14/04/11
195
UNIDAD 5 MTODOS CUANTITATIVOS APLICADOS A LOS NEGOCIOS Y LA TOMA DE DECISIONES
196
OBJETIVO PARTICULAR
Al finalizar el estudio de esta unidad, el alumno ser capaz de identificar y poner en prctica, los modelos de investigacin de operaciones aplicados a los negocios y a la toma de decisiones.
197
INTRODUCCIN
La Investigacin de operaciones ha tenido un impacto impresionante en el mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo. En el proceso, la IO ha hecho contribuciones significativas al incremento de la productividad dentro de la economa de varios pases.
Recordemos que la IO es la aplicacin, por grupos interdisciplinarios, del mtodo cientfico a problemas relacionados con el control de las organizaciones o sistemas (hombre mquina), a fin de que se produzcan soluciones que mejor sirvan a los objetivos de la organizacin.
De esta definicin se pueden destacar los siguientes conceptos: 1. Una organizacin es un sistema formado por componentes que interaccionan, algunas de estas interacciones pueden ser controladas y otras no.
2. En un sistema la informacin es parte fundamental, ya que entre las componentes fluye informacin que ocasiona la interaccin entre ellas. Tambin dentro de la estructura de los sistemas se encuentran
198
recursos que generan interacciones. Los objetivos de la organizacin se refieren a la eficacia y a la eficiencia con que las componentes pueden controlarse, el control es un mecanismo de autocorreccin del sistema que permite evaluar los resultados en trminos de los objetivos establecidos.
3. La complejidad de los problemas que se presentan en las organizaciones ya no encajan en una sola disciplina del conocimiento, se han convertido en multidisciplinario por lo cual para su anlisis y solucin se requieren grupos compuestos por especialistas de diferentes reas del conocimiento que logran comunicarse con un lenguaje comn.
4. La investigacin de operaciones es la aplicacin de la metodologa cientfica a travs de modelos matemticos, primero para representar al problema y luego para resolverlo.
La definicin de la Sociedad de Investigacin de Operaciones de la Gran Bretaa es la siguiente:
La Investigacin de Operaciones es el ataque de la ciencia moderna a los complejos problemas que surgen en la direccin y en la administracin de grandes sistemas de hombres, mquinas, materiales y dinero, en la industria, en los negocios, en el gobierno y en la defensa. Su actitud diferencial consiste en desarrollar un modelo cientfico del sistema tal, que incorpore valoraciones de factores como el azar y el riesgo y mediante el cual se predigan y comparen los resultados de decisiones, estrategias o controles alternativos. Su propsito es el de
199
ayudar a la gerencia a determinar cientficamente sus polticas y acciones.
En relacin con esta definicin deben destacarse los siguientes aspectos:
2. Generalmente se asocian los conceptos de direccin y administracin a las empresas de tipo lucrativo, sin embargo, una empresa es un concepto ms amplio, es algo que utiliza hombres, mquinas, materiales y dinero con un propsito especfico; desde este punto de vista, se considera como empresa desde una universidad hasta una armadora de automviles.
2. Para tratar de explicar el comportamiento de un sistema complejo, el cientfico debe representarlo en trminos de los conceptos que maneja, lo hace expresando todos los rasgos principales del sistema por medio de relaciones matemticas. A esta representacin formal se le llama modelo.
3. La esencia de un modelo es que debe ser predictivo, lo cual no significa predecir el futuro, pero s ser capaz de indicar muchas cosas acerca de la forma en que se puede esperar que un sistema opere en una variedad de circunstancias, lo que permite valorar su vulnerabilidad. Si se conocen las debilidades del sistema se pueden tomar cursos de accin agrupados en categoras: A) Efectuar cambios que lleven a la empresa o parte de ella a una nueva ruta; B) Realizar un plan de toma de decisiones; C) Instalar estrategias que generen decisiones. Cuando se aplica alguno de estos remedios, la
200
investigacin de operaciones nos ayuda a determinar la accin menos vulnerable ante un futuro incierto. 4. El objetivo global de la investigacin de operaciones es el de apoyar al tomador de decisiones, en cuanto a cumplir con su funcin basado en estudios cientficamente fundamentados.
Como ya mencionbamos en la unidad anterior, son muchos los modelos de IO aplicables a la Ciencia de la Administracin. A continuacin se describen los ms empleados.
LO QUE S
LO QUE S Qu es la Investigacin de Operaciones?
201
TEMARIO DETALLADO
5. Aplicaciones de modelos matemticos a la solucin de problemas y la toma de decisiones
5.1 Programacin lineal 5.2 Programacin entera 5.3 Modelos de redes 5.4 PERT/CPM 5.5 Teora de filas 5.6 Teora de juegos
202
5.1. Programacin Lineal

Muchas personas clasifican el desarrollo de la programacin linean entre los avances cientficos ms importantes de mediados del siglo XX, su impacto desde 1950 ha sido extraordinario. En la actualidad es una herramienta de uso normal que ha ahorrado miles o millones de pesos a muchas compaas o negocios, incluyendo empresas medianas en los distintos pases industrializados del mundo, su aplicacin a otros sectores de la sociedad se est ampliando con rapidez. Una proporcin muy grande de los clculos cientficos en computadoras est dedicada a los usos de la programacin lineal.
Cul es la naturaleza de esta notable herramienta y qu tipos de problemas puede manejar? Expresado brevemente, el tipo ms comn de aplicacin abarca el problema general de asignar recursos limitados entre actividades competitivas de la mejor manera posible (es decir, en forma ptima). Con ms precisin, este problema incluye elegir el nivel de ciertas actividades que compiten por escasos recursos necesarios para realizarlas. Despus, los niveles de actividad elegidos dictan la cantidad de cada recurso que consumir cada una de ellas. La variedad de situaciones a las que se puede aplicar esta descripcin es sin duda muy grande, y va desde la asignacin de instalaciones de produccin a los productos, hasta la asignacin de los recursos nacionales a las
203
necesidades de un pas; desde la seleccin de cartera de inversiones, hasta la seleccin de patrones de envo; desde la planeacin agrcola, hasta el diseo de una terapia de radiacin, etc. No obstante, el ingrediente comn de todas estas situaciones es la necesidad de asignar recursos a las actividades eligiendo niveles de las mismas.
La programacin lineal utiliza un modelo matemtico para describir el problema. El adjetivo lineal significa que todas las funciones
matemticas del modelo deben ser funciones lineales. En este caso, la palabra programacin no se refiere a programacin en computadoras; en esencia es un sinnimo de planeacin. As, la programacin lineal trata la planeacin de actividades para obtener un resultado ptimo, esto es, el resultado que mejor alcance la meta especificada (segn el modelo matemtico) entre todas las alternativas de solucin.
Aunque la asignacin de recursos a las actividades es la aplicacin ms frecuente, la programacin lineal tiene muchas otras posibilidades, de hecho, cualquier problema cuyo modelo matemtico se ajuste al formato general del modelo de programacin lineal es un problema de programacin lineal. An ms, se dispone de un procedimiento de solucin extraordinariamente eficiente llamado mtodo simplex, para resolver estos problemas, incluso los de gran tamao. Estas son algunas causas del tremendo auge de la programacin lineal en las ltimas dcadas.
Modelo de Programacin Lineal
Los trminos clave son recursos y actividades, en donde m denota el nmero de distintos tipos de recursos que se pueden usar y n denota el
204
nmero de actividades bajo consideracin. Algunos ejemplos de recursos son dinero y tipos especiales de maquinaria, equipos, vehculos y personal. Los ejemplos de actividades incluyen inversin en proyectos especficos, publicidad en un medio determinado y el envo de bienes de cierta fuente a cierto destino. En cualquier aplicacin de programacin lineal, puede ser que todas las actividades sean de un tipo general (como cualquiera de los ejemplos), y entonces cada una correspondera en forma individual a las alternativas especficas de esta categora general.
El tipo ms usual de aplicacin de programacin lineal involucra la asignacin de recursos a ciertas actividades. La cantidad disponible de cada recurso est limitada, de forma que deben asignarse con todo cuidado. La determinacin de esta asignacin incluye elegir los niveles de las actividades que lograrn el mejor valor posible de la medida global de efectividad.
Ciertos smbolos se usan de manera convencional para denotar las distintas componentes de un modelo de programacin lineal. Estos smbolos se enumeran a continuacin, junto con su interpretacin para el problema general de asignacin de recursos de actividades: Z = valor de la medida global de efectividad
xj = nivel de la actividad j (para j = 1,2,..,n)
cj = incremento en Z que resulta al aumentar una unidad en el nivel de la actividad j
205
bi = cantidad de recurso i disponible para asignar a las actividades (para i = 1,2,...,m)
aij = cantidad del recurso i consumido por cada unidad de la actividad
El modelo establece el problema en trminos de tomar decisiones sobre los niveles de las actividades, por lo que x1, x2, ..., xn se llaman variables de decisin. Los valores de cj, bi y aij (para i = 1,2,.., m y j = 1, 2, ..., n) son las constantes de entrada al modelo. Las cj, bi y aij tambin se conocen como parmetros del modelo.
Forma estndar del modelo Ahora se puede formular al modelo matemtico para este problema general de asignacin de recursos a actividades. En Datos necesarios para un modelo de programacin lineal que maneja la asignacin de recursos a actividades particulares, este modelo consiste en elegir valores de x1, x2, ..., xn para:
optimizar (maximizar o minimizar) Z = c1x1 + c2x2 + ... + cnxn
sujeta a las restricciones: a11x1 + a12x2 + ... + a1nxn (<=,>=,=) b1 a21x1 + a22x2 + ... + a2nxn (<=,>=,=) b2 . am1x1 + am2x2 + ... + amnxn (<=,>=,=) bm ,
X1 >= 0,
X2 >= 0,
Xn >= 0.
Suposiciones del modelo de Programacin Lineal
206
Proporcionalidad
La contribucin de cada actividad al valor de la funcin objetivo Z es proporcional al nivel de actividad xj, como lo representa el trmino cjxj en la funcin objetivo. De manera similar, la contribucin de cada actividad al lado izquierdo de cada restriccin funcional es proporcional al nivel de la actividad xj, en la forma en que lo representa el trmino aijxj en la restriccin. En consecuencia, esta suposicin elimina cualquier
exponente diferente a 1 para las variables en cualquier trmino de las funciones ( ya sea la funcin objetivo o la funcin en el lado izquierdo de las restricciones funcionales) en un modelo de programacin lineal.
Aditividad Establece que la entrada y salida de un recurso en particular al conjunto de actividades, deben ser la misma cantidad; o sea, que las actividades transforman los recursos y no los crean o destruyen. Esta suposicin garantiza que la contribucin total tanto a la funcin objetivo como a las restricciones es igual a la suma de las contribuciones individuales. Cuando en un problema dado no se tenga la aditividad puede recurrirse al empleo de otras tcnicas de la programacin matemtica,
dependiendo de cada caso particular.
Cada funcin en un modelo de programacin lineal (ya sea la funcin objetivo o el lado izquierdo de las restricciones funcionales) es la suma de las contribuciones individuales de las actividades respectivas.
207
Divisibilidad Las variables de decisin en un modelo de programacin lineal pueden tomar cualquier valor, incluyendo valores no enteros, que satisfagan las restricciones funcionales y de no negatividad. As, estas variables no estn restringidas a slo valores enteros. Como cada variable de decisin representa el nivel de alguna actividad, se supondr que las actividades se pueden realizar a niveles fraccionales
Limitaciones del Modelo de Programacin Lineal Modelo Determinstico El modelo de PL involucra nicamente tres tipos de parmetros: Cj, aij y bi; de ah se sencillez y su gran aplicacin. Sin embargo, el valor de dichos parmetros debe ser conocido y constante. Cuando el valor de los parmetros tiene un cierto riesgo o incertidumbre, puede utilizarse la programacin estocstica, o realizarse un anlisis de sensibilidad.
Modelo Esttico En algunos modelos matemticos se han empleado con xito las ecuaciones diferenciales, para inducir la variable tiempo en ellos. En este sentido, puede decirse que la PL utiliza un modelo esttico, ya que la variable tiempo no se involucra formalmente. Adquiriendo un poco de experiencia en la formulacin de modelos de PL, puede imbuirse la temporalidad mencionada, con el uso de subndices en las variables.
208
Modelo que no Sub-optimiza Debido a la forma que se plantea el modelo de PL, o encuentra la solucin ptima o declara que sta no existe. Cuando no es posible obtener una solucin ptima y se debe tomar alguna, se recurre a otra tcnica ms avanzada que la PL, la cul se denomina programacin lineal por metas.
Formulacin de modelos de programacin lineal A continuacin se presenta una lista, no exhaustiva, de los principios generales de modelacin: 1. No debe elaborarse un modelo complicado cuando uno simple es suficiente. 2. El problema no debe ajustarse al modelo o al mtodo de solucin. 3. La fase deductiva de la modelacin debe realizarse rigurosamente. 4. Los modelos deben validarse antes de su implantacin. 5. Nunca debe pensarse que el modelo es el sistema real. 6. Un modelo debe criticarse por algo para lo que no fue hecho. 7. No venda un modelo como la perfeccin mxima. 8. Uno de los primeros beneficios de la modelacin reside en el desarrollo del modelo. 9. Un modelo es tan bueno o tan malo como la informacin con la que trabaja. 10. Los modelos no pueden reemplazar al tomador de decisiones.
Recordemos que los modelos de Investigacin de Operaciones conducen al ejecutivo a mejores decisiones y no a simplificar la toma de stas.
209
Metodologa de Formulacin Directa para construir Modelos de Programacin Lineal Como su nombre lo indica, la formulacin directa estriba en pasar directamente del sistema asumido al modelo de PL. Para tal efecto, se propone el siguiente orden: definir el objetivo, definir las variables de decisin, enseguida las restricciones estructurales y finalmente
establecer las condiciones tcnicas.
Definir el Objetivo: Consiste en definir un criterio de optimizacin el cul puede ser Maximizacin o Minimizacin dependiendo del problema que se desee resolver, el cual es una funcin lineal de las diferentes actividades del problema. Bajo el criterio de optimizacin definido se pretende medir la contribucin de las soluciones factibles que puedan obtenerse y determinar la ptima.
Definir las variables de decisin: Son las incgnitas del problema, bsicamente consisten en los niveles de todas las Actividades que pueden llevarse a cabo en el problema a formular, estas pueden ser de tantos tipos diferentes como sea necesario, e incluir tantos subndices como sea requerido.
Definir las restricciones: Son los diferentes requisitos que debe cumplir cualquier solucin para que pueda llevarse a cabo. En cierta manera son las limitantes en los valores de los niveles de las diferentes actividades (variables). Las restricciones ms comunes son de seis tipos, las cuales se listan a continuacin: Restriccin de capacidad: limitan el valor de las variables debido a la disponibilidad de horas hombre, horas mquina, espacio, etc.
210
Restriccin de mercado: Surge de los valores mximos y mnimos en las ventas o el uso del producto o actividad por realizar. Restriccin de entradas: Son limitantes debido a la escasez de materias primas, mano de obra, dinero, etc. Restriccin de calidad: Son las restricciones que limitan las mezclas de ingredientes, definiendo usualmente la calidad de los artculos por manufacturar. Restricciones de balance de material: Estas son las restricciones que definen las salidas de un proceso en funcin de las entradas, tomando en cuenta generalmente cierto porcentaje de merma o de desperdicio. Restricciones Internas: Son las que definen a una variable dada, en la formulacin interna del problema, un ejemplo tipo es el de inventario.
Condiciones tcnicas: En este apartado se establece que todas las variables deben tomar valores no negativos.
Formulacin de Modelos de Programacin Lineal Algunos de los tipos de problemas que se pueden formular son: Planeacin de la produccin de inventarios Mezcla de Alimentos Transporte y asignacin Planeacin financiera Mercadotecnia Asignacin de recursos
211
Mtodos de Solucin de Programacin Lineal La PL es una tcnica mediante la cual se toman decisiones, reduciendo el problema bajo estudio a un modelo matemtico general, el cual debe ser resuelto por mtodos cuantitativos.
Mtodo Grfico El mtodo grfico se utiliza para la solucin de problemas de PL, representando geomtricamente a las restricciones, condiciones
tcnicas y el objetivo.
El modelo se puede resolver en forma grfica solo si tiene dos variables. Para modelos con tres o ms variables, el mtodo grfico es imprctico o imposible.
Cuando los ejes son relacionados con las variables del problema, el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan las restricciones tecnolgicas se denomina mtodo grfico en recursos.
Los pasos necesarios para realizar el mtodo son nueve: 1. Graficar las soluciones factibles, o el espacio de soluciones (factible), que satisfagan todas las restricciones en forma simultnea.
2. Las restricciones de no negatividad Xi>=0 confan todos los valores posibles. 3. El espacio encerrado por las restricciones restantes se determinan sustituyendo en primer trmino <= por (=) para cada restriccin, con lo cual se produce la ecuacin de la lnea recta.
212
4. Trazar cada lnea recta en el plano y la regin en la cual se encuentra cada restriccin cuando se considera la desigualdad lo indica la direccin de la flecha situada sobre la lnea recta asociada.
5. Cada punto contenido o situado en la frontera del espacio de soluciones satisface todas las restricciones y por consiguiente, representa un punto factible.
6. Aunque hay un nmero infinito de puntos factibles en el espacio de soluciones, la solucin ptima puede determinarse al observar la direccin en la cual aumenta la funcin objetivo.
7. Las lneas paralelas que representan la funcin objetivo se trazan mediante la asignacin de valores arbitrarios a fin de determinar la pendiente y la direccin en la cual crece o decrece el valor de la funcin objetivo.
Ejemplo. Maximizar Z = 3X1 + 2X2
restricciones :
X1 + 2X2 <=6 2X1 + X2 <=8 -X1 + X2 <=1 X2 <=2 X1 >=0 X2 >=0
(1) (2) (3) (4) (5) (6)
Convirtiendo
las
restricciones
igualdad
representndolas
grficamente se tiene:
213
X1 + 2X2 = 6 2X1 + X2 = 8 -X1 + X2 = 1 X2 = 2 X1 = 0 X2 = 0
(1) (2) (3) (4) (5) (6)
En la siguiente figura se presentan las posibles soluciones:
214
Soluciones
Maximizar Z = 3X1 + 2X2
Punto A B C D E F
(X1, X2) (0, 0) (4, 0) (3.3, 1.3) (2, 3) (1, 3) (0, 2)
Z 0 12 12.6 (ptima) 12 9 4
Para obtener la solucin grfica, despus de haber obtenido el espacio de solucin y graficada la funcin objetivo el factor clave consiste en decidir la direccin de mejora de la funcin objetivo.
5.2. Programacin entera

Mtodo Simplex En la solucin grfica observamos que la solucin ptima est asociada siempre con un punto extremo del espacio de soluciones. El mtodo simplex emplea un proceso iterativo que principia en un punto extremo factible, normalmente el origen, y se desplaza sistemticamente de un punto extremo factible a otro, hasta que se llega por ltimo al punto ptimo.
215
Existen reglas que rigen la solucin del siguiente punto extremo del mtodo simplex: 1. El siguiente punto extremo debe ser adyacente al actual. 2. La solucin no puede regresar nunca a un punto extremo considerando la anterioridad.
El algoritmo simplex da inicio en el origen, que suele llamarse solucin inicial. Despus se desplaza a un punto extremo adyacente. La eleccin especfica de un punto a otro punto depende de los coeficientes de la funcin objetivo hasta encontrar el punto ptimo. Al aplicar la condicin de optimidad a la tabla inicial seleccionamos a Xi como la variable que entra. En este punto la variable que sale debe ser una de las variables artificiales.
Los pasos del algoritmo simplex son:
1. Determinar una solucin bsica factible inicial.
2. Prueba de optimidad: determinar si la solucin bsica factible inicial es ptima y slo si todos los coeficientes de la ecuacin son no negativos (>=0). Si es as, el proceso termina; de otra manera se lleva a cabo una interaccin para obtener la nueva solucin bsica factible inicial.
3. Condicin de factibilidad.- Para
todos los
problemas de
maximizacin y minimizacin, variable que sale es la variable bsica que tiene la razn ms pequea (positiva). Una coincidencia se anula arbitrariamente.
216
4.
Seleccionar las variables de holgura como las variables de inicio
bsicas.
5. Selecciona una variable que entra de entre las variables no bsicas actuales que, cuando se incrementan arriba de cero, pueden mejorar el valor de la funcin objetivo. Si no existe la solucin bsica es la ptima, si existe pasar al siguiente paso.
6. Realizar el paso iterativo.
a) Se determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente negativo que tiene el mayor valor absoluto de la ecuacin. Se enmarca la columna correspondiente a a este coeficiente y se le da el nombre de columna pivote.
b) Se determina la variable bsica que sale, para esta, se toma cada coeficiente positivo (>0) de la columna enmarcada, se divide el lado derecho de cada rengln entre estos coeficientes, se identifica la ecuacin con el menor coeficiente y se selecciona la variable bsica para esta ecuacin.
c) Se determina la nueva solucin bsica factible construyendo una nueva tabla en la forma apropiada de eliminacin de Gauss, debajo de la que se tiene. Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a 1, se divide todo el rengln entre el nmero pivote, entonces: Rengln pivote nuevo = rengln pivote antiguo / nmero pivote
217
Para completar la primera iteracin es necesario seguir usando la eliminacin de Gauss para obtener coeficientes de 0 para la nueva variable bsica Xj en los otros renglones, para realizar este cambio se utiliza la siguiente frmula: Rengln nuevo = rengln antiguo (coeficiente de la columna pivote X rengln pivote nuevo)
Cuando el coeficiente es negativo se utiliza la frmula:
Rengln nuevo = rengln antiguo + (coeficiente de la columna pivote X rengln pivote nuevo)
Tabla Simplex Como se capturara la solucin bsica factible inicial en el siguiente ejemplo:
Sea: Maximizar Z = 2X1 + 4X2
Sujeto a: 2X1 + X2 <= 230 X1 + 2X2 <= 250 X2 >=0 Todas las X1, X2 >=0
218
BASE Z S1 S2 S3
Z 0 0 0 0
X1 -2 2 1 0
X2 -4 1 2 1
S1 0 1 0 0
S2 0 0 1 0
S3 0 0 0 1
SOLUCIN RAZN 0 230 250 120 0 230/1 250/2 120/1
Seleccione la variable que entra y la variable que sale de la base:
Entra X2 y sale S3, se desarrolla la nueva tabla solucin y se continua el proceso iterativo hasta encontrar la solucin ptima si es que est existe.
Tabla ptima BASE Z S1 X1 X2 Z 0 0 0 0 X1 0 0 1 0 X2 0 0 0 1 S1 0 1 0 0 S2 2 -2 1 0 S3 0 3 -2 1 SOLUCIN RAZN 500 90 10 120
Solucin: Z = $500 Fabricando X1 = 10 X2 = 120 Sobrante de S1 = 90 Tipo de solucin: ptima Mltiple.
219
5.3. Teora de Redes

Se llama red la representacin grfica de las actividades que muestran sus eventos, secuencias, interrelaciones y el camino (o ruta) crtico. No solamente se llama camino crtico al mtodo sino tambin a la serie de actividades contadas desde la iniciacin del proyecto hasta su terminacin, que no tienen flexibilidad en su tiempo de ejecucin, por lo que cualquier retraso que sufriera alguna de las actividades de la serie provocara un retraso en todo el proyecto.
Desde otro punto de vista, camino crtico es la serie de actividades que indica la duracin total del proyecto. Cada una de las actividades se representa por una flecha que empieza en un evento y termina en otro.
Se llama evento al momento de inicio o trmino de una actividad. Se determina en un tiempo variable entre el ms temprano y el ms tardo posible, de iniciacin o de terminacin.
A los eventos se les conoce tambin con los nombres de nodos.
Evento
Evento
220
El evento inicial se llama i y el evento final se denomina j. El evento final de una actividad ser el evento inicial de la actividad siguiente.
Las flechas no son vectores, escalares ni representan medida alguna. No interesa la forma de las flechas, ya que se dibujarn de acuerdo con las necesidades y comodidad de presentacin de la red. Pueden ser horizontales, verticales, ascendentes, descendentes curvas, rectas, quebradas, etc.
En los casos en que haya necesidad de indicar que una actividad tiene una interrelacin o continuacin con otra se dibujar entre ambas una lnea punteada, llamada liga, que tiene una duracin de cero.
La liga puede representar en algunas ocasiones un tiempo de espera para poder iniciar la actividad siguiente.
221
Varias actividades pueden terminar en un evento o partir de un mismo evento.
(a) Incorrecto, (b) Correcto
Al construir la red, debe evitarse lo siguiente: 1. Dos actividades que parten de un mismo evento y llegan a un mismo evento. Esto produce confusin de tiempo y de continuidad. Debe abrirse el evento inicial o el evento final en dos eventos y unirlos con una liga.
2. Partir una actividad de una parte intermedia de otra actividad. Toda actividad debe empezar invariablemente en un evento y terminar en otro. Cuando se presenta este caso, a la actividad base o inicial se le divide en eventos basndose en porcentajes y se derivan de ellos las actividades secundadas.
222
(a) Incorrecto, (b) Correcto.
3. Dejar eventos sueltos al terminar la red. Todos ellos deben relacionarse con el evento inicial o con el evento final.
Procedimiento para trazar la red medida
Para dibujar la red medida, se usa papel cuadriculado indicndose en la parte superior la escala con las unidades de tiempo escogidas, en un intervalo razonable para la ejecucin de todo el proyecto. Como en este momento no se conoce la duracin del mismo, ya que uno de los objetivos de la red es conocerlo, este intervalo slo es aproximado.
A continuacin se inicia la red dibujando las actividades que parten del evento cero. Cada una de ellas debe dibujarse de tal manera que el
223
evento j termine, de acuerdo con la duracin estndar, en el tiempo indicado en la escala superior. Ahora mostraremos la iniciacin de las actividades 1, 2, 3, y 4 con duracin de tres, dos, tres y cinco das respectivamente.
En el caso de la ampliacin de la fbrica las actividades iniciales son las que se muestran en la figura que sigue, ya que las tres actividades que parten de cero tienen tres das de duracin cada una.
A continuacin no debe tomarse la numeracin progresiva de la matriz de secuencias para dibujar la red, sino las terminales de las actividades, de arriba hacia abajo y de izquierda a derecha, segn vayan apareciendo los eventos j.
En el caso anterior buscamos las secuencias de la actividad 1, despus de la 12 y al ltimo de la 18. En su orden, buscamos las secuencias de
224
la 2, de la 13 y de la 19. Si una actividad tiene cero de duracin se dibuja verticalmente, ya sea ascendente o descendente, de tal manera que no ocupe tiempo dentro de la red.
Rigurosamente, una actividad no puede tener tiempo de duracin cero, ya que no existira; sin embargo, algunas actividades tienen tan escasa duracin que sta es despreciable y no es conveniente que se considere una unidad de tiempo. Por ejemplo, si la unidad con la que se trabaja de un da y la duracin de la actividad es de cinco o diez minutos, no hay razn para que esta actividad tenga asignado un da de trabajo. En el caso que se desarrolla, la aprobacin de los presupuestos se supone que tomarn de media hora a una hora para su ejecucin; pero como la unidad tomada en el proyecto es de un da, el tiempo de ejecucin se considera cero.
De acuerdo con las anotaciones de la matriz de secuencias las actividades 3, 14 y 20 deben ser simultneas, por lo que necesitamos un evento comn para terminar las tres. Por necesidad de construccin, la actividad 14 quedar solamente indicada con el nmero en forma paralela a la actividad 3, que tambin tiene duracin cero. Tambin puede aparecer paralela a la actividad 20.
225
En este tipo de red no hay necesidad de indicar las actividades con flechas, sino slo con lneas, excepto las ligas que indicarn la direccin de la continuidad. Para seguir con el dibujo de la red, se debe recordar que al evento comn convergen las actividades 3, 14 y 20 y por lo tanto debemos buscar las secuencias a estas tres actividades, que partirn lgicamente del mismo evento. Continuamos alargando las terminales 15, 4, 21 y 9, en este orden precisamente, de acuerdo con el mtodo adoptado.
226
As encontramos que despus de la actividad 15 sigue la 16 con duracin de seis das; despus de la actividad 4 sigue la 5 con duracin de seis das; despus de la actividad 21 sigue la 23 con duracin de tres das y tambin la 5 con duracin de seis das; y despus de la actividad 9 sigue la 10 con duracin de dos das.
Cuando una actividad es secuencia de dos o ms actividades anteriores, debe colocarse en la red a continuacin de la actividad antecedente ms adelantada. Por ello es conveniente hacer la red con lpiz para poder borrar las actividades y cambiarlas fcilmente de lugar. De esta manera, hay que modificar el diagrama de la figura anterior, ya que la actividad 5
227
es posterior a la 4 y a la 21; la quitamos del lugar que termina en fecha anterior y la colocamos despus de la 21 que aparece en fecha ms adelantada. Sin embargo, para que no se pierda la secuencia de la 4 con la 5 se coloca una liga entre las dos. Buscamos la continuacin de las terminales de las actividades 16, 5, 23 y 10, encontrando que son respectivamente la 17 con dos das; la 6 con cuatro das; la 22 con cuatro das y la 11 con doce das.
Las actividades consecuentes a la 17, 6, 22 y 11 son respectivamente la 6 con cuatro das; la 7 con seis das y ninguna para la 11, por lo que en la red slo colocamos una liga entre la terminacin de la 17 y la iniciacin de la 6 para indicar continuidad y otra entre la terminacin de la 22 y la iniciacin de la 7 con el mismo objeto de continuidad. Ahora colocamos la secuencia de la 6 solamente, pues ya hemos visto que la 11 es final de proceso. La secuencia de la actividad 6 es la 7 con seis das y la secuencia de la actividad 7 es la 8 con duracin de cero. No existiendo ninguna otra actividad posterior a las terminales de la red, debe considerarse que se ha terminado con el proyecto, por lo que la duracin del mismo es de 26 das.
228
En virtud de que no deben dejarse eventos sueltos, se pone una liga entre la terminal de la 11 y el evento final del proyecto, quedando toda la red de la siguiente manera y en la que se aprecian las siguientes particularidades: a) Las actividades que tienen duracin cero se indican en forma vertical, bien sea ascendente o descendente, como las correspondientes a las actividades 3, 20 y 8. b) La actividad 14 con duracin cero no aparece dibujada en la red por razones de construccin y slo se indica junto con la actividad 20 que tiene las mismas caractersticas. c) Las actividades que son consecuentes a dos o ms actividades anteriores aparecen dibujadas a continuacin de la antecedente que tenga en su evento final la fecha ms alta. Como la actividad 5 que es consecuente de las actividades 4 y 21. La 4 termina al da 6 y la 21 termina el da 10. La actividad 7 es secuencia de las actividades 6 y 22 y est colocada enfrente de la que tiene la fecha ms alta al terminar, o sea la actividad 6. Esta misma actividad 6 es posterior a
229
las actividades 17 y 5 y est colocada a continuacin de la 5 por la razn ya dada. d) Las ligas que aparecen en la grfica significan lo siguiente: la actividad 5 es continuacin de la 4; la 6 es continuacin de la 17; la 7 contina de la 22 y la 11 acabar al concluir el proyecto. e) El camino crtico es la serie de actividades que se inician en el evento i del proyecto y terminan en el evento j del mismo, sin sufrir interrupcin por lo que sealan el tamao o duracin del proyecto, y est representado por las actividades 12, 13, 21, 5, 6, 7 y 8 trazadas con lnea doble.
La red anterior se puede dibujar con colores para indicar diferentes responsabilidades: por ejemplo, la responsabilidad del ingeniero electricista se dibuja en rojo, la del ingeniero civil con verde y la del ingeniero de planta con azul.
Teora general de Redes Conceptos bsicos Proyecto: Conjunto de actividades tendientes a la ejecucin de un objetivo. Actividad: Componente del proyecto que va a permitir cumplir con el objetivo fijado. Evento: Parmetro que determina el inicio y fin de una actividad y el inicio y fin del proyecto.
230
Estructura bsica
i: Inicio de la actividad
j: Fin de la actividad
tij: Tiempo de la actividad enmarcada dentro de ij
i>j: No se puede.
Reglas bsicas para la construccin de la red 1. Se representan con flechas de izquierda a derecha 2. Toda actividad inicia y termina en un evento nodo.
3.
Si el inicio de una actividad depende o est determinado por el fin
de una actividad precedente el evento inicial de dicha actividad debe ser el evento final de la actividad precedente.
231
4.
Si el inicio de una actividad depende de la terminacin de dos o
ms actividades precedentes, el evento inicial de dicha actividad debe ser el evento final de sus actividades precedentes. (Dependencia mltiple).
5.
Si el inicio de dos o ms actividades est determinado por la
finalizacin de una actividad precedente, el evento inicial de dicha actividad debe ser el evento final de la actividad precedente.
6.
Si dos o ms actividades tienen en comn su evento inicial y final,
estas actividades son indeterminadas, para poder determinar dichas actividades se debe incluir "n-1" actividades ficticias donde "n" es el nmero de actividades que se trabajan, ya sea en el evento inicial o en el evento final.
Nota:
Slo una de las actividades puede ir directamente del evento inicial al final.
232
Actividad Ficticia: Es una actividad que no consume tiempo ni recursos. Costo = $ 0 Tiempo = 0 unidades de tiempo
Se representa por una flecha orientada no continua y se nombra con la letra Si para todo i: 1,...n. n - 1:
Actividad real: Costo >0 $ Tiempo > 0 unidades de tiempo AZ Ai - Zi
Nota: La actividad ficticia no es ms que la proyeccin de las actividades que terminan en el evento inicial de dicha actividad.
7. Cuando un evento termina y de l parten ms actividades que no son dependientes recprocamente, entonces, la dependencia se tiene que mostrar o determinar con ayuda de actividades ficticias.
233
8. Podemos utilizar la cantidad necesaria de actividades ficticias, pero como se habla de tcnica de optimizacin, el nmero de actividades debe ser mnimo.
9. Si para mayor descripcin de una macro actividad es necesario generar detalle de sus actividades componentes, utilice micro actividades denotadas con la letra mayscula de la macro actividad y el subndice i para todo i: 1...n.
Ejemplo: El proyecto de una obra civil: Adecuar salones 1. Diseo 2. Adecuacin 3. Acabados
10. Una actividad, cualquiera que ella sea, puede suceder solamente una vez.
234
5.4. Redes PERT/CPM

Los proyectos en gran escala por una sola vez han existido desde tiempos antiguos; este hecho lo atestigua la construccin de las pirmides de Egipto y los acueductos de Roma. Pero slo desde hace poco se han analizado por parte de los investigadores operacionales los problemas gerenciales asociados con dichos proyectos.
El problema de la administracin de proyectos surgi con el proyecto de armamentos del Polaris, empezando 1958. Con tantas componentes y subcomponentes juntos producidos por diversos fabricantes, se necesitaba una nueva herramienta para programar y controlar el proyecto. El PERT (evaluacin de programa y tcnica de revisin) fue desarrollado por cientficos de la oficina Naval de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de Sistemas de Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr tanta utilidad que ha ganado amplia aceptacin tanto en el gobierno como en el sector privado.
Casi al mismo tiempo, la Compaa DuPont, junto con la Divisin UNIVAC de la Remington Rand, desarroll el mtodo de la ruta crtica (CPM) para controlar el mantenimiento de proyectos de plantas qumicas de DuPont. El CPM es idntico al PERT en concepto y metodologa. La
235
diferencia principal entre ellos es simplemente el mtodo por medio del cual se realizan estimados de tiempo para las actividades del proyecto. Con CPM, los tiempos de las actividades son determinsticos. Con PERT, los tiempos de las actividades son probabilsticos o estocsticos.
El PERT/CPM fue diseado para proporcionar diversos elementos tiles de informacin para los administradores del proyecto. Primero, el PERT/CPM expone la "ruta crtica" de un proyecto. Estas son las actividades que limitan la duracin del proyecto. En otras palabras, para lograr que el proyecto se realice pronto, las actividades de la ruta crtica deben realizarse pronto. Por otra parte, si una actividad de la ruta crtica se retarda, el proyecto como un todo se retarda en la misma cantidad. Las actividades que no estn en la ruta crtica tienen una cierta cantidad de holgura; esto es, pueden empezarse ms tarde, y permitir que el proyecto como un todo se mantenga en programa. El PERT/CPM identifica estas actividades y la cantidad de tiempo disponible para retardos.
El PERT/CPM tambin considera los recursos necesarios para completar las actividades. En muchos proyectos, las limitaciones en mano de obra y equipos hacen que la programacin sea difcil. El PERT/CPM identifica los instantes del proyecto en que estas restricciones causarn problemas y de acuerdo a la flexibilidad permitida por los tiempos de holgura de las actividades no crticas, permite que el gerente manipule ciertas actividades para aliviar estos problemas.
Finalmente, el PERT/CPM proporciona una herramienta para controlar y monitorear el progreso del proyecto. Cada actividad tiene su propio papel en ste y su importancia en la terminacin del proyecto se
236
manifiesta inmediatamente para el director del mismo. Las actividades de la ruta crtica, permiten por consiguiente, recibir la mayor parte de la atencin, debido a que la terminacin del proyecto, depende fuertemente de ellas. Las actividades no crticas se manipularan y remplazaran en respuesta a la disponibilidad de recursos.
Antecedentes Dos son los orgenes del mtodo del camino crtico: el mtodo PERT (Program Evaluation and Review Technique) desarrollo por la Armada de los Estados Unidos de Amrica, en 1957, para controlar los tiempos de ejecucin de las diversas actividades integrantes de los proyectos espaciales, por la necesidad de terminar cada una de ellas dentro de los intervalos de tiempo disponibles. Fue utilizado originalmente por el control de tiempos del proyecto Polaris y actualmente se utiliza en todo el programa espacial.
El mtodo CPM (Crtical Path Method), el segundo origen del mtodo actual, fue desarrollado tambin en 1957 en los Estados Unidos de Amrica, por un centro de investigacin de operaciones para la firma Dupont y Remington Rand, buscando el control y la optimizacin de los costos de operacin mediante la planeacin adecuada de las actividades componentes del proyecto.
Ambos mtodos aportaron los elementos administrativos necesarios para formar el mtodo del camino crtico actual, utilizando el control de los tiempos de ejecucin y los costos de operacin, para buscar que el proyecto total sea ejecutado en el menor tiempo y al menor costo posible.
237
El mtodo del camino crtico es un proceso administrativo de planeacin, programacin, ejecucin y control de todas y cada una de las actividades componentes de un proyecto que debe desarrollarse dentro de un tiempo crtico y al costo ptimo.
El campo de accin de este mtodo es muy amplio, dada su gran flexibilidad y adaptabilidad a cualquier proyecto grande o pequeo. Para obtener los mejores resultados debe aplicarse a los proyectos que posean las siguientes caractersticas: Que el proyecto sea nico, no repetitivo, en algunas partes o en su totalidad. Que se deba ejecutar todo el proyecto o parte de el, en un tiempo mnimo, sin variaciones, es decir, en tiempo crtico. Que se desee el costo de operacin ms bajo posible dentro de un tiempo disponible.
Dentro del mbito aplicacin, el mtodo se ha estado usando para la planeacin y control de diversas actividades, tales como construccin de presas, apertura de caminos, pavimentacin, construccin de casas y edificios, reparacin de barcos, investigacin de mercados, movimientos de colonizacin, estudios econmicos regionales, auditoras, planeacin de carreras universitarias, distribucin de tiempos de salas de operaciones, ampliaciones de fbrica, planeacin de itinerarios para cobranzas, planes de venta, censos de poblacin, etc., etc.
Como se indic antes, la principal diferencia entre PERT y CPM es la manera en que se realizan los estimados de tiempo. E1 PERT supone que el tiempo para realizar cada una de las actividades es una variable aleatoria descrita por una distribucin de probabilidad. E1 CPM por otra
238
parte, infiere que los tiempos de las actividades se conocen en forma determinsticas y se pueden variar cambiando el nivel de recursos utilizados.
La distribucin de tiempo que supone el PERT para una actividad es una distribucin beta. La distribucin para cualquier actividad se define por tres estimados: el estimado de tiempo ms probable, m; el estimado de tiempo ms optimista, a; y el estimado de tiempo ms pesimista, b. La forma de la distribucin se muestra en la siguiente Figura. E1 tiempo ms probable es el tiempo requerido para completar la actividad bajo condiciones normales. Los tiempos optimistas y pesimistas proporcionan una medida de la incertidumbre inherente en la actividad, incluyendo desperfectos en el equipo, disponibilidad de mano de obra, retardo en los materiales y otros factores.
239
Con la distribucin definida, la media (esperada) y la desviacin estndar, respectivamente, del tiempo de la actividad para la actividad Z puede calcularse por medio de las frmulas de aproximacin.
El tiempo esperado de finalizacin de un proyecto es la suma de todos los tiempos esperados de las actividades sobre la ruta crtica. De modo similar, suponiendo que las distribuciones de los tiempos de las actividades son independientes (realsticamente, una suposicin
fuertemente cuestionable), la varianza del proyecto es la suma de las varianzas de las actividades en la ruta crtica. Estas propiedades se demostrarn posteriormente.
En CPM solamente se requiere un estimado de tiempo. Todos los clculos se hacen con la suposicin de que los tiempos de actividad se conocen. A medida que el proyecto avanza, estos estimados se utilizan para controlar y monitorear el progreso. Si ocurre algn retardo en el proyecto, se hacen esfuerzos por lograr que el proyecto quede de nuevo en programa cambiando la asignacin de recursos.
Metodologa El Mtodo del Camino Crtico consta de dos ciclos: 1. Planeacin y Programacin. Definicin del proyecto Lista de Actividades Matriz de Secuencias Matriz de Tiempos Red de Actividades
240
Costos y pendientes Compresin de la red Limitaciones de tiempo, de recursos y econmicos Matriz de elasticidad Probabilidad de retraso
2. Ejecucin y Control Aprobacin del proyecto Ordenes de trabajo Grficas de control Reportes y anlisis de los avances Toma de decisiones y ajustes
241
Definicin del Proyecto En toda actividad a realizar se requieren conocimientos precisos y claros de lo que se va a ejecutar, de su finalidad, viabilidad, elementos disponibles, capacidad financiera, etc. Esta etapa aunque esencial para la ejecucin del proyecto no forma parte del mtodo. Es una etapa previa que se debe desarrollar separadamente y para la cual tambin puede utilizarse el Mtodo del Camino Crtico. Es una investigacin de objetivos, mtodos y elementos viables y disponibles.
242
Lista de Actividades Es la relacin de actividades fsicas o mentales que forman procesos interrelacionados en un proyecto total. En general esta informacin es obtenida de las personas que intervendrn en la ejecucin del proyecto, de acuerdo con la asignacin de responsabilidades y nombramientos realizados en la Definicin del Proyecto.
Las actividades pueden ser fsicas o mentales, como construcciones, tramites, estudios, inspecciones, dibujos, etc. En trminos generales, se considera Actividad a la serie de operaciones realizadas por una persona o grupo de personas en forma continua, sin interrupciones, con tiempos determinables de iniciacin y terminacin. Esta lista de actividades sirve de base a las personas responsables de cada proceso para que elaboren sus presupuestos de ejecucin.
Ejemplo a) Jefes de mantenimiento y produccin Elaboracin del proyecto parcial de ampliacin. Calculo del costo y preparacin de presupuestos. Aprobacin del proyecto. Desempaque de las maquinas nuevas. Colocacin de las maquinas viejas y nuevas. Instalacin de las maquinas. Pruebas generales. Arranque general. Revisin y limpieza de maquinas viejas. Pintura de maquinas viejas. Pintura y limpieza del edificio.
243
b) Ingeniero electricista Elaboracin del proyecto elctrico. Calculo de los costos y presupuestos. Aprobacin del proyecto. Instalacin de un transformador nuevo. Instalacin de nuevo alumbrado. Instalacin de interruptores y arrancadores.
c) Ingeniero contratista. Elaboracin del proyecto de obra muerta. Clculo de los costos y presupuestos. Aprobacin del proyecto. Cimentacin de las mquinas. Pisos nuevos. Colocacin de ventanas nuevas.
Limitaciones de Tiempo Se debe determinar el tiempo normal de ejecucin de la red y si no puede realizarse en el intervalo disponible, se deber comprimir la red al tiempo necesario, calculando el costo incrementado. El tiempo ptimo de ejecucin indicar si puede hacerse o no el proyecto dentro del plazo sealado.
Limitaciones de Recursos Es posible en cualquier proyecto se suscite el caso de tener recursos humanos o materiales limitados, por lo que dos actividades deben realizarse durante el mismo lapso con personal diferente o maquinaria
244
diferente, no se pueda ejecutar y de esta manera no habra ms que esperar que se termine una actividad para empezar la siguiente.
En el siguiente proyecto nos aparecen las siguientes limitaciones:
a) Las actividades 11 y 12 deben realizarse con la misma mquina, por lo que se hace necesario terminar una para poder empezar la otra. b) Las actividades 2 y 4 deben llevarse a efecto con el mismo personal. c) Las actividades 8 y 9 deben ser emprendidas tambin con la misma mquina.
Para la solucin de este problema debe hacerse primero una red medida sin limitaciones, luego se estudiara sobre esa misma red, que actividades de las limitadas deben realizarse primero y cuales despus. Una vez que se tome la decisin, se hace el ajuste en la matriz de secuencias y se dibuja la red correspondiente con esos ajustes.
245
Aqu podemos observar que por conveniencia es mejor hacer la actividad 11 antes que la 12; la actividad 4 antes que la 2 y la actividad 9 antes que la 8; por ende adicionamos las secuencias correspondientes a las actividades 11, 2 y 8 en la matriz de informacin:
Con estos ajustes ya se podra dibujar la red que contendra las limitaciones de recursos, pudindose hacer los estudios de optimizacin
246
en el tiempo y en los costos; esto lo mostraremos en los dibujos siguientes despus de hablar sobre las limitaciones econmicas.
Limitaciones Econmicas Se determinara el costo ptimo para conocer si se puede hacer el proyecto con los recursos econmicos disponibles. Si hay la posibilidad de realizarlo, se buscara el tiempo total ms favorable para las necesidades y objetivos del proyecto; en caso contrario pues simplemente el proyecto deber esperar hasta tener los recursos econmicos mnimos para poder realizarlo.
Red con limitaciones de recursos a tiempo normal
247
Red con limitaciones de recursos a costo ptimo
248
Red con limitaciones de recursos a tiempo ptimo
249
Modelo de Inventarios Las empresas industriales mantienen inventarios de materias primas y de productos terminados. Los inventarios de materias primas sirven como entradas al proceso de produccin y los inventarios de productos terminados sirven para satisfacer la demanda de los clientes. Puesto que estos inventarios representan frecuentemente una considerable
inversin, las decisiones con respecto a las cantidades de inventarios son importantes. Los modelos de inventario y la descripcin matemtica de los sistemas de inventario constituyen una base para estas decisiones.
Mantener un inventario (existencia de bienes) para su venta o uso futuro es una prctica comn en el mundo de los negocios. Las empresas de venta al menudeo, los mayoristas, los fabricantes y an los bancos de sangre por lo general almacenan bienes o artculos. Cmo decide una instalacin de este tipo sobre su "poltica de inventarios", es decir, cundo y cmo se reabastece?
En una empresa pequea, el administrador puede llevar un recuento de su inventario y tomar estas decisiones. Sin embargo, como esto puede no ser factible incluso en empresas chicas, muchas compaas han ahorrado grandes sumas de dinero al aplicar la "administracin cientfica del inventario". En particular, ellos: 1. Formulan un modelo matemtico que describe el comportamiento del sistema de inventarios. 2. Derivan una poltica ptima de inventarios con respecto a este modelo.
250
3. Con frecuencia, utilizan una computadora para mantener un registro de los niveles de inventario y sealar cundo deben reabastecer.
Modelo de Inventario sin Dficit Este modelo tiene como bases el mantener un inventario sin falta de productos para desarrollar las actividades de cualquier empresa. Este es un modelo de inventarios que se encuentra basado en las siguientes suposiciones: La demanda se efecta a tasa constante. El reemplazo es instantneo (la tasa se reemplazo es infinita). Todos los coeficientes de costos son constantes.
En este modelo no se permite la falta de productos para la venta, es decir, una empresa que maneje este modelo de inventario no se puede quedar sin mercancas para la venta. En la siguiente figura se ilustra esquemticamente este modelo. Q = Im x t x T
251
Smbolos Q = Cantidad optima a pedir Im = Inventario Mximo t = Periodo entre pedidos T = Periodo de Planeacin
En este modelo se representan iguales el inventario mximo y la cantidad econmica pedida.
Cabe mencionar que esto no siempre es verdadero. El costo total para un periodo en este modelo est conformado por tres componentes de costo: Costo unitario del producto (C1) Costo de ordenar una compra (C2) Costo de mantener un producto en almacn (C3) El costo para un periodo estar conformado de la siguiente manera: Costo por periodo = [Costo unitario por periodo] + [Costo de ordenar un pedido] + [Costo de mantener el inventario en un periodo]
El costo total para el periodo de planeacin estar conformado de la manera siguiente: Costo total = Costo por periodo x Nmero de pedidos a realizar
A continuacin, analizamos las ecuaciones: a) Costo unitario por periodo
El costo unitario por periodo simplemente es el costo de la cantidad optima a pedir. C1 Q
252
b)
Costo de ordenar una compra
Puesto que solo se realiza una compra en un periodo el costo de ordenar una compra est definido por:
c)
Costo de mantener el inventario por periodo
El inventario promedio por periodo es [Q / 2]. Por consiguiente el costo de mantenimiento del inventario por periodo es:
Para determinar el costo en un periodo se cuenta con la siguiente ecuacin:
El tiempo de un periodo se expresa de la siguiente manera:
Nota: La demanda del artculo en un periodo de planeacin se define con la letra D.
El nmero de periodos se expresa de la manera siguiente:
Si se desea determinar el costo total en el periodo de planeacin (T) se multiplica el costo de un periodo por el nmero de inter perodos (t) que contenga el periodo de planeacin. Para determinar este costo se aplica la siguiente ecuacin: Costo Total = Costo (Q*)t
253
Otra manera de representar el costo total para el periodo de planeacin es por medio de la siguiente ecuacin:
Cuando los componentes del costo total se representan grficamente se obtiene un punto ptimo (de costo mnimo).
Una forma de determinar la cantidad ptima a pedir es suponer diversos valores de Q y sustituir en la ecuacin anterior hasta encontrar el punto de costo mnimo. Un procedimiento ms sencillo consiste en derivar la ecuacin del costo total con respecto a Q e igualar la derivada a cero.
254
Al resolver esta derivada tenemos la ecuacin para determinar la cantidad ptima a pedir.
Q= Esta ecuacin ocasiona un costo mnimo y tiene como base un balance entre los dos costos variables (costo de almacenamiento y costo de compra) incluidos en el modelo. Cualquier otra cantidad pedida ocasiona un costo mayor.
Modelo de Inventario con Dficit El modelo de compra que permite dficit tiene como base las siguientes suposiciones: La demanda se efecta a tasa constante. El reemplazo es instantneo (la tasa se reemplazo es infinita). Todos los coeficientes de costos son constantes.
Este modelo tiene costos normales (costo unitario del producto, costo de ordenar una compra, costo de mantener en inventario) pero adems tiene un costo adicional, el costo por unidad de faltante.
En este modelo es posible diferir un pedido, de manera que una vez recibida la cantidad pedida desaparece el dficit, esto se representa claramente en el siguiente esquema.
255
Q = Cantidad optima a pedir S = Cantidad de unidades agotadas Im = Inventario Mximo t = Periodo entre pedidos T = Periodo de Planeacin t1 = Tiempo en donde se cuenta con inventario t2 = Tiempo en donde se cuentan con unidades agotadas. Por consiguiente, en este modelo, los costos de dficit son ocasionados por agotamiento de existencias durante el periodo de tiempo y no por la perdida de ventas.
En este modelo se incluyen los costos de dficit para determinar el costo para un periodo.
Costo por periodo = [Costo unitario por periodo] + [Costo de ordenar un pedido] + [Costo de mantener el inventario en un periodo] + [costo de dficit por periodo]
256
Anlisis de Ecuaciones El costo unitario y el costo de ordenar un pedido se determinan de una manera semejante a como se determinan en el modelo de compra sin faltante.
Para determinar el tiempo t1, el inventario mximo y el tiempo t2 en funcin de la cantidad ptima a pedir (Q) y la cantidad de existencias agotadas (S) se realiza el siguiente proceso.
El inventario mximo estar definido por: Im = Q S
Las siguientes ecuaciones se obtienen a partir de la semejanza de tringulos:
Debido a que el tiempo de un periodo t es Q / D. Las ecuaciones anteriores pueden representarse de la siguiente forma.
Sustituyendo las ecuaciones 1,2 y 5 en la ecuacin del costo por periodo tenemos.
257
Multiplicando el costo de un periodo por el nmero total de inter perodos que tiene el periodo de planeacin obtenemos el costo total.
Para determinar la cantidad optima a pedir y la cantidad de existencias agotadas se realiza una operacin de derivacin parcial con respecto a cada una de estas variables.
El resultado de estas operaciones nos da como resultado.
Modelo de descuento en todas las unidades Este modelo se basa manejar diferentes costos segn las unidades pedidas, es decir, la cantidad de productos a comprar definir el precio de los mismos.
Algunas empresas manejan este modelo de inventario debido a que sus costos le permiten realizar este tipo de compras. Este modelo les proporciona sus costos totales ms bajos segn sus necesidades y los recursos con los que cuenten. En la siguiente grfica se representa este modelo.
258
Ni = Cantidades a pedir Costoi = Costos de adquirir la cantidad Ni
En este modelo se realizan descuentos segn la cantidad a comprar, por ejemplo, una empresa distribuye artculos, sus precios son los siguientes: De A Costo Unitario 0 10, 001 20, 001 30, 001 En adelante $2.00 30, 000 $3.00 10, 000 20,000 $ 5.00 $4.50
259
Segn estos costos si nosotros deseamos comprar entre 0 y 10, 000 unidades estas tendrn un costo de $5.00, entre 10, 0001 y 20, 000 un costo de $4.50, entre 20, 001 y 30, 000 un costo de $3.00 y arriba de 30, 001 un costo de $2.00.
En la siguiente grfica se presentan los datos antes descritos.
Esto resulta bueno para algunas empresas que cuenten con costos de mantener inventarios muy bajos, ya que pueden realizar compras en gran escala a precios bajos.
Con este tipo de modelo los costos unitarios de los productos se ven mermados pero los costos de mantener un almacn se pueden ver incrementados sustancialmente.
Cabe mencionar que se debe de tomar en cuenta que la mercanca en ocasiones mantenerla en un almacn le ocasiona deterioro. Para realizar el desarrollo de este modelo estructuraremos un algoritmo que consta de cuatro pasos, en los cuales se tomarn aspectos importantes de este modelo.
260
Pasos para la aplicacin de este modelo Para realizar el desarrollo de este algoritmo nos apoyaremos en la siguiente grfica en donde se representa este modelo.
Paso 1 El primer paso es determinar la cantidad optima a pedir segn los costos (Costo de pedir, Costo de mantener) que maneje la empresa, para cada uno de los descuentos con que se cuentan.
Determinaremos la cantidad ptima a pedir para cada uno de los costos (C1, C2, C3, C4) de los descuentos.
Q = Cantidad Optima D = Demanda del artculo. C1 = Costo unitario del artculo. C2 = Costo de ordenar un pedido. i = Porcentaje sobre el precio del artculo por mantenimiento en inventario.
261
Existen ocasiones en que la empresa maneja un costo de almacn adicional, entonces la ecuacin que definida de la siguiente forma:
En donde C3 + iC1j ser el costo total de mantener en almacn.
Paso 2 El segundo paso es realizar una comparacin de los valores de Qj con sus respectivos niveles de precio (Ci), por ejemplo, se compara el valor obtenido de Q1 con respecto al intervalo que corresponde el valor del costo de C1, si este se encuentra entre el valor de 0 y el valor de N1 entonces este valor de Q se tomar como un valor ptimo. De igual manera se realizar una comparacin entre Q2 y el intervalo de N1 y N2. Esto operacin se realiza con todos los valores de Q obtenidos.
En caso de que el valor obtenido no se encontrara dentro de este intervalo, la cantidad ptima estar definida por el lmite inferior del intervalo.
En la grfica el valor de Q1 no se encuentra dentro de su intervalo, por consiguiente el valor de Q2 ser su lmite inferior, o sea, Q2 = N1.
262
Paso 3 El tercer paso es determinar los costos totales para cada uno de los valores ptimos obtenidos anteriormente. El costo total lo
determinaremos con la siguiente ecuacin.
Paso 4 El cuarto paso es determinar el menor costo total obtenido en el paso anterior. El valor de Q utilizado para determinar este costo ser la cantidad ptima a pedir segn los costos estimados en el planteamiento del problema.
Modelo con descuentos incrementales Este modelo se basa en manejar un precio unitario de un producto en referencia a la cantidad necesitada, a diferencia del modelo de descuentos en todas las unidades este realiza descuentos sobre una cierta cantidad de artculos que se encuentran dentro de un intervalo. Para entender mejor este modelo supongamos que tenemos la siguiente
263
tabla de precios y deseamos conocer el costo de 25 000 unidades de cierto producto. De A Costo Unitario 0 10, 001 20, 001 30, 001 En adelante C14 30, 000 C13 10, 000 20,000 C11 C12
En la siguiente grfica se presentas los costos unitarios de este producto.
Para determinar el costo de 25 000 unidades se tomarn 10 000 unidades a un costo de C11, 10 000 unidades a un costo de C12 y 5 000 unidades a un costo de C13. Se toman las cantidades de los intervalos con sus respectivos precios hasta que se logre acumular la cantidad requerida, es obvio que existe
264
un gran contraste en comparacin al modelo de descuentos en todas las unidades en donde el precio se toma con referencia al intervalo en donde se encuentra la cantidad requerida. Por consiguiente el costo de 25 000 unidades ser: Costo = C11(10 000) + C12(10 000)+ C13(5 000) Para el modelo de descuentos en todas las unidades estara definido de la siguiente manera: Costo = C13(25 000) En la siguiente grfica se presentan los costos que nos representara adquirir una cierta cantidad de un producto, por ejemplo, si queremos adquirir alguna cantidad que se encontrase entre el intervalo de N0 y N1 la lnea de costo estara definida de la siguiente manera:
Si la cantidad a adquirir sobrepasar el intervalo de N 0 y N1, y se ubicar ahora entre el intervalo de N1 y N2 la lnea de costo estar representada por:
265
Esto se realiza para todos los intervalos considerados, dando como resultado la siguiente grfica.
Ahora podemos concluir que el costo no se incrementa linealmente, sino que toma diversos estados en relacin a la cantidad requerida.
En este modelo se deber determinar la cantidad ptima a pedir con base en los costos unitarios con los que se cuenten, es decir, se determinar la cantidad ptima para cada costo unitario.
266
Es necesario tambin definir el costo de adquirir una cantidad Nj, es se realiza mediante la siguiente ecuacin.
Para adquirir una cantidad N3 el costo de esta se le deber sumar los costos anteriores, o sea, N1 y N2, esto se realiza debido a las bases en las que se fundamenta el modelo anteriormente explicado.
El costo ptimo total de un lote de productos estar definido por la siguiente ecuacin.
El costo total para un periodo de planeacin estar definido por la siguiente ecuacin.
Si a esta ecuacin la derivamos con respecto a Q obtendremos la ecuacin para determinar la cantidad ptima a pedir.
En ocasiones algunas empresas manejan un costo de almacn adicional, entonces la ecuacin es la siguiente:
En donde C3 + iCj ser el costo total de almacn.
267
Para entender mejor este modelo se resolver un problema en donde se describirn cada uno de los pasos anteriormente mencionados.
Restricciones de rea de Almacenaje e Inversin Existen ocasiones en donde se involucran otro tipo de variables con referencia a la cantidad ptima a pedir, como por ejemplo el capital con que se cuente y el espacio para almacenar las unidades adquiridas. Cuando una empresa maneja varios tipos de productos vuelve complicado. La empresa debe de ajustar la cantidad ptima a pedir para todos sus productos a las restricciones de capital y rea de almacenaje.
Por ejemplo, una empresa maneja tres productos A, B, C y debe de realizar pedidos de estos productos. El costo de estos pedidos no deben exceder al capital con que cuente la empresa y al espacio del almacn destinado para almacenar estos pedidos.
Para resolver este tipo de problemas podemos seguir este un sencillo algoritmo.
Paso 1 Calcular la cantidad ptima para cada uno de los productos que maneje la empresa. (qn)
Paso 2 Evaluar si las cantidades ptimas estimadas se encuentran dentro de las restricciones, es decir, determinar si la restriccin es activa.
268
(Restriccin no activa)
(Restriccin activa)
Cuando la restriccin no es activa se pueden pedir la qn unidades obtenidas. En caso contrario estas qn se deben ajustar a las restricciones.
Una forma de ajustar las cantidades ptimas a pedir a las restricciones es por multiplicadores de Lagrange, realizando un algoritmo recursivo en donde el resultado obtenido es aproximado con un cierto error de desviacin.
Restriccin no activa Cuando la restriccin no es activa el coso total para un periodo de planeacin estar definido por la siguiente ecuacin:
La cantidad ptima se calcular con la siguiente ecuacin:
Restriccin activa Cuando la restriccin es activa el costo total para un periodo de planeacin estar definido por la siguiente ecuacin.
269
La cantidad ptima se calcular con la siguiente ecuacin:
L = valor variable Ai = rea que ocupa un articulo i Sistema de Inventario Q Sistema de Inventario P Mantener un inventario (existencia de bienes) para su venta o uso futuro es una prctica comn en el mundo de los negocios. Las empresas de venta al menudeo, los mayoristas, los fabricantes y an los bancos de sangre por lo general almacenan bienes o artculos. Cmo decide una instalacin de este tipo sobre su "poltica de inventarios", es decir, cundo y cmo se reabastece?
En una empresa pequea, el administrador puede llevar un recuento de su inventario y tomar estas decisiones. Sin embargo, como esto puede no ser factible incluso en empresas chicas, muchas compaas han ahorrado grandes sumas de dinero al aplicar la "administracin cientfica del inventario". En particular, ellos: 1. Formulan un modelo matemtico que describe el comportamiento del sistema de inventarios. 2. Derivan una poltica ptima de inventarios con respecto a este modelo. 3. Con frecuencia, utilizan una computadora para mantener un registro de los niveles de inventario y sealar cundo conviene reabastecer.
270
Definicin del Problema de Inventario Un problema de inventario existe cuando es necesario guardar bienes fsicos o mercancas con el propsito de satisfacer la demanda sobre un horizonte de tiempo especificado (finito o infinito). Casi cada empresa debe almacenar bienes para asegurar un trabajo uniforme y eficiente en sus operaciones. Las decisiones considerando cundo hacer pedidos y en qu cantidad, son tpicas de cada problema de inventario. La demanda requerida puede satisfacerse almacenando una vez segn todo el horizonte de tiempo o almacenando separadamente cada unidad de tiempo durante el horizonte. Los dos casos que pueden considerarse son sobre-almacenamiento (con respecto a una unidad de tiempo) o sub-almacenamiento (con respecto al horizonte completo).
Un sobre-almacenamiento requerira un capital invertido superior por unidad de tiempo pero menos ocurrencias frecuentes de escasez y de colocacin de pedidos. Un sub-almacenamiento por otra parte disminuira el capital invertido por unidad de tiempo pero aumentara la frecuencia de los pedidos as como el tiempo de estar sin mercanca. Los dos extremos son costosos. Las decisiones considerando la cantidad ordenada y el tiempo en el cual se ordena pueden, por consiguiente, estar basadas sobre la minimizacin de un a funcin de costo apropiada la cual balancea los costos totales resultantes de sobrealmacenamiento y sub-almacenamiento.
Antes de comentar acerca de los sistemas de inventarios se presentan primero caractersticas bsicas de un sistema de inventarios:
Parmetros econmicos
271
Estos parmetros incluyen los tipos siguientes a. Costo fijo. Esto implica el costo fijo asociado a la colocacin de un pedido o con la preparacin inicial de una instalacin de produccin. El costo fijo usualmente se supone independiente de la cantidad ordenada o producida. b. Precios de compra o costo de produccin. Este parmetro es de especial inters cuando pueden obtenerse descuentos por mayoreo o rebajas en precio o cuando grandes corridas de produccin pueden dar como resultado una disminucin en el costo de la misma. En estas condiciones la cantidad ordenada debe ajustarse para aprovechar de estos cambios en el precio. c. Precio de venta. En algunas situaciones de inventaro la demanda puede ser afectada por la cantidad almacenada. En tales casos el modelo de decisin est basado en un criterio de maximizacin de beneficios el cual comprende el ingreso de venta de la mercanca. El precio de venta unitario puede ser constante o variable dependiendo, por ejemplo, de si se permite un descuento o no en la cantidad. d. Costo de mantenimiento del inventario. Esto representa el costo de tener el inventario en el almacn. Incluye el inters sobre capital invertido, costos de almacenamiento, costos de manejo, costos de depreciacin, etc. Los costos de llevar el inventario usualmente se supone que varan directamente con el nivel de inventario, as como con el tiempo que el artculo se tiene en almacn.
272
Demanda El modelo de demanda de una mercanca puede ser determinista o probabilista. En el caso del determinista se supone que se conocen con certeza las cantidades necesarias sobre perodos subsecuentes. Esto puede expresarse segn perodos iguales en trminos de demandas constantes conocidas, o en funcin de demandas variables conocidas. Los dos casos se denominan demandas esttica y dinmica, respectivamente
La demanda para un perodo dado puede satisfacerse instantneamente al inicio del perodo o uniformemente durante dicho lapso. El efecto de demandas instantneas y uniformes deber reflejarse directamente en el costo total de llevar el inventario.
Ciclo para ordenar Consiste en la medida de tiempo de la situacin de inventario. Un ciclo de rdenes o pedidos puede identificarse por el perodo entre dos rdenes sucesivas. Lo ltimo puede iniciarse en una de dos formas: a. Revisin continua donde un registro del nivel de inventario se actualiza continuamente hasta que se alcanza un cierto lmite inferior, en cuyo punto se coloca un nuevo pedido. Esto se conoce algunas veces como el sistema de "dos depsitos". b. Revisin peridica donde los pedidos se hacen usualmente a intervalos igualmente espaciados.
273
Demoras en la entrega Cuando se coloca un pedido, puede entregarse inmediatamente o puede requerir algn tiempo antes de que la entrega se efecte. El tiempo entre la colocacin de un pedido y su surtido se conoce como demora en la entrega. En general, las holguras de entrega pueden ser deterministas o de probabilidad.
Re abasto del almacn Aunque un sistema de inventario puede operar con demora en las entregas, el abastecimiento real del almacn puede ser instantneo o uniforme. El instantneo ocurre cuando el almacn compra de fuentes externas. El uniforme puede ocurrir cuando el producto se fabrica localmente dentro de la organizacin. En general, un sistema puede operar con demora positiva en la entrega y tambin con abastecimiento de almacn.
Nmero de artculos Un sistema de inventarios puede comprender ms de un artculo (mercancas). Este caso es de inters, principalmente si existe una clase de interaccin entre los diferentes artculos. Por ejemplo, estos pueden competir en espacio o capital total limitados.
Sistemas de Inventario Dos sistemas de inventario muy utilizados son el sistema de pedido de tamao fijo y el sistema de pedido de intervalo fijo. Se designa como sistema Q al sistema de pedido de tamao fijo, mientras que el sistema de pedido de intervalo fijo se designa como sistema P. La diferencia bsica entre los dos consiste en que en el sistema Q se pide una
274
cantidad fija a intervalos variables de tiempo y en el sistema P se ordena cantidad variable a intervalos fijos de tiempo.
Frmulas para los sistemas P y Q. Para determinar la cantidad pedida es:
El tiempo entre pedido es (IP intervalo entre pedidos):
Las existencias de seguridad (ES):
ES para el sistema P se calcula de la siguiente forma ya que este sistema tiene como base el intervalo entre pedidos ms el tiempo promedio de anticipacin (IP + L), entonces ES queda:
Cantidad pedida = Q ptimo + existencias de seguridad - inventario disponible unidades pedidas + demanda promedio en el tiempo de anticipacin
El costo total anual se calcula con la siguiente ecuacin.
275
En donde:
C1: es el Costo de una unidad C2: es el Costo de hacer una compra C3: es el Costo de almacenar Dm: es la Demanda mxima : es la Demanda promedio t = tiempo entre pedidos L= tiempo de
anticipacin ES: son existencias seguridad las de
Cuando el sistema de inventario es determinstico y la tasa de demanda es constante, realmente hay poca diferencia entre los sistemas Q y P. Primero analizaremos el sistema Q con los siguientes datos.
276
Ejemplo La de manda de un articulo particular es 18,000 unidades / ao. El costo de almacenamiento por unidad es de $1.20 por ao y el costo de ordenar una compra es de $400, el tiempo de anticipacin (L) es de 20 das, el costo de una unidad es de $1. (Se supone 1 ao = 250 das):
Para determinar la cantidad a pedir se hace lo siguiente:
unidades
El intervalo entre pedidos es: 1 ao = 250 das das
La demanda diaria se saca de la siguiente forma. Como la demanda es de 18,000 por unidades por ao y 1 ao = 250 das, entonces: unidades / da
El tiempo de anticipacin es L=20 das; por tanto el nmero de unidades que podran requerirse durante el tiempo de anticipacin es:
Demanda en el periodo de anticipacin = D L, si el tiempo de anticipacin es de 20 das y la demanda diaria es de 72 unidades / da, entonces la demanda en periodo de anticipacin es 72(20)=1,440 unidades.
277
La representacin grfica de estas cantidades que se muestra en la figura 2-1 indica la siguiente regla de pedido: Verificar continuamente nivel de inventario, y cuando el nivel del inventario alcance 1440 unidades, se ordenan 3,465 unidades.
Aplicando esta regla se obtiene un costo total anual de $22,156 sin permitir dficit.
= 18,000 + 2,078 + 2078 = $ 22,156 por ao.
Si se permite dficit el punto de pedido disminuye. Por ejemplo, puede suponerse que el tiempo de anticipacin de 20 das y el nmero de unidades agotadas de 747, el punto de pedido es 72(20) - 747 = 693 unidades
Si el tiempo de anticipacin hubiera sido mayor que 48 das, el nivel (punto) de pedido sobrepasa el nivel de inventario. Por ejemplo, puede suponerse que el tiempo de anticipacin del ejemplo 2-1 es 60 das en lugar de 20 das. Esto indicara un punto de pedido de: 60(72) = 4.320 unidades
278
Sin embargo, esto es imposible ya que la figura 2-1 indica que el nivel inventario nunca es mayor que 3,465 unidades. El valor de 4,320 unidades implica que cuando el nmero de unidades en inventario (disponible) y el nmero de unidades pedidas pero no recibidas es 4,320 unidades, entonces se hace un pedido de 3,465 unidades.
Ahora se discute un sistema P. En el ejemplo anterior debera usarse un intervalo entre pedidos de 48 das ya que este es el intervalo ptimo indicado por un balance entre los costos de compra e inventario. Cualquier intervalo entre pedidos menor que 48 das ocasiona mayores costos de compra, y cualquier intervalo entre pedidos mayor que 48 das ocasiona dficit. das
El sistema P representado en la figura anterior para los datos del ejemplo anterior indica la siguiente regla de pedido: determinar el nivel de inventario cada 48 das y en ese momento pedir una cantidad igual a Cantidad pedida = Q ptimo + existencias de seguridad - existencias disponibles - unidades pedidas + cantidad requerida para un perodo completo de anticipacin.
279
En este caso, el tamao del pedido es igual a 3,465 + 0 1,440 - 0 + 72(20) = 3,465 unidades
Esta cantidad pedida debe ser la misma en cada punto de pedido ya que todas las componentes de la ecuacin de la cantidad pedida son constantes debido a que el sistema es determinstico y la tasa de demanda es constante. Adems, por las mismas causas los perodos entre pedidos (48 das) son iguales en ambos sistemas. Por consiguiente, los dos sistemas dan iguales resultados siempre que los sistemas sean determinsticos y la tasa de demanda sea constante.
Se presentan diferencias entre los dos sistemas cuando la demanda, el tiempo de anticipacin, o ambos se vuelven probabilsticos. Un enfoque para manejar sistemas probabilsticos de inventario es suponer un modelo de inventario basado en existencias de seguridad (existencias amortiguadoras). Las existencias de seguridad sirven de amortiguador para absorber las variaciones de la demanda y del tiempo de anticipacin. Tambin sirven como medio de regulacin de las unidades agotadas. Este enfoque permite una aproximacin razonable hacia una solucin ptima. Es una aproximacin ya que supone que las existencias de seguridad para el tiempo de anticipacin y el intervalo entre pedidos son independientes. Obviamente, esta suposicin no es correcta.
Un enfoque para manejar sistemas probabilsticos de inventario es suponer un modelo de inventario basado en existencias de seguridad (existencias amortiguadoras). Las existencias de seguridad sirven de amortiguador para absorber las variaciones de la demanda y del tiempo
280
de anticipacin. Tambin sirven como medio de regulacin de las unidades agotadas. Este enfoque permite una aproximacin razonable hacia una solucin ptima. Es una aproximacin ya que supone que las existencias de seguridad para el tiempo de anticipacin y el intervalo entre pedidos son independientes. Obviamente, esta suposicin no es correcta.
5.5. Teora de filas

Teora de colas o lneas de espera Son innumerables las situaciones en que personas u objetos deben ordenarse o agruparse segn una estructura impuesta por un sistema, a la espera de recibir un servicio para satisfacer una necesidad. Ejemplos de situaciones de esta naturaleza podran ser: esperar que se desocupe el cajero automtico para la extraccin de dinero o realizar cualquier otra operacin, la espera en un consultorio para ser atendido por un mdico, los automviles que esperan en una estacin de peaje para abonar el canon y continuar circulando, las computadoras en un taller que esperan turno para ser reparadas, las cajas agrupadas en una cinta transportadora que esperan ser etiquetadas, etc. Se pueden dar infinitos ejemplos de situaciones idnticas y en todos ellos se puede descubrir que hay dos elementos en comn. Por un lado una persona u objeto, en general se llamar cliente, que espera para recibir un servicio y por otro lado, alguien que brinda el servicio solicitado por el cliente, en general se le llama servidor. La rama de la Investigacin Operativa encargada del estudio de sistemas con estas caractersticas, es lo que se llama Teora de Colas o Lneas de Espera.
281
Dentro de los mltiples temas que trata la Investigacin Operativa, se puede afirmar sin ningn temor que la Teora de Colas o Lneas de Espera es la que mayores posibilidades de aplicacin tiene, aunque en la realidad esta situacin no se d de esta manera por lo dificultoso que resulta, en la mayora de los casos, recoger la informacin correcta y necesaria para su aplicacin. Esta dificultad proviene del hecho de que las variables que intervienen en la formulacin del modelo matemtico tienen un comportamiento completamente aleatorio de manera que el riguroso tratamiento matemtico que se pretende hacer de este fenmeno, carece de sentido en muchos casos, en razn de que los resultados que se obtienen pueden estar muy alejados de la realidad.
Esta situacin conduce a aplicar tcnicas tales como la Simulacin para el anlisis y dimensionado de sistemas con estas caractersticas resignando economa y exactitud en algunos casos, pero obteniendo resultados ms acordes con la realidad.
Los mltiples temas o situaciones en que se puede aplicar esta importante herramienta pueden ser: 1. Entrada y salida de aviones en un aeropuerto. 2. Carga y descarga de buques en un puerto. 3. Atencin al pblico en ventanillas. 4. Reparacin de equipos en un taller. 5. Atencin de automviles en una estacin de servicio. 6. Centrales telefnicas en una oficina con lneas externas. 7. Despacho de expedientes por parte de un empleado.
8. Atencin de varias mquinas por parte de un solo empleado.
282
Todos estos son algunos pocos ejemplos en los que se puede aplicar la teora de colas o lneas de espera.
Todas estas situaciones pueden ser asimiladas al siguiente esquema de funcionamiento:
Este esquema bsico de funcionamiento consta de elementos de los cuales dos son los ms importantes que son: La cola o lnea de espera El canal de servicio o servidor.
Cualquier sistema de colas est destinado a servir cierto flujo de pedidos que llegan en ciertos momentos aleatorios de tiempo. Tambin el servicio dura un cierto tiempo aleatorio llamado tiempo de servicio.
En este esquema, los clientes que son los individuos que vienen requiriendo de un servicio, llegan aleatoriamente al sistema y se incorporan a la cola esperando ser atendidos. Si el canal de servicio o servidor est desocupado, el cliente recibe el servicio y abandona inmediatamente el sistema. Por otro lado, el carcter aleatorio del flujo de demandas y de los tiempos de servicio hace que en ciertos periodos de tiempo a la entrada del sistema ms precisamente en la cola, se acumule un nmero demasiado grande de demandas. En estas situaciones, los clientes se incorporan a la cola o bien abandonan el sistema sin recibir el servicio. En otros casos, el sistema funcionar con
283
una utilizacin incompleta del servicio o permanecer libre o parado durante tiempos prolongados consumiendo recursos. Clasificacin de los Sistemas de Colas o Lneas de Espera Las lneas de espera se pueden clasificar de acuerdo a: 1. Nmero de clientes que esperan en la cola. Este puede ser finito o infinito. En la realidad slo se presenta el primero.
2. La fuente que genera la poblacin de clientes que puede tener una produccin finita o infinita. A los fines de determinar los parmetros que caracterizan un sistema, considerar que la fuente genera una poblacin infinita, facilita los clculos.
3. La manera en que se organizan las colas. Estas pueden ser de una sola o de varias con opcin a cambio de cola o no. Esto depende de la naturaleza del servicio que se presta.
5. El tiempo transcurrido entre la llegada de dos clientes consecutivos. Este puede ser una constante o una variable aleatoria independiente que puede responder o no a una determinada distribucin de probabilidad. Cuando se analiza un sistema de colas con un enfoque matemtico, se asume que el tiempo transcurrido entre dos llegadas consecutivas es una variable aleatoria independiente que responde a una distribucin de probabilidades de Poisson.3
6. El tiempo de servicio. Tambin este tiempo puede ser una constante o una variable aleatoria, independiente o dependiente,
Es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo.
3
284
cuya distribucin de probabilidades puede conocerse o no. Cuando se analiza el sistema con un enfoque matemtico, en algunos casos se asume que el tiempo de servicio es una constante o bien que responde a una distribucin de probabilidades exponencial negativa o a la distribucin de Erlang.4 Se dice que el tiempo de servicio es dependiente, cuando este tiempo se ve afectado por factores exgenos, es decir algunas causas ajenas al servidor que pueden acelerar o retardar el tiempo de servicio. Si nada de esto ocurre, entonces se dice que el tiempo de servicio es una variable aleatoria independiente.
6. La disciplina u organizacin de la cola o ms bien la poltica adoptada para la atencin de los clientes. Obviamente esto depende de las caractersticas y naturaleza del servicio. Se pueden adoptar las siguientes modalidades o polticas: Primer cliente que llega, es el primero en ser atendido. Este es el caso ms comn.
Primer cliente que llega, ltimo en ser atendido, o bien ltimo cliente que llega es el primero en ser atendido. Atencin aleatoria, en este caso el cliente a ser atendido es elegido arbitrariamente por el servidor. Estas situaciones se presentan muy raramente. Atencin prioritaria, es decir que las caractersticas del cliente establecen el orden de prioridad de la atencin. Esto se presenta con frecuencia en los servicios de salud. Un paciente que llega
Es una distribucin de probabilidad continua con dos parmetros k y cuya funcin de densidad para valores x > 0 es:
285
en estado de gravedad, es el primero en ser atendido dejando de lado los que estn esperando en la cola. 7. Nmero de servidores o canales de servicio. Este puede ser nico (monocanal) o con canales o servidores mltiples.
8. Organizacin de los canales de servicio o servidores. Estos se pueden organizar en: serie, paralelo o mixtos.
9. Estabilidad del sistema. Este puede ser estable o transitorio. Se entiende por sistema estable a aquel en el cual en un periodo determinado de tiempo solo puede ocurrir un arribo al sistema y solo puede ocurrir una salida o abandono del sistema. Estos sistemas se los conoce como sistemas de nacimiento (una entrada), muerte (una salida o abandono).
Estas son algunas de las formas en que se pueden clasificar los sistemas de colas o lneas de espera.
286
Objetivos de la Teora de Colas o Lneas de Espera El proceso de funcionamiento de un sistema de colas o lneas de espera, es un proceso aleatorio con estados discretos y tiempos continuos. El sistema cambia a saltos cuando se producen determinados sucesos, por ejemplo cuando llega un cliente requiriendo un servicio, cuando un cliente abandona el sistema despus de recibir un servicio, o bien cuando el cliente cansado de esperar, abandona el sistema sin recibir el servicio. Se puede decir que los objetivos que persigue el estudio de la teora de colas o lneas de espera se los puede sintetizar en los siguientes dos aspectos: Caracterizar cualitativa y cuantitativamente una cola o lnea de espera. Formular modelos matemticos para determinar los valores adecuados de ciertos parmetros del sistema de manera de compatibilizar o equilibrar el costo social de la espera con los costos asociados al consumo de recursos para la atencin de los clientes.
En el primer caso, podemos decir que ser de inters conocer que longitud puede alcanzar una cola, que cantidad de clientes hay en el sistema en un determinado instante de arribo de un cliente, cual es el tiempo probable que un cliente debe esperar para ser atendido, cuantas colas o servidores tiene el sistema, etc. Todos estos parmetros se los calcula con un enfoque matemtico, con resultados exactos, en tanto y en cuanto las hiptesis que se planteen con respecto al comportamiento de determinadas variables sean las correctas. Esta caracterizacin tambin se puede hacer mediante la simulacin, que si bien es cierto no
287
nos brinda resultados exactos, en muchos casos, puede estar ms cerca de la realidad que si se los determina matemticamente.
En el segundo caso ser de inters estudiar la eficiencia del sistema, definiendo la manera en que deben organizarse las colas, las reglas de funcionamiento, nmero de servidores, su rendimiento, etc. Es decir todas las caractersticas que son de inters para mejorar los ndices de eficacia del sistema de manera de cumplir adecuadamente con el flujo de pedidos de servicio. Todo esto se resume diciendo que se procura determinar los parmetros adecuados para el diseo y funcionamiento del sistema con el objeto de lograr un equilibrio entre el costo social que representa la espera y el mejor u ptimo aprovechamiento de los recursos involucrados o invertidos para brindar el servicio. El comportamiento de los intereses o costos de las partes involucradas en el sistema, esquemticamente puede representarse como:
Notacin y Definicin de Trminos en la Teora de Lneas de Espera
288
= Tasa de llegada o nmero promedio de llegada de clientes por unidad de tiempo. = Tasa de servicio o nmero promedio de servicios por unidad de tiempo. Este parmetro representa la mxima capacidad de servicio. = / = Factor de utilizacin del sistema con un canal de servicio o un servidor. Evidentemente debe ser menor que 1 p orque de lo contrario, si llegan ms clientes que la capacidad de atencin que tiene el sistema, se formar una cola cuyo crecimiento ser infinito. Si no se cumple esta condicin y es mayor que 1, se deber agregar ms servidores al sistema de manera que se cumpla. S= Nmero de servidores o canales de servicio. S= /S = Factor de utilizacin del sistema cuando hay S servidores. TS = Esperanza del tiempo o valor esperado de espera de la ltima llegada para recibir el servicio. Este parmetro responde a la pregunta Cunto tendr que esperar hasta que me atiendan? TW = Esperanza del tiempo o valor esperado de espera de la ltima llegada para abandonar el sistema. Este parmetro responde a la pregunta Dentro de cunto tiempo saldr de aqu? 1/ = Periodo de llegada o tiempo promedio que transcurre entre dos llegadas consecutivas. 1/ = Tiempo promedio de atencin a un cliente. L = Valor esperado del nmero de clientes formados en la cola. W = Valor esperado del nmero de clientes en el sistema, es decir, en la cola y recibiendo el servicio. Pm (t) = Probabilidad de que en el instante t de arribo de un cliente a la cola, se encuentren m clientes en el sistema. S clientes recibiendo el servicio y (m S) clientes formados en la cola.
289
P0 (t) = Probabilidad de que en el instante t de arribo de un cliente a la cola, el sistema se encuentre vaco.
Se definen otros trminos ms, segn la complejidad del sistema.
Modelo de una Cola un Canal de Servicio y Poblacin Infinita Se analiza un sistema con una estructura simple: una cola, un servidor, poblacin infinita y la poltica de atencin que se aplica es, primero en llegar, primero en ser atendido.
Se parte de la hiptesis de que el tiempo de llegada de un cliente responde a una distribucin de probabilidades de Poisson con una media 1/, de manera que si A(t) es el nmero de llegadas en un intervalo de tiempo t, entonces la probabilidad de que A(t) sea igual a k llegadas, est dado por:
Igualmente, se asume que el tiempo de servicio responde a una distribucin de probabilidades exponencial negativa con un tiempo medio de servicio igual a 1/, de manera que si Z, representa el tiempo aleatorio de servicio, la probabilidad de que este tiempo sea mayor a t unidades est dado por:
Cmo se calcula la probabilidad de que en el instante de arribo t a la cola, se encuentren m clientes en el sistema? As:
290
Pm(t) representa la probabilidad de que en el instante de arribo t a la cola, se encuentren m clientes en el sistema, uno recibiendo el servicio y (m 1) clientes en la cola. Se considera un intervalo elemental de tiempo 0> t
suficientemente pequeo en el cual solamente se puede producir el arribo de un cliente al sistema, o solamente un cliente puede abandonarlo luego de recibir el servicio. Si , es el nmero promedio de llegada de clientes por unidad de tiempo, entonces la probabilidad de que en dicho intervalo elemental llegue un cliente ser: t (Probabilidad de un arribo en el intervalo elemental t). En consecuencia, la probabilidad de que no se produzca ningn arribo en dicho intervalo elemental ser su complemento, o sea: t1(Probabilidad de que en el intervalo elemental no se produzca ningn arribo). De la misma manera tendremos: t (Probabilidad de brindar un servicio en el intervalo elemental de tiempo). t1(Probabilidad de no brindar un servicio en el intervalo elemental de tiempo). Para calcular la probabilidad de que en el instante de arribo t, se encuentren m clientes en el sistema, se comienza calculando la probabilidad de que en el instante se encuentren m clientes en el sistema. Esta situacin puede provenir de los siguientes sucesos que, para una mejor comprensin, los representamos en la siguiente tabla. tt+ Sucesos que, para una mejor comprensin, los representamos en la siguiente tabla.
291
Instante t A1 Pm(t)
Intervalo t No
Instante (t+t)
entr Pm(t+t)
ninguno ni sali ninguno A2 Todos estos Pm(t) Entr uno y sali Pm(t+t) uno A3 Pm+1(t) No entr Pm(t+t)
ninguno y sali uno A4 Pm-1(t) Entr uno y no Pm(t+t) sali ninguno
sucesos son igualmente posibles y mutuamente excluyentes por lo tanto la probabilidad del suceso final ser igual a la suma de las probabilidades de todos estos sucesos. O sea:
292
De manera que:
Desarrollando estos productos, la igualdad queda:
Pasando Pm(t) al primer miembro y dividiendo ambos miembros por , la igualdad queda:
Aplicando lmite en ambos miembros para 0t, se tiene:
Quedando finalmente:
293
Se define como cola estacionaria a aquellas cuya longitud se mantiene constante, o sea que es independiente del tiempo, en consecuencia su derivada primera con respecto al tiempo es igual a cero. En consecuencia la anterior queda:
Analizamos la (1) para el caso en que m sea igual a cero.
Ya que no puede haber servicio si hay 0 clientes en el sistema. De igual manera: carece de sentido ya que no puede haber
una cantidad negativa de clientes en el sistema. En consecuencia para m = 0, la (1) queda:
Se analiza la (1) ahora para m = 1. Siguiendo igual razonamiento se llega a qu:
Para m = 2, se tiene:
294
Aplicando un razonamiento inductivo, en general se tendr que:
O bien por ser:
En (2) no se conoce P0(t), para definir la expresin que permita calcular dicho valor, planteamos la sumatoria de las probabilidades de todos los sucesos igualmente posible, es decir:
Determinacin del Nmero Esperado de Clientes en el Sistema W La esperanza o valor esperado de una variable aleatoria discreta cualquiera est dado por:
Si la variable es continua es.
De manera que el nmero esperado de clientes en el sistema ser: m
Determinacin del Nmero Esperado de Clientes en la Cola L
295
El nmero esperado de clientes en el sistema se dijo que puede expresarse como:
Tratndose de un sistema monocanal o con un servidor, si W, es el nmero esperado de clientes en el sistema, el nmero esperado de clientes en la cola puede expresarse como:
Esta sumatoria tiene sentido a partir de m = 2 y la anterior a partir de m = 1. Determinacin del Tiempo Esperado de Espera en la Cola Ts antes de Recibir el servicio Si un cliente se incorpora a la cola para recibir un servicio, para que lo atiendan tendr esperar un tiempo igual al tiempo medio de servicio 1 por la cantidad W de clientes que hay en el sistema. De manera que:
Determinacin del Tiempo Esperado de Espera en el Sistema Tw para abandonarlo Por tratarse de un sistema con un servidor, el tiempo esperado para abandonar el sistema ser igual al tiempo de espera en la cola ms el tiempo medio de prestacin de un servicio 1. De manera que:
296
Frmulas diversas Las siguientes son frmulas que permiten calcular las probabilidades de algunos sucesos que pueden ser de inters. La probabilidad de que el nmero esperado de clientes W, en el sistema sea mayor que un cierto valor Z est dado por:
La probabilidad de que el tiempo esperado de espera en la cola Ts, sea mayor que p unidades de tiempo est dado por:
La probabilidad de que el tiempo esperado de espera en el sistema Tw, sea mayor que q unidades de tiempo est dado por:
La probabilidad de x llegadas por unidad de tiempo est dada por:
La probabilidad de que x clientes reciban el servicio en la unidad de tiempo est dada por:
297
Simulacin Monte Carlo La simulacin Monte Carlo es la amiga de los matemticos no refinados. Para comprenderla y usarla, se necesita poca capacitacin matemtica. Puede ser adaptada fcilmente a cualquier situacin, con tal que las alternativas puedan ser especificadas cuantitativamente y que los datos requeridos puedan ser calculados con aceptable confianza.
Monte Carlo es un proceso de resolver un problema simulando datos originales con generadores de nmeros al azar. Su aplicacin slo requiere dos cosas bsicas: 1. Se debe tener un modelo que represente una imagen de realidad tal como lo vemos. El modelo en este caso no es ms que la distribucin por probabilidades de la variable que se considera. El mrito importante de la simulacin es que puede ser aplicada aunque las distribuciones de probabilidades no puedan ser expresadas explcitamente en cualquiera de las formas tericas. Todo lo que se requiere es una tabla o un grfico de una distribucin de una variable directa o, indirectamente, por el uso de registros pasados. 2. Es un mecanismo para simular el modelo. El mecanismo pudo ser cualquier generador de nmeros al azar, tal como un par de dados, un puntero giratorio, una rueda de ruleta, una tabla de dgitos al azar o una computadora de alta velocidad apropiadamente instruida. 3. El mtodo Monte Carlo es para simular, mediante procedimientos al azar, situaciones del mundo real de naturaleza probabilstica.
Tamao ptimo de un equipo de servicio
298
El tamao ptimo de un equipo de servicio se considera un segundo ejemplo de simulacin Monte Carlo. Una nueva empresa industrial, que ha estado en el negocio por espacio de 3000 horas de operacin, tiene en uso un gran nmero de mquinas idnticas. Tiene una sola estacin de servicio con un equipo de operarios. La reparacin de cualquier mquina es un esfuerzo conjunto del equipo. Cuando la estacin de servicio es ocupada por una mquina y ocurren otras descomposturas, se crea una lnea de espera. Se han registrado cuidadosamente durante las 3000 horas pasadas datos sobre el nmero de computadoras por hora y el nmero de reparaciones que requieren varios periodos de tiempo para prestarles servicio. Las probabilidades de estos dos conjuntos de hechos basados en datos del pasado se indican en los cuadros 1 y 2, respectivamente.
Son los datos sobre descomposturas Descomposturas por horas Probabilidad Probabilidad Acumulativa Intervalo de
nmeros al azar de tres dgitos
0 1 2 3
0.900 0.090 0.008 0.002
0.900 0.990 0.998 1.000
000-899 900-989 990-997 998-999
Cuadro 1. Datos sobre descomposturas
299
Estos son los datos sobre tiempo requerido para reparacin: HORAS REPARACIN DE PROBABILIDAD PROBABILIDAD ACUMULATIVA INTERVALO NMEROS DE AL
AZAR DE TRES DGITOS 1 2 3 4 5 0.251 0.375 0.213 0.124 0.037 0.251 0.626 0.839 0.963 1.000 000-250 251-625 626-838 839-962 963-999
Cuadro 2. Datos sobre tiempo requerido para reparacin
Se considera que los dos conjuntos de hechos son estadsticamente independientes. Una prueba Chi Cuadrado (X2) sobre las frecuencias absolutas conjuntas mostrara si la independencia estadstica es razonable.
Lo primero que debemos hacer es asignar intervalos de nmeros al azar a descomposturas de mquinas por hora y a nmeros de horas requeridos para reparar las mquinas. Estos intervalos se dan en las ltimas columnas de los cuadros 1 y 2. Obsrvese que en ambos casos los intervalos de nmeros al azar asignados n proporcionales a las probabilidades de ocurrencia de los hechos respectivos.
300
5.6. Teora de Juegos

La Teora de Juegos se desarroll con el simple hecho de que un individuo se relacione con otro u otros. Hoy en da se enfrenta cotidianamente a esta teora, en cualquier momento, tenemos por ejemplo cuando nos inscribimos en un nuevo semestre en la universidad, cuando la directiva toma la decisin sobre el monto que se va a cobrar, la directiva est realizando un juego con sus clientes, en este caso los alumnos. Para el hombre la importancia que representa la Teora de Juegos es evidente, pues a diario se enfrenta a mltiples situaciones que son juegos.
Actualmente la Teora de Juegos se ocupa sobre todo de que ocurre cuando los hombres se relacionan de forma racional, es decir, cuando los individuos se interrelacionan utilizando el raciocinio. Sin embargo, la Teora de Juegos no tiene todas las respuestas a los todos problemas del mundo.
Evidentemente definir la Teora de Juegos es tan absurda como su lgica, pero la realidad es que la Teora de Juegos consiste en razonamientos circulares, los cuales no pueden ser evitados al considerar cuestiones estratgicas. Por naturaleza, a los humanos no se les da muy bien pensar sobre los problemas de las relaciones estratgicas, pues generalmente la solucin es la lgica a la inversa.
En la Teora de Juegos la intuicin no educada no es muy fiable en situaciones estratgicas, razn por la que se debe entrenar tomando en
301
consideracin ejemplos instructivos, sin necesidad que los mismos sean reales. Por el contrario, en muchas ocasiones disfrutaremos de ventajas sustanciales estudiando juegos, si se eligen cuidadosamente los mismos En estos juegos-juegos, se pueden desentender de todos los detalles.
Si en lugar de utilizar personajes ficticios utilizamos personajes reales para los juegos, si se observase qu tan honesto es ese personaje, cmo manipulara la informacin obtenida, etc. Para un especialista en Teora de Juegos el ser deshonesto, etc., sera un error comparable al de un matemtico que no respeta las leyes de la aritmtica porque no le gustan los resultados que est obteniendo.
Origen de la teora de juegos La Teora de Juegos fue creada por von Neumann y Morgenstern en su libro clsico The Theory of Games Behavior, publicado en 1944. Otros haban anticipado algunas ideas. Los economistas Cournot y Edgeworth fueron particularmente innovadores en el siglo XIX. Otras contribuciones posteriores mencionadas fueron hechas por los matemticos Borel y Zermelo. El mismo Von Neumann ya haba puesto los fundamentos en el artculo publicado en 1928. Sin embargo, no fue hasta que apareci el libro de von Neumann y Morgenstern que el mundo comprendi cun potente era el instrumento descubierto para estudiar las relaciones humanas.
Todava encontramos profesores mayores que nos explican que la Teora de juegos no sirve para nada porque la vida no es un Juego de suma cero, o porque se puede obtener el resultado que uno quiera seleccionando el apropiado concepto de solucin cooperativa.
302
Afortunadamente las cosas han evolucionado con mucha rapidez en los ltimos veinte aos, y ste y otros libros modernos sobre teora de juegos ya no padecen algunos de los presupuestos restrictivos que von Neumann y Morgenstern consideraron necesarios para progresar. Como resultado, lo que la teora de juegos prometa en un principio se est empezando a cumplir. En los ltimos aos, sus repercusiones en la teora econmica slo se pueden calificar de explosivas. Todava es necesario, sin embargo, saber algo de la corta historia de juegos, aunque slo sea para entender por qu se usan algunos trminos.
von Neumann y Morgenstern investigaron dos planteamientos distintos de la Teora de Juegos. El primero, el planteamiento estratgico o no cooperativo. Este planteamiento requiere especificar detalladamente lo que los jugadores pueden y no pueden hacer durante el juego, y despus buscar cada jugador una estrategia ptima. Lo que es mejor para un jugador depende de lo que los otros jugadores piensan hacer, y esto a su vez depende de lo que ellos piensan del primer jugador har. von Neumann y Morgenstern resolvieron este problema en el caso particular de juegos con dos jugadores cuyos intereses son
diametralmente opuestos. A estos juegos se les llama estrictamente competitivos, o de suma cero, porque cualquier ganancia para un jugador siempre se equilibra exactamente por una prdida
correspondiente para el otro jugador. El ajedrez, el backgammon y el pquer son juegos tratados habitualmente como juegos de suma cero.
La segunda parte del libro de von Neumann y Morgenstern desarrollaron el planteamiento coalicional o cooperativo, en el que buscaron describir la conducta ptima en juegos con muchos jugadores. Puesto que ste es un problema mucho ms difcil, no es de sorprender que sus resultados
303
fueran mucho menos precisos que los alcanzados para el caso de suma cero y dos jugadores. En particular, von Neumann y Morgenstern abandonaron todo intento de especificar estrategias ptimas para jugadores individuales. En lugar de ello se propusieron clasificar los modelos de formacin de coaliciones que son consistentes con conductas racionales. La negociacin, en cuanto a tal, no jugaban papel alguno en esta teora. De hecho, hicieron suyo el punto de vista, que haba predominado entre los economistas al menos desde la poca de Edgeworth, segn el cual los problemas de negociacin entre dos personas son inherentemente indeterminados.
A principio de los aos cincuenta, en una serie de artculos muy famosa el matemtico John Nash rompi dos de las barreras que von Neumann y Morgenstern se haba auto-impuesto. En el frente no cooperativo, estos parecen haber pensado que en estrategias la idea de equilibrio, introducida por Cournot en 1832, no era en s misma una nocin adecuada para construir sobre ella una teora, de aqu que se restringieran a juegos de suma cero. Sin embargo, la formulacin general de Nash de la idea de equilibrio hizo ver claramente que una restriccin as es innecesaria. Hoy da, la nocin de equilibrio de Nash, la cual no es otra cosa que cuando la eleccin estratgica de cada jugador es la respuesta ptima a las elecciones estratgicas de los otros jugadores. A Horace y Maurice les fueron aconsejados, por su consultor especialista en teora de juegos, que usaran un equilibrio de Nash. Es tal vez, el ms importante de los instrumentos que los especialistas en teora de juegos tienen a disposicin. Nash tambin hizo contribuciones al planteamiento cooperativo de von Neumann y Morgenstern. Nash no acept la idea de que la teora de juegos debe considerar indeterminados problemas de negociacin entre dos personas y
304
procedi a ofrecer argumentos para determinarlos. Sus ideas sobre este tema fueron generalmente incomprendidas y, tal vez como consecuencia de ello, los aos que la teora de juegos pas en Babia se gastaron principalmente desarrollando el planteamiento cooperativa de von Neumann y Morgenstern en direcciones que finalmente resultaron improductivas.
Lo que es tal vez ms importante sobre los ltimos veinte aos de teora de juegos es que los mayores progresos se han dado en la teora no cooperativa.
Es difcil explicar hacia dnde se dirige la teora de juegos a una audiencia que no sabe dnde se encuentra. Estas observaciones, por tanto, son para quienes ya saben algo de teora de juegos. Aplicaciones de la teora de juegos La Teora de Juegos actualmente tiene muchas aplicaciones, sin embargo, la economa es el principal cliente para las ideas producidas por los especialistas en Teora de Juego. Entre las disciplinas donde hay aplicacin de la Teora de Juegos tenemos:
305
La economa No debera sorprender que la Teora de Juegos haya encontrado aplicaciones directas en economa. Esta ciencia se supone que se ocupa de la distribucin de recursos escasos. Si los recursos son escasos es porque hay ms gente que los quiere de la que puede llegar a tenerlos. Este panorama proporciona todos los ingredientes necesarios para un juego. Adems, los economistas neoclsicos adoptaron el supuesto de que la gente actuar racionalmente en este juego. En un sentido, por tanto, la economa neoclsica no es sino una rama de la Teora de Juegos. Los economistas que no se dan cuenta de ello son como el monsieur Jourdain de Le Bourgeois Gentilhomme, de Molire, que se sorprendi de saber que haba estado hablando en prosa durante toda la vida sin saberlo. Sin embargo, aunque los economistas pueden haber sido desde siempre especialistas camuflados en Teora de Juegos, no podan progresar por el hecho de no tener acceso a los instrumentos proporcionados por von Neumann y Morgenstern. En consecuencia slo podan analizar juegos particularmente simples. Esto explica por qu el monopolio y la competencia perfecta se entienden bien, mientras a todas las dems variedades de competencia imperfecta que se dan entre estos dos extremos slo ahora se les est empezando a dar el tratamiento detallado que merecen.
La razn por la que el monopolio es simple desde el punto de vista de la Teora de Juegos es que puede ser tratado como un juego con un nico jugador. La razn porque la competencia perfecta es simple es que el nmero de jugadores es de hecho infinito, de manera que cada agente individual no puede tener un efecto sobre agregados de mercado si l o ella acta individualmente.
306
En la ciencia poltica La Teora de Juegos no ha tenido el mismo impacto en la ciencia poltica que en economa. Tal vez esto se deba a que la gente se conduce menos racionalmente cuando lo que est en juego son ideas que cuando lo que est en juego es su dinero. Sin embargo, se ha convertido en un instrumento importante para clarificar la lgica subyacente de un cierto nmero de problemas ms paradigmticos. Un ejemplo de Teora de Juegos en la Ciencia Poltica es el siguiente:
La eleccin de programa: Hay dos partidos, los Formalistas y los Idealistas. Ninguno de los dos se preocupa en absoluto por cuestiones de principio. Slo se preocupan por el poder y, por tanto, eligen el programa con el nico objetivo de maximizar el voto en las prximas elecciones. Los votantes, por otra parte, slo se preocupan por cuestiones de principio y, por ende carecen por completo de fidelidad a los partidos. Para simplificar, las opiniones que un votante puede tener se identifican con los nmeros reales en el intervalo (0. 1), en otras palabras, el conjunto de valores de x que satisfacen 0 menor igual a x menor igual a 1. Podemos imaginarnos que este intervalo representa el espectro poltico de izquierda a derecha. As, alguien con la opinin x = 0, se cree que la sociedad debera estar organizada como un hormiguero, mientras que alguien en la opinin x = 1 cree que debera estar organizada como una piscina llena de tiburones.
307
Cada partido centra su programa en algn punto del espectro poltico y no puede cambiar su posicin posteriormente. Los votantes votan por el partido que se encuentra ms cerca de su posicin. Dado que se supone que los votantes se encuentran distribuidos uniformemente sobre el espectro poltico, es decir, que una fraccin l de la poblacin sostiene opiniones que se encuentran en cualquier intervalo de longitud l, es fcil ver cuntos votos conseguir cada partido una vez que han elegido programa. El secreto est en buscar el votante mediano entre aquellos cuyas opiniones se encuentran entre los programas de ambos partidos. El votante mediano se encuentra a medio partido entre las posiciones polticas de los dos partidos. Luego los que se encuentran a la derecha del mediano votante votarn por un partido, y los que se encuentran a la izquierda lo harn por el otro.
La siguiente Figura muestra la explicacin del ejemplo anterior.
Idealista
Votante mediano
X= 1 10
Formalista X=
10 40% 60%
(a)
308
Institucionalista Idealista
Formalista X=
10 37.5% 25% 37.5%
(b)
Idealista
Formalista
50% 0 (c)
50% 1
Supongamos que los partidos bajan al ruedo poltico uno a uno. Los Idealistas escogen en primer lugar, y luego lo hacen los Formalistas. Dnde debera colocarse cada uno? Problemas como ste, puede ser resueltos por induccin hacia atrs. Para cada programa posible x, los Idealistas se preguntan qu ocurrira si se colocaran en x. Si x es menor que , los Formalistas responderan colocndose inmediatamente a la derecha de x. Entonces los Idealistas recogeran una fraccin x de los votantes y los Formalistas recogeran 1-x. Por tanto, los Idealistas ganaran menos de la mitad del voto. Lo mismo ocurre si los Idealistas se sitan en x menor que , excepto que ahora los Formalistas respondern colocndose inmediatamente a su izquierda. Por tanto, lo mejor para los Idealistas es colocarse en el centro del espectro poltico.
309
Los Formalistas tambin se colocarn en x = , y el voto se dividir mitad y mitad.
Este modelo puede tener sentido en la escena poltica americana. Ciertamente es difcil para muchos mexicanos encontrar diferencias significativas entre Demcratas y Republicanos. El modelo, sin embargo, tiene poco parecido con la escena poltica mexicana. Deberan los americanos deducir, por tanto, que los partidos polticos mexicanos de verdad se toman en serio los principios que hacen suyos? Una conclusin as sera prematura porque es dudoso, que la situacin mexicana pueda ser razonablemente analizada con un modelo de dos partidos. Para explorar esta cuestin veamos cmo cambiaran las cosas si tuviramos que tomar en consideracin un tercer partido.
En este modelo el partido Institucionistas escoge programa despus de los Idealistas y Formalistas. Esto cambia mucho las cosas. Los Idealistas y los Formalistas ciertamente no se colocarn ahora en el centro del espectro poltico. Si lo hicieran los Institucionistas se podran colocar inmediatamente a su derecha o a su izquierda. Entonces recogeran la mitad del voto dejando que los primeros partidos se dividan la otra mitad. Un razonamiento por induccin hacia atrs, algunas sutilezas surgen debido al hecho que disponemos de un nmero infinito de opiniones polticas, lo cual hace ver que los Idealistas y los Formalistas se colocarn en x = y x = , dejando que los Institucionalistas adopten la posicin centrista x = . Los primeros partidos recibirn entonces 3/8 de los votos cada uno, y los Institucionalistas slo recogern .
310
Pero Por qu querran los Institucionalistas entrar en la arena poltica est condenados al papel de Cenicienta, con los primeros partidos en el papel de Hermanas Feas? Modifiquemos, por tanto, el modelo de manera que los instuticionistas consideren que vale la pena formar un partido slo si pueden prever que recibirn ms del 26% de los votos. En este caso los Idealistas se movern un poco hacia el centro, aunque no lo bastante como para que los Institucionalistas puedan entrar flanquendolos por la izquierda. Por tanto, slo se movern desde x = 0,25 a x = 0,26. Anlogamente, los Formalistas se movern desde x = 0.75 a x = 0.74. El resultado ser una eleccin con dos partidos. En esta eleccin los Idealistas y los Formalistas se dividen el voto a partes iguales y los Institucionalistas se quedan fuera.
Un comentarista poltico ignorante de la amenaza supone que la entrada de los Institucionalistas podra fcilmente malinterpretar las razones por las que los Idealistas y los Formalistas han elegido sus programas. El comentarista podra incluso llegar a pensar que cada partido ni siquiera intenta hacerse con el centro por cuestiones de principio. Pero es slo tras un anlisis estratgico que la conducta de los dos partidos puede ser evaluada correctamente. Obsrvese, en particular, que su conducta ha sido determinada por algo que de hecho no lleg a ocurrir. Como Sherlock Holmes explicaba, a menudo lo importante es que el perro no ladr aquella noche.
En biologa, en filosofa y en otras disciplinas ms se echa mano de la Teora de juegos.
Conocimiento comn de las reglas
311
Como en muchos resultados de la teora de juegos, no es inmediatamente evidente que esta conclusin dependa de que el valor de n deba ser conocimiento comn. Sin embargo, si el valor n no es de conocimiento comn existe equilibrio de Nash.
La nocin de equilibrio es fundamental para la Teora de Juegos. Pero por qu anticipamos que los jugadores usarn estrategias de equilibrio.
Hay dos tipos de respuestas, en primer lugar del tipo educativo, estos suponen que los jugadores tengan al equilibrio como el resultado de razonar cuidadosamente. No se acepte ante frases que empiezan, si yo pienso que l piensa que yo pienso, por lo contrario, los ju gadores proseguiran con razonamiento as hasta el final, por difcil que fuera.
Sin embargo, la respuesta educativa no es la nica posible. Tambin hay respuestas evolutivas. Segn stas, el equilibrio se consigue, no porque los jugadores piensan todo de antemano, sino como consecuencia de que los jugadores miopes ajustan su conducta por tanteo cuando juegan y se repiten durante largos periodos de tiempo.
Racionabilidad. Es la forma que se comporta alguien bayesiano-racional cuando ha de tomar una decisin en situaciones donde el resultado de la decisin a tomar depende de sucesos inciertos para quien ha de tomarla. Ella acta como si dispusiera de una medida de probabilidad subjetiva a los sucesos de los que no est segura.
En un juego finito de dos jugadores, ningn jugador sabe con seguridad qu estrategia pura, incluso si el oponente mezcla, el resultado final ser que se juega alguna estrategia pura, la cual terminar por utilizar el
312
oponente. Un jugador bayesiano-racional, por tanto, asigna una probabilidad subjetiva a cada una de las alternativas posibles. Entonces el jugador escoge una estrategia que maximiza su pago esperado con respecto a estas probabilidades subjetivas. Por tanto, se comporta como si estuviera escogiendo una respuesta ptima a una de las estrategias mixtas del oponente, si la estrategia mixta para la que se elige una respuesta ptima.
La Teora de Juegos da por supuesto que las creencias de un jugador sobre lo que un oponente har, depende de lo que el jugador sabe acerca del oponente. Sin embargo, no est ni mucho menos claro lo que debemos suponer acerca de lo que los jugadores saben de su oponente. La idea de racionabilidad se construye sobre la hiptesis de que por lo menos debera ser conocimiento comn que ambos jugadores son bayesianos-racionales.
Equilibrio Correlacionado: Aumann sugiere que deberamos asumir que es conocimiento comn que los jugadores comparten el mismo universo del discurso. Sugiere, adems que los estados de este universo se deben suponer completos. La descripcin de un estado, por tanto, debe especificar cada detalle del mundo posible que representa. Esto incluye no slo cmo se comportan los jugadores, sino tambin cules son sus estados mentales. Ya que los jugadores son bayesianosracionales, sus estados mentales se pueden resumir en dos cosas:
Lo que saben y lo que creen Bayesianismo: No requiere habilidades mentales excepcionales por parte de los jugadores. Estos revisan mecnicamente sus probabilidades subjetivas a medida que disponen de nueva informacin, y entonces
313
deciden qu hacer por el mtodo igualmente mecnico de maximizar su pago esperado dadas las creencias actuales.
Los bayesianos ingenuos piensan que no es necesario preguntarse de dnde salen las probabilidades a priori de los jugadores, o cmo saben estos cules son sus particiones de posibilidades, en particular, creen que la racionalidad bayesiana dota a quienes la hacen suya con la capacidad de coger del aire sus creencias subjetivas. Esta actitud lleva a bayesianos que son muy ingenuos a argumentar que la teora de juegos es una prdida de tiempo. Es indudablemente cierto que si no necesitramos preocuparnos de por qu la gente cree en lo que cree, entonces las consideraciones sobre equilibrios se haran irrelevantes.
Durante las dos dcadas que siguieron a la segunda guerra mundial, uno de los progresos ms interesantes de la teora econmica fue la teora de los juegos y el comportamiento econmico, publicada en un libro de este titulo bajo la autoridad conjunta de Jhon von Neumann y Oskar Morgenstern. Actualmente, el consenso parece ser que la teora de los juegos es ms relevante al estudio de problemas comerciales especficos que a la teora econmica general, porque representa un enfoque nico al anlisis de las decisiones comerciales en condiciones de intereses competitivos y conflictivos.
El principal objetivo de la teora de los juegos es determinar los papeles de conducta racional en situaciones de juego en las que los resultados son condicionales a las acciones de jugadores interdependientes. Un juego es cualquier situacin en la cual compiten dos o ms jugadores. El ajedrez y el pker son buenos ejemplos, pero tambin lo son el duopolio y el oligopolio en los negocios. La extensin con que un jugador alcanza
314
sus objetivos en un juego depende del azar, de sus recursos fsicos y mentales y de los de sus rivales, de las reglas del juego y de los cursos de acciones que siguen los jugadores individuales, es decir, sus estrategias. Una estrategia es una especificacin de la accin que ha de emprender un jugador en cada contingencia posible del juego.
Se supone que, en un juego, todos los jugadores son racionales, inteligentes y estn bien informados. En particular, se supone que cada jugador conoce todo el conjunto de estrategias existentes, no solo para l, sino tambin para sus rivales, y que cada jugador conoce los resultados de todas las combinaciones posibles de las estrategias.
Igualmente, en una gran variedad de juegos, el resultado es una variable aleatoria cuya distribucin de probabilidades debe ser establecida para que pueda ser posible una solucin para el juego. A este respecto, debe observarse que las decisiones de los jugadores interdependientes no se toman en un vaco y que los pagos resultantes de estas decisiones dependen de las acciones emprendidas por todos los jugadores. Esta interdependencia implica que puede ser inapropiado suponer que los pagos estn siendo generados por un proceso probabilista invariante que no es afectado por el curso de accin que uno escoja. En otras palabras, la accin que emprende un jugador puede dictar los actos de otros jugadores o influir en la probabilidad de que se comporten en una forma particular. Esta potencialidad de posibles efectos en los resultados es la que distingue la toma de decisiones en conflictos y la toma de decisiones en un medio incierto.
La clase ms sencilla de modelo de juego rigurosamente adversario, en el que los resultados posibles son calificados en orden opuesto por los
315
jugadores. Entre esta clase, l ms comn es el juego de suma constante, en el que la suma de las ganancias de los jugadores es igual, cualesquiera que sea su distribucin entre ellos. Un caso especial, y el nico que consideraremos, de juegos de suma constante se llama juego de suma cero de dos personas.
Juegos de suma cero de dos personas Dos compaas de autobuses, A y B, explotan la misma ruta entre dos ciudades y estn enzarzadas en una lucha por una mayor parte del mercado. Puesto que la parte total del mercado es un 100% fijo, cada punto porcentual ganado por uno debe ser perdido por el otro. Se dice que tal situacin es un juego de suma cero de dos personas por las razones obvias de que el juego es jugado por dos jugadores diametralmente opuestos y que la suma de las ganancias y prdidas es siempre cero.
Si se supone que la compaa A y la compaa B estn considerando las tres mismas estrategias para ganar una mayor parte relativa del mercado como sigue: 1. a1 o b1: Sirve refrescos durante el viaje. 2. a2 o b2: Introduce autobuses con aire acondicionado. 3. a3 o b3: Anuncia diariamente en estaciones de televisin en las dos ciudades.
Por comodidad, se supone que antes de comenzar el juego ambas compaas no estn haciendo ningn esfuerzo especial y comparte por igual el mercado 50 % cada una. Adems, si se supone tambin que cada compaa no puede emplear ms de una de estas actitudes o
316
estrategias al mismo tiempo y que las tres estrategias tienen idnticos costos. Por estos supuestos, hay un total de 3 x 3 = 9 combinaciones posibles de movimientos, y cada una es capaz de afectar a la parte del mercado en una forma especfica. Por ejemplo, si A y B sirven refrescos durante el viaje, se dice que A perdera 10% de la parte del mercado a favor de B, lo que puede indicar que los refrescos de B son ms para los gustos de los clientes, igualmente, si A anunci y B, por ejemplo, sirve refrescos, se supone que A ganara 20% del mercado en perjuicio de B; evidentemente, la publicidad en televisin parece ser ms eficaz que servir refrescos. Ahora, por cada una de las 9 combinaciones puede determinar ganancias o prdidas del mercado para A como se indica en la siguiente matriz de pagos.
b1 a1 a2 a3 -10 9 20
b2 -11 -8 -10
b3 -1 -6 -13
Estrategias maximin y minimax El enfoque conservador a la eleccin de la mejor estrategia es suponer lo peor y actuar de conformidad con ello. As segn este enfoque y con referencia en la matriz de pagos. Si A decide sobre la estrategia a1, supondra que B escogera la estrategia b2, reduciendo con ello el pago a1 para A a un valor mnimo o de seguridad de 11. Anlogamente, los valores de seguridad para a2 y a3 son 8 y 3, respectivamente
317
Obsrvese que los valores de seguridad para los distintos movimientos que puede hacer A son los mnimos de filas. Dados estos valores
mnimos, har bien en emplear aquella estrategia que da el mximo de estos valores de seguridad mnimos. En el ejemplo A debe adoptar a2 y aspira a un pago de 8 a B. Esta regla de decisin, que conduce a la eleccin del mayor de los valores mnimos en que resulta cada estrategia, se llama estrategia maximin.
La compaa B, segn esta actitud conservadora, supondra que por cada una de sus acciones, la respuesta de A ser tal que la ganancia de A en parte del mercado es la mxima posible. Por ejemplo, si B emplea la estrategia b1, supondra que A adoptar la estrategia a3, la cual dar la peor prdida posible para B. Anlogamente, los peores pagos para b2 y b3 son 8 y 1, los mximos valores en las columnas 2 y 3, respectivamente. As, vemos que el mximo en cada columna es el peor pago por un movimiento correspondiente hecho por B. El mejor de estos peores pagos es claramente el valor mnimo de estas cifras ms altas. Esta cifra 8 en la columna 2, correspondiente a la estrategia b2 y el movimiento contrario a2. Por tanto, la emisin ptima, llamada estrategia minimax de B, es b2.
Se puede observar segn la regla maximin de A y la regla minimax de B el pago es 8. Esta cantidad se llama valor del juego. Si es positiva, se dice que el juego es a favor de A. Si es negativo, favorece a B; y si es cero, se dice que el juego es equitativo. La solucin de nuestro problema da un pago de 8, que indica que el juego favorece a B porque B gana 8% del mercado a expensas de A.
Punto de silla de montar
318
Se ha alcanzado ahora un punto en el que si A adopta estrategia maximin a2 su pago es exactamente igual al que B espera que obtenga A s B emplea la estrategia minimax b2. Un lector puede poner en duda el acierto de tales reglas de decisin. Por ejemplo, por qu A no se esfuerza por ganar 20% de la parte del mercado empleando a3, en vez de perder 8% a favor de B empleando a2? La respuesta es que, si A lo hiciera as, B podra tomar b2 por lo que A podra perder 10 a 13 por 100 del mercado a favor de B, en vez de perder solo 8 por 100. Similarmente, puede argumentarse que B debe adoptar b2 por lo que A podra perder 10 13 por 100 del mercado a favor de B, a expensas de A. Sin embargo, este pago solo es posible si A hace el movimiento de a3.
En otro caso, la ganancia de B sera menor que 8. Argumentos similares usados en la cautela dictan que a2 y b2 son las mejores estrategias para A en B respectivamente, por que esta combinacin ofrece a A y B una medida de seguridad. Esto es as porque el criterio de decisin maximin de A da a A la mxima parte del mercado que puede impedir a B que reduzca ms, y que la regla minimax de B ofrece a B la mnima parte del mercado que puede impedirse a A que aumente ms.
En otras palabras las estrategias maximin y minimax conducen a los dos jugadores del juego a situaciones en las que ningn jugador tiene razn o incentivo alguno para cambiar su posicin. A no desea cambiar porque cuando B juega b2, l se encuentra mejor jugando a2 que a1 o a3. B no desea cambiar por que cuando A juega a2 se encuentra mejor jugando b2 que b1 o b3. Evidentemente, se ha alcanzado una situacin de equilibrio.
319
El pago en tal punto de equilibrio es la solucin minimax y se conoce como punto de silla de montar de la matriz de pagos en el sentido de que es el mnimo de sus datos de columna. Considermosla solucin del par de decisiones en nuestro ejemplo a2 y b2. Cuando A adopte a2 el pago se reduce de 9 a 8 y luego aumenta de 8 a -6. Cuando B escoge b2, su pago disminuye de 11 a 8 y luego aumenta de 8 a 10. El nmero 8 en medio forma un valle cuando es visto desde la segunda fila forma una cordillera cuando es visto desde la segunda columna. La solucin minimax semeja exactamente una silla de montar: de ah el nombre de punto en silla de montar, que es a la vez un mnimo, como un valle mximo, como una cordillera
Es posible que pueda haber ms de un punto en silla de montar en la matriz de pagos de un juego. Si es as, los pagos correspondientes a los puntos en silla de montar es empleado para determinar movimientos ptimos para los dos jugadores se puede considerar el siguiente juego, por ejemplo:
Estrategia de B b1 a1 a2 a3 Mximo columna 2 5 1 de 5 b2 -3 5 4 5 B3 7 6 -4 7 Mnimo de fila -3 5 -4
Aqu se tienen dos puntos en silla de montar; uno corresponde a a2 y b1, y el otro corresponde a a2 y b2. Segn el criterio minimax, el jugador A hara el movimiento a2. Al hacerlo, no importa si el jugador B emplea la
320
estrategia b1 o b2, por que en cada caso B debe pagar a A una cantidad de, por ejemplo, 5 tiles.
Tambin, puesto que el valor del juego en este ejemplo es positivo, se dice que el juego favorece A.
Se dice que un juego de suma cero de dos personas es rigurosamente determinado si existe un punto en silla de montar, porque ese punto en es una solucin aceptada al juego de encontrar la mejor estrategia para cada uno de los dos jugadores.
Estrategia dominante Se dice que un jugador posee una estrategia dominante si una estrategia particular es preferida a cualquier otra estrategia a disposicin de l. Es posible que cada uno de los dos jugadores tenga estrategia dominante.
Estrategia mixta Es una combinacin de dos estrategias escogidas al azar, una cada vez, segn determinadas probabilidades, en contraste con una estrategia pura que no contiene tales elementos de azar.
Teora de juegos y el teorema del punto fijo El teorema del punto fijo fue establecido en 1910 por el matemtico Jan Brower, y establece que toda funcin continua y acotada que solo toma valores finitos, admite al menos un punto fijo.
Tipos de juegos
321
Los juegos se clasifican en muchas categoras que determinan qu mtodos particulares se pueden aplicar para resolverlos (y, de hecho tambin cmo se define resolucin en una categora particula r). En general, se pueden considerar cuatro clases de juegos: Juegos en forma extensiva (rbol) Juegos en forma estratgica (normal) Juegos en forma grfica Juegos en forma coalicional
Las tres primeras clases de juegos se analizan en la teora de juegos no cooperativos y la cuarta corresponde a los juegos cooperativos.
Juegos en forma de rbol Tenemos dos jugadores 1 y 2, que participan en el siguiente juego. En primer lugar, el jugador 1 decide ir a la izquierda (I) o a la derecha (D). Entonces, el jugador 2 decide ir a la derecha o a la izquierda. Los pagos que corresponden al primer (segundo) jugador son la primera (segunda) componente del vector que tiene asignada cada situacin.
Analicemos cmo deben jugar 1 y 2. El jugador 2, teniendo en cuenta los pagos que recibira al terminar el juego, debe elegir la siguiente
322
estrategia: si el jugador 1 elige I, ir a la derecha eligiendo d1; y si 1 elige D; elegir i2: Esta estrategia se denotara d1i2: El jugador 1 conoce el rbol y los pagos, luego puede anticipar la conducta del jugador 2 y debe elegir D.
El par de estrategias (D; d1i2) da lugar a un escenario en el que el jugador 1 recibe 4 y el jugador 2 recibe 8. Puede alguno de los jugadores mejorar sus pagos?
Aplicacin administrativa de la teora de juegos La teora de juegos se emplea cada vez ms en economa y administracin, porque ayuda a entender y pronosticar la realidad. Sus aplicaciones en la administracin se concentran en tres reas: la estrategia, la estructura y el comportamiento organizacional. Se usa en el plano acadmico para plantear las hiptesis y probar su coherencia interna. Pero la literatura casi no reporta casos de su uso por los administradores. Los gerentes tratan los juegos ms como una barrera que como una herramienta til. Esto ocurre porque para los administradores prcticos resulta difcil plantear un modelo a partir de una situacin real. En cambio, se trata de subsanar esta carencia y proponer los principios de la creacin de los modelos de juegos. Los principios estn basados en la teora y al mismo tiempo son intuitivos y comprensibles para las personas que no tienen preparacin matemtica.
Para los tericos de juegos es motivo de satisfaccin que la teora de juegos se utilice cada vez ms en economa y administracin, as como en ciencia poltica y sociologa. Es un conjunto de modelos matemticos formales de "juegos" que se examinan deductivamente. Su propsito es
323
ayudar a entender y pronosticar la realidad, que es el objetivo de cualquier teora.
Las aplicaciones de los juegos en la administracin se concentran en tres reas: la estrategia, la estructura y el comportamiento
organizacional. Esto tiene su explicacin. Las tres reas son complejas y desafan las teoras simples y generales. La teora de juegos ha surgido como la herramienta predilecta para estudiar los temas complejos que implican la interaccin de los agentes. Se identifican las siguientes reas del anlisis estratgico donde se aplica la teora:
Inversin en capital fsico Es un tema complejo de interaccin, porque la inversin en capital fsico, cuando no es recuperable, juega un papel estratgico ya que crea el compromiso observable para los dems participantes
Inversin intangible Se trata de analizar la competencia tecnolgica, la lgica de procesos de investigacin y desarrollo, los acuerdos de cooperacin en investigacin. Es una serie de decisiones secuenciales, que se optimizan
conjuntamente. Es un tema que sin los juegos no se puede entender.
Control estratgico de informacin Las empresas actan de manera estratgica para afectar las creencias de rivales sobre condiciones del mercado. La empresa puede construir su reputacin como un competidor duro a travs de tcticas agresivas. El manejo de informacin se presta para modelado como un juego.
Fusin horizontal
324
Esta situacin se modela como un juego en dos actores.
Competencia en redes y estandarizacin de productos En muchas industrias los consumidores valoran productos en un nivel ms alto cuando stos usan componentes estandarizados. La teora de juegos permite entender la competencia en los sectores tipo redes, el papel de los fabricantes de tecnologa nica, los incentivos para desarrollar los componentes compatibles.
Contratacin Cualquier contrato es un arma estratgica. Qu caractersticas del contrato dan a la empresa ventajas estratgicas? Gracias a los juegos empezamos a entender cmo deben estar diseados los contratos para proporcionar ventajas estratgicas.
Temas como el comercio internacional, el mercadeo, la regulacin, la compensacin, representan un campo frtil de aplicaciones. Se necesita tiempo para evaluar el efecto emprico de estas curiosidades tericas. Sin embargo, no hay duda de que los juegos nos ofrecen una lente eficaz a travs de la cual se puede examinar la estrategia.
En el anlisis de la estructura organizacional se utilizan la teora de juegos no cooperativos, el modelo de negociacin de Nash y los juegos cooperativos.
La corriente que utiliza los juegos cooperativos analiza las decisiones de estructura desde la ptica de la interaccin de una sola vez (one shot) o repetitiva. La industria de la construccin se caracteriza por una conducta oportunista y la ausencia de la integracin vertical. Los autores
325
utilizan un modelo de juegos para explicar este fenmeno y ayudar a resolverlo.
La Teora de Juegos tiene un eslabn clave con la economa neoclsica que es la racionalidad. La economa neoclsica se basa en el supuesto de que los seres humanos son absolutamente racionales en sus decisiones econmicas. Especficamente la hiptesis es que cada persona, de acuerdo con las circunstancias que est enfrentando,
tratar de maximizar sus beneficios, se llamen estos: utilidades, ingresos o simplemente beneficios subjetivos. Esta hiptesis tiene un doble propsito en el estudio de la asignacin de recursos. En primer lugar, reduce el rango de posibilidades. En segundo lugar, suministra criterios para la evaluacin de la eficiencia de un sistema econmico. Si el sistema est orientado, por ejemplo, a la reduccin de los beneficios que perciben algunas personas con el solo propsito de mejorar los beneficios de otras, entonces algo debe estar mal en el sistema. Un ejemplo es la contaminacin o la explotacin excesiva de la pesca.
En la economa neoclsica, la racionalidad consiste en maximizar nuestros beneficios y la solucin podra pensarse que consiste en resolver un problema matemtico donde lo que tendramos que hacer es maximizar los beneficios bajo unas circunstancias dadas. Pero esto estara suponiendo que la estructura de los mercados es fija, que la competencia es perfecta y hay muchos participantes, que la gente es una especie de mecanismo simple de estmulo-respuesta, que los vendedores y los compradores asumen que los productos y los precios son fijos y bajo este supuesto optimizan la produccin y el consumo. La economa convencional tiene su lugar cuando estamos refirindonos a la operacin en mercados maduros y muy bien establecidos, pero deja de
326
lado la creatividad de las personas para encontrar nuevas maneras para interactuar entre s.
La Teora de Juegos se estableci con la intencin de confrontar las limitaciones de la teora econmica neoclsica y aportar una teora de comportamiento econmico y estratgico cuando la gente interacta directamente, en lugar de hacerlo a travs del mercado. En la Teora de Juegos, la palabra juegos no es ms que una metfora para referirse a interacciones ms complejas de la sociedad humana. La Teora de Juegos sirve para jugar pker o bridge, pero tambin para enfrentar interacciones complejas como la competencia en los mercados, la competencia armamentstica y la polucin ambiental. La Teora de Juegos enfoca stas interacciones complejas usando la metfora de un juego: en estas interacciones complejas, como en los juegos, la decisin individual es esencialmente estratgica y el resultado de la interaccin depende de las estrategias escogidas por cada uno de los participantes. En la Teora de Juegos los resultados dependen no solamente de nuestras propias estrategias y de las condiciones del mercado, sino tambin y directamente de las estrategias escogidas por los otros participantes.
Aplicaciones La aplicacin de la Teora de Juegos a la estrategia de mercadeo le puede llevar a descubrir sus mejores opciones disponibles. Considere, como ejemplo, decisiones como stas que los Gerentes de Mercadeo enfrentan usualmente:
Su empresa est en un mercado que cada da se estrecha ms debido a la recesin de la economa y por la entrada de nuevos
327
competidores. A medida que las ventas declinan, su principal competidor reduce precios y aumenta su produccin. Cul debe ser su respuesta? Lanzarse a una guerra de precios o mantenerse firme y perder ventas y participacin de mercado? A situaciones como sta se han enfrentado las aerolneas, las revistas y las computadoras personales, entre otros. Producir una nueva generacin de sus productos le representar inversiones cuantiosas en investigacin y desarrollo. Debe usted embarcarse en esto? Sus competidores se enfrentan a la misma situacin. Si todos se lanzaran al mercado, valdr la pena participar en esta competencia donde si usted sale de primero el mercado podr estar en corto tiempo tan saturado que su producto pionero le dar prdidas? O ser mejor esperar por oportunidades de mercadeo en mercados ms rentables? Usted tiene un nuevo producto muy promisorio. Debe usted lanzarse de primero al mercado? Cosechar ganancias siendo pionero o le estar abriendo el camino a competidores cautos que se beneficiarn de sus errores?
Todas estas situaciones son opciones de juegos donde sus resultados dependern no solamente de lo que usted haga sino tambin de lo que hagan sus competidores.
En la prctica, la esencia de la Teora de Juegos consiste en un anlisis profundo de la estructura de cada juego. Para hacer esto,
simplifiquemos. Limita tus estrategias y las de tus competidores a las dos o tres ms importantes. Por ejemplo, en un juego de guerra de precios las jugadas pueden ser bajar o mantenerse. Esto significa que el juego tiene unos pocos resultados posibles. Para dos estrategias y dos
328
jugadores solamente hay cuatro (2x2) resultados que puede producir el juego. Calcula cul es el mejor resultado para usted y cules pueden ser los peores. Haga lo mismo con el de sus competidores.
329
Esta lista le ayudar a verificar dnde est usted en el escenario de juego: Tienes una estrategia dominante? (es decir, una que sea buena para ti, no importa lo que hagan los dems). Si es as, sala. Hay otra clase de estrategia dominante? (esto es, una que ser fatal para ti, no importa lo que hagan tus competidores). Si es as, elimnala y re-analiza el juego. Ests en medio de una estrategia de equilibrio? (o sea un resultado donde la accin de cada jugador es la mejor respuesta para las de los dems). Si es as, lo ms probable es que la mayora de los jugadores optarn por ella. La primera norma para una estrategia acertada es tener una visin muy clara del escenario del juego. Si usted hace un juicio equivocado de la estructura del juego, estar expuesto a juzgar errneamente la conducta de sus oponentes.
La Teora de Juegos tiene dos grandes ramas: la teora de juegos cooperativos y los no-cooperativos. La Teora de Juegos nocooperativos se refiere a qu tan inteligentemente un individuo interacta con otros para lograr sus propsitos. Hay otras ramas de la teora econmica estrechamente ligadas a la Teora de Juegos: La teora de la decisin (la de un solo jugador) La del equilibrio general (hay un gran nmero de consumidores y productores) La de diseo de mecanismos (donde las reglas del juego estn dadas).
330
En sntesis, en la Teora de Juegos nada es fijo. La economa es dinmica y revolucionaria. Los jugadores crean nuevos mercados y asumen mltiples papeles. Son innovadores. Nadie adopta los precios y los productos porque s. Si esto le suena como a libre mercado o a un escenario de mercado rpidamente cambiante, sta es la razn por la cual la Teora de Juegos es tan atrayente en la nueva economa de la era de la informacin.
Aplicaciones financieras de la teora de juegos Hasta la dcada de los aos setenta, la teora de juegos no tuvo prcticamente ninguna influencia en el anlisis formal de cuestiones financieras, entonces dominado por el paradigma de mercados de capital perfectos y eficientes, el cual, a los problemas de informacin e interaccin estratgica, asignaba un papel secundario.
La ventaja de la teora de juegos para analizar problemas financieros radica en considerar, explcitamente, situaciones en las que hay un conjunto de agentes que deben tomar decisiones y el bienestar de cada agente depende no slo de lo que haga l mismo, sino tambin de lo que hagan los dems. Asimismo, tambin se modela la informacin que posee cada agente y la que puede obtener de las acciones que realicen los otros. Este tipo de modelacin es especialmente apropiada para estudiar, por ejemplo, algunas de las razones por las que podemos alejarnos del paradigma clsico de Modigliani y Miller, segn el cual la estructura financiera de las empresas es irrelevante.
La relacin de una empresa con sus clientes puede ocasionar que su estructura financiera sea relevante, ya que puede influir en la percepcin que los clientes tengan sobre ella. En efecto, si su deuda alcanza niveles
331
a tal grado que generan una probabilidad significativa de bancarrota, dicha probabilidad afectar negativamente la relacin con sus clientes.
Consideremos el caso de una empresa cuya estructura financiera es pblica (por ejemplo, una empresa que cotiza en bolsa) y que produce bienes duraderos que requieren mantenimiento posterior a su venta. Esto ocurrir en el caso de una empresa que vende equipo especializado a otras empresas. Los compradores sufrirn prdidas si la empresa desaparece, por lo que sern reacios a establecer relaciones con ella si se encuentra altamente endeudada.
En el caso de una empresa que no produzca bienes duraderos, ni su desaparicin signifique la prdida de un servicio para sus clientes, stos pueden desconfiar de ella si est altamente endeudada. La racionalidad de esta desconfianza descansa en el hecho de que una empresa con una alta probabilidad de desaparecer no estar suficientemente interesada en conservar una buena reputacin. Y existen situaciones en donde el inters de una empresa en conservar una buena reputacin es crucial para garantizar la calidad de un producto.
Consideremos, siguiendo el caso de una empresa que produce un bien cuya calidad no puede ser juzgada antes de ser consumido. La demanda de esta empresa depende en gran medida de su reputacin y sta obedece, a su vez, a las experiencias previas de los consumidores. Entonces, un incentivo a producir bienes de alta calidad viene dado por el hecho de que la demanda futura se sujetar de manera importante a la experiencia de los consumidores actuales. Una empresa con una alta probabilidad de quiebra cercana valorar menos su reputacin y tendr una mayor propensin a producir bienes de mala calidad.
332
En el ms sencillo de sus modelos existe una empresa que provee de un bien a un solo cliente, quien desconoce si la tecnologa de la empresa le permite reducir o no la calidad del bien. Consideremos el caso de una empresa que s puede hacerlo
y analicemos su comportamiento en una relacin de largo plazo con su cliente. Para conocer si efectivamente existe una reduccin en la calidad del bien, la empresa compara la reduccin de costos obtenidos con la prdida de beneficios futuros, debido a la prdida de su reputacin. La existencia de un alto nivel de deuda y, por consiguiente, de una alta probabilidad de desaparicin en el futuro, altera la comparacin anterior. Los beneficios derivados de una reduccin de costos se obtienen de inmediato y, por tanto, no son influidos por la posibilidad de desaparicin en el futuro.
En contraste, la prdida de una buena reputacin probablemente no les afecte porque, a pesar de ello, la empresa dejar de existir; en consecuencia, los incentivos para producir un bien de alta calidad son menores para una empresa altamente endeudada, por lo que ser ms difcil convencer a clientes potenciales de iniciar tratos con ella. Existen estudios que documentan empricamente la racionalidad de esta desconfianza, se trata de estudios de las lneas areas y de la industria del transporte por ferrocarril en los EEUU, de acuerdo con ellos la calidad del servicio declina cuando una empresa est en dificultades financieras
Estructura financiera, informacin asimtrica y mercado de capitales
333
Existe una regularidad emprica bien documentada; consiste en que la emisin de acciones por parte de una compaa es interpretada negativamente por los mercados financieros de este fenmeno, basado en el hecho de que existe informacin asimtrica entre la empresa y los mercados financieros. Ante esta asimetra de informacin los mercados financieros tratarn de hacer inferencias sobre la empresa a partir de La teora de juegos como una herramienta para el anlisis de problemas financieros su poltica financiera. Si esta poltica privilegia el uso de emisin de acciones sobre la contratacin de deuda, los mercados financieros interpretarn que la informacin privada de la empresa es negativa.
334
RESUMEN
En esta unidad hemos estudiado los modelos de investigacin de operaciones. Tal y como sealbamos en la unidad anterior, la Investigacin de operaciones es un enfoque que se allega de las matemticas para plantear modelos que permitan tomar decisiones.
Los modelos de Investigacin de operaciones son principalmente: Programacin lineal Programacin entera Modelos de redes PERT/CPM Teora de filas Teora de juegos
Recordemos qu estudiamos de cada una de ellas: La programacin lineal es una herramienta matemtica que permite asignar una cantidad fija de recursos a la satisfaccin de varias demandas de tal forma que mientras se optimiza un objetivo se satisfacen otras condiciones definidas.
El mtodo simplex es el procedimiento general para resolver problemas de programacin lineal y en realidad es un algoritmo o sea, un proceso
335
en el que se repite una y otra vez hasta que se obtiene el resultado que se desea, como consecuencia, un algoritmo reemplaza un problema difcil por una serie de problemas ms sencillos.
La maximizacin de flujos es un problema tpico de la Investigacin de Operaciones, especficamente de los modelos de redes, los cuales tiene muchas aplicaciones, por ejemplo el flujo vial en una ciudad, una red de aguas negras, una red informtica, etc. Si nosotros sobrecargamos una calle, una tubera o un canal que obviamente tiene un lmite de capacidad, nos enfrentaremos a un problema, posiblemente un flujo ms lento o una tubera con demasiada presin, ah es donde el Modelo de Redes es un mtodo o secuencia el cual nos ayuda a tomar una decisin acertada que podra ser mejorar o dar mayor aprovechamiento a los flujos o vas que tengan ms capacidad, creando nuevas vas o eliminando algunas antiguas. Tambin nos ayuda a maximizar este flujo de manera eficiente de forma tal que se aprovechen al mximo los recursos.
Generalmente se denominan tcnicas PERT al conjunto de modelos abstractos para la programacin y anlisis de proyectos de ingeniera. Estas tcnicas nos ayudan a programar un proyecto con el costo mnimo y la duracin ms adecuada. Estn especialmente difundidas el PERT y el CPM.
La teora de juegos es una herramienta que ayuda a analizar problemas de optimizacin interactiva. La teora de juegos tiene muchas aplicaciones en las ciencias sociales. La mayora de las situaciones estudiadas por la teora de juegos implican conflictos de intereses, estrategias y trampas. De particular inters son las situaciones en las
336
que se puede obtener un resultado mejor cuando los agentes cooperan entre s, que cuando los agentes intentan maximizar slo su utilidad.
De todos los conceptos tratados con las tcnicas bsicas de la investigacin de operaciones, la teora de colas o de lneas de espera aparece como la de mayor aplicacin potencial y sin embargo es quizs la ms difcil de aplicar. Toda clase de negocios, gobierno, industria, escuelas, y hospitales, grandes y pequeos, tienen problemas de colas. Muchos de ellos se pueden beneficiar de un anlisis de investigacin de operaciones para determinar las condiciones de operacin de costo mnimo (mximo rendimiento). Desafortunadamente las suposiciones requeridas para utilizar matemticas relativamente sencillas, con frecuencia convierten el modelo en una representacin muy poco ajustada a la realidad; muchas de estas dificultades se pueden superar combinando una buena comprensin de la teora de colas con la imaginacin.
Con esta unidad concluye esta asignatura relativa al razonamiento lgico matemtico, esperando te sea de absoluta utilidad para tu formacin acadmica y tu ejercicio profesional.
337
GLOSARIO
Anlisis cuantitativo Es una tcnica que aplica las matemticas, sobre todo el clculo estocstico, al mbito de la economa y la Bolsa.
Ciencia de la administracin Actividad profesional cientfica que se encarga de establecer los procesos necesarios en una organizacin, a fin de lograr sus objetivos, planeando, controlando y dirigiendo los recursos de una entidad.
Definicin de problemas Es la actividad relacionada con la identificacin, delimitacin y expresin de un problema u objetivo, para su eventual solucin.
Funcin objetivo Es una ecuacin que refleja el problema a resolver, ya sea de maximizacin o minimizacin.
338
Incgnitas Son las variables que no se conocen y que quieren encontrarse en la resolucin de una ecuacin.
Investigacin de operaciones Rama de las Matemticas consistente en el uso de modelos matemticos, estadstica y algoritmos con objeto de realizar un proceso de toma de decisiones.
Matrices Una matriz es un conjunto de elementos de cualquier naturaleza aunque, en general, suelen ser nmeros ordenados en filas y columnas.
Mtodo cientfico Es un mtodo de investigacin usado principalmente en la produccin de conocimiento en las ciencias
Mtodo simplex Es una tcnica popular para dar soluciones numricas del problema de la programacin lineal, con ms de dos productos.
Modelado Es uno de los tipos de modelos cientficos, que emplea algn tipo de formulismo matemtico para expresar relaciones, proposiciones
sustantivas de hechos, variables, parmetros, entidades y relaciones entre variables y/o entidades u operaciones, para estudiar
comportamientos de sistemas complejos ante situaciones difciles de observar en la realidad.
339
Modelos de inventarios Modelos matemticos empleados para determinar la inversin ptima en el almacn.
Modelos de lneas de espera Modelos matemticos empleados para determinar el tiempo de atencin en una lnea de produccin, distribucin o servicio.
Modelos de simulacin Modelo en que se aplican ensayos. Construido el modelo, se ensaya una alternativa en l con el fin de aplicar las conclusiones al sistema. Los resultados obtenidos no tienen valor si no son aplicables al sistema.
Modelos determinsticos Son modelos cuya solucin para determinadas condiciones es nica y siempre la misma Modelos dinmicos Utilizados para representar sistemas cuyo estado vara con el tiempo.
Modelos estocsticos Representan sistemas donde los hechos suceden al azar, lo cual no es repetitivo.
Modelos Icnicos Son aquellos que ofrecen una representacin pictrica del objeto.
340
Modelos heursticos Estos modelos estn basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al fenmeno estudiado.
Modelos lineales Se dice que una funcin es lineal cuando su grfica es una lnea recta.
Modelos de redes Son problemas de programacin lineal expresados en redes, con lneas, nodos y arcos.
Modelos simblicos Reproducen sistemas o entidades mediante el uso de smbolos para representar los objetos fsicos.
Modelo Gauss-Jordan Se trata de una serie de algoritmos del lgebra lineal para determinar los resultados de un sistema de ecuaciones lineales y as hallar matrices e inversas.
Problemas de programacin lineal Son aquellos en donde la funcin objetivo y las restricciones se expresan como ecuaciones o desigualdades lineales.
Programacin entera Son aquellos donde la totalidad o un subconjunto de las variables de decisin toman valores enteros.
341
PERT/CPM Son las abreviaciones de Program Evaluation and Review Technique y el Critical Path Method. Son redes de tiempos y movimientos.
Premisas Son cada una de las proposiciones anteriores a la conclusin de un argumento.
Restricciones Es el lmite o impedimento para solucionar un problema.
Variables Son los elementos de los que depende la solucin de un problema.
342
ACTIVIDAD 1 Dado el siguiente problema de programacin: Maximizar: Z = 3x1+x2 Sujeto a: 3x1+4x2<= 48 3x1+6x2<= 42 x1, x2 >= 0 Resulvelo grficamente.
ACTIVIDAD 2 Dado el siguiente problema de programacin: Maximizar: Z = x1+x2 Sujeto a: 2x1+4x2<= 12 3x1+2x2<= 12 x1, x2 >= 0
Resulvelo grficamente.
343
ACTIVIDAD 3 Dado el siguiente problema de programacin lineal: Minimizar: Z = 50x1+20x2 Sujeto a: 2x1- x2 >= 48 x1+4x2>= 80 0.9x1+0.8x2>= 40 x1, x2 >=0 Resulvalo grficamente.
ACTIVIDAD 4 Resuelva el ejercicio anterior empleando el mtodo simplex.
ACTIVIDAD 5 Considerar un producto cuya demanda es de 800 unidades, cuyo costo de mantener en inventario una unidad durante un mes es de $0.25 cuyo costo de ordenamiento es de $150 y cuyo costo de no poseer una unidad durante un ao es de $20. a) Cul es el ahorro que se produce por utilizar el modelo de escasez planificada? b) Si el lead time es de 1 mes, cul es el punto de reorden?
344
ACTIVIDAD 6 Directivos de una empresa estn diseando un sistema de inventario. Las caractersticas son las siguientes: se estima que la demanda anual es de 1100 unidades del producto para el prximo ao, a una tasa constante y considerando 365 das de operacin. El costo de almacenar una unidad en inventario durante un ao es de $1.00 El costo fijo de realizar un pedido es de $0.5. El costo de cada unidad es de $5.00. Cada orden se recibe en forma completa, pero con un retraso de un da contado desde el momento en que se realiza el pedido. Polticas de la empresa no permiten stock-out, es decir, demanda que no pueda ser satisfecha. A partir de estas condiciones, responda: a) Cul es el tamao del lote a ordenar que minimiza los costos de la empresa? b) Cuntas unidades han salido de inventario, en un perodo, cuando se realiza un pedido? c) Cul es el costo total de operacin anual del sistema? d) Cunto tiempo transcurre entre el momento en que llega un lote y el momento en que se pide el lote siguiente?
ACTIVAD 7 La B&B Motors Co. arma motores que se utilizan en la fabricacin de automviles. La compaa adquiere con los proveedores externos todos los componentes que utiliza para fabricar los motores. En seguida se presentan las actividades. a) Las tres primeras actividades pueden ejecutarse de manera simultnea: (1) Comprar el molde (2) Comprar el acero (3) Comprar el motor
b) Despus de que se ha recibido el molde: (4) Se debe maquinar el molde
345
c) Despus de que se recibe el acero: (5) Se fabrican las estructuras, y despus: (6) Se fabrican las carcasas.
d) Despus que se han terminado las actividades (4) (3) y (6): (7) Se ensamblan las tres unidades en una sola
e) Despus de que se termina la actividad (7), se puede: (8) Inspeccionar la unidad (9) Empacar la unidad y (10) Enviar la unidad
A continuacin se presentan los tiempos asociados con el proceso de fabricacin: ACTIVIDAD 1 2 3 4 5 6 7 8 9 10 TIEMPO (SEMANAS) 4 2 10 3 2 4 3 1 1 1
Traza la red PERT/CPM
346
ACTIVIDAD 8 La Jones Shipping Company tiene un contrato para recibir cargas de refacciones de automviles de Raleigh y Columbia, para transportarlas a Asheville, Charlotte y Greensboro. La estructura de rutas est formada de tal manera que los envos de Columbia a Asheville pasan a travs de Charlote, y los envos de Raleigh a Asheville o Charlotte pasan a travs de Greensboro. Es posible enviar cargas en forma directa de Columbia a Greensboro. Debido a acuerdos sindicales y a las distancias implicadas, los costos unitarios de transporte varan entre pares de ciudades.
Costos de transporte para el problema: A De Raleigh Columbia Charlotte Greensboro Greensboro $ 7 por caja $11 por caja --Columbia $10 por caja ---Charlotte -$ 8 por caja -$ 5 por caja Asheville --$ 6 por caja $ 6 por caja
Raleigh tiene una oferta neta de 250 cajas y Columbia de 150. Es posible enviar cajas de Raleigh a Columbia, pero no al revs. Greensboro tiene una demanda de 125 cajas. La demanda de Asheville es de 100 cajas y la de Charlotte es de 175. a. Dibuje la representacin de red para este problema. b. Plantee este problema como uno de PL.
347
ACTIVIDAD 9 Una mquina de servicio tiene una unidad de reserva para sustituirla de inmediato cuando falle. El "Tiempo a la falla" (tiempo entre fallas) de la mquina (o de su unidad de reserva) es exponencial, y sucede cada 40 minutos en promedio. (a) El operador de la mquina dice que sta tiene la costumbre de descomponerse cada noche a eso de las 8:30 PM. Analiza lo que dice el operador. (b) La cantidad promedio de fallas en una semana, suponiendo que el servicio se ofrece 24 horas por da y 7 das por semana. (c) La probabilidad de que haya al menos una falla en un perodo de 2 horas (d) La probabilidad de que la prxima falla no suceda en menos de 3 horas. (e) Si no ha sucedido falla en 3 horas despus de la ltima falla, cul es la probabilidad de que el tiempo entre fallas sea de 4 horas cuando mucho?
ACTIVIDAD 10 Si un cliente llega a McDonalds en menos de 4 minutos despus del cliente inmediato anterior, recibira un descuento del 10%. Si el tiempo entre llegadas es entre 4 y 5 minutos, el descuento, es del 6%. Si el tiempo entre llegadas es mayor que 5 minutos, el cliente tiene 2% de descuento. El tiempo entre llegadas es exponencial, con media de 6 minutos. a) Determine la probabilidad de que un cliente que llegue reciba el mximo descuento. b) Determine el descuento promedio a cada cliente que llega.
348
ACTIVIDAD 11 La compaa de cueros V.E produce un bien con dos calidades: superior, el cual se vende en sus almacenes de Chipichape y Unicentro; y el producto mediocre a un menor precio y se vende en sus bodegas en la Luna. El producto con calidad mediocre le da al consumidor una utilidad de 1 y una ganancia a V.E de 1. El producto con calidad superior le da una utilidad de 2 al consumidor y una ganancia de 2. Sin embargo, V.E podra estar vendiendo un producto de calidad mediocre en sus almacenes de Chipichape o Unicentro, y puede no ser detectado por los consumidores, lo que le da a V.E un pago de 4 y al consumidor una utilidad de 0. S un consumidor compra un producto en Chipichape o Unicentro, l podra conocer o no cuando el producto es de calidad inferior y revelar despus esta informacin a posteriores consumidores. Describe grficamente el juego.
ACTIVIDAD 12 Investiga en la bibliografa sugerida y en los sitios de Internet, la utilidad de todos los modelos de investigacin de operaciones estudiados en esta unidad.
349
1. Qu es la programacin lineal? 2. Qu es una restriccin? 3. Qu es la funcin objetivo? 4. En qu consiste el mtodo simplex? 5. Qu son variables de holgura? 6. Qu es la programacin entera? 7. En qu consiste el modelo de redes? 8. Qu es el modelo PERT/CPM? 9. Qu es la ruta crtica? 10. En qu consiste la teora de juegos? 11. En qu consiste la teora de lneas de espera? 12. Cmo se clasifican los sistemas de lneas de espera? 13. Menciona los modelos de inventarios. 14. En qu consiste el lote econmico? 15. Qu es el punto de reorden? 16. En qu consiste la teora de juegos? 17. En qu consiste el juego suma cero? 18. Qu es la simulacin Monte Carlo? 19. En qu consisten las estrategias maximin y minimax? 20. Qu es la distribucin de Poisson?
350
LO QUE APREND
LO QUE APREND
Cul es la utilidad de la programacin lineal, la programacin entera, los modelos de redes, PERT/CPM, la Teora de Filas y la Teora de Juegos en la toma de decisiones?
351
1. La Uncle Gleen Brown de Nevada fabrica tres variedades de whiskey. Los principales elementos relacionados con la venta de whiskey son maz, azcar y tiempo de entrega. A continuacin se presenta la informacin necesaria para plantear un problema de programacin lineal.
MATERIAL
IDAHO MOON
MONTANA MADNESS 3
OLD
CANTIDAD
STUMPWATER DISPONIBLE 1 1000 brushels
Maz (brushels/galn) Azcar (libras/galn) Tiempo
1000 libras
de 1
400 horas
entrega (horas) Utilidad galn por 20.00 15.50 10.00
352
Empleando el mtodo simplex, Cunto debera fabricarse del whiskey Idaho Moon? Recuerda que no se puede producir en fracciones. a) 111 b) 160 c) 177 d) Nada
2. Con los datos del ejercicio anterior, Cunto debera fabricarse del whiskey Oldstump water? a) 111 b) 160 c) 177 d) Nada
3. Continuando con los mismos datos, cul es la utilidad mxima? a) 4667 b) 4000 c) 3567 d) Nada 4. Considera el caso de una empresa que tiene un inventario de produccin terminada, el cual tiene una demanda de 1000 unidades en promedio anual, un costo de ordenar de $4.00 por pedido. El costo de mantenimiento es de 0.02% y el costo unitario es de 6.00. A cunto asciende su lote econmico? a) 66,667 b) 667 c) 288 d) 258
353
5. La lnea rpida K-Rogers, atiende slo clientes con 12 artculos o menos y como resultado, es mucho ms veloz para estos clientes que las filas normales. El gerente ha estudiado esta fila y ha determinado que los clientes llegan a una tasa aleatoria de 30 por hora y que, en promedio, el tiempo de servicios para un cliente es de un minuto. Suponiendo que la tasa de servicio es tambin aleatoria, Cules son los valores para a) 60 b) 6 c) 0.6 d) 0.06 para la caja rpida?
6 Con los datos del ejercicio anterior, Cules son los valores para la caja rpida? a) 60 b) 30 c) 15 d) 3
de
7. Continuando con los mismos datos, en promedio a cuntos clientes se est atendiendo? a) 1 b) 16 c) 30 d) 60
354
8. La Compaa constructora PREFAB ha identificado nueve actividades que tiene lugar durante la construccin de una casa. Las cuales se enumeran a continuacin:
Cul es la actividad precedente de la actividad ID4? a) Erigir la estructura b) Pintura exterior e interior c) Revestir el techo d) Poner las vigas al techo
355
9. Continuando con los datos del ejercicio anterior, cul de los siguientes es su diagrama PERT?
a)
b)
356
c)
d)
Respuesta: ( )
10. Continuando con los mismos datos, el tiempo total en semanas, de todas las actividades es de: a) 28 b) 17 c) 15 d) 12
357
MESOGRAFA
Autor Arya (2009) Prawda (2004) Captulo 10 2 3 4 5 6 Wayne (2005) 3 4 Pginas 406-446 57-243 245-329 329-434 437-501 503-540 49-126 127-225
358
BIBLIOGRAFA BSICA
economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp. Burden, L. y Faires J., (2011), Anlisis numrico, 9 ed., Mxico, Cengage Learning, 888 pp. Kaufmann, Jerome E. (2010). lgebra, 8 ed., Mxico, Cengage Learning, 920 pp. Kowalsky, Robert. (1989). Lgica, programacin e inteligencia artificial, Madrid, Daz de Santos, 546 pp. Prawda, Juan. (2004). Mtodos y modelos de investigacin de operaciones I, Mxico, Limusa, 785 pp. Render, Barry. (2006). Mtodos cuantitativos para los negocios, 9 ed., Mxico: Pearson, 731 pp. Swokowski, Earl W. (2009). lgebra y trigonometra con geometra analtica, 12 ed., Mxico, Cengage Learning, 1032 pp. Wayne, Winston. (2005). Investigacin de operaciones, aplicaciones y algoritmos. Mxico, Thompson, 831 pp.
359
Cheney W. y Kincaid D. (2011). Mtodos numricos y computacin, 6 edicin Mxico: Cengage Learning, 792 pp. Dulan, Steven W., GMAT exam prep, Indianapolis: Pearson Education, 2007, 418 pp.
Graduate Management Admission Council, GMA. (2008). Course Book, Kaplan, Nueva York, NY, 449 pp.
Harshbarger, Ronald J. (2005).
Matemticas aplicadas a la
administracin, economa y ciencias sociales, 7 ed., Mxico, McGraw-Hill Interamericana, 959 pp.
Martz, Geoff. (2007). Cracking the GMAT, Nueva York: Random House, 535 pp.
GMAT. (2009). The official guide for GMAT review, 12 ed., Wiley, Hoboken, NJ, 840 pp.
360
SITIOS DE INTERS
Barc, Jaime. (1996). Proceso de construccin de modelos matemticos. Madrid, Isdefe. Disponible en lnea:
http://es.scribd.com/doc/53028303/2/El-proceso-de-construccionde-modelos-modelos-matematicos. consultado el 14 de abril de 2011 Bellini M., Franco. (2004). Investigacin de Operaciones,
Universidad de Santa Mara, Caracas, curso disponible en lnea: http://www.investigacion-operaciones.com/operaciones.htm, recuperado el 14/04/11 ______________. (2004b). Modelizacin, disponible en lnea:
http://www.investigacionoperaciones.com/Introduccion_modelizacion.htm 14/04/11 ______________. (2004c). Investigacin de Operaciones: Teora de Redes, Universidad de Santa Mara, Caracas, curso disponible en lnea http://www.investigacion-operaciones.com/Curso_invrecuperado el
Oper_carpeta/TALLER_REDES.pdf, recuperado el 14/04/11 ______________. (2004d). Investigacin de Operaciones: Mtodos de solucin de programacin lineal, disponible en lnea: http://www.investigacionoperaciones.com/Metodos_Solucion_PL.htm#inicio, recuperado el 14/04/11
361
______________. (2004e) Investigacin de Operaciones: Sistema de inventarios, disponible en lnea: http://www.investigacion-
operaciones.com/inventarios_EOQ.htm , recuperado el 14/04/11 Bustos Faras Eduardo (2008). Investigacin de Operaciones, Concepto e Importancia de la, (25/09/08) Sociedad Colombiana de Investigacin de Operaciones. Disponible en lnea: el
http://www.youtube.com/watch?v=yNjTT2rdTgA. 14/04/11
Consultado
Costales, Felipe. (2000). Teora de juegos, Instituto Universitario Politcnico Santiago Mario, San Cristbal, Venezuela, disponible en lnea:
http://www.monografias.com/trabajos5/teorideju/teorideju.shtml, recuperado el 14/04/11 Cultura general, Matemticas: Geometra, disponible en lnea: http://www.culturageneral.net/matematicas/definicion_geometria.ht m, recuperado el 14/04/11 Investigacin de Operaciones, Aplicaciones de la Investigacin Operativa en la Gestin de Empresas. Qu es la investigacin de operaciones, disponible en lnea:
http://www.investigaciondeoperaciones.net, consultado el 14/04/11 Instituto Tecnolgico Superior de Calkini en el Estado de Campeche. (2007). Pasos generales y tcnicas de la construccin de modelos matemticos, disponible en lnea:
http://www.itescam.edu.mx/principal/sylabus/fpdb/recursos/r24490. PDF, consultado el 14/04/11 Leandro, Gabriel, (2007), Planeacin de proyectos PERT y CPM, Aula de economa, modificado el 12/04/07, disponible en lnea:
362
www.auladeeconomia.com/pert-cpm-.ppt, consultado el 15 de abril de 2011 Martnez Atilano, Guillermo. (2008). Programacin lineal, curso taller, disponible en lnea:
http://docencia.izt.uam.mx/gma/taller3/pl.pdf, consultado el 14 de abril de 2011. Martnez Coll, Juan Carlos. (1999). Manual bsico de Economa EMVI: Introduccin a la teora de juegos, EUMED, disponible en lnea: 14/04/11. Medina, Jos Gregorio, Investigacin de Operaciones: teora general de redes, Facultad de Ingeniera, Universidad Distrital Francisco Jos de Caldas, Bogot, disponible en lnea: http://www.eumed.net/cursecon/juegos, recuperado el
http://gemini.udistrital.edu.co/comunidad/profesores/jgmedina/tema 1.html, recuperado el 14/04/11 Senz, Pablo, y Csar E. Monsalve. (2008). Aprendizaje Basado en Resolucin de Problemas en Ingeniera Informtica, en Formacin Universitaria, vol. 1(2), 3-8, disponible en lnea:
http://www.citrevistas.cl/revista-formacion/v1n2fu/art02.pdf, consultado el 2 de abril de 2011. Snchez Ramos, Juan. (2004). Logstica de Modelos deterministas, Facultad de Ingeniera, Pontificia Universidad en catlica de
Valparaso,
disponible
lnea:
http://www.material_logistica.ucv.cl/en%20PDF/Introd_MODELOS% 20DE%20INVENTARIO_2004.pdf, Consultado el 15 de abril de 2011. Prez Olano, Javier (2002) Matemticas: Apuntes de programacin lineal, actualizado el 01/08/04, disponible en lnea:
http://sauce.pntic.mec.es/~jpeo0002/Archivos/PDF/T08.pdf. (Consultado el 14 de abril de 2011)
363
Ponciano, L. Math Problem Solving Strategies. Disponible en lnea: http://www.erusd.k12.ca.us/ProjectAlphaWeb/index_files/PR/Proble m%20Solving%20Strategies.pdf. (Consultado el 3 de abril de 2011). El prisma, CPM/PERT, Mtodo de la ruta crtica, disponible en lnea: http://www.elprisma.com/apuntes/ingenieria_industrial/pertcpm/def ault.asp, recuperado el 14/04/11 Vilanova, Silvia, La educacin Matemtica, el papel de la resolucin de problemas en el aprendizaje, disponible en lnea: http://www.rieoei.org/deloslectores/203Vilanova.PDF, el 1 de abril de 2011). Zona econmica (2010). PERT/CPM, disponible en lnea: (Consultado
http://www.zonaeconomica.com/metodo-pert-cpm, consultado el 15 de abril de 2011.
364
RESPUESTAS
1 2 3 4 5 Unidad 1 F V V F F 1 2 3 4 5 6 7 Unidad 2 D C E E D A C 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Unidad 3 C D A D A A A C D C A B A D E C A B F
1 2 3 4 5 6 7 8
Unidad 4 A C B D C B A C
1 2 3 4 5 6 7 8 9 10
Unidad 5 C A A D A B A D A B
365

2matematicas II

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2matematicas II

Cargado por

Copyright:

Formatos disponibles

1

Licenciatura: INFORMTICA rea: Matemticas Requisitos: Tipo de asignatura: Obligatoria (x)

Hrs. Asesora: Hrs. Por semana: Optativa ( )

ecuaciones de primer grado, segundo, tercero y cuarto grado).

3. Anlisis matemtico Smbolos

INTRODUCCIN A LAS EVALUACIONES DE HABILIDADES CUANTITATIVAS

En qu consiste la Toma de Decisiones?

1.1. Estructura y funcionamiento de las evaluaciones de

1.1.1. Problem solving

x = x/6+ x/12+ x/7+ x/5 + x/2+ 4

1.1.2. Data Sufficiency

Analoga Semejanza o afinidad entre dos o ms casos.

Diagramas Es la representacin grfica de una frmula o ecuacin matemtica.

Ensayo-error Prueba en la que se experimenta con distintas variables o elementos al azar.

Escala Unidad de medicin asignada a un objeto o elemento.

Capacidad de una persona para plasmar un problema o un objetivo en un modelo matemtico.

Objetivo Es la finalidad esperada en la que se invierten recursos, dinero y tiempo.

Problemas Son eventualidades que requieren de solucin.

Resultados Representan el logro o la conclusin de una alternativa elegida o de un problema planteado.

Simplificacin Capacidad de sintetizar un problema.

LO QUE APREND Cules son las caractersticas de los modelos matemticos?

http://www.citrevistas.cl/revista-formacion/v1n2fu/art02.pdf el 2 de abril de 2011).

http://www.rieoei.org/deloslectores/203Vilanova.PDF, (Consultado el 1 de abril de 2011).

SOLUCIN DE PROBLEMAS Y SUFICIENCIA DE DATOS

Por qu son importantes los modelos matemticos?

2.1. Anlisis, comprensin y resolucin de ejercicios Problem Solving

Si llamamos x a los minutos que faltan para el medioda, entonces:

Halla las soluciones reales del sistema de ecuaciones siguiente: x+y=1 x5 + y5 = 31

2.2 Anlisis, comprensin y

Por lo tanto la respuesta es 2.

Datos independientes Son datos asignados al azar.

En qu consisten los ejercicios Problem Solving y Data Sufficiency ?

2. La tabla adjunta muestra la temperatura a distintas horas de un da de verano.

6. Se puede concluir que x es un nmero negativo si se sabe que:

puede determinar la edad de Cecilia si:

economa y ciencias sociales, 4 ed., Mxico, McGraw-Hill, 1033 pp.

FUNDAMENTOS PARA EL ANLISIS MATEMTICO

3.1. Principios del anlisis aritmtico

, reciben el nombre de nmeros naturales. Con

propiedades una vez que se llegue a la matemtica avanzada y al clculo.

a) Suma. La suma de cualquier nmero y cero da como resultado el mismo nmero. 12 + 0 = 12

Propiedad distributiva del producto respecto de la suma: m(n+ p) = mn+mp.

Entonces, Pn es cierta para todo n & N.

Giuseppe Peano (Cuneo, actual Italia, 1858-Turn, 1932) Matemtico italiano.

$4.00 /5 amigos = $0.8

d) Fracciones unitarias Las fracciones unitarias tienen el numerador igual al denominador.

Representacin de nmeros racionales

En la divisin de exponentes de igual base, los exponentes se restan. am / an = am-n

En la potencia de una potencia se multiplican los exponentes. (am)n = amn

En la raz de una potencia, los exponentes se dividen:

3.2. Principios del anlisis Algebraico

Pasos para factorizar un polinomio:

3x 7 = x + 1 es una ecuacin con una incgnita. Tiene una nica solucin: x = 4.

En las ecuaciones exponenciales la incgnita est en un exponente: 2x+4x+1-18=0

Para despejar la x se divide por 2 en ambos miembros: x = 18/2 = 9

La solucin es, evidentemente, x = 9.

Mtodo de sustitucin Este es un sistema de ecuaciones lineales.

Resolvemos la ecuacin obtenida: 24 -6y -4y = -6 -10y = -30 y=3

Sustituimos el valor obtenido en la variable despejada.

Mtodo de igualacin Nuevamente tomamos este sistema de ecuaciones lineales

Primero despejamos, por ejemplo, la incgnita x de la primera y segunda ecuacin:

Despus Igualamos ambas expresiones:

2 (-6 +4y) = 3(16 -4y) 8y +12y = 48+12 20y = 60 y=3

-6 +4 * 3 X =--------------------3 Quedando as: x= 2, y = 3 =2