Texto Digital de Invop

Universidad Catlica Los ngeles de Chimbote
Escuela Profesional de Ingeniera de Sistemas
INVESTIGACIN
DE OPERACIONES
Introduccin a la Formulacin y Solucin
de Modelos Matemticos
Versin 01 2013
Humberto ngel Chvez Milla

chamir32@yahoo.es
PRESENTACION
Como una contribucin a la formacin profesional de los estudiantes de las
carreras de Ingeniera, Administracin y especialidades afines; se presenta el texto
INVESTIGACIN DE OPERACIONES, el cual contiene procedimientos y tcnicas
bsicas para ser usados en la toma de decisiones, con sentido crtico en el uso
eficaz y responsable de los recursos o elementos de una empresa u organizacin;
buscando como objetivo maximizar los beneficios y minimizar sus costos.
Los tipos de recursos considerados en el presente texto son: recursos humanos,
referidos a todos los grupos humanos de la organizacin; recursos materiales, se
refiere a las cosas que se utilizan para procesar, transformar, o que se procesan o
transforman en el proceso productivo de un bien o servicio; y recursos tcnicos,
que comprende los procedimientos, mtodos, organigramas, frmulas, patentes,
etc. Finalmente los recursos financieros, representado por el dinero y otros bienes
que conforman el capital de una empresa, como son los ttulos valores, acciones,
obligaciones, etc. 1.
Para el entendimiento del presente texto se requiere tener conocimientos generales
de la Administracin de Operaciones, como parte de la Administracin de
Empresas, siendo prerrequisitos en la formacin profesional del estudiante, los
cuales enriquecen sus criterios conceptuales para explicar las formas de tomar
decisiones cuando se analizan aspectos tcnicos y resultados de problemas de
investigacin de operaciones.
Como su nombre lo dice, la Investigacin de Operaciones significa "hacer
investigacin sobre las operaciones". Entonces, podemos decir que tiene su
aplicacin en la solucin de problemas referidos a la conduccin y coordinacin de
operaciones o actividades dentro de una organizacin que requiere optimizar el
uso de sus recursos limitados.
La Investigacin de Operaciones se aplica en reas tan diversas como en los
procesos de manufactura, el transporte, las telecomunicaciones, la planeacin
financiera, el cuidado de la salud, en el campo militar, los servicios pblicos, y
otros campos de la produccin de bienes y/o servicios.
RECURSOS O ELEMENTOS DE LA EMPRESA. JM Rosario, Argentina. p.1. Documento publicado en:

https://sites.google.com/site/436laempresa/recursos-o-elementos-de-la-empresa . Consulta online 12/01/2013.
Por lo tanto, la gama de aplicaciones de la Investigacin de Operaciones es

extraordinariamente amplia en la gestin empresarial y cumple un rol importante,
porque permite al responsable, tomar las mejores decisiones para alcanzar un
determinado objetivo propuesto, en funcin al uso de los recursos disponibles, con
sentido de responsabilidad social y cuidado del medio ambiente.
El objetivo general del texto es aplicar procedimientos bsicos que permitan
resolver problemas de optimizacin de recursos en las organizaciones, con actitud
crtica, y responsable, valorando su importancia en la gestin empresarial.
Dicho objetivo ser desarrollado en tres ttulos o unidades de acuerdo a la
programacin del silabo/plan de aprendizaje de la asignatura de Investigacin de
Operaciones, el cual est conformado por lo siguiente: Formulacin de modelos
matemticos, solucin de modelos de programacin lineal, e introduccin al
modelo de transporte, como una forma de aplicacin de los modelos matemticos.
El texto presenta aspectos tericos y prcticos con ejemplos resueltos que explican
paso a paso los procedimientos bsicos en la formulacin de modelos matemticos,
su aplicacin de los mtodos de solucin del modelo formulado, permitiendo el
aprendizaje de las tcnicas y herramientas para su aplicacin en la optimizacin
del uso de recursos limitados.
Cualquier comentario, aportes o sugerencias que pueda brindar el lector sern
bienvenidos, los cuales sern evaluados y considerados en las siguientes versiones,
como una aplicacin de la mejora continua del texto.
El Autor.
Unidad 1
Formulacin de modelos
matemticos
Objetivo Especifico Unidad 1:

Comprender los antecedentes y
explicar los procedimientos para
formular modelos matemticos,
identificando sus elementos con
actitud crtica, valorando su
importancia en la optimizacin de
recursos.
Contenidos a estudiar:
Antecedentes de la Investigacin de
Operaciones.
Definicin, caracterstica y etapas de la
Investigacin de Operaciones.
Los Modelos en la Investigacin de
Operaciones.
Elementos bsicos en la formulacin de
un Modelo matemtico
Formulacin de Modelos Matemticos de
Programacin Lineal. Aplicacin
Ejemplos de modelos matemticos de

Programacin Lineal.
1. Antecedentes de la Investigacin de Operaciones

La historia de la civilizacin es en cierto modo, la historia de la
ingeniera, largo y arduo esfuerzo para hacer que las fuerzas de la naturaleza
trabajen en bien del hombre. Los primeros hombres utilizaron algunos principios
de la ingeniera para conseguir sus alimentos, pieles y construir armas de defensa
como hachas, puntas de lanzas, martillos etc.
1.1. Historia de la Investigacin de Operaciones

El desarrollo de la ingeniera como tal, comenz con la revolucin
agrcola (ao 8000 AC), cuando los hombres dejaron de ser nmadas, vivieron en
un lugar fijo para cultivar sus productos y criar animales comestibles 2 .
A lo largo de la historia es frecuente ver la colaboracin entre cientficos y militares
con el fin de dictaminar la decisin ptima en la batalla. Es por esto que muchos
expertos consideran el inicio de la Investigacin de Operaciones en el siglo III A.C.,
durante la II Guerra Pnica, con el anlisis y solucin que Arqumedes propuso
para la defensa de la ciudad de Siracusa, sitiada por los romanos. Entre sus
inventos se encontraban la catapulta, y un sistema de espejos con el que
incendiaba las embarcaciones enemigas al enfocarlas con los rayos del sol.
En 1503, Leornado Da Vinci particip como
ingeniero en la guerra contra Pisa, conoca
tcnicas para realizar bombardeos, construir
barcos, vehculos acorazados, caones,
catapultas, y otras mquinas blicas. Otro
antecedente de uso de la Investigacin de
Operaciones se debe a F. W. Lanchester,
quien hizo un estudio matemtico sobre la
potencia balstica de las fuerzas opositoras y
desarroll, a partir de un sistema de
ecuaciones diferenciales, la Ley Cuadrtica
de Combate de Lanchester, con la que era
posible determinar el desenlace de una
batalla militar.
Thomas Edison tambin hizo uso de la
Investigacin Operativa, contribuyendo en la guerra antisubmarina, con sus
grandes ideas, como la proteccin anti-torpedos para los barcos.
Desde el punto de vista matemtico, en los siglos XVII y XVIII, Newton, Leibnitz,
Bernoulli y Lagrange, trabajaron en obtener mximos y mnimos condicionas de
ciertas funciones. El matemtico francs Jean Baptiste-Joseph Fourier esboz
mtodos de la actual programacin lineal.
En los ltimos aos del siglo XVIII, Gaspar Monge asent los precedentes del
Mtodo Grfico gracias a su desarrollo de la Geometra Descriptiva.
2
HISTORIA DE LA INGENIERA. El Prisma, Portal para Investigadores. Documento publicado en:

http://www.elprisma.com/apuntes/ingenieria_civil/historiadelaingenieria/ . Consulta online 15/01/2013.
Janos Von Neumann public en 1928 su trabajo "Teora de Juegos", que

proporcion fundamentos matemticos a la Programacin Lineal. Posteriormente,
en 1947, vision la similitud entre los problemas de programacin lineal y la teora
de matrices que desarroll.
En 1939, el matemtico ruso L. Kantorovich, en colaboracin con el matemtico
holandes T. Koopmans, desarroll la teora matemtica llamada "Programacin
Lineal", por la que les fue concedido el premio Nobel. A finales de los aos 30 y
principios de los 40, George Joseph Stigler plante un problema particular
conocido como rgimen alimenticio optimal o ms comnmente conocido como
problema de la dieta, que surgi a raz de la preocupacin del ejrcito americano
por asegurar unos requerimientos nutricionales al menor coste para sus tropas.
Fue resuelto mediante un mtodo heurstico cuya solucin difera tan slo unos
cntimos de la solucin aportada aos ms tarde por el Mtodo Simplex 3.
Durante los aos 1941 y 1942, Kantorovich y Koopmans estudiaron de forma
independiente el problema del transporte por primera vez, conocindose este tipo
de problemas como problema de Koopmans - Kantorovich. Para su solucin,
emplearon mtodos geomtricos que estn relacionados con la teora de
convexidad de Minkowski.
Se considera el nacimiento de la
Investigacin de Operaciones en
la Segunda Guerra Mundial, de
all
que
los
historiadores
atribuyen su aparicin, durante la
batalla de Inglaterra, donde la
Fuerza Area Alemana, es decir la
Luftwaffe, estaba sometiendo a los
britnicos a un duro ataque areo
ya que ellos tenan una capacidad
area pequea, aunque eran
experimentados en el combate.
El gobierno britnico, convoc a
varios cientficos de diversas
disciplinas para tratar de resolver el problema de sacar el mximo beneficio de los
radares que disponan. Gracias a su trabajo determinando la localizacin ptima
de las antenas y la mejor distribucin de las seales consiguieron duplicar la
efectividad del sistema de defensa area.
Al apreciar el alcance de sta nueva disciplina, Inglaterra cre otros grupos de la
misma ndole para obtener resultados ptimos en la contienda. Al igual que
Estados Unidos, al unirse a la II Guerra Mundial en 1942, cre el proyecto SCOOP
Scientific Computation Of Optimal Programs (Computacin Cientfica de los
Programas ptimos), donde se encontraba trabajando George Bernard Dantzig,
quien desarroll en 1947 el algoritmo del Mtodo Simplex.
El primer resultado de estas tcnicas fue dado en el ao 1952, cuando se us un
ordenador SEAC de la National Bureau of Standars (Oficina Nacional de
3
HISTORIA DE LA INVESTIGACIN OPERATIVA. PHP Simplex, herramienta online. Documento

publicado en: http://www.phpsimplex.com/historia.htm . Consulta online 15/01/2013.
Estndares) para obtener la solucin de problemas como, determinar la altura

ptima a la que deberan volar los aviones para localizar los submarinos enemigos,
gestin de fondos monetarios para logstica y armamento, etc.
El xito en el tiempo de resolucin fue tan alentador que de inmediato se us para
todo tipo de problemas militares, como determinar la altura ptima a la que
deberan volar los aviones para localizar los submarinos enemigos, e incluso
determinar la profundidad a la que se deban enviar las cargas para alcanzar los
submarinos enemigos de forma que causara el mayor nmero de bajas, que se
tradujo en un aumento de hasta cinco veces en la eficacia de la fuerza area.
Durante las dcadas de los 50 y 60, crece el inters y el desarrollo de la
Investigacin Operativa, debido a su aplicacin en el mbito del comercio y la
industria. Como ejemplo, el problema del clculo del plan ptimo de transporte de
arena de construccin a las obras de edificacin de la ciudad de Mosc en 1958,
haba 10 puntos de origen y 230 de destino. Para resolverlo, se us un ordenador
Strena, que emple 10 das en el mes de junio de 1958, y tal solucin aport una
reduccin del 11% de los gastos respecto a los costes originales.
Luego de terminar la II guerra mundial, el xito de la Investigacin de Operaciones
en las actividades blicas gener un gran inters en sus aplicaciones fuera del
campo militar. Desde la dcada de 1950, se introdujo la Investigacin de
Operaciones en la industria, los negocios y el gobierno, desde entonces, esta
disciplina se ha desarrollado con rapidez.
Muchos de los cientficos que participaron en la guerra, se encontraron para
buscar resultados sustanciales en este campo; un ejemplo sobresaliente es el
mtodo Simplex para resolucin de problemas de Programacin Lineal,
desarrollado en 1947 por George Dantzing. Muchas de las herramientas utilizadas
en la Investigacin de Operaciones como la Programacin Lineal, la Programacin
Dinmica, Lneas de Espera y Teora de Inventarios fueron desarrolladas al final
de los aos 50.
En la dcada de los 80, con la invencin de las
computadoras personales, y con el avance
tecnolgico cada vez ms rpidas y acompaadas
de buenos paquetes de Software desarrollados
para resolver problemas de Investigacin de
Operaciones, puso la tcnica al alcance de
muchas empresas, organizaciones y personas
quienes lo aplican cuando buscan optimizar sus
costos y utilidades. El desarrollo de la
computadora digital, fue una gran ayuda para la
solucin del modelo en Investigacin de
Operaciones 4 .
Para ms ilustracin del lector puede visualizar el Vdeo, haciendo clic o pegar el
siguiente link en su navegador: http://www.youtube.com/embed/yNjTT2rdTgA
INVESTIGACIN DE OPERACIONES, Introduccin. Franco Bellini, Univ. Santa Mara. Venezuela.

Publicado en: http://www.investigacion-operaciones.com/Introduccion_IO.htm . Consulta online 18/01/2013.
1.2. Casos reales de uso de la Investigacin Operativa5

La siguiente tabla muestra algunos casos reales de organizaciones que han usado la
Investigacin Operativa y las ganancias y/o ahorros conseguidos en su aplicacin.
Organizacin
Ao
Ahorros anuales
Integracin de una red nacional de inventario de

refacciones para mejorar el apoyo al servicio
1990
$250 millones en
menor inventario
Diseo de un sistema de estructura de precios, sobre

ventas y coordinacin de vuelos para mejorar las
utilidades
1992
$500 millones ms
de ingresos
Optimizacin del diseo de una red nacional de

transporte y la programacin de rutas de envo
1992
$17.3 millones
AT&T
Desarrollo de un sistema basado en PC para guiar a

los clientes del negocio en el diseo del centro de
llamadas
1993
$750 millones
Delta Airlines
Maximizacin de ganancias a partir de la asignacin

de los tipos de aviones en 2.500 vuelos nacionales
1994
$100 millones
Digital
Equipment Corp.
Reestructuracin de toda la cadena de proveedores,

plantas, centros de distribucin, sitios potenciales y
reas de mercado
1995
$800 millones
China
Seleccin y programacin ptima de proyectos

masivos para cumplir con las necesidades futuras de
energa del pas
1995
$425 millones
Cuerpo de
defensa de
Sudfrica
Rediseo ptimo del tamao y forma del cuerpo de

defensa y su sistema de armas
1997
$1.100 millones
Procter and
Gamble
Rediseo del sistema de produccin y distribucin

norteamericano para reducir costos y mejorar la
rapidez de llegada al mercado
1997
$200 millones
Taco Bell
Programacin ptima de empleados para

proporcionar el servicio a clientes deseado con un
costo mnimo
1998
$13 millones
Rediseo de tamao y localizacin de inventarios de

seguridad en la lnea de produccin de impresoras
para cumplir metas de produccin
1998
$280 millones de
ingreso adicional
IBM
American
Airlines
Yellow Freight
System, Inc.
Hewlett-Packard
Aplicacin
CASOS REALES USOS DE LA I. O. PHP Simplex, herramienta online, p.1. Documento publicado en:
http://www.phpsimplex.com/casos_reales.htm . Consulta online 06/02/2013
2. Definicin, Caractersticas y Etapas

Ackoff, R. L. y Sasieni M. W. 1968, en su Libro Fundamentals of Operations
Research, definen La Investigacin de Operaciones es la aplicacin, por grupos
interdisciplinarios, del mtodo cientfico a problemas relacionados con el control
de las organizaciones o sistemas, a fin de que se produzcan soluciones que mejor
sirvan a los objetivos de toda organizacin".
La Investigacin de Operaciones es una rama de las matemticas que
consiste en el uso de modelos matemticos, estadstica y algoritmos con objeto de
realizar un proceso de toma de decisiones 6 . Aspira a determinar el mejor curso
de accin, o curso ptimo, de un problema de decisin con la restriccin de los
recursos limitados.
Como tcnica para la resolucin de problemas, la Investigacin de
Operaciones debe visualizarse como una ciencia y como un arte.
Arte, usa la creatividad y

habilidad personal de los
analistas encargados de
tomar las decisiones.
Ciencia, usa tcnicas y

algoritmos matemticos y la
estadstica para resolver
problemas de decisin.
Figura 1.1
La Investigacin de Operaciones emplea los aspectos de coordinacin de

operaciones y actividades de la organizacin o sistema que se analice, mediante el
empleo de modelos que describan las interacciones entre los componentes del
sistema y de ste con su medio ambiente.
El significado de la Investigacin de Operaciones, comprende dos partes: la
Investigacin y Operaciones.
Investigacin
Referido a un enfoque similar de la manera en la que se lleva a

cabo la investigacin en los campos cientficos establecidos.
Operaciones
Porque se resuelven problemas referidos a la conduccin de

las operaciones dentro de una empresa u organizacin.
Figura 1.2
INVESTIGACIN DE OPERACIONES. Wikipedia, La enciclopedia libre., p. 1, documento publicado en:

http://es.wikipedia.org/wiki/Investigacin_de_operaciones Consulta online 11/02/2013.
2.1. Caractersticas de la Investigacin de Operaciones.

La Investigacin de Operaciones usa el mtodo cientfico para investigar el
problema en cuestin. El proceso comienza por la observacin cuidadosa y la
formulacin del problema incluyendo la recoleccin de datos pertinentes. De esta
manera intenta resolver los conflictos de inters entre los componentes de la
organizacin, de forma que el resultado sea el mejor para toda la organizacin.
La Investigacin de Operaciones intenta encontrar a partir de varias soluciones
factibles, una mejor solucin (llamada solucin ptima), para el problema que est
siendo evaluada. Es necesario emplear el enfoque de equipo. Este equipo debe
incluir personal con conocimientos en matemticas, estadsticas y probabilidades,
economa, administracin de empresas, computacin, ingeniera, etc. El equipo
tambin necesita tener experiencia y las habilidades para permitir la consideracin
adecuada de todas las ramificaciones que se deriven del problema.
La Investigacin de Operaciones ha desarrollado una serie de tcnicas y modelos
muy tiles a la Ingeniera de Sistemas. Entre ellos tenemos: la Programacin No
Lineal, Teora de Colas, Programacin Entera, Programacin Dinmica, etc.
2.2. Etapas de la Investigacin de Operaciones.

Las fases o etapas de un estudio de Investigacin de Operaciones son:
Definicin del problema y

recoleccin de datos
Prueba del modelo
Formulacin de un modelo
matemtico
Preparacin para la aplicacin

del modelo
Obtencin de una solucin a

partir del modelo
Implantacin y desarrollo de
procedimientos
Figura 1.3
a) Definicin del problema y recoleccin de datos

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,
10
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 7 .
Determinar los objetivos es un aspecto importante en la formulacin del problema.
Se necesitan muchos datos para lograr un entendimiento exacto del problema,
para proporcionar el insumo adecuado para el modelo matemtico que se
formular en la siguiente etapa. Muchas veces, el equipo de Investigacin de
Operaciones pasar mucho tiempo intentando mejorar la precisin de los datos y
al final tendr que trabajar con lo que pudo obtener.
b) Formulacin de un modelo matemtico
Definido el problema, la siguiente etapa consiste en formular un modelo
matemtico que represente la esencia del problema. El modelo matemtico puede
expresarse entonces como el problema de elegir los valores de las variables de
decisin de manera que se maximice o minimice la funcin objetivo, sujeta a las
restricciones dadas. Un modelo de este tipo, y algunas variaciones menores sobre
l, tipifican los modelos analizados en la investigacin de operaciones.
Un paso crucial en la formulacin de un modelo es la construccin de la funcin
objetivo. Si el estudio contempla ms de un objetivo, es necesario combinar las
medidas respectivas en una medida compuesta de efectividad. A veces esta medida
compuesta puede ser algo tangible (como ganancias) y corresponder a una meta
ms alta de la organizacin, o puede ser abstracta (como utilidad).
c) Obtencin de una solucin a partir del modelo
Segn la figura 1.3 despus de formular el modelo matemtico, se debe
desarrollar un procedimiento para derivar una solucin al problema a partir del
modelo formulado. Esta es una etapa relativamente sencilla, en la que se aplican
los algoritmos usando la computadora. Un tema comn es la bsqueda de una
solucin ptima. Pero es necesario reconocer que estas soluciones son ptimas
slo respecto al modelo que se est utilizando. Si la solucin se implanta, cualquier
cambio en el valor de un parmetro advierte de inmediato la necesidad de cambiar
la solucin. El anlisis post ptimo, tambin incluye la obtencin de un conjunto
de soluciones que comprende una serie de aproximaciones. As, las debilidades
aparentes de la solucin inicial se usan para sugerir mejoras al modelo formulado,
a sus datos de entrada y quiz al procedimiento de solucin. Se obtiene entonces
una nueva solucin, y el ciclo se repite.
d) Prueba del modelo
Cuando se completa la primera versin del desarrollo de un modelo
matemtico, es inevitable que contenga muchas fallas. El programa debe probarse
de manera exhaustiva para tratar de encontrar y corregir tantos problemas como
sea posible, para ello es necesario revisar nuevamente las etapas anteriores.
7
INVESTIGACIN DE OPERACIONES, Metodologa. Franco Bellini, Univ. Santa Mara. Venezuela.

Publicado en: http://www.investigacion-operaciones.com/Metodologia_IO.htm . Consulta online 11/02/2013.
11
Este proceso de prueba y mejoramiento de un modelo para incrementar su validez,

se conoce como validacin del modelo. Un enfoque ms sistemtico para la prueba
del modelo es emplear una prueba retrospectiva. Cuando es apacible, 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. Al
emplear alternativas de solucin y estimar sus desempeos histricos hipotticos,
se pueden reunir evidencias en cuanto a los efectos relativos de los diferentes
cursos de accin que el modelo predice.
e) Preparacin para la aplicacin del modelo
Consiste en instalar un sistema bien documentado para aplicar el modelo; este
sistema casi siempre est diseado para computadora. De hecho, con frecuencia se
necesita un nmero considerable de programas integrados. La base de datos y los
sistemas de informacin, proporcionan entrada actualizada para el modelo cada
vez que se use, en cuyo caso se necesitan programas de interfaz (interaccin con el
usuario). Despus de aplicar un procedimiento de solucin al modelo, puede ser
que los programas manejen la implantacin de resultados de manera automtica.
En otros casos se instala un sistema interactivo llamado sistema de soporte de
decisiones, para ayudar a la gerencia a usar datos y modelos para apoyar (no para
sustituir) su toma de decisiones cuando lo necesiten. Otro programa puede generar
informes gerenciales (en el lenguaje administrativo) que interpretan la salida del
modelo y sus implicaciones en la prctica.
f) Implantacin y desarrollo de procedimientos
La ltima etapa del estudio, segn la figura 1.3, es implementar el modelo
siguiendo lo requerido por la administracin. La etapa de implantacin incluye
varios pasos. Primero, dar explicacin al rea de operaciones sobre el nuevo
sistema que se va a adoptar y su relacin con la realidad operativa. Luego, se
comparte la responsabilidad de desarrollar los procedimientos requeridos para
poner este sistema en operacin.
El rea operativa se encarga despus de dar una capacitacin detallada al personal
que participa, y se inicia entonces el nuevo plan de accin. El nuevo sistema se
podr emplear durante algn tiempo, evaluando su aplicacin. El equipo de
Investigacin de Operaciones supervisa en forma permanente para identificar
cualquier modificacin que tenga que hacerse en el futuro y aplicar la mejora
continua del proceso.
Preguntas de Autoevaluacin
Luego de haber realizado la lectura de los temas, responder las siguientes preguntas.
1.
Cmo nace la Investigacin de Operaciones? Haga un breve comentario
2. Cmo define la Investigacin de Operaciones?

3. Defina la importancia de la Investigacin de Operaciones en la toma de decisiones
4. Cul de las fases de la Investigacin de Operaciones consideras ms crtico? Por qu?
12
3. Los Modelos en la Investigacin de Operaciones

Un modelo es la representacin propuesta de un sistema real y de la forma
cmo opera o funciona, ver figura 1.4. Es una abstraccin selectiva de la realidad.
El modelo, se define como una funcin objetivo con restricciones que se expresan
en trminos de las variables (alternativas) de decisin del problema.
El objetivo de un modelo es analizar el comportamiento del sistema, o bien
predecir su comportamiento futuro. Obviamente los modelos no son tan complejos
como el sistema mismo, de tal manera que se hacen las suposiciones y
restricciones necesarias para representar las porciones ms relevantes del mismo.
No habra ventaja alguna de utilizar modelos si estos no simplificaran la
situacin real. En muchos casos podemos utilizar modelos matemticos que,
mediante letras, nmeros y operaciones, representan variables, magnitudes y sus
relaciones 8 .
Sistema real
Sistema
Propuesto
MODELO
Figura 1.4
Un modelo de decisin debe considerarse como un vehculo para resumir un

problema de decisin, en forma tal de que haga posible la identificacin y
evaluacin sistemtica de todas las alternativas de decisin del problema. Despus
se llega a una decisin seleccionando la alternativa ptima, el cual ser la mejor
entre todas las opciones o soluciones factibles.
Deben establecerse los criterios de toma de decisiones, seleccionando las
alternativas, formulando un modelo y luego evaluarlo (Costos, Beneficios, etc.), e
integrar la informacin cuantitativa obtenida para luego tomar la mejor
decisin. Muchas veces, para tomar una decisin, hay que incorporar los factores
cualitativos tales como, el liderazgo en la organizacin, polticas de gobierno,
contaminacin ambiental, responsabilidad social, etc.
Un Analista de Investigacin de Operaciones debe elegir el plan de accin ms
efectivo para lograr las metas de la organizacin, debiendo seleccionar un conjunto
de medidas o indicadores, utilizar una unidad monetaria, analizar y tomar
decisiones; debe seguir un proceso general de solucin, en cualquier situacin,
durante la toma de decisiones.
TIPOS DE MODELO Y SU SIGNIFICADO. Franco Bellini, U. Santa Mara. Venezuela, p-2. publicado
en: http://www.investigacion-operaciones.com/Formulacion Problemas.htm . Consulta online 13/02/2013.
13
3.1. Representacin de un modelo 9

La representacin del modelo puede ser de la siguiente manera:
Conceptual, Cuando se representa la situacin real por una descripcin

cualitativa bien organizada, que permite la medicin de sus factores.
Matemtico, Se refiere a una representacin numrica por aspectos lgicos y

estructurados con aspectos de la ciencia matemtica. Pueden ser nmeros,
letras, imgenes, smbolos. Por ejemplo si se refiere a un modelo grfico de
matemticas, se observan imgenes y grficas matemticas, que representan a
un modelo numrico y de ecuaciones, los cuales son expresiones visuales
basadas en aspectos cuantificables y de la ciencia matemtica.
Fsico, Basado en aspectos de la ciencia fsica. Estos modelos generalmente

representan el fenmeno estudiado utilizando las mismas relaciones fsicas del
prototipo, pero reduciendo su escala para hacerlo manejable. Por ejemplo,
pertenecen a este tipo de modelo las representaciones a escalas reducidas de
presas hidrulicas, puertos, o de elementos de estas obras, como un vertedero o
una escollera, etc.
3.2. Clasificacin de Modelos

Los modelos matemticos pueden clasificarse de la siguiente manera.
Figura 1.5
MODELO CIENTFICO. Representacin del Modelo. Wikipedia, La enciclopedia libre, p. 2, documento

publicado en: http://es.wikipedia.org/wiki/Modelo_cientfico . Consulta online 14/02/2013.
14
a) Modelo Determinsticos: Cuando se conoce los datos de manera puntual y

la forma del resultado, no hay de incertidumbre. Es decir, todos los datos son
conocidos. Se aplica a los diversos problemas de: Programacin lineal,
programacin no lineal, programacin entera, modelo de transporte, de
asignacin, sistemas de redes, etc.
b) Modelo Probabilstico o Estocstico: Cuando no se conoce el resultado
esperado, sino su probabilidad y existe por lo tanto incertidumbre. Se aplica a
los tipos de problemas, como: Programacin estocstica, Teora de juegos,
lneas de espera o colas, etc.
c) Mtodos hbridos: Tienen que ver con los mtodos determnisticos y
probabilsticos. Segn la figura 1.3 por ejemplo, se aplica a: Programacin
dinmica, Pert / Cpm, teora de inventarios, simulacin, etc.
Los modelos de cualquier clase, sin importar su refinamiento y exactitud,
pueden probar ser poco prcticos si no estn respaldados con datos confiables. Si
se distorsionan las estimaciones, la solucin obtenida, pese a ser ptima en un
sentido matemtico, en realidad ser de calidad inferior desde la perspectiva del
sistema real. En consecuencia, la disponibilidad de datos puede tener un efecto
directo en la precisin del modelo. La recopilacin de datos puede ser la parte ms
difcil para determinar un modelo y desgraciadamente no se pueden sugerir reglas
para este procedimiento 10 .
De manera general, los modelos matemticos son de ndole iterativa, quiere decir,
se llega a la respuesta final en pasos o iteraciones hasta llegar a solucin ptima;
pero no todos los modelos matemticos poseen algoritmos de solucin que lleguen
al nivel ptimo por dos razones:
El algoritmo de solucin converge al nivel ptimo solo en teora. La

convergencia terica seala que hay un lmite superior finito, pero sin indicar
cuan alto puede ser ese lmite. Por lo tanto, se puede gastar horas y horas de
computadora sin alcanzar la iteracin final.
La complejidad del modelo matemtico puede hacer imposible idear un

algoritmo de solucin. Por lo tanto, el modelo puede mantenerse no factible en
trminos de clculo.
10
TIPOS DE MODELOS MATEMTICOS. Juan Snchez R. Univ. Catlica Valparaso. Publicado en:
http://www.material_simulacion.ucv.cl/tipos_de_modelos_matematicos.htm . Consulta online 14/02/2013.
15
4. Elementos bsicos de un modelo matemtico

Un modelo matemtico es producto de la abstraccin de un sistema real,
eliminando las complejidades y haciendo suposiciones pertinentes; se aplica una
tcnica matemtica y se obtiene una representacin simblica del mismo.
Un modelo matemtico consta al menos de tres elementos o condiciones bsicas:
Las Variables de decisin, la Funcin Objetivo y las Restricciones.
a) Variables de decisin y parmetros
Las variables de decisin son incgnitas que deben ser determinadas a partir de
la solucin del modelo. Los parmetros representan los valores conocidos del
sistema o que se pueden controlar. Las variables de decisin se representan
por: X1, X2, X3,, Xn Xi, i = 1, 2, 3,, n.
b) Funcin Objetivo
La funcin objetivo es una relacin matemtica entre las variables de decisin,
parmetros y una magnitud que representa el objetivo o producto del sistema.
Es la medicin de la efectividad del Modelo formulado en funcin de las
variables. Determina lo que se va optimizar (Maximizar o Minimizar).
La solucin PTIMA se obtiene cuando el valor de la Funcin Objetivo es
ptimo (valor mximo o mnimo), para un conjunto de valores factibles de las
variables. Es decir, hay que reemplazar las variables obtenidas X1, X2, X3,,
Xn; en la Funcin Objetivo Z = f (C1X1, C2X2, C3X3,, CnXn) sujeto a las
restricciones del modelo matemtico.
Por ejemplo, si el objetivo es minimizar los costos de operacin, la funcin
objetivo debe expresar la relacin entre el costo y las variables de decisin,
siendo el resultado el menor costo de las soluciones factibles obtenidas.
c) Restricciones
Las restricciones son relaciones entre las variables de decisin y los recursos
disponibles. Las restricciones del modelo limitan el valor de las variables de
decisin. Se generan cuando los recursos disponibles son limitados.
En el Modelo se incluye, adicionalmente de las restricciones, la Restriccin
de No Negatividad de las Variables de decisin, o sea: Xi 0.
Por ejemplo, si una de las variables de decisin representa el nmero de
empleados de un taller, el valor de esa variable no puede ser negativo. O
tambin, si una de las variables es la cantidad de mesas a fabricar, su valor
solamente podr ser igual a cero mayor que cero, o sea positivo; sera absurdo
obtener como resultado que se va a fabricar por ejemplo: 4 mesas.
Las restricciones, en algunos casos, pueden considerar ciertas polticas
definidas por la empresa tales como: adquirir los materiales a determinados
proveedores, mantenerse ciertos niveles de calidad, etc.
16
En los problemas complejos pueden aparecer variables exgenas o externas,

importantes para el problema de decisin, y que estn condicionadas por
factores fuera del control de la persona que decide, tales como: condiciones
econmicas, acciones de los competidores, precios de las materias primas y
otros factores.
Las restricciones, en algunos casos, pueden considerar tambin ciertas polticas
definidas por la empresa tales como: adquirir los materiales a determinados
proveedores, mantenerse ciertos niveles de calidad, etc.
4.1. Modelo de programacin lineal general
Funcin Objetivo:
(Maximizar) (Minimizar) Z = C1 X1 + c2 X2 + + cj Xj + + cn Xn ; (j = 1, 2, , n)
Sujeta a restricciones:
Condicin de no negatividad de las variables:

Toda Xj 0 ; con (j = 1, 2, , n)
4.2. Propiedades del modelo de programacin lineal 11

Para que un modelo de PL sea vlido, debe cumplir las siguientes propiedades:
a) Proporcionalidad.-Significa que la contribucin al valor de la funcin
objetivo y el consumo o requerimiento de los recursos utilizados, son
proporcionales al valor de cada variable de decisin. As el trmino 4X1 es
proporcional, porque contribuye al valor de la funcin Z con 4, 8, 12, etc.
para los valores 1, 2, 3, etc., respectivamente, de X1. Se puede observar el
aumento constante y proporcional de 4 conforme crece el valor de X1. En
contraste, el trmino no lineal 4X12, contribuye con 4, 16, 36, etc., para los
mismos valores 1, 2, 3, etc., respectivamente, de la variable X1; Aqu se
observa que el aumento en la contribucin no es constante y por lo tanto no
hay proporcionalidad.
11
PROGRAMACIN LINEAL. Unidad de Informtica, UPIICSA, Polilibros. Pgina publicado en:

http://www.sites.upiicsa.ipn.mx/polilibros/portal/Polilibros/P_terminados/Investigacion_de_Operaciones_Ca
reaga/Common/IO-modulo1-modelopl.htm . Consulta online 15/02/2013
17
b) Aditividad.- Porque se puede valorar la funcin objetivo Z, as como

tambin los recursos utilizados, sumando las contribuciones de cada uno de
los trminos que intervienen en la funcin objetivo y restricciones.
c) Divisibilidad.- Significa que las variables de decisin son continuas y por
lo tanto son aceptados valores no enteros para ellas. La hiptesis de
divisibilidad ms la restriccin de no negatividad, significa que las variables
de decisin pueden tener cualquier valor que sea positivo o por lo menos
igual a cero.
d) Certidumbre.- Porque los parmetros o constantes son estimados con
certeza, o sea, no interviene una funcin de probabilidad para obtenerlos.
El modelo de programacin lineal es un caso especial de la programacin
matemtica, porque son sean ecuaciones lineales la funcin objetivo y todas las
funciones de restriccin.
Preguntas de Autoevaluacin.
CASOS PARA RESOLVER Y COMENTAR EN GRUPO
La programacin lineal es una tcnica de resolucin de problemas, su desarrollo representa
una ayuda a los responsables de tomar decisiones en la asignacin de recursos. A continuacin
aparecen algunas aplicaciones tpicas de PL, coloque dentro del parntesis si se trata de un caso de
Maximizar o Minimizar, sustente la eleccin de su alternativa:
1.
Un fabricante desea desarrollar un programa de asignacin en la produccin y una poltica de

inventario que satisfagan la demanda de ventas de periodos futuros. As se podra cumplir la
demanda optimizando el costo total de produccin y de inventario. (...)
2. Un analista financiero debe seleccionar una cartera de inversiones a partir de una diversidad
de alternativas en acciones y bonos. Se debe establecer la cartera que optimice el rendimiento
sobre la inversin asignada. (...)
3. Un administrador de mercadotecnia desea determinar la mejor manera de asignar un
presupuesto de publicidad como radio, televisin, peridicos y revistas. Determinar la
combinacin de medios que optimice la efectividad de la publicidad. (...)
4. Una empresa tiene almacenes en varias ubicaciones en todo el pas. Para un conjunto de
demandas de sus productos por parte de sus clientes, la empresa deseara determinar cunto
debe asignar en embarques a cada uno de los almacenes y a cada cliente, de manera que los
costos totales de transporte resulten ptimos. (...)
5.
Despus de analizar los casos anteriores. Defina la optimizacin de recursos.
6. Establezca la diferencia entre un Modelo Determinstico y un Modelo Probabilstico
Respuestas: En el caso 1, el fabricante desea minimizar costos; en el caso 2, el analista

financiero desea maximizar el rendimiento sobre la inversin; en el caso 3, el gerente de
mercadotecnia desea maximizar la efectividad de la publicidad, y en el caso 4, la empresa desea
minimizar los costos totales de transporte. En todos los problemas de programacin lineal, el
objetivo es el mximo o bien el mnimo de alguna cantidad en la accin de asignar recursos.
18
5. Formulacin de Modelos de Programacin Lineal

Es una tcnica utilizada para desarrollar modelos matemticos, diseada para
optimizar el uso de los recursos limitados en una empresa u organizacin.
La programacin lineal es la interrelacin de los componentes de un sistema,
en trminos matemticos, ya sea en forma de ecuaciones o inecuaciones lineales
llamado Modelo de Programacin Lineal.
El Modelo de Programacin Lineal, es una representacin simblica de la
realidad que se estudia, o del problema que se va a solucionar. Se forma con
expresiones de lgicas matemticas, conteniendo trminos que significan
contribuciones: a la utilidad (con mximo) o al costo (con mnimo) en la Funcin
Objetivo del modelo. Y al consumo de recursos disponibles (con desigualdades
e igualdades =) en las restricciones.
En el presente texto desarrollaremos Modelos Matemticos de Programacin
Lineal de: Maximizacin y Minimizacin, los cuales estarn indicados en la
Funcin Objetivo del Modelo.
Modelo de
Maximizacin
Cuando se desea maximizar o incrementar las: Utilidades,

Produccin, Ventas, Beneficios, Rentabilidad, Publicidad, etc.
Modelo de
Minimizacin
Cuando se desea minimizar o disminuir los: Costos, prdidas,

paradas, desperdicios, distancias, tiempos inoperativos, etc.
Figura 1.6
5.1. Problemas de aplicacin para formular modelos

1). Problema de Proceso de Produccin.- Una fbrica produce dos tipos de
productos: M y N, los costos de produccin de ambos productos son $3 para el
producto M y $5 para el producto N. El tiempo total de produccin est restringido
a 500 horas; y los tiempos de produccin son de 8 horas/unidad para el producto
M y de 4 horas/unidad para el producto N. Formule el Modelo matemtico que
permita determinar la cantidad de productos M y N a producir, y que optimice el
Costo total de produccin de los dos productos.
Formulacin del Modelo
En la formulacin del modelo, podemos ayudarnos con la representacin del
Problema mediante un organizador grfico o esquema:
19
Proceso
Producto M
Costo produccin M: $ 3
8 hr/unid
Producto N
Costo produccin N: $ 5
4 hr/unid
Disponibilidad de
tiempo: 500 horas
Definicin de Variables
Se desea formular un modelo matemtico para determinar la cantidad que debe
producirse por cada producto (M y N), por lo tanto tendremos dos variables,
representados por: x1 , x2.
Siendo:
x1 = Cantidad a producirse del producto M,

x2 = Cantidad a producirse del producto N
Funcin Objetivo
Como se tiene informacin de Costos de produccin de los productos M y N, el
objetivo ser minimizarlos:
Costo total de produccin de M = (Costo unitario del producto M) (Cantidad a producirse del producto M)
Costo total de produccin de M = ( 3 $/unidad ) (x1 unidades ) = 3 x1 $

Costo total de produccin de N = (Costo unitario del producto N) (Cantidad a producirse del producto N)
Costo total de produccin de N = ( 5 $/unidad ) (x2 unidades ) = 5 x2 $

Luego la Funcin Objetivo ser Minimizar C igual al Costo total de produccin
del producto M ms el Costo total de produccin del producto N.
Matemticamente la Funcin Objetivo es:
Minimizar: C = 3 x1 + 5 x2
Definicin de Restricciones
El tipo de recurso en el problema es el tiempo (puede ser horas hombre u horas
mquina). Formulamos la restriccin, colocando en el lado izquierdo de la
inecuacin el consumo unitario de los productos M y N, y en el lado derecho la
cantidad disponible del recurso (500 horas).
8 hr/unid
x1
4 hr/unid
x2
(t. unitario prod. M) (Cant. prod. M) + (t. unitario prod. N) (Cant. prod. N)
LADO IZQUIERDO (Tiempo unitario por producto M y N)
20
Horas disponibles
500
LADO
DERECHO
Matemticamente la restriccin es:

Condicin de No negatividad:
8 x1 + 4 x2 500
x1 0 y x2 Xi 0; i = 1, 2
Resumiendo tenemos el siguiente Modelo matemtico de Programacin Lineal del

Problema (un modelo con dos variables y una restriccin, estando listo para
aplicar un mtodo de solucin:
Minimizar: C = 3 x1 + 5 x2
Sujeto a:
(Funcin Objetivo)
8 x1 + 4 x2
500 (Restriccin)
x1
0 , x2
(No negatividad)
2). Problema de Lneas de Produccin.- Un empresario tiene 80 kg de acero

y 120 kg de aluminio, y quiere fabricar dos modelos de bicicletas: bicicletas de
paseo y bicicletas de montaa, para venderlas en el mercado a S/. 200 y S/. 150
respectivamente cada modelo, a fin de obtener el mximo beneficio. Para la
bicicleta de paseo emplear 1 kg de acero y 3 kg de aluminio, y para la bicicleta de
montaa usar 2 kg de ambos metales. Formular el modelo matemtico de
programacin lineal, que permita determinar la cantidad ptima de bicicletas a
producir, para obtener el mayor beneficio econmico.
Formulacin del Modelo
Representamos el Problema mediante un organizador grfico o esquema
x1
Bicicleta paseo
PROCESO 1
PROCESO 2
1 kg/unid
3 kg/unid
P. Venta: S/. 200
2 kg/unid
2 kg/unid
P. Venta: S/. 150
Disponibilidad
de 80 kg. Acero
Disponibilidad de
120 kg. Aluminio
x2
Bicicleta montaa
Definicin de Variables:
Se desea determinar la cantidad de bicicletas a producir por cada modelo (paseo
y montaa), por lo tanto tendremos dos variables.
Sean: x1 = Cantidad de bicicletas de paseo a fabricar
x2 = Cantidad de bicicletas de montaa a fabricar
21
Funcin Objetivo
El objetivo del problema es maximizar los beneficios econmicos totales (Z) de los
modelos de bicicletas que fabricar el empresario.
Precio de venta de la bicicleta de paseo
= S/. 200
Precio de venta de la bicicleta de montaa = S/. 150

Beneficio econmico = Precio de venta unitario x cantidad a fabricar
Beneficio econmico total de bicicleta de paseo
= 200 x1
Beneficio econmico total de bicicleta de montaa
= 150 x2
Luego la Funcin objetivo ser:
Maximizar: Z = 200 x1 + 150 x2
Definicin de Restricciones
Elaboramos una tabla de materia prima consumida (Acero y Aluminio) por cada
modelo de bicicleta (paseo y montaa) y su disponibilidad:
Modelo de bicicleta
Acero
Aluminio
Paseo
1 kg.
3 kg.
Montaa
2 kg.
2 kg.
Disponibilidad de materia prima
80 kg.
120 kg.
Restriccin del consumo de Acero en la fabricacin de bicicletas:

1 x1 + 2 x2 < 80
Restriccin del consumo de Aluminio en la fabricacin de bicicletas:
3 x1 + 2 x2 < 120
Observacin:
El lado derecho de las restricciones, 80 y 120 representa la disponibilidad
en kg. de acero y aluminio respectivamente (materia prima).
El lado izquierdo en las restricciones indica el consumo unitario de materia
prima por cada modelo de bicicleta.
Condicin de no negatividad: La produccin de cada modelo de las

bicicletas pueden ser cero mayor que cero, o sea: x1, x2 0
Luego el Modelo matemtico de Programacin Lineal (con dos variables y

dos restricciones) ser:
Sujeto a:
x1 + 2 x2 < 80
3 x1 + 2 x2 < 120
x1, x2 0
22
3). Caso de toma de decisiones

Suponga con los datos del problema anterior de Lnea de produccin 2). Si
el empresario por restriccin econmica decide fabricar solo un modelo de
bicicleta. Cul modelo debe elegir? Por qu?
Anlisis de decisiones
Las alternativas de fabricacin se desarrollan en las restricciones del Modelo
matemtico; y la toma de decisiones se determina evaluando en la Funcin
objetivo las alternativas obtenidas.
La decisin a tomar, por restriccin econmica, es producir un solo modelo de
bicicleta que genere mayor beneficio al empresario. Luego desarrollamos las
alternativas evaluando en las restricciones del modelo:
Alternativa 1: Producir solo bicicletas de paseo y no producir bicicletas

de montaa, significa hallar x1 haciendo x2 = 0
Reemplazamos en la primera restriccin:
x1 + 2 (0) < 80
x1 + 2 x2 < 80
luego: x1 < 80
Reemplazamos en la segunda restriccin:

3 x1 + 2 (0) < 120
3 x1 + 2 x2 < 120
luego: x1 < 40
Tomamos el valor de x1 que cumpla en ambas restricciones, y debe ser el mnimo

de los valores obtenidos: Min (80, 40) = 40 ; o sea:
x1 = 40
Alternativa 2: Producir solo bicicletas de montaa y no producir

bicicletas de paseo, significa hallar x2 haciendo x1 = 0
Seguimos el mismo procedimiento realizado en el punto anterior, evaluando en las

restricciones del modelo y hallamos:
x2 = 40
(El lector debe demostrar el valor de x2 obtenido).
La toma de decisiones se realiza evaluando en la Funcin objetivo las
alternativas de fabricacin obtenidas por modelo de bicicleta. A continuacin se
muestra el procedimiento a realizar.
Beneficio econmico de fabricar solo bicicletas de paseo y no
fabricar bicicletas de montaa:
Alternativa 1:
Para
x1 = 40
Reemplazamos en la Funcin Objetivo:

;
obtenemos:
Z = S/. 8,000
23
x2 = 0
Z = 200 x1 + 150 x2
Beneficio econmico de fabricar solo bicicletas de montaa y no

fabricar bicicletas de paseo:
Alternativa 2:
Para
x2 = 40
Reemplazamos en la Funcin Objetivo:

;
obtenemos:
x1 = 0
Z = 200 x1 + 150 x2
Z = S/. 6,000
Toma de decisiones:
Como la Funcin objetivo es maximizar el beneficio econmico, generado por las
ventas, tomamos la decisin de fabricar solo bicicletas de paseo, por ser el
modelo que va generar mayor ganancia, equivalente a S/. 8,000.
Observacin:
Hemos demostrado la importancia de formular un modelo matemtico adecuado,
ya que un error en la formulacin del Modelo, nos puede llevar a tomar una
decisin equivocada que puede generar graves consecuencias para la empresa u
organizacin.
4) Problema de Lnea ensamblaje.- Una compaa de productos electrnicos,

produce dos modelos de radio: 1 y 2, cada uno en una lnea de produccin de
volumen diferente. La capacidad diaria de la primera lnea es de 60 radios del
modelo 1 y la segunda es de 75 radios del modelo 2. Cada unidad del primer
modelo utiliza 10 piezas del componente electrnico especial, en tanto que cada
unidad del segundo modelo requiere 8 piezas del mismo componente. La
disponibilidad diaria mxima del componente especial es de 800 piezas.
La ganancia por unidad de modelos de radios 1 y 2 es $ 30 y $ 20 respectivamente.
Formule el modelo matemtico que determine la produccin diaria ptima de cada
modelo de radio.
Formulacin del Modelo matemtico:
Resumimos el problema en el siguiente cuadro, que nos ayudar a formular el
modelo matemtico de Programacin Lineal.
Modelo de Radio
Consumo de pieza
por modelo
Capacidad diaria de
produccin
Ganancia por
unidad ($/modelo)
Radio modelo 1
10
60
30 $
Radio modelo 2
75
20 $
Disponibilidad diaria
mxima de piezas
800 piezas
24
Definicin de variables de decisin

x1 = Cantidad de produccin diaria de Radios del modelo 1
x2 = Cantidad de produccin diaria de Radios del modelo 2
Definicin de la Funcin objetivo

Ganancia total de Radios del modelo 1 = 30 x1
Ganancia total de Radios del modelo 2 = 20 x2
El objetivo del problema es maximizar las ganancias totales de los modelos de

radios. Luego la Funcin objetivo ser:
Definicin de las restricciones
Restriccin de capacidad diaria de produccin por cada modelo:

Del modelo 1:
x1 < 60
Del modelo 2:
x2 < 75
Restriccin del consumo de piezas del componente especial:

10 x1 + 8 x2 < 800
El lado derecho de la restriccin del consumo de piezas (800) representa la
disponibilidad mxima de piezas del componente especial para los dos modelos.
Luego el Modelo matemtico de Programacin Lineal ser:
Sujeto a:
x1 < 60
x2 < 75
10 x1 + 8 x2 < 800
x1, x2 0
5). Problema de Decisin de Inversiones.- A una persona le toca 10 mil

Euros en una herencia y le aconsejan que los invierta en dos tipos de acciones: A y
B. Las de tipo A tienen ms riesgo, pero producen un beneficio del 10%. Las de tipo
B son ms seguras, pero producen slo el 7% anual. Despus de varias
deliberaciones y anlisis, decide invertir como mximo 6 mil en la compra de
acciones tipo A y por lo menos 2 mil en la compra de acciones tipo B.
Adems, decide que lo invertido en A sea por lo menos, igual a lo invertido en B.
Formule el modelo matemtico, que le permita a la persona, invertir toda su
herencia para obtener el mximo beneficio anual.
25

Resumimos el problema en el siguiente cuadro, que nos ayudar a formular el
modelo matemtico de P.L.
TIPO DE INVERSION
CONCEPTO
Tipo A
Tipo B
Beneficio por tipo de inversin
10 %
7%
Inversin por tipo de inversin
6 mil Euros como mximo
2 mil Euros por lo menos
Relacin de por tipo de inversin
Mayor o igual que el tipo B
Menor o igual que el tipo A

x1 = Cantidad invertida en acciones de tipo A
x2 = Cantidad invertida en acciones de tipo B

Beneficio anual de Inversin del tipo A = 10 % x1 0.1 x1
Beneficio anual de Inversin del tipo B = 7 % x2 0.07 x2
El objetivo del problema es maximizar el beneficio total anual de los dos tipos
de inversin.
Luego la Funcin objetivo ser: Maximizar: Z = 0.1 x1 + 0.07 x2

Restriccin por tipo de inversin del tipo A:
x1 < 6 (miles de Euros)
Restriccin por tipo de inversin del tipo B:
x2 > 2 (miles de Euros)
Relacin segn tipo de inversin:
x1 > x2
Inversin total de la herencia por tipo: x1 + x2 < 10 (miles de Euros)

Resumiendo tenemos el Modelo matemtico de Programacin Lineal (con 2
variables y 4 restricciones):
Maximizar: Z = 0.1 x1 + 0.07 x2
Sujeto a:
x1 < 6
x2 > 2
x1 - x2 > 0
x1 + x2 < 10
x1, x2 > 0
26
5). Problema de Racionamiento o dieta alimenticia.- Un granjero tiene

200 cerdos que consumen 90 kg de comida balanceada todos los das. La comida
se prepara con una mezcla de maz y harina de soya con la siguiente composicin
de nutrientes: calcio, protena y fibra.
Componente
Calcio
Protena
Fibra
Costo ($/kg)
Maz
0.001
0.09
0.02
0.20
Harina de Soya
0.002
0.60
0.06
0.60
Los requisitos de alimento para los cerdos son: cuando menos 0.1% de calcio; por
lo menos 30% de protena; mximo 5% de fibra. Formule el modelo matemtico de
programacin lineal, que determine la mezcla ptima de los componentes para
mantener el mnimo de costo por da de la comida balanceada.
La mezcla de la comida balanceada est compuesta por maz y harina de soya

x1 = Kg de maz en la mezcla de la comida balanceada.
x2 = Kg de harina de soya en la mezcla de la comida balanceada.

Costo total del maz en la mezcla
= 0.20 x1
Costo total de la harina de soya en la mezcla
= 0.60 x2
El objetivo del problema es minimizar los costos totales de los componentes de la

mezcla de la comida balanceada (maz + harina de soya).
Luego la Funcin objetivo ser: Minimizar: C = 0.20 x1 + 0.60 x2
Restriccin del consumo de componentes de mezcla (maz + harina de soya):

x1 + x2 = 90 (kg de mezcla de comida diariamente).
Restriccin del consumo de nutrientes (calcio, protena y fibra). Halamos el
consumo disponible de cada uno en la mezcla total de 90 kg en la comida
balanceada (lado derecho), luego tenemos:
0.1 % de calcio disponible en la mezcla:
0.001(90) = 0.09 kg. de calcio
* Restriccin del consumo de calcio en la mezcla:
0.001 x1 + 0.002 x2 > 0.09
30 % de protena disponible en la mezcla: 0.30 (90) = 27.0 kg. de protena

* Restriccin del consumo de protena en la mezcla: 0.09 x1 + 0.60 x2 > 27.0
27
5 % de fibra disponible en la mezcla:
0.05 (90) = 4.5 kg. de fibra
* Restriccin del consumo de fibra en la mezcla:
0.02 x1 + 0.06 x2 < 4.5

Minimizar: C = 0.20 x1 + 0.60 x2
Sujeto a:
x1 + x2 = 90
0.001 x1 + 0.002 x2 > 0.09
0.09 x1 + 0.60 x2 > 27.0
0.02 x1 + 0.06 x2 < 4.5
x1, x2 > 0
6). Problema de Lneas de produccin.- La empresa BGC fabrica camisas

para caballeros y blusas para damas y para el almacn de la empresa. El proceso de
produccin incluye: corte, costura y empacado. La empresa emplea 25
trabajadores en el departamento de corte, 35 en el departamento de costura y 5 en
el departamento de empacado. La fbrica trabaja un turno de 8 horas diarias, y
slo 5 das a la semana. La siguiente tabla proporciona los requerimientos de
tiempo y la utilidad por unidad para las dos prendas.
Minutos por unidad x trabajador
Corte
Costura
Empacado
Utilidad
($/unidad)
Camisas
20
70
12
2.50
Blusas
60
60
3.20
Prendas
Determine el programa de produccin semanal ptimo para la empresa 12 .

El problema enfoca directamente la produccin de dos tipos de prendas: camisas
para caballeros y blusas para damas.

x1 = Cantidad de camisas para caballeros a fabricarse semanalmente.
x2 = Cantidad de blusas para damas a fabricarse semanalmente.
12
EJERCICIOS RESUELTO DE POGRAMACIN LINEAL. Jos Albornoz. Monografias.com.

Disponible en: http://www.monografias.com/trabajos94/69-ejercicios-resueltos-programacion-lineal/69ejercicios-resueltos-programacion-lineal.shtml . Consulta online 18/02/2013.
28
Se pide determinar el programa de produccin semanal ptimo, el cual debe

maximizar la utilidad total de la fabricacin de prendas (camisas + blusas) y
quedar expresado de la siguiente manera:
Maximizar: Z = 2.50 x1 + 3.20 x2
Se debe tener cuidad0 al escoger las unidades de trabajo, estas deben ser
uniformizados. En el problema se pide el programa de produccin semanal y los
datos que nos suministra la tabla estn en minutos; adems, en el enunciado del
problema se seala turno de 8 horas diarias durante 5 das a la semana.
Debemos calcular cuantos minutos en la semana se trabaja en la empresa BGC:
= (60 minutos/hora) (8 horas/da) (5 das/semana) = 2,400 minutos/semana.
a) El Departamento de corte emplea a 25 trabajadores; entonces los minutos
disponibles son: 2,400 minutos x 25 trabajadores = 60,000 min. x trab.
La restriccin ser:
20 x1 + 60 x2 < 60,000
b) Departamento de costura = 2,400 min. x 35 trab = 84,000 min. x trab.

La restriccin ser:
70 x1 + 60 x2 < 84,000
c) De manera similar se obtiene la restriccin para el departamento de

empacado (el lector debe realizar la demostracin).
Maximizar: Z = 2.50 x1 + 3.20 x2
Sujeto a:
20 x1 + 60 x2 < 60,000
70 x1 + 60 x2 < 84,000
12 x1 + 4 x2 < 12,000
x1 , x2 > 0
En la siguiente Unidad 2, se realiza la demostracin del procedimiento para hallar

la solucin de los modelos matemticos de programacin lineal, utilizando
diversos mtodos de solucin y el anlisis de sensibilidad cuando se realiza la
variacin de los datos iniciales del problema. Tambin se mostrar las aplicaciones
usando programas informticos para la solucin de modelos.
29
Problemas de Autoevaluacin
1). Una empresa fabrica dos tipos de productos: A y B, cada producto debe pasar por un
proceso de Ensamblaje y por un proceso de Terminado, antes de salir a la venta. El
producto A se vende a $ 60 y el producto B a $ 50 cada unidad respectivamente. La
siguiente tabla muestra el tiempo unitario requerido por cada producto utilizado en cada
proceso; y el tiempo disponible por proceso.
Producto
Proceso Ensamblaje
Proceso Terminado
2 horas
3 horas
4 horas
2 horas
Tiempo disponible por proceso
48 horas
36 horas
Represente el problema usando un ordenador grfico o esquema. Formule el Modelo

matemtico que optimice la venta total de los productos, indicando paso a paso la
definicin de los elementos o condiciones bsicas del modelo.
2). Una Fbrica procesa 4 tipos de productos en dos mquinas diferentes: M1 y M2. La
siguiente tabla proporciona la informacin requerida de tiempo de fabricacin por
producto, la utilidad por producto y su disponibilidad mxima de tiempo en horas por
cada mquina.
Tiempo de fabricacin por producto (horas)
Producto A
Producto B
Producto C
Producto D
Disponibilidad
de tiempo (hr.)
M1
600
M2
390
Utilidad ($)
65
70
55
45
Mquina
Represente el problema ayudndose de un grfico o esquema. Formule el Modelo

matemtico que permita determinar la cantidad ptima a producir por cada producto y
maximizar la utilidad total de los productos.
3). Una empresa, cuenta con dos mquinas para elaborar dos tipos de productos: 1 y 2.
Cada producto tiene que pasar por la mquina A y despus por la mquina B. El producto
1 requiere 3 horas de la mquina A y 2 de la mquina B, mientras que el producto 2
requiere 1 hora de la mquina A y 2 horas de la mquina B. La capacidad de las mquina A
y B son 50 y 65 horas semanales respectivamente. El producto A deja 350 $ y el segundo
producto B deja 600 $ por utilidades semanalmente. Adems, por escasez de materia
prima, la empresa no puede elaborar ms de 21 unidades en total. Formule el modelo
matemtico de Programacin lineal que optimice la utilidad.
4). La fbrica de muebles La Moderna produce dos tipos de modelos de muebles:
modelo Virginia y modelo Mnaco; utilizando dos procesos, de construccin y pintado. La
utilidad unitaria del modelo Virginia es de $ 200 y del modelo Mnaco es de $ 240.
La tabla siguiente, proporciona los datos bsicos del problema.
30
PROCESOS
Tiempo de fabricacin por modelo

Modelo Mnaco
Modelo Mnaco
Capacidad horaria
disponible
Construccin
12
120
Pintado
64
Con la informacin indicada se pide:

a) Formular el modelo matemtico de PL que optimice las utilidades de la fbrica.
b) Con el modelo formulado, simule las siguientes soluciones factibles:
Suponga que la fbrica desea producir 5 muebles de cada modelo. Cul seria la
utilidad total de la fbrica?
Si por restricciones de capital, la fbrica se restringe a producir un solo tipo de

modelo. Qu modelo de mueble elegira? Por qu?
5). Una compaa manufacturera, produce cuatro diferentes tipos de productos metlicos
que deben maquinarse, pulirse y ensamblarse. Las necesidades especficas de tiempo
unitario (en horas) para cada producto son las siguientes:
Tipo de Producto
Maquinado
Pulido
Ensamble
Producto I
Producto II
Producto III
Producto IV
La compaa dispone semanalmente de 480 horas para maquinado, 400 horas para el
pulido y 400 horas para el ensamble. Las ganancias unitarias por producto I, II, III y IV
son $6, $4, $6 y $8 respectivamente. La compaa tiene un contrato con un distribuidor
en el que se compromete a entregar semanalmente; por lo menos 50 unidades del
producto I; 100 unidades como mnimo de cualquier combinacin de los productos II y
III, segn la produccin; pero entregar slo un mximo de 25 unidades del producto IV.
Formule el Modelo matemtico de Programacin Lineal que permita determinar las
unidades de cada producto que debera fabricar semanalmente la compaa a fin de
cumplir con todas las condiciones del contrato y optimizar su ganancia total.
6). Una refinera de petrleo tiene dos fuentes de petrleo crudo: crudo ligero con un
costo de 35 dlares por barril y crudo pesado a 30 dlares el barril. Con cada barril de
crudo ligero la refinera produce 0.3 barriles de gasolina (G), 0.2 barriles de combustible
para calefaccin (C) y 0.3 barriles de combustible para turbinas (T). Mientras que con
cada barril de crudo pesado produce 0.3 barriles de G; 0.4 barriles de C y 0.2 barriles de T.
La refinera tiene programado vender por lo menos 900,000 barriles de G; 800,000
barriles de C y 500,000 barriles de T.
Formular el modelo matemtico de programacin lineal que permita hallar las cantidades
de crudo ligero y pesado que debe comprar la refinera, para poder cubrir sus necesidades
optimizando su costo.
31
7). Un ganadero utiliza diariamente, por lo menos 800 kg. de alimento especial, el cual es
una mezcla de maz y soya, con las siguientes composiciones:
Componente del
alimento especial
Kg. de nutrientes por kg. de alimento

Fibra
Protenas
Costo del
componente ($/kg)
MAIZ
0.09
0.02
0.30
SOYA
0.60
0.06
0.90
Los requerimientos diettica diario del componente especial, requieren por lo menos un
30% de protenas; y a lo mucho un 5% de fibra.
Formule el modelo matemtico de programacin lineal, que permita al ganadero
determinar la cantidad en kg. de los componentes del alimento especial, a fin de optimizar
el costo diario de la mezcla.
8). La seora Morales tiene una dieta a seguir, compuesto por los siguientes productos:
pan, queso, huevos y carne; los cuales renen los siguientes requisitos alimenticios: al
menos 4 mg. de vitamina A; al menos 6 mg. de vitamina B y a lo ms 3 mg. de vitamina D.
La tabla siguiente nos da los requerimientos por vitamina en mg. as como el costo; as
como el contenido en mg por gramo de cada producto:
PRODUCTO
COSTO
Vitamina A
Vitamina B
Vitamina D
PAN
40.0
0.20
0.18
0.10
QUESO
31.0
0.15
0.10
0.14
HUEVOS
19.0
0.15
0.40
0.15
CARNE
53.0
0.30
0.35
0.16
Formule el modelo matemtico de programacin lineal, que optimice el costo de la dieta

que consume la seora Morales.
9). El Departamento de Promocin de una Empresa Consultora tiene que planear para el
mes siguiente, una estrategia de publicidad para lanzar un nuevo producto. Los estudios
del mercado muestran los siguientes resultados:
La publicidad en peridicos llega al 3% de las familias de ingresos altos y al 6% de las

familias de ingresos medios, por anuncios en peridicos
La publicidad por televisin llega al 2% de las familias de ingresos altos y al 3% de las

familias de ingresos medios, por comercial puesto en TV.
La publicidad en peridico tiene un costo de 500$ por anuncio, y en televisin tiene un

costo de 2000% por comercial. La meta de la empresa es obtener al menos una
presentacin al 36% de las familias de ingresos altos, al 60% de las familias de ingresos
medios, siendo su objetivo superarlos. Formular el modelo de programacin lineal que
optimice los costos de publicidad.
32
Unidad 2
Solucin de Modelos de
Programacin Lineal
Objetivo Especifico Unidad 2:

Aplicar metodologas en la
solucin de modelos matemticos
de programacin lineal, con apoyo
de programas informticos,
comparando sus resultados, con
actitud crtica y responsable.
Contenidos a estudiar:
Aplicacin del Mtodo grfico, Mtodo
algebraico en la Solucin de modelos
matemticos de PL.
Variaciones de los elementos del modelo.
Anlisis de sensibilidad.
Mtodo Simplex. Aplicacin en la solucin
de modelos de PL. Problemas.
Uso de programas informticos libres en
la solucin de modelos de PL.
Teora de la Dualidad. Relaciones Primal

vs. Dual. Interpretacin econmica.
33
1. Mtodos de Solucin de Modelos de PL

Habindose definido previamente el problema, se formula el modelo matemtico,
su procedimiento se ha demostrado en la Unidad 1 anterior. El modelo obtenido
estar listo para aplicar los diversos mtodos de solucin, los cuales permitirn
determinar el valor de las variables de decisin y la funcin objetivo. Los mtodos
de solucin que trataremos en la Unidad 2 son los siguientes:
Mtodo grfico
Mtodo algebraico
Mtodo Simplex, y
Solucin del modelo asistido por computadora
1.1. El mtodo grfico. Procedimiento y aplicacin

Se aplica cuando tenemos un modelo matemtico de Programacin Lineal con dos
variables solamente y cualquier nmero de restricciones (la funcin objetivo y
restricciones son funciones lineales). Los pasos a seguir para hallar la solucin
grfica son los siguientes:
a) Representar grficamente las restricciones del modelo, ubicando los puntos
de interseccin con los ejes x e y x1 y x2.
b) Unir los puntos de interseccin en los ejes o coordenadas con una recta para
cada restriccin del modelo.
c) Ubicar todos los puntos de interseccin que se generan en el cruce de las
rectas de cada restriccin graficadas en el plano.
d) Determinar el espacio de soluciones, que define las soluciones factibles que
satisfacen las restricciones.
e) Determinar la solucin ptima probando todos los puntos de interseccin en
el espacio de soluciones factibles.
Una solucin ptima de Maximizacin (utilidades)
o Minimizacin (costos), se encuentra siempre en
uno de los vrtices o puntos de esquina del conjunto
de soluciones factibles, formado por la interseccin
de las lneas de restriccin.
Solucin factible, es la solucin que satisface las
restricciones del modelo y cumple con las
restricciones de no negatividad. Un modelo
matemtico de programacin lineal tiene varias
soluciones factibles.
Solucin ptima, es una solucin factible que
optimiza la funcin objetivo, maximizndolo o
minimizndolo segn el modelo matemtico.
34
El mtodo grfico, es la base para el desarrollo y entendimiento del mtodo

algebraico y del mtodo simplex. Las iteraciones en el desarrollo del algoritmo
van mostrando las soluciones factibles, hasta llegar a la solucin ptima.
Aplicacin del mtodo grfico

Presentamos problemas para mostrar la aplicacin, anlisis e interpretacin
del mtodo grfico:
1). Problema: La Compaa WG produce artculos de vidrio de alta calidad,
incluyendo ventanas y puertas de vidrio. La compaa tiene tres plantas. Los
marcos y molduras de aluminio se hacen en la planta 1, los marcos de madera se
realizan en la planta 2 y en la planta 3 se produce el vidrio y se ensamblan los
productos. La gerencia ha decidido reorganizar la lnea de produccin. Se va
emprender la fabricacin de dos productos nuevos que han tenido demanda. El
producto A es una puerta de vidrio con marco de aluminio. El producto B es una
ventana grande para vidrio doble con marco de madera. El departamento de
mercadotecnia indica que la compaa tiene mercado para vender la produccin de
cualquiera de los productos. Ambos productos compiten por la misma capacidad
de produccin en la planta 3. Se determin la capacidad de produccin en cada
planta que estar disponible para los productos A y B, el porcentaje de esta
capacidad que requiere cada unidad producida y la ganancia unitaria semanal por
cada producto. La informacin se resume en la siguiente tabla:
Producto (tiempo unitario)
A
Capacidad disponible
por Planta
1
2
3
1
0
3
0
2
2
4
12
18
Ganancia (miles de $/unid)
Planta
Determinar la produccin de puertas y ventanas de vidrio que permita optimizar

las ganancias por la venta semanal de los productos. Hallar la solucin del
problema aplicando el mtodo grfico.
Esquematizacin y Formulacin del modelo matemtico de PL
Para hallar la solucin del problema primero esquematizamos el problema
Caractersticas del producto:
Producto A = puerta de vidrio con marco de aluminio.
Producto B = ventana grande para vidrio doble con marco de madera.
35
PLANTA 2
PLANTA 1
PLANTA 3
MP A
Producto A
MP B
Producto B
Capacidad 4
Capacidad 12
Capacidad 18
Definicin de las variables de decisin:

x1 = nmero de lotes del producto A fabricados por semana
x2 = nmero de lotes del producto B fabricados por semana
Definicin de la Funcin objetivo:
Z = ganancia total semanal (en miles de $) por elaborar los dos productos.
Optimizar las ganancias significa maximizar la funcin objetivo
Definicin de las restricciones:
Solo tenemos restricciones de capacidad disponible por planta
Planta 1:
x1 4
Planta 3:
3 x1 + 2 x2 18
Planta 2:
2 x1 12
Luego el modelo matemtico de programacin lineal del problema ser:

Sujeto a:
x1 4
2 x1 12
3 x1 + 2 x2 18
x1 , x2 > 0
Solucin del modelo con el mtodo grfico:

Como el problema tiene slo dos variables de decisin, o sea dos dimensiones, se
puede usar el mtodo grfico para hallar la solucin. Este procedimiento incluye la
construccin de una grfica de dos dimensiones con x1 y x2 en los ejes.
El primer paso es dibujar en el plano cartesiano x1 x2 cada una de las rectas que
limitan los valores permitidos por cada restriccin.
36
Las restricciones de no negatividad x1 0 y

x2 0 exigen que el punto (x1, x2) se
encuentre en el lado positivo de los ejes, es
decir, en el primer cuadrante.
Observamos que la restriccin x1 4 significa
que (x1, x2) no puede estar a la derecha de la
recta x1 = 4. Estos resultados se muestran en
la figura 2.1, el rea sombreada contiene los
nicos valores de (x1, x2) permitidos.
Figura 2.1
De igual manera, la restriccin 2 x2 12 (equivalente a x2 6) implica que la

recta 2 x2 = 12 cruza la recta x1 = 4 en el punto (4, 6) formando una nueva rea
sombreada cuando se grafica las restricciones, como se muestra en la figura 2.2.
Figura 2.2
37
La restriccin: 3 x1 + 2 x2 18, se encuentra al graficar los puntos (x1, x2) de la

recta 3 x1 + 2 x2 = 18 ; haciendo en la recta x1 = 0 hallamos el punto (0, 9); y
haciendo x2 = 0 hallamos el punto (6, 0).
El grfico de la recta 3 x1 + 2 x2 = 18 cruza a los dos rectas anteriores en los
puntos (4, 3) y (2, 6) tal como se muestra en la figura 2.2.
Para el punto (4, 0), reemplazamos en:
Z = 3 x1 + 5 x2
obtenemos:
Z = 3 x1 + 5 x2
, obtenemos:
Z = 3 (4) + 5 (0) = 12
Z = 3 (4) + 5 (3) = 27
Z = 3 (2) + 5 (6) = 36
Z = 3 (0) + 5 (6) = 30
Para el punto (0, 0), obtenemos:
Z =0
Tomamos un punto cualquiera dentro del polgono (regin factible), por ejemplo el
punto (3, 4), reemplazamos en Z y obtenemos Z = 29
Solucin del problema: La solucin ptima ser aquel valor que maximiza la
funcin objetivo del modelo. Por tanto, el valor mximo de la funcin objetivo Z
se encuentra en el punto (2, 6); entonces la solucin del problema es:
x1 = 2, y
x2 = 6; con el cual se obtiene un Z = 36 (mximo).
Interpretando la respuesta de acuerdo al problema, se debe tomar la decisin
de producir semanalmente 2 puertas de vidrio con marco de aluminio y 6
ventanas grande para vidrio doble, los cuales generan una ganancia semanal de
36,000 $ por la venta de los dos productos.
Se demuestra tambin que la solucin ptima del modelo matemtico se encuentra
solamente en uno de los vrtices del polgono. Adems, podemos advertir que una
mala formulacin de la funcin objetivo del modelo nos puede llevar a tomar una
decisin equivocada, lo cual aplicado a la gestin empresarial puede generar graves
consecuencias.
2). Problema: La empresa BGC fabrica camisas para caballeros y blusas para
damas y para el almacn de la empresa. El proceso de produccin incluye: corte,
costura y empacado. La empresa emplea 25 trabajadores en el departamento de
corte, 35 en el departamento de costura y 5 en el departamento de empacado. La
fbrica trabaja un turno de 8 horas diarias, y slo 5 das a la semana. La siguiente
tabla proporciona los requerimientos de tiempo y la utilidad por unidad para las
dos prendas.
38
Determine el programa de produccin semanal ptimo para la empresa.

Minutos por unidad x trabajador
Prendas
Utilidad
($/unidad)
Corte
Costura
Empacado
Camisas
20
70
12
2.50
Blusas
60
60
3.20

x1 = Cantidad de camisas para caballeros a fabricarse semanalmente.
x2 = Cantidad de blusas para damas a fabricarse semanalmente.
El proceso de formulacin del modelo matemtico de programacin lineal fue

desarrollado en la Unidad 1.
Formulacin del modelo de PL
Tiempo disponible por Proceso de Corte:
Maximizar: Z = 2.50 x1 + 3.20 x2
Sujeto a:
20 x1 + 60 x2 < 60,000
70 x1 + 60 x2 < 84,000
12 x1 + 4 x2 < 12,000
x1 , x2 > 0
Solucin del modelo con el mtodo grfico

Primero se procede a graficar las restricciones del modelo, determinamos los
puntos de interseccin en las coordenadas (x1, x2), y obtenemos los siguientes
valores que se muestran en el grfico de la figura 2.3:
Primera restriccin:
20 x1 + 60 x2 < 60,000
Si x1 = 0, entonces x2 = 1000; se obtiene el punto A (0, 1000)

Si x2 = 0, entonces x1 = 3000;
Segunda restriccin:
70 x1 + 60 x2 < 84,000
Se obtiene los puntos

Tercera restriccin:
se obtiene el punto B (3000, 0)
E (0, 1400) ;
F (1200, 0)
12 x1 + 4 x2 < 12,000
Se obtiene los puntos
H (0, 3000) ;
39
I (1000, 0)
(0, 3000)
Figura 2.3
(0, 1400)
(0, 1000)
(1200, 0)
(3000, 0)
(3000, 0)
Al graficar las restricciones y la condicin de no negatividad del modelo, se limita

un rea sombreada formndose un polgono irregular, en donde se encuentran las
soluciones factibles.
Seguidamente desarrollamos el procedimiento reemplazando todos los puntos O,
A, C, G, I; que forman los vrtices del polgono (regin factible) en la funcin
objetivo:
Z = 2.50 x1 + 3.20 x2; y obtenemos los siguientes resultados:
Punto
Variable x1 Variable x2 Funcin Objetivo (Z)
1,000
3,200
480
840
3,888
872.7
381.8
3,403.6
1,000
2,500
Solucin del problema

La solucin ptima ser aquel valor que maximiza la funcin objetivo del modelo.
Luego la solucin del problema es el valor mximo de Z, el cual se encuentra en el
punto C (480, 840).
Entonces la solucin del problema es: x1 = 480, y x2 = 840. Con el cual se obtiene
un valor de Z = 3,888 $ (utilidad total).
40
Tambin podemos indicar en la figura 2.3 que los puntos O, A, G, e I son

soluciones factibles y el punto C es la solucin ptima del modelo.
Interpretando de acuerdo al enunciado del problema, se concluye que para
maximizar la utilidad de la empresa BGC, debe producir semanalmente 480
camisas para caballeros y 840 blusas para damas; lo cual le va generar una
utilidad semanal de $ 3,888.00.
1.2. Aplicacin del mtodo algebraico

El mtodo algebraico complementa al mtodo grfico en la solucin del modelo, se
determina resolviendo como ecuaciones simultneas las restricciones del modelo,
de dos en dos, para hallar el punto de interseccin de las rectas.
Aplicamos el mtodo algebraico en la solucin del problema 2). Tomamos las
restricciones del modelo y lo expresamos como ecuaciones, luego procedemos a
desarrollar:
20 x1 + 60 x2 = 60,000 . (1)
70 x1 + 60 x2 = 84,000 . (2)
12 x1 + 4 x2 = 12,000
. (3)
Hallamos la solucin simultnea de las ecuaciones (1) y (2); se multiplica por (-1)
la ecuacin (1) para eliminar la variable x2 y hallar la variable x1.
- 20 x1 - 60 x2 = - 60,000
70 x1 + 60 x2 = 84,000
50 x1 + 0
= 24,000
x1 = 480;
Luego remplazando x1 en la ecuacin (1) (2) se obtiene x2 = 840

Significa que las ecuaciones (1) y (2) se interceptan en el punto (480, 840).
De igual manera se procede para desarrollar las ecuaciones simultneas (1) y (3); y
las ecuaciones (2) y (3) y obtenemos los puntos de interseccin de las rectas, que
en conjunto forman el espacio de soluciones factibles. Luego se reemplazan los
valores obtenidos de las variables (x1, x2) en cada punto de interseccin en la
funcin objetivo, y obtenemos valores similares como se muestra en la tabla 2.1.
El grafico de las restricciones permite visualizar el espacio de soluciones para
hallar las soluciones factibles del modelo y determinar la solucin ptima.
41
3). Problema: La fbrica de muebles La Moderna produce dos modelos de

muebles: Virginia y Mnaco; utilizando dos procesos, de construccin y pintado.
La utilidad unitaria del modelo Virginia es de $ 200 y del modelo Mnaco es de $
240. La tabla siguiente, proporciona los datos bsicos del problema.
Modelo Virginia
Modelo Mnaco
Capacidad horaria
disponible
Construccin
12
120
Pintado
64
PROCESOS
Tiempo de fabricacin por modelo
Con la informacin indicada se pide determinar la produccin de muebles que

optimice las utilidades de la fbrica.
Variables de decisin
x1 = Cantidad a producir de muebles modelo Virginia.
x2 = Cantidad a producir de muebles modelo Mnaco.
Modelo matemtico de PL
Sujeto a:
6 x1 + 12 x2 < 120
8 x1 + 4 x2 < 64
x1 , x2 > 0
Solucin con el mtodo algebraico

Tomamos las restricciones del modelo y lo expresamos como ecuaciones, luego
procedemos a desarrollar:
6 x1 + 12 x2 = 120
. (1)
8 x1 + 4 x2 = 64
. (2)
Hallamos la solucin simultnea de las ecuaciones (1) y (2); se divide entre (-3) la
ecuacin (1) para eliminar la variable x2 y hallar la variable x1 .
-2 x1 - 4 x2 = -40
8 x1 + 4 x2 = 64_ .
6 x1 + 0
x1 = 4
= 24
;
Luego remplazando x1 en la ecuacin (1) (2) se obtiene x2 = 8

Significa que las ecuaciones (1) y (2) se interceptan en el punto (4, 8). Adems,
haciendo igual a cero cada uno de las variables en las restricciones obtenemos el
punto de interseccin con las coordenadas x1 y x2.
42
Solucin del modelo con el mtodo grfico

Se determinan los puntos de interseccin en las coordenadas (x1, x2), y obtenemos
los siguientes valores que se muestran en el grfico de la figura 2.4
Primera restriccin:
6 x1 + 12 x2 = 120
se obtiene el punto A (0, 10)
se obtiene el punto B (20, 0)
Segunda restriccin:
8 x1 + 4 x2 = 64
Se obtiene los puntos:
E (0, 16)
F (8, 0)
x2
Figura 2.4
(0, 10)
(4, 8) Solucin ptima
(0, 0)
(8, 0)
x1
Seguidamente reemplazamos en la funcin objetivo: Z = 200 x1 + 240 x2; todos

los puntos O, A, C, E; que forman los vrtices del polgono y obtenemos:
Punto
Variable x1 Variable x2 Funcin Objetivo (Z)
10
2,400
2,720
1,600
43
Las soluciones factibles se encuentran al graficar las restricciones y la condicin de

no negatividad del modelo, formndose un polgono irregular.
Solucin e interpretacin del problema
La solucin ptima ser aquel valor que maximiza la funcin objetivo del modelo.
Luego la solucin del problema es el valor mximo de Z, el cual se encuentra en el
punto C (4, 8). Entonces la solucin del problema es: x1 = 4, y x2 = 8. Con el cual
se obtiene un valor de Z = 2,720 $ (utilidad total).
Tambin podemos indicar en la figura 2.4 que los puntos O, A, E son soluciones
factibles y el punto C es la solucin ptima del modelo.
Interpretando, se concluye que para optimizar la utilidad de la Fbrica de
Muebles La Moderna se debe producir 4 muebles modelo Virginia y 8 muebles
modelo Mnaco, lo cual va generar una utilidad de $ 2,720.
1.3. Aplicacin del mtodo Simplex

Es el momento de comenzar a estudiar el mtodo simplex, un procedimiento
general para resolver diversos problemas de programacin lineal, para hallar el
valor de 2 ms variables de decisin.
Desarrollado por George Dantzig en 1947, el mtodo simplex, es un procedimiento
que se ha comprobado su extraordinaria eficiencia, y se usa en forma rutinaria
para resolver problemas con muchas variables utilizando la computadora. Para ello
se han desarrollado una amplia variedad de paquetes
complejos de software para resolver modelos
matemticos de programacin lineal y otros ms
complejos. Tambin se usan extensiones y variaciones
del mtodo simplex para realizar anlisis post ptimo
(que incluye el anlisis de sensibilidad) del modelo.
En la Unidad 2, se describen y ejemplifican las
caractersticas principales del mtodo simplex. Se
presenta su naturaleza general junto con su
representacin
geomtrica,
desarrollaremos
el
procedimiento para resolver modelos de programacin
lineal que se establezca en nuestra forma estndar
(maximizacin, todas las restricciones funcionales de la forma y restricciones de
no negatividad sobre todas las variables) y que slo tenga cantidades no negativas
en el lado derecho de las restricciones funcionales.
44
Anlisis Grfico de Sensibilidad

Un modelo matemtico de programacin lineal es una representacin sistmica de
una situacin real, en la cual los parmetros del modelo (coeficientes de la funcin
objetivos y restricciones) asumen valores estticos. Se puede genera o simular
cambios en los parmetros del modelo en una solucin ptima determinada de
programacin lineal. Este tipo de simulacin se llama anlisis de sensibilidad.
El anlisis de sensibilidad basado en la solucin grfica del modelo, se puede dar
en dos casos: efectuando cambios en los coeficientes de la funcin objetivo, y
efectuando cambio en el lado derecho de las restricciones del modelo.
Los cambios en los coeficientes de la funcin objetivo cambiaran el declive de z
(maximizar o minimizar) el cual puede conducir a cambiar la solucin ptima un
punto de esquina diferente del espacio de solucin.
Sin embargo, hay una gama de variaciones en los coeficientes de la funcin
objetivo que pueden conservar inalterada la solucin ptima, esta informacin se
deduce tambin por medio del anlisis de sensibilidad. Presentamos la definicin
de un problema para que el estudiante efecte un anlisis grfico de sensibilidad,
variando los parmetros del modelo inicial.
Problema: La empresa MIKY produce dos calidades de pinturas: para interiores
y para exteriores; a partir de dos tipos de materias primas: M1 y M2. El consumo
de materia prima por producto y su disponibilidad diaria en toneladas de MP, se
muestra en el cuadro siguiente:
Tipo materia prima
Pintura exterior
Pintura interior
Disponibilidad MP
Materia prima M1
24
Materia prima M2
La utilidad diaria (en miles de $) de la pintura para exteriores es de 5 $, y de la

pintura para interiores es de 4 $ por tonelada de pintura respectivamente. El
estudio de mercado indica que la demanda mxima de pinturas para interiores es
de 2 ton. Adems, la demanda de pinturas para interiores no puede exceder a las
pinturas para exteriores en 1 ton. La empresa MIKY desea hallar un modelo
matemtico que optimice la mezcla de productos, con el objeto de maximizar la
utilidad diaria total.
Definicin de las variables de decisin
x1 = Toneladas diarias de produccin de pinturas para exteriores
x2 = Toneladas diarias de produccin de pinturas para interiores
45
La funcin objetivos del modelo es maximizar la utilidad diaria total de la

produccin de pinturas para exteriores e interiores (en miles de $).
Luego el Modelo matemtico de Programacin Lineal ser:
Sujeto a:
6 x1 + 4 x2 < 24
x1 + 2 x2 < 6
- x1 +
x2 < 1
x2 < 2
x1, x2 0
Tenemos un modelo matemtico PL de dos variables con cuatro restricciones.
La solucin ptima del modelo matemtico de PL es:

x1 = 3.0 toneladas diarias de produccin de pinturas para exteriores
x2 = 1.5 toneladas diarias de produccin de pinturas para interiores
Z = 21,000 $ (utilidad total mxima diaria, determinado en la funcin objetivo)
46
Variaciones en los parmetros y coeficientes

A continuacin se efecta unos enunciados que permitirn efectuar variaciones en
los parmetros del modelo anterior, analice y resuelva los nuevos planteamientos
del problema:
1) Considerando los datos del problema inicial, efecte la variacin de la
restriccin de la demanda mxima de la pintura para interiores, considerando
ahora que su demanda mxima diaria es por lo menos de 2 toneladas. Determine
el nuevo modelo matemtico y halle su solucin grfica.
La solucin factible est conformada en el conjunto de puntos en los cuales todas

las restricciones se cumplen, dichos puntos son los siguientes:
PUNTO I (1, 2)
Z= 5(1) + 4(2)
PUNTO J (1.4, 2.3) Z= 13

PUNTO K (2, 2)
Z= 5X1 + 4X2
Z= 5(2) + 4(2) = 18
LA SOLUCIN PTIMA: ES EL PUNTO K (2, 2):

X1 = 2
X2 = 2
Z = 18
47
Preguntas y Problemas de Autoevaluacin

PROBLEMA: Un empresario dispone de 80 kgs de acero y 120 kgs de aluminio, y quiere
fabricar dos modelos de bicicletas: de paseo y de montaa; para venderlas en el mercado a
$ 200 y $ 150 las bicicletas de paseo y de montaa respectivamente, a fin de obtener
beneficio econmico para la empresa. Para fabricar la bicicleta de paseo emplear 1 kg de
acero y 3 kgs de aluminio, y para la bicicleta de montaa usar 2 kgs de ambos metales.
Formular el modelo matemtico de programacin lineal, que le permita al empresario
determinar la cantidad ptima de bicicletas a producir, para obtener el mayor beneficio
econmico. Con la informacin del problema desarrolle las siguientes preguntas:
1). Qu es lo que busca el empresario en el problema?
(a)
Determinar la cantidad ptima de produccin de bicicletas, para obtener el
mximo beneficio econmico.
(b)
Determinar la cantidad ptima de produccin de bicicletas, para venderlas en el
mercado.
(c)
Fabricar dos modelos de bicicletas para venderlas en el mercado.
(d)
Formular el modelo matemtico de programacin lineal.
2). Cmo estn definidos las variables de decisin del modelo a formular?
(a) x1 = Cantidad de tipos de bicicletas a fabricar.
x2 = Cantidad de acero y aluminio a utilizar.
(b) x1 = Cantidad de bicicletas de acero a fabricar.
x2 = Cantidad de bicicletas de aluminio a fabricar.
(c ) x1 = Cantidad de acero a utilizar.
x2 = Cantidad de aluminio a utilizar.
(d) x1 = Cantidad de bicicletas de paseo a fabricar.
x2 = Cantidad de bicicletas de montaa a fabricar.
3). El empresario busca optimizar la produccin de bicicletas, por tal motivo,

la funcin objetivo del problema ser un modelo de:
(a)
(b)
(c)
(d)
Maximizacin, porque busca maximizar el beneficios econmico del empresario

Minimizacin, porque busca maximizar el beneficios econmico del empresario
Maximizacin, porque busca minimizar el beneficios econmico del empresario
Minimizacin, porque busca minimizar el beneficios econmico del empresario
4). Cmo se determina el beneficio econmico de cada modelo de bicicleta

de paseo y de montaa?
(a)
Beneficio econmico del modelo de bicicleta de paseo

= x1
Beneficio econmico del modelo de bicicleta de montaa = x2
48
(b)

= 80 x1
Beneficio econmico del modelo de bicicleta de montaa = 120 x2
(c )

= 200 x1
(d)

= 200 x1
5). Cmo se define la funcin objetivo del modelo a formular?

(a)
(b)
(c)
(d)
Maximizar:
Maximizar:
Maximizar:
Maximizar:
Z
Z
Z
Z
=
=
=
=
200 x1 + 150 x2
150 x1 + 200 x2
x1 + x2
80 x1 + 120 x2
6). La restricciones de recursos que nos presenta el problema estn definidas

por:
(a)
(b)
(c)
(d)
Restriccin de consumo de acero y restriccin de consumo de aluminio

Restriccin de consumo de acero, aluminio y produccin de bicicletas
Restriccin de consumo de materia prima y restriccin de productos
Restriccin de compra de acero y restriccin de compra de aluminio.
7). Cmo se define las restricciones de los recursos del modelo a formular?
Elaboramos una tabla de materia prima empleado por cada modelo de bicicleta y la
disponibilidad mxima:
Modelo de bicicleta
Paseo
Montaa
Disponibilidad mxima de MP
Cons. Acero
1 kg.
2 kg.
80 kg.
Cons. Aluminio
3 kg.
2 kg.
120 kg.
Restriccin de consumo de acero en la fabricacin de bicicletas : 1 x1 + 2 x2 80

Restriccin de consumo de aluminio en la fabricacin de bicicletas: 3 x1 + 2 x2 120
Lo enunciado en la definicin de las restricciones del modelo es:
(a) Falso
(b) Verdadero
49
8). El modelo matemtico de programacin lineal del Problema (A)

formulado es:
Despus de haber definido paso a paso los elementos, la formulacin del modelo
matemtico de programacin lineal se define de la siguiente manera:
Sujeto a:
x1 + 2 x2 200
3 x1 + 2 x2 150
x1, x2 0
El modelo matemtico es:
(a) Falso
(b) Verdadero
9). Un carpintero fabrica dos tipos (1 y 2) de mesas de madera; cada mesa del tipo 1,
necesita 4 horas de mecanizado primario (preparacin de piezas) y 4 horas de mecanizado
secundario (ensamblado / barnizado). Anlogamente, cada mesa del tipo 2, necesita 3
horas de mecanizado primario y 7 horas de mecanizado secundario. Las disponibilidades
diarias de mecanizados primario y secundario, son respectivamente de 40 y 56 horas
mquina. La venta de una mesa del tipo 1 reporta un beneficio de 70 dlares, mientras que
la venta de una mesa del tipo 2 de 90 dlares. Determinar el nmero de mesas de cada
tipo que debe producirse diariamente, para optimizar el beneficio obtenido por las ventas.
Las variables de decisin del problema del carpintero son, x1 y x2 los cuales son las
cantidades diarias de mesas a fabricar de los tipos 1 y 2. Luego, el modelo matemtico de
programacin lineal del problema ser:
Sujeto a:
4 x1 + 3 x2 40
4 x1 + 7 x2 56
x1, x2 0
(a)
(b)
(c)
(d)
Las variables y el modelo matemtico del problema no estn bien definidos

Las variables y el modelo matemtico del problema estn bien definidos
Las variables de decisin si estn bien definidos pero no el modelo matemtico
Las variables de decisin estn bien definidos; pero no el modelo matemtico
10). Al aplicar el mtodo grfico o el mtodo simplex, al modelo primal, la

solucin ptima ser:
(a) Producir diariamente 7 y 4 sillas de los tipos 1 y 2 respectivamente, lo que da lugar
a un beneficio de 850 dlares.
(b) Producir diariamente 4 y 7 sillas de los tipos 1 y 2 respectivamente, lo que da lugar
(c) Producir diariamente 7 y 4 sillas de los tipos 1 y 2 respectivamente, lo que da lugar
50
(d) Producir diariamente 4 y 7 sillas de los tipos 1 y 2 respectivamente, lo que da lugar

11). Al formular el modelo Dual a partir del modelo Primal, podemos deducir
que:
La funcin objetivo del modelo dual ser; Minimizar: C = 56 y1 + 40 y2 y su valor sera
igual a la funcin objetivo del modelo primal.
El enunciado de la Dualidad es:
(a)
(b)
Falso.
Verdadero
12). Al formular el modelo Dual a partir del modelo Primal, podemos deducir
que:
Las restricciones del modelo dual, est sujeto a:
4 y1 + 4 y2 70
3 y1 + 7 y2 90
El enunciado de la Dualidad es:
(a) Falso
(b) Verdadero
13). La solucin ptima del modelo dual, tomado a partir de la solucin

ptima del tablero primal ser:
(a) El valor de las variables dual es:
funcin objetivo es 800.
(b) El valor de las variables dual es:
(c) El valor de las variables dual es:
(d) El valor de las variables dual es:
y1 = 65/8, y2 = 75/8; y el valor ptimo de la

14). El problema dual puede interpretarse de varias maneras. Considrese que

el objetivo es vender tiempo de mecanizado primario y secundario y supngase que de sta
forma, se obtienen al menos el mismo nivel de beneficios que haciendo mesas.
En esta situacin vender tiempo de mecanizado y hacer mesas, han de ser actividades
igualmente lucrativas. Las variables y1 y y2, representan los precios de venta de una hora
de mecanizados primario y secundario respectivamente.
Este enunciado es:
(a)
(b)
Verdadero.
Falso
51
15). El modelo de transporte es una aplicacin del modelo de programacin

lineal y puede representarse de varias manera, como (marque por lo menos
una opcin):
(a)
(b)
(c)
(d)
(e)
En forma de una red

El forma de un modelo de programacin lineal
En forma de tablero o matriz
El forma de un grfico
Ninguno
16). El resultado del valor numrico de la funcin objetivo del modelo primal,
es igual al valor de la funcin objetivo de su correspondiente dual.
(a)
(b)
Verdadero
Falso
Respuestas
1
(a)
(b)
13
(d)
(e)
(a)
14
(a)
(a)
(b)
15
(c)
(d)
10
(a)
16
(a)
(a)
11
(a)
(a)
12
(a)
BIBLIOGRAFIA
Taha Hamdy A. Investigacin de Operaciones. Una Introduccin. Sptima Edicin.
Mxico: Editorial Prentice Hall; 2006.
Gerald Lieberman, F. Hillier, Introduccin a la Investigacin de Operaciones.
Quinta Edicin. Mxico: Editorial Mc Graw Hill; 2005.
Prawda W. Juan. Mtodos y Modelos de Investigacin de Operaciones. Tomo I:
Modelos Determinsticos. Quinta Edicin. Mxico: Editorial Limusa; 2004.
52

Texto Digital de Invop

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

Texto Digital de Invop

Cargado por

Copyright:

Formatos disponibles

Universidad Catlica Los ngeles de Chimbote

Escuela Profesional de Ingeniera de Sistemas

Humberto ngel Chvez Milla

RECURSOS O ELEMENTOS DE LA EMPRESA. JM Rosario, Argentina. p.1. Documento publicado en:

Por lo tanto, la gama de aplicaciones de la Investigacin de Operaciones es

Objetivo Especifico Unidad 1:

Ejemplos de modelos matemticos de

1. Antecedentes de la Investigacin de Operaciones

1.1. Historia de la Investigacin de Operaciones

HISTORIA DE LA INGENIERA. El Prisma, Portal para Investigadores. Documento publicado en:

Janos Von Neumann public en 1928 su trabajo "Teora de Juegos", que

HISTORIA DE LA INVESTIGACIN OPERATIVA. PHP Simplex, herramienta online. Documento

Estndares) para obtener la solucin de problemas como, determinar la altura

INVESTIGACIN DE OPERACIONES, Introduccin. Franco Bellini, Univ. Santa Mara. Venezuela.

1.2. Casos reales de uso de la Investigacin Operativa5

Integracin de una red nacional de inventario de

Diseo de un sistema de estructura de precios, sobre

Optimizacin del diseo de una red nacional de

Desarrollo de un sistema basado en PC para guiar a

Maximizacin de ganancias a partir de la asignacin

Reestructuracin de toda la cadena de proveedores,

Seleccin y programacin ptima de proyectos

Rediseo ptimo del tamao y forma del cuerpo de

Rediseo del sistema de produccin y distribucin

Programacin ptima de empleados para

Rediseo de tamao y localizacin de inventarios de

2. Definicin, Caractersticas y Etapas

Arte, usa la creatividad y

Ciencia, usa tcnicas y

La Investigacin de Operaciones emplea los aspectos de coordinacin de

Referido a un enfoque similar de la manera en la que se lleva a

Porque se resuelven problemas referidos a la conduccin de

INVESTIGACIN DE OPERACIONES. Wikipedia, La enciclopedia libre., p. 1, documento publicado en:

2.1. Caractersticas de la Investigacin de Operaciones.

2.2. Etapas de la Investigacin de Operaciones.

Definicin del problema y

Prueba del modelo

Preparacin para la aplicacin

Obtencin de una solucin a

a) Definicin del problema y recoleccin de datos

INVESTIGACIN DE OPERACIONES, Metodologa. Franco Bellini, Univ. Santa Mara. Venezuela.

Este proceso de prueba y mejoramiento de un modelo para incrementar su validez,

Cmo nace la Investigacin de Operaciones? Haga un breve comentario

2. Cmo define la Investigacin de Operaciones?

3. Los Modelos en la Investigacin de Operaciones

Un modelo de decisin debe considerarse como un vehculo para resumir un

3.1. Representacin de un modelo 9

Conceptual, Cuando se representa la situacin real por una descripcin

Matemtico, Se refiere a una representacin numrica por aspectos lgicos y

Fsico, Basado en aspectos de la ciencia fsica. Estos modelos generalmente

3.2. Clasificacin de Modelos

MODELO CIENTFICO. Representacin del Modelo. Wikipedia, La enciclopedia libre, p. 2, documento

a) Modelo Determinsticos: Cuando se conoce los datos de manera puntual y

El algoritmo de solucin converge al nivel ptimo solo en teora. La

La complejidad del modelo matemtico puede hacer imposible idear un

4. Elementos bsicos de un modelo matemtico

En los problemas complejos pueden aparecer variables exgenas o externas,

4.1. Modelo de programacin lineal general

Condicin de no negatividad de las variables:

4.2. Propiedades del modelo de programacin lineal 11

PROGRAMACIN LINEAL. Unidad de Informtica, UPIICSA, Polilibros. Pgina publicado en:

b) Aditividad.- Porque se puede valorar la funcin objetivo Z, as como

Un fabricante desea desarrollar un programa de asignacin en la produccin y una poltica de

Despus de analizar los casos anteriores. Defina la optimizacin de recursos.