Está en la página 1de 19

UNIVERSIDAD NACIONAL DE CAJAMARCA

FACULTAD DE INGENIERIA-EAPIS -e --e

CAPITULO I. INTRODUCCIÓN A LA INVESTIGACIÓN OPERATIVA.

1.1. ORIGEN DE LA INVESTI GACIÓN OPERATIVA

Las bases de la investigación científica se remontan a muchos años atrás, cuando se intento emplear el
enfoque científico en la administración de una empresa.

Pero es en la segunda guerra mundial cuando se hace presente su aplicación en la distribución de recursos
escasos para las operaciones militares. Para ello las administraciones militares americanas e inglesas
convocaron a científicos para que aplicaran el enfoque científico en la resolución de este problema y otros
de tipo estratégico y táctico.

El éxito de la investigación de operaciones en las operaciones militares llamo la atención de las empresas e
industrias, las cuales hasta el día de hoy demandan de está aplicación del método científico para solucionar
problemas de control en las organizaciones, relacionadas directamente con la distribución de recursos
escasos.

1.2. CONCEPTO.

La investigación de operaciones es una rama de las matemáticas en la cual se hace uso de modelos
matemáticos, estadísticos y algoritmos para apoyar la toma de decisiones en problemas de optimización

Permite tomar decisiones analizando escases de recursos, para optimizar un objetivo definido, como la
maximización de los beneficios o la minimización de costes.

1.3. EL ENFOQUE CIENTÍFICO Y LA INVESTIGACIÓN DE OPERACIONES.

El enfoque científico contribuye a la investigación de operaciones en:

1. La estructuración de una situación de la vida real como un modelo matemático, con lo que se logra una
abstracción de los elementos esenciales para que pueda buscarse una solución que concuerde con los
objetivos del tomador de decisiones. Esto implica tomar en cuenta el problema dentro del contexto del
sistema completo.
2. El análisis de la estructura de tales soluciones y el desarrollo de procedimientos sistemáticos para
obtenerlas.
3. El desarrollo de una solución, incluyendo la teoría matemática, si es necesario, que lleve al valor óptimo
de la medida de lo que se espera del sistema (o quizá que compare los cursos de acción alternativos
evaluando esta medida para cada uno). "

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

1.4. CLASIFICACIÓN DE LOS PROBLEMAS DE INVESTIGACIÓN OPERATIVA.

Se encuentran dos clases

 Por el Objetivo del Problema


 Por el Grado de Certidumbre de los Datos ( por la naturaleza de los datos)

1.4.1. POR EL OBJETIVO DEL PROBLEMAS


a.Modelos de optimización.
Su objetivo es maximizar cierta cantidad (beneficios, eficiencia) o minimizar cierta medida (coste,
tiempo), teniendo en cuenta restricciones (disponibilidad de capital, personal, material, fechas
limites, etc.). Algunos ejemplos de modelos de optimización son:
 Problemas de secuenciación. Tratan sobre la distribución de recursos en cierto orden. ¿De qué
forma se deben ordenar los trabajos para que el tiempo total de procesamiento de estos en
cada una de las máquinas sea mínimo?
 Problemas de localización. Relacionados a la asignación de recursos a actividades, para
optimizar efectividad.
 Problemas de rutas. Aquellos en las que se busca la ruta óptima desde un origen a un destino
cuando existen varias alternativas posibles. Ejm. Un viajero que Un viajero que debe visitar
varias ciudades en un solo viaje. ¿En que orden debe visitarlas para minimizar la distancia total
viajada?
 Problemas de búsqueda. Cuando el objetivo es buscar información necesaria para tomar
decisiones. Ejm. Realizar auditorias en empresas en busca de trampas o errores, realizar
exploraciones de la tierra para encontrar recursos naturales como el petróleo, cobre, etc.
b. Modelos de predicción.
Su objetivo es describir y predecir sucesos (nivel de ventas, fechas de terminación de proyectos,
número de clientes, etc.) dadas ciertas condiciones.
 Problemas de remplazamiento. Se ocupan de decidir el tiempo optimo para remplazar los
equipos que fallan o se deterioran. Ejm. Problema de remplazamiento de maquinaria industrial.
 Problemas de inventario. Consiste en determinar la cantidad ideal de productos que se debe
tener en una tienda o almacén, pues si un cliente quiere comprar una cierta cantidad de
productos, pero no están disponibles, representaría perdidas para la empresa. Y si fuera el caso
contrario, y en vez de faltante se tendría exceso de productos, el costo de almacenamiento
puede ser demasiado alto.
 Problemas de colas. Se refiere a cualquier problema en el que hay que esperar por un servicio.
El objetivo de este tipo de problemas es encontrar el mejor modelo de rendimiento del sistema
de atención al cliente para que su funcionamiento sea óptimo.
 Problemas de competencia. Surgen cuando existe competencia entre dos o mas elementos
(empresas, recurso humano, etc.) Ejm. Cuando dos empresas compiten por obtener un
contrato. La solución de este tipo de problemas conlleva a un proceso implícito de Toma de
decisiones.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

1.4.2. POR EL GRADO DE CERTIDUMBRE DE LOS DATOS (NATURALEZA DE LOS DATOS)


Está clasificación toma en cuenta los tipos de datos y el modelo en que encajan. Se encuentran de 3
tipos:
a. Modelo determinístico. Para este modelo todos los datos importantes del modelo se suponen
conocidos.
b. Modelos probabilístico. En este caso los datos del modelo son inciertos y normalmente se dan por
probabilidad.
c. Modelos Híbridos. Este modelo tiene datos de los dos tipos anteriores.

Figura 1.Clasificación de los modelos de investigación operativa según su naturaleza.

Después de conocer la clasificación de los problemas de investigación de operaciones, describiremos el


proceso de resolución de estos.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

1.5. METODOLOGÍA DE LA INVESTIGACIÓN OPERATIV A

Consta de cuatro pasos:

Paso 1. Definición del Problema. Es importante tener clara la definición del problema, pues a una pregunta
bien planteada se podrá tener una respuesta correcta. Sin embargo para definir un problema a veces es
necesario enfrentar datos incompletos, ambiguos, conflictivos o difusos, diferencias de opinión,
presupuesto o tiempo limitado, política, el responsable de la toma de decisiones no tiene bien definido que
es lo que quiere realmente. Para solucionar estos problemas es necesario tener un buen plan de trabajo que
consideré lo siguiente:
a. Observar. Analizar el problema desde diferentes puntos de vista, de modo que termine
entendiendo el problema como las personas implicadas.
b. Consientes de las realidades políticas. Los problemas que se dan entre trabajadores de la empresa
ya sean jefes u operarios, da lugar muchas veces a recibir información distorsionada.
c. Decidir que se quiere realmente. Definir claramente los objetivos antes de desarrollar y resolver
un modelo.
d. Identificar restricciones. Es importante identificar las limitaciones que afectan la decisión final,
para incluirlas en el modelo.
e. Buscar Información de modo continuo. A lo largo de todo el proceso, el analista debe mantener
contacto permanente con el responsable de la toma de decisiones

Paso2. Modelado matemático. En el modelado matemático identificamos los elementos más importantes
del problema de investigación operativa:

a. Variables de decisión. Identificamos aquellos factores sobre los que el tomador de decisiones tiene
control, estás son las variables de decisión del problema (Ejm. Cantidad de artículos a producir de
cada producto o el material a utilizar).
Para identificar las variables de decisión es útil hacer las siguientes preguntas: ¿qué es lo que hay
que decidir? O ¿sobre que elementos tenemos control? O ¿cuál seria una respuesta válida para este
caso?
Existen también factores que no podemos modificar y que por lo general se les llama parámetros.
Ejm. Número de horas de trabajo disponibles o fechas límite a cumplir según un contrato.
Según el problema lo que a veces es una variable de decisión en otros casos puede ser un
parámetro o viceversa.

b. Función objetivo. La función objetivo hace referencia al modelo matemático que representa el
objetivo a optimizar, tomando en cuenta luego para su solución las restricciones existentes.
Las preguntas que pueden ser de ayuda para identificar la función objetivo son: ¿Qué es lo que
queremos conseguir? O Si yo fuera el jefe de la empresa ¿Qué me interesaría más?

c. Restricciones. Hacen referencia a las limitaciones y requisitos que limitan nuestra decisión. Ejemplo
de restricciones frecuentes son: recursos disponibles (trabajadores, máquinas, material, etc.) que

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

son limitados; fechas límite de contratos a cumplir; restricciones impuestas por la naturaleza del
problema (por ejemplo: el flujo de entrada a un nodo debe ser igual al flujo de salida)
d. Traducir los elementos anteriores a un modelo matemático. Después de identificar los elementos
anteriormente mencionados, estos son expresados de forma matemática.
Dependiendo de la naturaleza de las funciones matemáticas, el modelo será de un tipo u otro; por
ejemplo, si todas ellas son lineales, el problema será de Programación Lineal; si existe más de una
función objetivo, será de programación multicriterio, etc.

Paso3. Solución del modelo. Para la solución se aplican diferentes métodos matemáticos y algoritmos. Los
pasos de solución son los siguientes:

a. Elegir técnica de resolución adecuada. Podemos encontrar problemas que se pueden resolver con
técnicas existentes, que nos ayudaran a tener una solución óptima para el modelo. En otros casos,
el problema es muy complejo o el algoritmo es difícil de procesarlo computacionalmente, entonces
es necesario recurrir a métodos heurísticos de resolución.
b. Generar las soluciones del modelo. Elegida la técnica de solución del problema, es posible
empezar a trabajar con el uso de un computador ya que por lo general serán muchos datos los que
se manejaran, para ello hoy en día las hojas de calculo incluyen operadores de análisis de
optimización e inclusive existen software especializados como Lingo, WinQSB, entre otros.
c. Comprobar/validar los resultados.
d. Revisar el modelo matemático. Si los resultados son inaceptables.
e. Realizar análisis de sensibilidad. Estudia los cambios que pueda sufrir una solución si se alteran los
parámetros del modelo, o bien en qué rango de variación de los parámetros la solución sigue
siendo valida.

Paso4. Presentación/implementación de resultados. Consta de dos pasos:

a. Preparar informes y/o presentación. El informe debe contribuir a que los decisores comprendan
completamente el enfoque del analista, para ello puede hacer uso de las presentaciones orales,
utilizando transparencias, videos o software especializado y los informes propiamente dichos.
b. Vigilar el proceso de implementación de la solución propuesta. Una vez implementada la solución,
debe ser supervisada de forma continua. Dada la naturaleza dinámica y cambiante de la mayoría de
las empresas, es casi inevitable que haya que realizar cambios en el modelo. El analista debe estar
preparado para saber cuándo ha llegado el momento de cambiar y para realizar los cambios.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

CAPITULO II. PROGRAMACIÓN LINEAL.

2.4. 1. INTRODUCCIÓN.

La programación lineal es una técnica matemática que consiste en una serie de métodos y procedimientos
que permiten resolver problemas de optimización.

Los problemas mas simples que podemos resolver con programación lineal son aquellos que son de 2
variables, problemas bidimensionales.

Para sistemas de más variables, la solución se halla aplicando el método simplex.

Sin embargo en el año 1984, Narenda Karmarkar, encontró un algoritmo, llamado algoritmo de Karmark,
que es más rápido que el método simplex.

2.4. 2. INECUACIÓN LINEALES CON 2 VARIABLES.

Es una expresión de la forma: ax + by ≤c, donde el signo puede ser también ≥, > y <.

Ejemplo. Resolver la inecuación: 2X + 3Y ≥ -3.

Paso 1. Convertir la inecuación en una ecuación. 2X + 3Y = -3.

Paso 2. Trazar la grafica de la recta, para ello, asumimos:

X=0; y =-1 =>P1= (0, -1)

Y=0; x =-1.5 =>P2 = (-1.5, 0)

Figura 2. Gráfica de la Inecuación con 2 variables

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

La recta divide al plano en dos regiones que pueden ser la solución, para encontrar cuál de las dos es la
región factible existen 2 formas:

Figura 3. Zona de solución o región factible

Primera forma. Tomamos cualquier punto de referencia que se encuentre en la zona a evaluar y
remplazamos el valor en la inecuación para saber si dicho valor cumple con la condición expresada. Ejm.

Punto (0,0), remplazando en la inecuación: 2X + 3Y ≥ -3. Se obtiene que 2(0) + 3(0) ≥ -3; tendremos
entonces que 0 ≥ -3, como esto es verdadero, entonces asumimos que el semiplano donde se encuentra el
punto 0,0 es la zona de solución factible.

De la misma forma podemos tomar un punto de referencia de otro lado del semiplano, como por ejemplo el
punto (-2, -2), remplazando en la ecuación tenemos 2(-2) + 2 (-2) ≥-3, tendremos entonces -8≥-3, lo cual es
falso, entonces descartamos está zona como región factible, entonces nuestra región factible seria la que se
muestra en la figura anterior.

Segunda forma. Se despeja y en la ecuación y se obtiene

La solución de la inecuación será aquella parte en la que y sea mayor que la recta, es decir la parte superior.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

2.4. 3. SISTEMA DE INECUACIONES LINEALE<S CON DOS VARIABLES.

Un sistema de inecuaciones lineales, está compuesto por un grupo de inecuaciones lineales; para resolverlas
se puede recurrir a l método gráfico o algebraico.

Ejemplo. Resolver el sistema de inecuaciones siguiente:

Vértice
(3,-3)

Figura 4. Grafica de Sistema de inecuaciones lineales.

2.3.1. SOLUCIÓN DE SISTEMA DE INECUACIONES LINEALES.

Se trazan las graficas de cada una de las inecuaciones y luego el área de intersección nos da como resultado
un área en forma de triangulo, está área rayada que se muestra en la figura representa la solución del
sistema.

Para los problemas de programación lineal, no basta encontrar el área de solución del sistema sino el punto
óptimo, para ello es necesario encontrar los vértices de cada figura, pues uno de estos cumplirá la condición
de maximizar o minimizar.

Un vértice es el resultado de la intersección de 2 rectas, entonces para hallar el vértice es necesario resolver
el sistema de ecuaciones conformadas por las ecuaciones de estas 2 rectas.

Tendríamos entonces:

2x + 3y =-3 -2x – 3y =3

2x –y – 9 =0 => 2x –y – 9 =0

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

De estas obtenemos y =-3, remplazando en la ecuación 2x + 3y=-3, obtenemos que x =3, entonces un primer
vértice será el punto (3,-3).

Ejercicio. Encontrar los otros dos vértices.

2.3.2. TRAZADO DE OTRO TIPO DE GRAFICAS.

Trazado de graficas tipo X ≥ K o bien Y ≥ K, donde falta alguna de las dos incógnitas.

Estas inecuaciones corresponden a rectas horizontales y verticales, y su representación es muy sencilla.

Ejemplo. X≤2 no es más que el conjunto de puntos a la izquierda de la recta vertical que pasa por el punto
X=2.

Figura 5. Trazado de grafica tipo X≤2

Lo mismo ocurre con y ≤ 1, que será en este caso la parte inferior a la recta horizontal es decir y=1

Figura 6. Trazado de grafica tipo y≤1.

Para cuando x≥0 o y ≥0, las rectas coincidirán con los ejes de coordenadas.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

2.4. 4. PROBLEMAS DE OPTIMI ZACIÓN DE UNA FUNCIÓN SUJETA A RESTRICCI ONES.

En un problema de programación lineal de dos variables x e y, se trata de optimizar (hacer máxima o


mínima, según los casos) una función (llamada función objetivo) de la forma:

F(x,y) =A.x + B . y

Sujeta a una serie de restricciones dadas mediante un sistema de inecuaciones lineales del tipo

Los puntos del plano que cumplen el sistema de desigualdades forman un recinto convexo acotado
(poligonal) o no acotado, llamado región factible del problema.

Todos los puntos de dicha región cumplen el sistema de desigualdades. Se trata de buscar, entre esos
puntos, aquel o aquellos que hagan el valor de F(x,y) máximo o mínimo, según sea el problema.

Los puntos de la región factible se denominan soluciones factibles.

De todas esas soluciones factibles, aquellas que hacen óptima (máxima o mínima) la función objetivo se
llaman soluciones óptimas.

En general, un problema de programación lineal puede tener una, infinitas o ninguna solución.

Lo que si se verifica es la siguiente propiedad:

PROPIEDAD:

Si hay una única solución óptima, esta se encuentra en un vértice de la región factible, y si hay infinitas
soluciones óptimas, se encontrarán en un lado de la región factible.

Es posible que no haya solución óptima, pues cuando el recinto es no acotado, la función objetivo puede
crecer o decrecer indefinidamente.

Para resolver el problema, podemos abordarlo de dos formas (forma geométrica o algebraica), pero antes
de aplicar cualquiera de ellas, siempre hay que dibujar la región factible, resolviendo el sistema de
inecuaciones lineales correspondiente, como se ha visto en los epígrafes anteriores (la región factible puede
estar acotada o no), y se calculan los vértices de dicha región.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

2.4.4. 1. FORMA GEOMÉTRICA:

La función objetivo se representa por: F(x,y)=A.x + B . y, la cual se maximiza o minimiza.

Encontramos el vector direccional de la recta A.x + B.y viene dado por v=(-B, A), del vector nos interesa la
dirección, por ello si los valores de la coordenadas son muy grandes , podemos dividirlas por un mismo
numero, puesto que vectores con coordenadas proporcionales que tienen la misma dirección.

Posteriormente, se trazan rectas paralelas a este vector que pasen por los vértices de la región factible (si es
acotada) , o por todo el borde de la región factible (cuando no es acotada) y se observa en que vértice la
función F se hace máxima (o mínima) sin más que tener en cuenta cual de las rectas tiene mayor (o menor)
ordenada en el origen, es decir, que recta corta en un punto mayor o menor al eje y.

Ejemplo. Maximizar la función F (x,y) = 2000x + 5000y sujeta a las restricciones:

Solución.

La región factible en este caso es:

Figura 7. Región factible.

Los vértices son los puntos (0, -1); (5,1) y (3, -3).

Como la función es F(x,y) =2000X + 5000 y, el vector director es v= (-5000,2000), simplificando tenemos al
vector v=(-5, 2) que tiene la misma dirección, y su representación es la siguiente.

Vector de la función objetivo

Figura 8. Región factible y vector de la función objetivo

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

El siguiente paso consiste en trazar paralelas al vector, que pasan por los vértices anteriores, tal como se
muestra en la figura:

Figura 9. Paralelas al vector en figura acotada- cruce con vértices.

Solución gráfica: Paralelas al vector por vértice.

Se observa entonces que la recta paralela que corta al eje y en el punto más lejano o mayor es el que pasa
por el punto 5,1, entonces este será el punto optimo.

Para saber el valor máximo de la función remplazamos en la función: F(5,1)= 2000.5 + 5000.1 = 10000 +5000
=15000.

2.4.4. 2. FORMA ALGEBRAICA

Consiste en hallar la intersección de las rectas, es decir los vértices de la región factible, para luego el valor
de estos remplazarlos en la función objetivo y luego la solución óptima dependerá del mayor valor (en casos
de maximización) o del menor valor (en casos de minimización).

Ejemplo. En el ejercicio anterior, los vértices son (5,1), (0,-1) y (3,-3).

De esta forma sustituyendo:

F(5,1) = 2000.5 + 5000.1 =10000 + 5000= 15000.

F(0,-1)= 2000.0 + 5000.(-1) =0 -5000=-5000

F(3,-3) = 2000.3 + 5000. (-3) = 6000- 15000 = -9000

Vemos que el máximo valor se obtiene cuando el vértice es de (5,1) y el valor máximo de la función es
15000.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

2.4. 5. EJEMPLOS DE CASOS EXTREMOS

Es probable que una solución óptima no sea única, e incluso que no exista veamos estos casos.

Ejemplo 1: Maximizar g(x,y) = 3X + 4Y sujeta a las restricciones

Si representamos la región factible:

Figura 10. Región factible no acotada superiormente

Los vértices serán: A=( , B = (6,8), C= (12,4)

Observemos que la región factible es NO acotada superiormente.

Si aplicamos el método geométrico, debería trazar paralelas al vector director por los vértices, pero como la
región es no acotada, dichas rectas son cada vez mayores al trazarlas sobre los puntos de la recta t, que son
soluciones factibles. Por tanto el problema no tiene solución.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

Figura 11. Trazo de paralelas en una región no acotada.

Las paralelas cortan cada vez en un punto mayor.

Las rectas paralelas al vector direccional de la función objetivo, son también llamadas en algunos textos
como Rectas de nivel.

En conclusión.

Un problema de maximización no tiene solución si la región factible no está acotada superiormente.

Un problema de minimización no tiene solución si la región no está acotada inferiormente.

Ejemplo 2:

Maximiza y minimiza la función p = x + 2y – 3 con las siguientes restricciones:

Solución:

Representamos las rectas:

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

Y hallamos la región que cumple las condiciones del problema

 Representamos la dirección de la recta p= x + 2y -3, dibujando la recta x + 2y – 3 =0. La restricción


5y ≤ 9 es superflua. La región sería la misma sin ella.
 El máximo se alcanza en el punto de intersección de las rectas:

2x – 3y =0 y x= 2/3; el punto seria entonces (2/3, 4/9)

El máximo valor de p seria entonces p(2/3, 4/9) = 2/3 + 8/9 -3 = -13/9.

 No hay mínimo.

Ejemplo 3. Hallar el valor máximo y mínimo de la función f(x,y) =2x + 4y sujeta a 3x + y ≥5 , x-y ≤0

x ≥0 e y≥0.

Solución:

 Graficamos las rectas.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

 Identificamos la región que cumple las condiciones del problema, teniendo en cuenta que x, y ≥0.
 Graficamos la recta de la función z= 2x+4y (2x + 4y =0) =>x + 2y =0
 El mínimo se alcanza en el punto de intersección de las rectas.

3x + 5 =5 y X – 2y =0 => El punto será (10/7, 5/7)

 No hay máximo. La función 2X + 4Y se puede hacer tan grande como se quiera.

Ejemplo 4.

Minimizar g(x, y) = 3x + 3y sujeta a restricciones

Solución.

La región es, en este caso:

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

Los vértices encontrados son A= (1,4), B= (2,5),C= (6,4), D= (7,2) Y E= (4,1)

Si utilizamos el método gráfico, obtenemos:

Que la recta que contiene a los puntos A y E es paralela al vector direccional, entonces concluimos que todos
los puntos que se encuentran dentro de la línea comprendida entre A y E sirven, entonces hay infinitas
soluciones.

Ahora utilizando el método algebraico g (x,y)= 3x + 3y, luego:

A: g(1,4) = 3 + 12 =15

A: g(2,5) = 6 + 15 =21

A: g(6,4) = 18 + 12 =30

A: g(7,2) = 21 + 6=27

A: g(4,1) =12 + 3 =15

Observamos que el valor mínimo se toma en A y E, y por tanto en todos los puntos comprendidos entre
ellos, es decir, hay infinitas soluciones.

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

Ejemplo 5. Calcula los puntos del recinto formado por que hacen mínima o máxima la

función z=2x+y. ¿Cuántas soluciones hay?

Solución.

 Representamos las rectas y obtenemos la región que cumple las restricciones

dadas.
 Representamos la dirección de las rectas Z=2X + Y, dibujando la recta 2X + y =0. Esta recta es
paralela a 2X + Y =20, que determina uno de los lados del recinto de la zona factible.
 Hay infinitos puntos que hacen mínima la función: todos los que están sobre el segmento de recta
y=20 – 2X con 0 ≤ X ≤ 10.
 El máximo se alcanza en el punto de intersección de las rectas:

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.
UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERIA-EAPIS -e --e

Ejemplo 6. ¿Es posible maximizar y minimizar la función z =x + y + 1 sujeta a estas restricciones?

Solución.

Representamos las rectas y obtenemos el recinto o el área que cumple con las restricciones del problema.

Representamos la dirección del vector de la función y se obtiene el siguiente gráfico.

No existe máximo ni mínimo

Ing. Karim Cruzado Villar.


Docente del Curso de Optimización.

También podría gustarte