1.

QUE ES LA INVESTIGACIÓN OPERATIVA

La optimización de operaciones es un modelo que combina: ...
La investigación de operaciones permite el análisis de la toma de decisiones
teniendo en cuenta la escasez de recursos, para determinar cómo se
puede optimizar un objetivo definido, como la maximización de los beneficios
o la minimización de costes.

1. CUÁL ES EL OBJETIVO DE LA IO
Frecuentemente trata del estudio de sistemas reales complejos, con la
finalidad de mejorar (u optimizar) su funcionamiento. La investigación de
operaciones permite el análisis de la toma de decisiones teniendo en cuenta
la escasez de recursos, para determinar cómo se puede optimizar un objetivo
definido, como la maximización de los beneficios o la minimización de costos.

2. CUÁL ES LA HERRAMIENTA PRINCIPAL DE LA IO

a. Modelos de programación lineal
b. Modelos de multicriterios, multiobjetivo
c. Redes de programación para transporte

3. MENCIONE EN QUE CONSISTE LA PROGRAMACIÓN LINEAL

técnica de la matemática que permite la optimización de una función objetivo
a través de la aplicación de diversas restricciones a sus variables.

ETAPAS DE LA PROGRAMACIÓN LINEAL

 Proporcionalidad.
 Aditividad.
Proporcionalidad: Implica que la medida de efectividad y/o consumo de
recursos tiene que ser proporcional al nivel de actividad. Por ejemplo, si un
artículo demora una hora en producirse, 10 artículos demorarán 10 horas.
(Esto se cumple incluso para la función objetivo ) Aditividad: La linealidad no
se garantiza solamente con el supuesto de proporcionalidad. Se requiere
además que las actividades sean aditivas. Esto quiere decir que si una
variable X1 requiere un efecto α1 cuando está sola y una variable X2 produce
un efecto α2 cuando está sola, entonces X1+X2 produce un efecto α1 + α2

4. MENCIONE CUALES SON LOS CUATRO MÉTODOS QUE SE PUEDEN

UTILIZAR PARA ENCONTRAR UNA SOLUCIÓN DE LA
PROGRAMACIÓN LINEAL
a. Método Gráfico
b. Método simplex

5. EN QUE CONSISTE ENCONTRAR LA SOLUCIÓN OPTIMA

Una solución óptima es una solución factible que da el valor más favorable
de la función objetivo. Si existe solución factible, existe solución básica factible.
 El conjunto de vértices del recinto (formados por las restricciones) se
denomina conjunto de soluciones factibles básicas y el vértice donde se
presenta la solución

óptima se llama solución máxima (o mínima según el caso).

Soluciones complementarias óptimas. Con la solución óptima al final del

simplex se tiene, la solución primal X* y una óptima complementaria dual Y*,
en el renglón Z, como coeficientes de las variables de holgura y/o artificiales
que forman la primera solución básica, ("Precios Sombra" o "Variables
Duales" o "Multiplicadores del Simplex").

6. ESCRIBA EL NOMBRE DE LOS PRINCIPIOS BAJO LOS CUALES SE

DESARROLLA EL MÉTODO SIMPLEX

1. Principio de factibilidad
2. Principio de optimalidad

7. PRINCIPIO DE OPTIMALIDAD
La función objetivo se expresa en función de todas las variables básicas y no
básicas. El mecanismo es elegir las variables que
“ENTRAN”

 En maximización:
buscar entre las variables no básicas la que tenga el coeficiente más
negativo.

 En minimización
buscar entre las variables no básicas la que tenga el coeficiente más positivo.

Los empates se arbitrariamente podemos decir que hemos llegado a la

optimalidad cuando en maximización todos los coeficientes de F.O. Son NO
NEGATIVOS , y en minimización son NO POSITIVOS

8. PRINCIPIO DE FACTIBILIDAD
La variable que “SALE”, es la variable básica correspondiente al cociente
más pequeño de los valores actuales de las variables básicas entre
los coeficientes delas restricciones de la variable que
entra. Los empates se rompen arbitrariamente

9. EXPLIQUE CUÁLES SON LAS VENTAJAS Y DESVENTAJAS DEL

MÉTODO GRAFICO
Todos los métodos de resolución son buenos. La ventaja del método gráfico,
es que, si son rectas sencillas, se obtiene muy rápidamente.
 La desventaja es que, si la solución es un número decimal, se puede tener
errores en los resultados.

Método gráfico: es un procedimiento de solución de programación lineal el cual

es limitado al número de variables (dos) y es representado en el plano cartesiano

Ventajas
1. Es un método fácil y básico
2. Requiere de conocimiento básico de programación lineal
3. Es una base para el aprendizaje para métodos más complejos
Desventajas
1. Solo puede ser usado con modelos que contienen 2 o 3 incógnitas
2. Solo puede ser usado con 2 variables

10. EXPLIQUE EN QUE CONSISTE EL MODELO DE MAXIMIZACION Y EL

MODELO DE MINIMIZACION

Modelo de maximización
Cuando se desea maximizar o incrementar utilidades, producción, ventas,
beneficios, rentabilidad, publicidad, etc. Inoperativos, etc.

Modelo de minimización
Cuando se desea minimizar o disminuir los costos, perdidas, paradas,
desperdicios, distancias, tiempos etc.

11. EXPLIQUE EN QUE CONSISTE EN METODO M

Corresponde a una variación del Algoritmo simplex para penalizar la
presencia de variables artificiales, mediante la introducción de una constante
M definida como un valor muy grande aunque finito. También se puede usar
el Método de las Dos Fases para resolver problemas que contengan
restricciones de >= o =.

El método de la M grande es una forma derivada del método simplex, usado

para resolver problemas donde el origen no forma parte de la región factible
de un problema de programación lineal.

12. EXPLIQUE EN QUE CONSISTE EN METODO DE LAS DOS FASES

Para este tipo de casos se han creado muchas metodologías que buscan
resolver este tipo de problemáticas buscando la solución a través de diversos
procesos. Una de estas alternativas es el método de las dos fases, el cual,
como su nombre lo indica, trabaja por medio de 2 fases o procedimientos,
con el objetivo de encontrar primeramente una solución factible inicial y
después pasar a resolver el modelo a través del método simplex. Para utilizar
este método se deber tener el modelo en su forma ampliada, las variables de
decisión deben de ser reales y mayores a cero.
Las fases del método se describen a continuación:

Fase 1 (Se busca la primera Solución básica factible):

1. Consideramos un modelo de programación lineal que se encuentra en su

forma canónica, este modelo debe de ser transformado en su forma ampliada
agregando variables artificiales en las restricciones donde el origen no es una
solución.

2. Ahora se cambia la función objetivo por una función de minimización donde

las variables de decisión son las variables artificiales, pero tomamos el
conjunto de restricciones de la función original.

3. Procedemos a resolver el modelo que tenemos planteado hasta que se de

uno de los siguientes casos: las variables artificiales salen de la base o la
función objetivo obtiene el valor de cero. Si no ocurre ninguno, entonces el
modelo no tiene solución

Fase 2 (Resolvemos el modelo con la nueva solución encontrada)

1. Eliminamos las variables artificiales de las restricciones, pero conservamos

los cambios que se dieron durante la fase 1.

2. Regresamos a la función objetivo original y resolvemos el modelo con los

cambios que se dieron en las restricciones durante la fase 1.

método o técnica que se aplica para los problemas llamados de mal comportamiento