INVESTIGACIÓN

OPERATIVA (IO)
DOCENTE
Mg. Omar Bullón Solís – CLAD Nº 14622
 EVALUACIÓN:
NOTA 1: EXAMEN PARCIAL (Individual) Semana 8
NOTA 2: EXAMEN FINAL (Individual) Semana 16
NOTA 3: TAREA ACADÉMICA: (Nota Individual) (VARIAS SEMANAS)
Consta de:
1. Practica Calificada Nº 01 (Grupal de 2)
2. Práctica Calificada Nº 02 (Grupal de 2)
3. Presentación de TA 1 (PPT). Semana X
4. Presentación de TA 2 (PPT). Semana X
5. Sustentación FINAL (Oral / s/PPT). Semana 15
6. Informe final Escrito (Grupal, % de participación). Semana 15
• Presentación en digital: En una carpeta correctamente nombrado.
7. Actitudinal: Participación en el aula y exposiciones.
PROMEDIO de (NOTA 1 + NOTA 2 + NOTA 3) = PROMEDIO FINAL
 INDICACIONES

1. Ingresar a: www.dropbox.com

2. Click en: INICIAR SESIÓN

3. Utilizar los siguientes datos:

Usuario: uapio2019@gmail.com
Contraseña: uap2019

4. Click: “ARCHIVO”

5. Señalar el archivo, y descargar (lado derecho).

6. Cerrar sesión: Click en la Carita Feliz, luego click

en salir.

7. Nota: No olvidar cerrar sesión.

Bibliografía del curso
 Unidad 1:
Programación Lineal

Capacidad: Adquiere una visión general de

investigación de operaciones y su origen, así
como reconoce las fases fundamentales en
un estudio de IO y los tipos de modelos
matemáticos, reconociendo su utilidad.

Mg. Omar Bullón Solís

 MODULO 1

CONCEPTOS GENERALES

PROGRAMACIÓN
LINEAL

Introducción a
Construcción de 1ra Práctica
la Investigación Solución gráfica
modelos calificada
Operativa.

Variables, Resolución de
Fases del estudio función objetivo Resolución de problemas
de IO y restricciones. problemas planteados.
planteados.
La IO es …
 IO
… es una rama de la Administración que consiste en el uso
de modelos matemáticos, estadística y algoritmos con
objeto de realizar un proceso de toma de decisiones.

Frecuentemente trata del estudio de complejos sistemas

reales, con la finalidad de mejorar (u optimizar) su
funcionamiento. Fuente:
Ejemplo de investigación operativa

En una empresa industrial…

¿ QUE HACER Y EN
QUE CANTIDAD?
Algo de historia.
Como ejemplo de esos primeros estudios está el que planteó un comando
costero
durante la 2da guerra mundial, que no lograba hundir submarinos enemigos
con una nueva bomba antisubmarina. Las bombas se preparaban para
explotar a profundidades de no menos de 30 m. Después de estudios
detallados, un profesor apellidado Williams llegó a la conclusión de que la
máxima probabilidad de muerte ocurriría con ajustes para profundidades de
entre 6 y 7 m. Entonces se prepararon las bombas para una mínima
profundidad posible de 10 m, y los aumentos en las tasas hundimiento
enemigo, según distintas estimaciones, se incrementaron entre 4 y 7 veces
más. De inmediato se inició el desarrollo de un mecanismo de disparo que se
pudiera ajustar a la profundidad óptima de 6 a 7 m.

Parte penosa de nuestra historia, que inició posteriormente la batalla industrial

de las empresas y del estudio exhaustivo de la maximización de beneficios y
minimización de costos, a través del estudio de modelos matemáticos.
 Fundamento matemático del IO

• La IO es una ciencia…
– análisis de relaciones entre variables.
– aplicación de algoritmos de solución.
• Y a la vez un arte…
– visión de la realidad.
– estilo, elegancia, simplicidad
– uso creativo de las herramientas.
– experiencia del investigador.
La I.O debe ser considerada como una ciencia y la vez como un arte.
• Una ciencia por el uso de técnicas matemáticas para la resolución de los problemas.
• Un arte ya que la formulación del modelo depende en gran parte de la creatividad y la experiencia
delas operaciones del equipo investigador.
 Modelo matemático
• Con el propósito de estudiar científicamente un sistema del
mundo real debemos hacer un conjunto de supuestos de
cómo trabaja. Ejemplo:

• Estos supuestos, que por lo general toman la forma de

relaciones matemáticas o relaciones lógicas, constituye un
modelo que es usado para tratar de ganar cierta
comprensión de cómo el sistema se comporta.
Ejemplo de modelo matemático en IO
 INVESTIGACION DE OPERACIONES

Modelo Matemático
Es aquel modelo que describe el comportamiento de un sistema a través de
relaciones matemáticas y supone que todas las variables relevantes son
cuantificables. Por ende tiene una solución optima.

Modelo de Simulación
Es un modelo que imita el comportamiento de un sistema sobre un periodo de
tiempo dado, esta basado en observaciones estadísticas. Este tipo de modelo
entrega soluciones aproximadas.

Modelo Heurístico
Esun tipo de conocimiento especial usado por los humanos para resolver
problemas complejos en un ambiente determinado, siendo su objetivo más
particular el “medio para descubrir”.
Ejemplo: Modelo matemático
Resolución:
Ejemplo: Modelo de simulación
Ejemplo: de Modelo Heurístico
Tipos de modelos
Otra clasificación:
• Determinísticos
– Programación matemática
• Programación lineal
• Programación entera
• Programación dinámica
• Programación no lineal
– Modelos de transporte
– Modelos de redes
• Probabilísticos
– Programación estocástica.
– Gestión de inventarios.
– Fenómenos de espera.
(colas)
– Teoría de juegos.
– Simulación.
 2. Fases de la Investigación Operativa

• 1. Definición del problema:

• Alternativas de decisión.(para luego, identificar las variables)
• El objetivo de estudio. (para luego, elaborar la función objetivo).
• Identificación de las restricciones del sistema que se modela.
• 2. Construcción del modelo:
• Traducir el problema a relaciones matemáticas que incluyan las variaciones de
decisión, la función objetivo y las restricciones.
• 3. Solución del modelo:
• Uso de algoritmos de optimización.
• Se encuentran los valores de las variables.
• 4. Validación del modelo:
• ¿El modelo entrega una predicción razonable del comportamiento del sistema
estudiado?
• 5. Puesta en práctica – implementación del modelo:
• Traducir los resultados del modelo en instrucciones de operación.
 1. Definición del problema

• Consiste en identificar los elementos de decisión

– Objetivos (uno o varios, optimizar o satisfacer)
– Alternativas.
– limitaciones del sistema.

• Hay que recoger información relevante (los datos pueden

ser un grave problema).

• Es la etapa fundamental para que las decisiones sean útiles.

 2. Construcción del modelo

• Modelo: representación simplificada de la realidad, que

facilita su comprensión y el estudio de su comportamiento
• Debe mantener un equilibrio entre sencillez y capacidad de
representación
• Modelo matemático: modelo expresado en términos
matemáticos
– hace más claras la estructura y relaciones
– facilita el uso de técnicas matemáticas y ordenadores
– a veces no es aplicable
• Traducción del problema a términos matemáticos
– objetivos: función objetivo
– alternativas: variables de decisión
– limitaciones del sistema: restricciones

• Pero a veces las relaciones matemáticas son

demasiado complejas.
– heurísticos
– simulación
 3. Solución del modelo

• Determinar los valores de las variables de

decisión de modo que la solución sea óptima
(o satisfactoria) sujeta a las restricciones.

• Puede haber distintos algoritmos, así como

soluciones para ellos, y formas de aplicarlos.
 4. Validación del modelo

• Consiste en poner en prueba la solución hallada.

• Se pretende eliminar errores.
• Comprobación de que el modelo se adapta a la
realidad.
• Si no fuera la solución óptima se vuelve a plantear un
nuevo modelo.
• Se puede hallar la robustez de la solución óptima
obtenida a través del Análisis de sensibilidad.
• Permite la detección de soluciones cuasi-óptimas
atractivas.
 5. Puesta en práctica del modelo

Consiste en comunicar la validación del modelo

planteado, con la solución óptima.
Exige desarrollar una reingeniería de procesos,
para la adaptación del nuevo proceso adaptado
al modelo. Se requiere:
• Implementar un sistema de ayuda y
mantenimiento.
• Documentación propia.
• Formación o capacitación de usuarios.
 Ejemplo típico de problema IO

En una fábrica se producen dos productos: A y B. Su precio de

venta es de 500 soles y 300 soles el litro, respectivamente. Sus
necesidades de mano de obra son de 3 empleados para el
producto A y 5 empleados para el producto B. También requiere
de 50 soles de materias primas por cada litro del producto A, y
20 por cada litro del producto B , respectivamente.

La empresa dispone semanalmente de 30 empleados y un

presupuesto de 310 soles, para la compra de materias primas.

Desea maximizar su beneficio. ¿Cuántos litros debe producir

del producto A y del producto B, que permita maximizar sus
ventas?
 Solución del ejercicio

1. Definición del problema:

Planteamiento de la pregunta: ¿?
1. Construcción del modelo:
Algoritmo que explica la situación
2. Solución del modelo:
Planteamiento de posibles soluciones
Hallar la solución óptima.
3. Validación del modelo:
Reemplazar la solución en el modelo.
4. Puesta en práctica:
Elaborar la propuesta escrita en formato de proyecto.
Sustentar la propuesta, establecer los nuevos procesos.
 LIMITACIONES DE LA I de O
1. Frecuentemente es necesario hacer simplificaciones del problema
original para poder manipularlo y tener una solución.
2. La mayoría de los modelos sólo considera un solo objetivo y
frecuentemente en las organizaciones se tienen objetivos
múltiples.
3. Existe la tendencia a no considerar la totalidad de las restricciones
en un problema práctico, debido a que los métodos de enseñanza
y entrenamiento dan la aplicación de esta ciencia centralmente se
basan en problemas pequeños para razones de índole práctico, por
lo que se desarrolla en los alumnos una opinión muy simplista e
ingenua sobre la aplicación de estas técnicas a problemas reales.
4. Rara vez se realizan análisis costo-beneficio de la implantación de
soluciones definidas por medio de la IO, en ocasiones los
beneficios potenciales se ven superados por los costos
ocasionados por el desarrollo e implantación.

Créditos de fuente de información:

Docente: Jorge Eduardo Ortiz Triviño
jeortizt@unal.edu.co
 CONCEPTOS GENERALES

UNIDAD 1

Introducción a
Construcción de 1ra Práctica
la Investigación Solución gráfica
modelos calificada
Operativa.

Variables, Resolución de
Fases del estudio función objetivo Resolución de problemas
de IO y restricciones. problemas planteados.
planteados.
 DEFINICIÓN
De modelamiento
 Definición:
“Modelling is the is the process of designing
a model of a real system and Simulation
is the activity of conducting
experiments with this model for the
purpose of either understanding the
behavior of the system and/or
evaluating various strategies for the
operation of the system.”

- Introduction to Simulation Using SIMAN (2nd Edition)

 Nos permite:
• Modelar complejos sistemas reales en forma
detallada.
• Describir el comportamiento del sistema.
• Construir teorías o hipótesis acerca del
comportamiento observado.
• Usar el modelo para predecir el comportamiento
futuro, efectos que producirán cambios.
• Analizar problemas que se presenten.
 Ventajas de modelar:

La mayor fortaleza del modelamiento

es poder responder a preguntas
del tipo “qué pasaría si…”
Por lo tanto…

• Entenderemos por "modelamiento" a las actividades

asociadas con la construcción de modelos de
sistemas abstractos del mundo real.

• Los modelos son útiles para predecir y/o estudiar el

comportamiento de un sistema real, que puede
servir para corroborar algunas hipótesis.

• Los modelos tienen un rango de validez.

– Ejemplo: Newton vs. Einstein
El sistema Real y el modelo

• El "sistema real" es la parte real de nuestro interés.

• El sistema real es una fuente de datos conductuales,

registro de cómo se comporta un sistema.

• Un modelo es básicamente un diseño para predecir

datos en la condición “si”.

• Los modelos son expresados en forma de gráficos

con elementos vinculantes, algoritmos y ecuaciones
diferenciales y en notación teórica de autómatas.
 PASOS
Para realizar el modelamiento
 Ejemplo de Modelamiento

Modela la interacción entre la industria, la población y la

contaminación de una ciudad.
La construcción del modelo seguirá por lo general los
siguientes pasos:

1. Observación informal de la realidad y los supuestos. Se hace

generalmente en lenguaje natural.
2. Diseño formal de la estructura del modelo, generalmente en
forma gráfica.
3. Propuesta matemática de la realidad a través de un algoritmo
4. Descripción del modelo gráfico y matemático que modela la
realidad.
5. Experimentación a través de simulación y análisis de resultados.
6. Conclusiones sobre el rango de aplicabilidad del modelo y su
validez.
7. Relaciones del modelo actual con otros.
 Elementos del modelo

El modelamiento describe los componentes, las

variables y las restricciones.

– Los componentes: partes del sistema.

– Las variables, proveen información sobre el estado de

los componentes en un momento dado.

– Las restricciones son las reglas que limitan el

comportamiento de los componentes y las variables,
variando de acuerdo al tiempo.
 ¿Cómo empezar?
a realizar el modelamiento
 ¿ Cómo empezar a modelar ?
• No existen reglas que puedan ser dadas para la elección de
los componentes, variables descriptivas o restricciones. Su
elección es parte del arte del modelamiento.

• Lo único que se puede exigir es que las componentes y sus

variables deben reflejar el sistema real que se quiere
estudiar.

• Se puede empezar por preguntar:

✓ ¿Qué quiero obtener del modelo?,
✓ ¿Qué componentes de la realidad me interesa?
✓ ¿Qué variables lo restringen?
 ¿ Cómo saber si un modelo es bueno?
• Analizando los resultados que produce en la realidad.

• Observando “Cuan bien el modelo representa la

realidad”.

• Comparando dos modelos y decidir cuál de ellos es

mejor bajo algún punto de vista particular.
EJERCICIOS
EJERCICIO Nº1

Un agricultor tiene una parcela de 640m² para dedicarla al cultivo de árboles

frutales: naranjos, perales, manzanos y limoneros. Se pregunta de qué
forma debería repartir la superficie de la parcela entre las variedades para
conseguir el máximo beneficio sabiendo que:

• cada naranjo necesita un mínimo de 16m², cada peral 4m², cada manzano
8m² y cada limonero 12m².
• dispone de 900 horas de trabajo al año, necesitando cada naranjo 30
horas al año, cada peral 5 horas, cada manzano 10 horas, y cada limonero
20 horas.
• a causa de la sequía, el agricultor tiene restricciones para el riego: le han
asignado 200m³ de agua anuales. Las necesidades anuales son de 2m³ por
cada naranjo, 3m³ por cada peral, 1m³ por cada manzano, y 2m³ por cada
limonero.
• los beneficios unitarios son de 50, 25, 20, y 30 € por cada naranjo, peral,
manzano y limonero respectivamente.
• Diseño gráfico.
Solución

Determinar las variables de decisión y expresarlas algebraicamente. En

este caso:
• X1: número de naranjos.
• X2: número de perales.
• X3: número de manzanos.
• X4: número de limoneros.

Determinar las restricciones y expresarlas como ecuaciones o

inecuaciones dependientes de las variables de decisión. Dichas
restricciones se deducen de las necesidades de cada árbol de terreno,
horas de trabajo anuales, y necesidades de riego:
• Necesidades de terreno: 16·X1 + 4·X2 + 8·X3 + 12·X4 ≤ 640
• Necesidades de horas anuales: 30·X1 + 5·X2 + 10·X3 + 20·X4 ≤ 900
• Necesidades de riego: 2·X1 + 3·X2 + X3 + 2·X4 ≤ 200
Las restricciones son que el número de árboles no
puede ser negativo y además debe ser un número
entero:
• Xi ≥ 0
• Xi son enteros.

Determinar la función objetivo:

• Maximizar Z = 50·X1 + 25·X2 + 20·X3 + 30·X4
Solución

• Modelo gráfico:
Diseño gráfico de la realidad

• Modelo matemático:
Z = 50·X1 + 25·X2 + 20·X3 + 30·X4
Restricciones.
• 16·X1 + 4·X2 + 8·X3 + 12·X4 ≤ 640
• 30·X1 + 5·X2 + 10·X3 + 20·X4 ≤ 900
• 2·X1 + 3·X2 + X3 + 2·X4 ≤ 200
• Xi ≥ 0, Xi son enteros.
 EJERCICIO Nº2
• Se propone alimentar el ganado de una granja con la dieta más económica
posible. Dicha dieta debe contener cuatro tipos de nutrientes identificados
como A, B, C, y D. Estos componentes se encuentran en dos tipos de comida
balanceada (CB) de las marcas “M” y “N”. La cantidad, en gramos, de cada
componente por kilo de estas marcas de CB, viene dada en la tabla siguiente:

Componente Componente Componente Componente

A B C D
CB “M” 100 - 100 200
CB “N” - 100 200 100
La dieta diaria de un animal debe estar compuesta por al menos 0.4Kg del
componente A, 0.6Kg del componente B, 2Kg del componente C, y 1.7Kg
del componente D. La comida balanceada de la marca “M” cuesta 0.2
soles/Kg y la Marca “N” 0.08 soles/Kg. ¿Qué cantidades de CB de la marca
“M” y “N” se deben adquirir para que el gasto en comida sea el menor
posible?
• Se pretende mezclar los dos tipos de comida
balanceada (CB) para obtener una dieta
equilibrada que contenga las cantidades
diarias recomendadas de cada nutriente para
los animales.
• Determinar las variables de decisión y
expresarlas algebraicamente. En este caso:
• X1: cantidad de CB “M” en Kg
• X2: cantidad de CB “N” en Kg
• Determinar las restricciones y expresarlas como
ecuaciones o inecuaciones dependientes de las
variables de decisión. Dichas restricciones se
deducen de la composición requerida para la
dieta diaria (en Kg):
• Componente A: 0.1·X1 + 0·X2 ≥ 0.4
• Componente B: 0·X1 + 0.1·X2 ≥ 0.6
• Componente C: 0.1·X1 + 0.2·X2 ≥ 2
• Componente D: 0.2·X1 + 0.1·X2 ≥ 1.7
• Expresar todas las condiciones implícitamente establecidas
por la naturaleza de las variables: que no puedan ser
negativas, que sean enteras, que solo puedan tomar
determinados valores, ... En este caso, la única restricción es
que las cantidades de pienso que forman la dieta no pueden
ser negativas:

X1 ≥ 0
X2 ≥ 0

• Determinar la función objetivo:

Minimizar Z = 0.2·X1 + 0.08·X2
EJERCICIO Nº3

• Una empresa ha preseleccionado 5 candidatos para ocupar 4 puestos de trabajo

que consisten en manejar 4 máquinas diferentes (un trabajador para cada
máquina). La empresa puso a prueba a los 5 trabajadores en cada una de las 4
máquinas realizando el mismo trabajo, obteniendo los siguientes puntajes:

Máquina 1 Máquina 2 Máquina 3 Máquina 4

Candidato A 10 6 6 5
Candidato B 8 7 6 6
Candidato C 8 6 5 6
Candidato D 9 7 7 6
Candidato E 8 7 6 5

Determinar qué candidatos debe seleccionar la empresa y a qué máquinas debe

asignarlos.
Determinar las variables de decisión y expresarlas algebraicamente.

En este caso:

•Xij: acción de que el trabajador i es asignado a la máquina j (0 indica que el

trabajador no ha sido asignado y 1 que sí ha sido asignado).

Determinar las restricciones:

1. Cada trabajador debe ser asignado a una sola máquina y no debe

quedar ninguna máquina sin un trabajador asignado a ella:

• XA1 + XA2 + XA3 + XA4 ≤ 1

• XB1 + XB2 + XB3 + XB4 ≤ 1
• XC1 + XC2 + XC3 + XC4 ≤ 1
• XD1 + XD2 + XD3 + XD4 ≤ 1
• XE1 + XE2 + XE3 + XE4 ≤ 1
2. En cada máquina debe haber un trabajador:

XA1 + XB1 + XC1 + XD1 + XE1 = 1

• XA2 + XB2 + XC2 + XD2 + XE2 = 1
• XA3 + XB3 + XC3 + XD3 + XE3 = 1
• XA4 + XB4 + XC4 + XD4 + XE4 = 1

3. Restricciones complementarios

• Xij ≥ 0
• Xij es booleano
• Determinar la función objetivo:

Minimizar Z = 10·XA1 + 8·XB1 + 8·XC1 + 9·XD1 +

8·XE1 + 6·XA2 + 7·XB2 + 6·XC2 + 7·XD2 + 7·XE2 +
6·XA3 + 6·XB3 + 5·XC3 + 7·XD3 + 6·XE3 + 5·XA4 +
6·XB4 + 6·XC4 + 6·XD4 + 5·XE4
 CONCEPTOS GENERALES

UNIDAD 1

Introducción a
Construcción de 1ra Práctica
la Investigación Solución gráfica
modelos calificada
Operativa.

Variables, Resolución de
Fases del estudio función objetivo Resolución de problemas
de IO y restricciones. problemas planteados.
planteados.
 RECORDANDO

• 1. Definición del problema:

• Alternativas de decisión.(para luego, identificar las variables)
• El objetivo de estudio. (para luego, elaborar la función objetivo).
• Identificación de las restricciones del sistema que se modela.
• 2. Construcción del modelo:
• Traducir el problema a relaciones matemáticas que incluyan las variaciones de
decisión, la función objetivo y las restricciones.
• 3. Solución del modelo:
• Uso de algoritmos de optimización.
• Se encuentran los valores de las variables.
• 4. Validación del modelo:
• ¿El modelo entrega una predicción razonable del comportamiento del sistema
estudiado?
• 5. Puesta en práctica – implementación del modelo:
• Traducir los resultados del modelo en instrucciones de operación.
 La programación lineal

• La programación lineal es el campo de las

ciencias matemáticas dedicado a maximizar o minimizar
(optimizar) una función lineal, denominada función objetivo,
de tal forma que las variables de dicha función cumplan una
serie de restricciones. El método tradicionalmente usado para
resolver problemas de programación lineal es el Método
Simplex, sin embargo también existen el método gráfico, el
método de transporte y el de redes.
 Solución por el Método de Gráfico

El método Gráfico o método Geométrico permite la resolución de

problemas sencillos de programación lineal de manera intuitiva y visual.

Este método se utiliza únicamente con modelos de dos o tres variables

de decisión, ya que no es posible ilustrar gráficamente más de 3
dimensiones.

NOTA:
Aunque en la realidad rara vez surgen problemas únicamente con dos o
tres variables es muy útil esta metodología para ilustrar la optimización.

Al reproducir gráficamente las situaciones de soluciones óptimas

alternativas, constituye una ayuda visual para interpretar y entender el la
optimización numérica.
 Fases o pasos del procedimiento
1. Dibujar un sistema de coordenadas cartesianas en el que cada variable
de decisión esté representada por un eje.
2. Establecer un eje por cada variable asociada.
3. Dibujar en el sistema de coordenadas las restricciones del problema,
incluyendo las de no negatividad (que serán los propios ejes).
4. La intersección de todas las regiones determina la región factible o
espacio de soluciones. Si esta región no está vacía, se continuará con el
paso siguiente. En caso contrario, no existe ningún punto de solución.
5. Determinar los puntos extremos o vértices del polígono o poliedro que
forma la región factible. Serán los candidatos para la solución óptima.
6. Evaluar la función objetivo en todos los vértices. y aquél (o aquellos)
que maximicen (o minimicen) el valor resultante determinaran la solución
óptima del problema.
EJERCICIO Nº1

1. Resolver el siguiente modelo matemático:

Maximizar: Z = 3x + 2y
Restricciones: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0,y≥0
 SOLUCIÓN
1. Inicialmente se dibuja el sistema de coordenadas asociando a un eje la
variable "x" y al otro la "y“
2. En cada restricción se hacen nulas todas las variables excepto la
correspondiente a un eje concreto, determinándose así el valor adecuado para
dicho eje.
3. A continuación se grafican las restricciones. Se dibuja la recta que se obtiene
al considerar la restricción como igualdad. Aparece representada como el
segmento que une A con B y la región que delimita ésta restricción viene
indicada por el color AMARILLO. Se repite el proceso con las demás
restricciones, quedando la región de color AZUL y ROJO para la segunda y
tercera restricción respectivamente.
4. La región factible es la intersección de las regiones delimitadas tanto por el
conjunto de restricciones, como por las condiciones de no negatividad de las
variables. Dicha región factible está representada por el polígono O-F-H-G-C,
de color VIOLETA.
5. Como existe una región factible, se procede a determinar sus puntos
extremos, o vértices del polígono que representa. Estos vértices son los
puntos candidatos a soluciones óptimas. En este ejemplo son los puntos O-F-
H-G-C de la figura.
6. Finalmente, se evalúa la función objetivo (3x + 2y) en cada uno de esos
puntos (resultado que se recoge en la tabla siguiente). Como el punto G
proporciona el mayor valor a la función Z y el objetivo es maximizar, tal punto
constituye la solución óptima: Z = 33, con x = 3 e y = 12.

Punto extremo Coordenadas (x,y) Valor objetivo (Z)

O (0,0) 0
C (0,14) 28
G (3,12) 33
H (6,6) 30
F (8,0) 24
 Ejercicio Nº2

En una fábrica se producen dos productos: A y B. Su precio de

venta es de 50 soles y 30 soles la unidad. Sus necesidades de
mano de obra son de 3 empleados para el producto A y 5
empleados para el producto B. También requiere de 50 soles de
materias primas por cada unidad del producto A, y 20 por cada
litro del producto B , respectivamente.

La empresa dispone semanalmente de 30 empleados y un

presupuesto de 310 soles, para la compra de materias primas.

Desea maximizar su beneficio. ¿Cuántos litros debe producir

del producto A y del producto B, que permita maximizar sus
ventas?
Solución: En clase
EJERCICIO Nº3

3. Resolver el siguiente modelo matemático:

Maximizar: Z = 500x + 1000y

Restricciones: x ≤ 200
2.5x + 5.5y ≤ 1200
x + y ≤ 500
x≥0,y≥0

Solución:
https://www.youtube.com/watch?v=98ppNSinVt4
EJERCICIO Nº4

4. Resolver el siguiente modelo matemático:

Maximizar: Z = 50x1 + 56x2

Restricciones: X1 + x2 ≤ 80
3X1 + 2x2 ≤ 220
2X1 + 3x2 ≤ 500
X1 , x2 ≥ 0

Solución: Youtube
https://www.youtube.com/watch?v=jBbsDqbkAJQ
 EJERCICIO Nº5

• Se va a organizar una nueva fábrica de ensamblaje de

automóviles, donde van a trabajar electricistas y
mecánicos de su fábrica matriz. Por política de la
empresa es necesario que haya mayor o igual número
de mecánicos que de electricistas. Además el número
de mecánicos no debe superar al doble de electricistas.
En total hay disponibles 30 electricistas y 20 mecánicos.
El pago por semana de trabajo es de 250 soles a cada
electricista y 200 soles a cada mecánico.

¿Cuántos trabajadores de cada especialidad deben contratarse

para obtener el máximo beneficio en la nueva fábrica?
SOLUCIÓN EJERCICIO Nº5

5. Luego de leer el ejercicio se plantea el siguiente modelo

matemático:

Maximizar: Z = 250x1 + 200x2

Restricciones: X1 ≥ x2
X1 ≤ 2x2
X1 ≤ 30
X2 ≤ 20
X1 , x2 ≥ 0

Solución: Youtube
https://www.youtube.com/watch?v=kWRGkC0I3B4&feature=youtu.be
 Ejercicios de Minimización

• Ejercicio 6
Solución
https://www.youtube.com/watch?v=MK29boPJDcg&t=4s

Planteamiento
Modelo matemático
Solución gráfico
Validación de las posibles respuestas
Solución óptima
Ejercicio nº 7
 Solución

https://www.youtube.com/watch?v=KMb7BxrOldg
 MODULO 1

CONCEPTOS GENERALES

PROGRAMACIÓN
LINEAL

Introducción a
Construcción de 1ra Práctica
la Investigación Solución gráfica
modelos calificada
Operativa.

Variables, Resolución de
Fases del estudio función objetivo Resolución de problemas
de IO y restricciones. problemas planteados.
planteados.
 1RA PRÁCTICA CALIFICADA
* La evaluación se realiza en grupo de 02 personas.

* Temas a repasar:

- Vinculación de la asignatura con la carrera profesional.

- Definición de conceptos tratados en el curso.
- Ejercicios de definición del problema y construcción de modelos
gráficos/matemáticos.
- Ejercicios resueltos con el método gráfico.
…
FIN
UNIDAD 1

Se agradece la
atención prestada